Inference for epidemic models with time-varying infection rates: Tracking the dynamics of oak processionary moth in the UK.
Inference for epidemic models with time-varying infection rates: Tracking the dynamics of oak processionary moth in the UK.
复制标题
DOI：
10.1002/ece3.8871
复制
发表时间：
2022-05
影响因子：
2.6
通讯作者：
Baggaley, Andrew W.
中科院分区：
文献类型：
--
作者：
Wadkin, Laura E.;Branson, Julia;Hoppit, Andrew;Parker, Nicholas G.;Golightly, Andrew;Baggaley, Andrew W.
关键词：
入侵害虫对森林、林地和城市树木生态系统构成了极大的威胁。橡树游行蛾（Oak Processionary Moth，OPM）是一种破坏性的橡树害虫，于2006年首次在英国报道。尽管在英格兰东南部的原始疫区内做出了巨大努力，但OPM仍在继续蔓延。在这里，我们分析了2013年至2020年期间每年从伦敦的两个公园中移除的OPM巢穴数量。使用最先进的贝叶斯推断方案，我们估计了具有时变侵染率的随机房室SIR（易感、侵染和移除）模型的参数，以描述OPM的传播。我们发现，自2013年以来，感染率和随后的基本繁殖数保持不变（在1到2之间）。这表明，必须采取进一步的控制措施，以减少到一个以下，并停止前进的OPM到英格兰的其他地区。 合成.我们的研究结果表明SIR模型描述OPM传播的适用性，并表明需要进一步的控制，以减少虫害率。所提出的统计方法是探索时变感染率性质的有力工具，适用于其他部分观察到的时间序列流行病数据。橡树游行蛾是一种破坏性的入侵害虫。在这里，我们使用最先进的贝叶斯推理技术来估计2013年至2020年期间伦敦公园蛾的侵扰率。
Invasive pests pose a great threat to forest, woodland, and urban tree ecosystems. The oak processionary moth (OPM) is a destructive pest of oak trees, first reported in the UK in 2006. Despite great efforts to contain the outbreak within the original infested area of South‐East England, OPM continues to spread. Here, we analyze data consisting of the numbers of OPM nests removed each year from two parks in London between 2013 and 2020. Using a state‐of‐the‐art Bayesian inference scheme, we estimate the parameters for a stochastic compartmental SIR (susceptible, infested, and removed) model with a time‐varying infestation rate to describe the spread of OPM. We find that the infestation rate and subsequent basic reproduction number have remained constant since 2013 (with between one and two). This shows further controls must be taken to reduce below one and stop the advance of OPM into other areas of England. Synthesis. Our findings demonstrate the applicability of the SIR model to describing OPM spread and show that further controls are needed to reduce the infestation rate. The proposed statistical methodology is a powerful tool to explore the nature of a time‐varying infestation rate, applicable to other partially observed time series epidemic data. The oak processionary moth is a destructive invasive pest. Here, we use state‐of‐the‐art Bayesian inference techniques to estimate the infestation rate of the moth in London parks between 2013 and 2020.
登录
查看更多内容
影响因子：
3.9
作者：
Cauchemez, Simon;Ferguson, Neil M.
通讯作者：
Ferguson, Neil M.
影响因子：
3
作者：
Komorowski M;Finkenstädt B;Harper CV;Rand DA
通讯作者：
Rand DA
影响因子：
4.3
作者：
Kypraios, Theodore;Neal, Peter;Prangle, Dennis
通讯作者：
Prangle, Dennis
影响因子：
16.6
作者：
Bradshaw CJ;Leroy B;Bellard C;Roiz D;Albert C;Fournier A;Barbet-Massin M;Salles JM;Simard F;Courchamp F
通讯作者：
Courchamp F
影响因子：
1.9
作者：
Fearnhead, Paul;Giagos, Vasilieos;Sherlock, Chris
通讯作者：
Sherlock, Chris