英语原文共 17 页，剩余内容已隐藏，支付完成后下载完整资料
整个非洲的气候和环境对
黄热病传播情况的影响
背景
黄热病病毒是非洲和拉丁美洲特有的媒介传播的一种病毒-黄病毒，其中有90％的病毒感染发生在非洲，这种病毒主要由非洲白纹伊蚊传播，其中埃及伊蚊是城市黄热病病毒的主要载体。蚊子的生命、蚊子的繁殖和病毒复制在很大程度上取决于气候，特别是温度和降雨量。我们的目的是研究黄热病病毒的传播和季节气候之间的关系。
方法和主要发现
我们构建了黄热病病毒（YFV）传播的温度适应性指数，捕捉了蚊子行为和病毒复制对温度的依赖性，然后我们将一系列多级逻辑回归模型拟合。其中黄热病(YF)报告中的数据集中在非洲，考虑到季节性模型的发生地点和时间，因此要让温度适宜性指数，降雨量和增强植被指数（EVI）与其他人口统计指标一致。模型拟合时使用AreaUnder评估曲线（AUC），数据按照Akaike的信息标准进行排序，然后将模型加权后输出之后再创建组合模型预测。季节性模型可以准确地捕获YF传播中的地理和时间上的差异性（AUC=0.81），但是只局限在地理分布上的年度差异。温度适宜性指数与降雨量之间的相互作用占黄热病发生的大部分，这为季节性模型提供了可以由统计学相关知识来解释的时空变异性。
结论和意义
对病毒传播的季节性描述为非洲东西黄热病的差异性提供了解释。年度气候变量可能表明传播适用性不是总反映在季节性互动中。这一发现与预测数据相结合，可以突出病毒传播增加的地区，并可以提供对大型疫情情况发生时的建议，如安哥拉、刚果民主共和国和巴西发生的疫情。
摘要
在本文中，我们描述了一个经过量化之后的黄热病病毒（YFV）在非洲传播的季节动态模型的建立。YFV是一种黄病毒，在非洲传播，主要是由伊蚊传播，在那里它每年造成78000人死亡，只存在一种安全有效的疫苗。安哥拉、刚果民主共和国和巴西最近发生了大规模、毁灭性的疫情，这突显了接种疫苗的重要性，这一点由于全球疫苗短缺而造成了实施的困难。在这里，我们描述了一种经过参数化的温度对YFV传播的影响，并实现了用统计模型来预测传播中的地理和时间上的差异，同时证明了它们相对于一般简单预测模型的稳健性。我们相信，这种季节性因素的量化可能使疫苗接种和媒介控制方法更准确的应用。反过来，这将有助于最大程度地发挥它们的作用，特别是在资源有限的情况下，有助于减少大规模疫情暴发的风险。不仅如此，这里描述的方法还可以应用于其他伊蚊传播的疾病，这为理解和防治登革热和齐卡病等其他重要疾病提供了一个有用的工具。
引言
黄热病（yf）是由黄热病病毒属的蚊子所传播的黄热病病毒（yfv）引起的一种病毒性疾病。尽管非洲和南美洲都有发生，但认为90%的病例发生在非洲[2]。在非洲，该病毒每年会导致51000至380000例严重病例，造成约19000至180000人死亡[3]，大约一半感染为无症状感染，另三分之一感染为轻度疾病。约12%的YF感染会发展成严重疾病，造成发烧和出血，死亡率为30-60%[4]。在非洲，发现这种疾病有三个传播周期：（i）在非洲，非人类灵长类动物之间通过比如Ae等的森林伊蚊来保持传播。（ii）一个中间的周期，在这个周期中，家养伊蚊物充当人类和非人类灵长类动物之间传播的桥梁。（iii）埃及伊蚊在人类活动区域传播病毒，在这个传播链之中，疾病在人与人之间传播，并且可以在没有森林宿主的地区传播，历史上这引发了了毁灭性的流行病，在16-19世纪蔓延到美国、英国和意大利。
YFV在人类之间传播的主要媒介是蚊子。埃及伊蚊[7]可以携带其他几种人类病毒，如登革热和基孔肯亚病毒[8，9]。埃及伊蚊和所有的昆虫一样，是一种热辐射昆虫，也就是说它的内部温度与环境温度有关。随着温度的升高，新陈代谢也会增加，这对YFV的传播有着巨大的影响。较高的温度、较低的温度都会影响死亡率、化蛹的速度[10]、免疫系统的能力[11]、吸血的频率[12]和YFV的外部潜伏期（EIP）的时间，将这些定义为从蚊子感染到传染的过程中的影响因素[13]。同时，温度并不是影响伊蚊的唯一因素，埃及伊蚊的生命周期，也是一个独立的因素。降水量和温度之间的相互作用可能比单独变量更重要：当降雨不足但温度最佳时和降雨最佳但温度不足时都不利于病毒传播。病毒在蚊子体内的复制，限制了体外传播的可能性。以前，一些模型只考虑气候因素来解释黄热病的分布和传播。虽然Rogers等人（2006年）[14]使用卫星检测的环境数据模拟了黄热病的全球分布，Garske等人（2014年）[3]使用人口规模、监测质量和地理坐标以及环境数据预测了黄热病在非洲的分布。然后将其与血清学调查结合使用，以产生病毒流行区域的感染情况，并考虑到了疫苗接种覆盖率和疾病造成的经济负担。除黄热病外，还利用气候因素模拟了疟疾[15-19]和登革热[20-23]等几种以其他媒介来传播疾病的病毒分布和传播情况。不仅静态变量（如年气温和降雨量）具有实质性的预测能力，而且季节的重要性也得到了强调[16,19,24]。考虑了疾病控制和预防干预的季节性影响之后，可以提供实质性的公共卫生建议[16]。将黄热病与环境因素之间的关系与这些因素的未来预测结合起来，可以预测出“疾病传播高风险”时期。然后，这些预测会提供建议使我们在高风险时期主动加强监测，以检测最初的病例，并采取适当的措施做出反应，如疫苗接种或媒介控制。尽管以前在利用气候和季节性来评估疾病传播的程度方面取得了成功，但这种方法以前并没有应用于黄热病。近几年来，安哥拉、刚果民主共和国和巴西发生了大规模疫情，凸显了进一步量化黄热病传播背后的流行病学的重要性[25，26]。本研究的目的是利用有限数量的时间变化协变量来研究气候和季节在黄热病传播中的影响，与Garske等人（2014年）研究的初始阶段相比[3]使用了更加广泛的静态环境和非环境协变量。为此，我们建立了用Ae传播YFV的温度适宜性指数。通过研究埃及伊蚊，我们捕捉到了蚊子生命周期的对温度的依赖性和病毒复制机制的情况，这些与疟疾和登革热的情况类似[8，17]。通过将一系列多层次逻辑回归模型与非洲黄热病发生率进行拟合，来捕捉疾病发生的地理和季节变化情况，评估该指数与其他变量的预测能力。
数据集
一个省的疾病发生被定义为至少一个医疗机构确认为黄热病病例。出现的数据集是从各种来源整理的，包括1971年之间的黄热病报告2015年的每周流行病学记录[27]和疾病爆发新闻[28]，以及2007年至2013年期间医疗机构确诊病例的个人报告黄热病监测数据库。每份报告都将地理位置安排在第一个次国家级行政级别，这里称之为省，非洲各省在研究期间的任何数据来源都被归类为是否存在任何确认的YF报告之中，因此我们生成了一个如海洋一样庞大的数据集，我们同样按每个省和时间来分类，根据爆发的开始月份或个别报告的案例来确认YF存在或不存在。通过报告中涉嫌YF病例的数量来了解黄热病监测数据库（YFSD）的监测质量。收集的有关YF疑似病例的数据，其中只有1-2％经医疗机构确认，其余疑似病例占绝大多数，可能是由于其他原因。假设该地区存在的“发烧和黄疸病综合征”的发病率大致恒定，我们使用人均报告率作为参与国监测质量的代表，对非参与国家分配平均值。国家年度特定人口规模来自联合国世界人口预测，然后取其平均人口规模，再通过汇总人口估计数，将地区按人口规模分解为第一个次国家行政单位，称为省，求出每个省人口规模在全国人口中的比例。从2003年到2006年期间的季节气温数据集[17]，增强植被指数（EVI），降雨量，这些数据都将用作协变量，这些是通过先验选择之后对病毒传播的影响能力较大的因素，然后利用这些数据构建模型。这些数据的可用程度，介于通过计算人口加权和10个省级单位的平均值和基于LandScan数据集的空间人口分布以产生适宜人类居住的环境数值之间。虽然这些数据在时间上与Garske先前的工作案例数据不匹配，但发现这里采用的方法能有效降低每年不仅仅局限于季节性变化的数据集拟合的难度。鉴于潜在病例的不确定性和稀疏性又考虑到数据的丰富性，所以数据模型具有一定的复杂性。一切都以按地理位置分配到省级环保数据集之中，我们使用每月和每周的病例数来描述典型的季节性案例，每月和每周的数据集是通过傅里叶变换产生的。
温度适应性指数及其组成部分
Ross-Macdonald模型用于以蚊子为媒介传播病毒的情况[33]并且定义了基本模型生殖数R0为
在这里，假设单次感染性叮咬中的媒介与宿主比率为m、宿主与媒介之间的传播概率、媒介与宿主之间的传播概率以及人类宿主gamma;的恢复率与温度无关，而蚊子死亡率mu;、外部潜伏期（EIP）和叮咬率a由温度决定的。然后将温度适宜性指
数z定义为与基本繁殖数相关的因素
因此我们得到了一个单个值参数，用于确定在给定温度T下传播的适合性。除其他因素外，还有丰富的降雨以及可用的繁殖地点也会影响病毒的传播。传播概率可能取决于当地蚊子的传播能力，人类感染疾病之后的恢复率在地理变化上较小。人类在感染的最初阶段是不严重的，还没有到达疾病的严重阶段[34]。
有关温度依赖性的数据
通过将模型分时间段线性拟合之后来参数化温度依赖性死亡率mu;（T）与蚊虫死亡率数据的关系。埃及在不同的温度下，切割指向41°C [35,36]。我们对温度依赖性数据进行了线性回归。然后是死亡率和咬人率（图1），对于死亡率，我们在探索分析之后进行单独定义，分为低温（低于41°）和高温（高于41°）的不同温度状态，假设每个营养周期只有一次咬合发生在人体上，我们将温度和咬合速率之间的线性关系与伊蚊的温度依赖性数据进行拟合然后产生多项式关系。EIP随着温度的升高而缩短，转化感染的速度可以达到由病毒复制所需时间的天数来描述，在此我们使用Johansson等人曾描述的温度依赖关系。仅适宜的温度不足以满足蚊子的存活和疾病传播;它们还需要合适的降雨量才能产生最佳的传播环境。
图1：每日温度依赖准则和在一定温度范围内的咬人率。 A）每日温度依赖性死亡率，三角形表示来自Christophers（1960）[36]的数据和来自Yang等人，（2009）[35]的正方形数据。 这些线描述了温度和死亡率在41˚C（绿色）和41˚C（红色）以上之间的线性关系。 B）Martens的每日叮咬率（1998）[44]。 黑点表示数据，红线表示多项式拟合。
因此，温度和降雨量之间的相互作用也被认为是潜在的协变量。在季节性模型中，这被定义为温度适宜性指数和上个月的降雨量。在对数据进行探索性分析之后，可以反映出降雨和温度对蚊子繁殖地的可用性的影响。
回归模型
使用在适合YF报告的一系列多变量模型[40]的数据有季节性数据集、互补的对数 链接函数、具有各种候选环境协变量集。概念上类似于对每个数据点（指省和时间）进行逻辑回归，但是与逻辑回归不同的是多级模型允许参数根据组而不是省来变化，以便通过将一个省内的月度协变量视为独立的变量来避免导致的偏差，这些模型适合整个非洲大陆。所有型号都包含人口规模和YFSD所包含的国家监测质量概况，以及未列入国家数据集中的非洲国的平均价值。此外我们在考虑的四个环境协变量中包括了每个可能的子集，温度适宜性指数，降雨量，温度适应性和降雨量的相互作用，以及EVI产生的15种不同的模型，每种模型至少包含一种气候协变量。使用这些协变量时，我们将多级逻辑回归模型拟合到存在或不存在的省份年度和季节性模型YF报告之中。年度模型是使用年平均协变量来进行拟合，然后确认YF报告中的总体存在或不存在，而海洋个人模型适用于确认每个时间中YF报告的存在或不存在。季节性模型构建在多层次框架中，其中时间点嵌套在框架中。为了便于在季节模型和年度模型之间进行模型预测的比较，我们对YF报告的月概率年度价值使用进行了转换回归模型的预测量化
这里p1指的是1月，p2是2月等。我们将这些模型称为复合季节模型。
使用环境协变量的每种可能组合来拟合模型，每种模型产生15种不同的变化。 基于Akaike信息准则（AIC）对模型进行评分，并且使用Akaike权重[42]将具有AIC小于5的模型的预测（如具有最低AIC值的模型定义的最佳表现模型）进行组合。 这是通过计算AIC的差异来实现的，
然后用它来获得对模型的相对可能性的估计，与其他模型成比例k = 1 ...在合并估计中包含的结果，
这提供了模型特定权重，我们将其应用于特定模型的预测值，以生成单组Akaike加权预测，，
对于每组协变量，我们使用ROC（接收器操作特征）曲线和AUC（曲线下面积）评估模型拟合[42]。 ROC是一个图形图，说明了测试的诊断能力，AUC提供了这种能力的数值。 AUC值为0.5表示诊断能力小于随机，值1表示完全预测。通过交叉验证法[43]确定预测的有效性，其中我们通过将国家随机分配到五个非重叠子集中的一个来划分数据集，然后将模型拟合到数据集中，依次省略每个子集遗留下的集合之后生成样本预测。这样重复10次，导致10个不同的省份分配到子集。对于每个省，一般是用10个样本来进行计算的。每个子集除去样本之外所产生预测进行组合，以生成一整套样本外预测，并将其AUC与完整模型进行比较。所有计算和分析均在R版本3.2.5中进行。
结果
杨等人（2009）[35]提供的死亡率数据符合温度依赖性的线性模型预测在0℃时死亡率为0.190，在25℃时降至0.027，之后上升至0.085。 40℃时符合Christophers（1960）[36]在较高温度下提供的数据的模型显示，从41℃时的
全文共22837字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[101]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
