预测沙门氏菌Typhi在废水样本中的存在的统计方法在阿桑泰阿克耶姆阿戈戈,加纳的废水样本
Sampson Twumasi-Ankrah1, Michael Owusu2, Michael Owusu-Ansah3
1Department of Statistics and Actuarial Science, Kwame Nkrumah University of Science and Technology, Kumasi, Ghana.
PLoS neglected tropical diseases
|February 17, 2026
概括
加纳的废水监测显示,沙门氏菌与雨季和更高的pH值有关. 一个非空间的随机森林模型准确地预测了它的存在,超过了空间方法.
科学领域:
- 环境微生物学环境微生物学
- 公共卫生监督是对公共卫生的监督.
- 废水流行病学 废水流行病学
背景情况:
- 污水监测对于追踪流行地区的伤寒病至关重要.
- 这项研究评估了空间和非空间模型,用于预测加纳废水中的沙门氏菌.
- 确定了沙门氏菌Typhi的主要环境风险因素.
研究的目的:
- 评估各种空间和非空间模型在废水中检测沙门氏菌Typhi的性能.
- 为了确定影响沙门氏菌Typhi检测的重大环境和物理化学因素.
- 确定废水中伤寒监测最有效的建模方法.
主要方法:
- 在加纳的40个地点收集了27个月的废水样本.
- 多重PCR用于检测沙门氏菌,向特定的基因.
- 测量了物理化学参数 (pH,温度,溶解氧,盐度).
- 非空间 (通用估计方程,混合效应模型,随机森林) 和空间模型 (贝叶斯式GAM,空间GLMM) 进行了拟合和比较.
- 沙普利添加式扩展 (SHAP) 分析确定了关键预测因素.
主要成果:
- 在44.13%的样本中检测到沙门氏菌Typhi.
- 较高的检测率发生在雨季,快速流动和更宽的道中.
- 阳性样本显示了更高的pH值,溶解的氧气和降雨量.
- 非空间随机森林模型实现了最高的性能 (精度:0.993,灵敏度:0.997,特异性:0.989).
- 关键预测因素包括pH,季节,溶氧,上个月的阳性和通道宽度.
结论:
- 废水的物理化学特性,特别是pH值,季节性降雨和水力条件,显著影响沙门氏菌Typhi检测.
- 与空间和其他非空间统计方法相比,非空间随机森林模型表现出更高的性能.
- 这突显了先进非空间建模的潜力,以有效地监测废水中的伤寒.
