改进拉萨热风险测绘使用自组织地图和空间决定因素
Komi Mensah Agboka1, Moses Mwaura2, Bonoukpoè M Sokame2
1International Centre of Insect Physiology and Ecology (icipe), P.O. Box 30772 00100, Nairobi, Kenya; Laboratoire de Recherche en Science et Technologie (LARSI), Département de Génie Informatique (GI), École Polytechnique de Lomé (EPL), Université de Lomé, Lomé, Togo.
一个新的自组织地图 (SOM) 模型准确地预测了西非的拉萨热风险热点. 这种方法整合了环境数据和人类定居模式,以加强疾病监测和预防工作.
科学领域:
- 流行病学 流行病学
- 环境科学 环境科学
- 数据科学数据科学数据科学
背景情况:
- 拉萨热是一种在西非普遍存在的动物传播疾病,主要由Mastomys natalensis动物传播.
- 当前的风险模型往往无法考虑人类定居点和环境相互作用.
- 改进的预测模型对于有效控制拉萨热来说至关重要.
研究的目的:
- 引入和评估一种自组织地图 (SOM) 分类方法,以提高拉萨热风险预测.
- 将高维环境数据,动物适应性和人类定居密度整合到预测模型中.
- 确定经常出现的风险热点和潜在的疫情爆发区域.
主要方法:
- 利用谷歌地球引擎提取环境预测指标 (1980-2022),包括陆地表面温度,植被指数,蒸发透气,高度和建筑区.
- 开发了一个包含环境数据,动物发生率和人类定居密度的SOM分类模型.
- 使用培训和验证数据集验证模型准确性,达到>0.89准确性.
主要成果:
- 该SOM模型在预测拉萨热风险方面表现出高准确度 (>0.89).
- 确定了与历史爆发地点一致的经常性风险热点.
- 预计塞拉利昂 (100%),利比里亚 (100%),几内亚 (97.5%),喀麦隆 (77.6%) 和尼日利亚 (45.8%) 的风险中等至高.
结论:
- 与传统的回归模型相比,SOM方法为拉萨热病风险预测提供了显著的改进.
- 这种数据驱动的框架提高了预测风险区域和潜在疫情的能力.
- 这些发现支持改善拉萨热的监测,应对策略,公众意识,控制和预防在西非.
更多相关视频
08:59Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps
Published on: October 28, 2018
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
相关概念视频
Manipulation and Analysis
Steps in Outbreak Investigation
Patterns of Fever
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Principles of Disease Surveillance
Applications of GIS: Disaster Management and Emergency Response
