莱普托斯皮罗斯的时空风险预测:基于机器学习的方法
Rodrigue Govan1, Romane Scherrer1, Baptiste Fougeron1
1Institute of Exact and Applied Sciences, University of New Caledonia, Nouméa, Province Sud, New Caledonia.
PLoS neglected tropical diseases
|January 17, 2025
概括
气候变化加剧了白病的风险,特别是在热带地区. 这项研究使用机器学习绘制了螺旋体风险图,将降雨量和湿度确定为关键因素,对早期预警系统至关重要.
科学领域:
- 环境科学 环境科学
- 流行病学 流行病学
- 公共卫生 公共卫生
背景情况:
- 瘦肉是一种被忽视的动物传染病,在全球范围内流行,特别是在热带地区.
- 气候变化,降雨和旋风加剧了莱普托斯皮拉菌的传播,这些细菌通过污染的水和土壤传播.
- 太平洋岛屿面临着很大的负担,需要确定影响疾病分布的因素,以便制定政策.
研究的目的:
- 在全国范围内创建一个详细的时空风险地图来确定白病的风险.
- 为了确定影响莱普托斯皮拉传播的关键气象,地形和社会人口因素.
- 加强疾病监测和风险评估,以建立有效的预警系统.
主要方法:
- 利用机器学习模型对二元化发病率进行训练以进行预测.
- 进行了比城市一级更精细的空间分析和每月一次时间分析 (2011-2022年).
- 在分析中整合了气象,地形和社会人口学变量.
主要成果:
- 在预测污染风险方面实现了83.29%的一致性和83.93%的灵敏度.
- 确定了季节性模式,包括厄尔尼诺南部振荡的影响.
- 降雨量和湿度 (一个月的滞后) 显著促进了Leptospira的污染;高有机物质的土壤可能会减少细菌的存在.
结论:
- 环境因素在热带和亚热带地区显著推动了LeptoSpira的季节性传播.
- 机器学习模型为疾病监测和风险评估提供了可靠的方法.
- 这些发现支持有针对性的公共卫生政策,以及开发白病早期预警系统.
