A mechanistic hydro-epidemiological model of liver fluke risk.
A mechanistic hydro-epidemiological model of liver fluke risk.
复制标题
肝氟风险的机械水力学模型。
DOI：
10.1098/rsif.2018.0072
复制
发表时间：
2018-08
期刊：
影响因子：
--
通讯作者：
Wagener T
中科院分区：
文献类型：
--
作者：
Beltrame L;Dunne T;Vineer HR;Walker JG;Morgan ER;Vickerman P;McCann CM;Williams DJL;Wagener T
大多数现有的预测气候变化疾病风险的模型都是经验性的。这些模型利用历史数据之间的相关性，而不是明确描述原因变量和响应变量之间的关系。因此，它们不适合捕获历史观察到的变异性之外的影响，并且指导干预措施的能力有限。在这项研究中，我们以广泛传播的片形吸虫病寄生虫病为例，将环境和流行病学过程整合到一个新的机制模型中。该模型以每日时间步长和 25 m 分辨率模拟疾病传播的环境适宜性，将寄生虫生命周期与关键天气-水-环境条件明确联系起来。使用流行病学数据，我们表明该模型可以在英国的两个案例研究中重现观察到的时间和空间感染水平。为了克服数据限制，我们提出了一种结合蒙特卡罗抽样和专家意见的校准方法，该方法允许以基于过程的方式约束模型，包括不确定性的量化。模拟的疾病动态与文献中的信息一致，并且与广泛使用的经验风险指数进行比较表明，新模型可以更好地洞察感染的时空模式，这对于决策支持很有价值。
The majority of existing models for predicting disease risk in response to climate change are empirical. These models exploit correlations between historical data, rather than explicitly describing relationships between cause and response variables. Therefore, they are unsuitable for capturing impacts beyond historically observed variability and have limited ability to guide interventions. In this study, we integrate environmental and epidemiological processes into a new mechanistic model, taking the widespread parasitic disease of fasciolosis as an example. The model simulates environmental suitability for disease transmission at a daily time step and 25 m resolution, explicitly linking the parasite life cycle to key weather–water–environment conditions. Using epidemiological data, we show that the model can reproduce observed infection levels in time and space for two case studies in the UK. To overcome data limitations, we propose a calibration approach combining Monte Carlo sampling and expert opinion, which allows constraint of the model in a process-based way, including a quantification of uncertainty. The simulated disease dynamics agree with information from the literature, and comparison with a widely used empirical risk index shows that the new model provides better insight into the time–space patterns of infection, which will be valuable for decision support.
登录
查看更多内容
影响因子：
5.4
作者：
Güntner, A;Seibert, J;Uhlenbrook, S
通讯作者：
Uhlenbrook, S
影响因子：
64.8
作者：
Jones KE;Patel NG;Levy MA;Storeygard A;Balk D;Gittleman JL;Daszak P
通讯作者：
Daszak P
影响因子：
3.8
作者：
Lo Iacono G;Armstrong B;Fleming LE;Elson R;Kovats S;Vardoulakis S;Nichols GL
通讯作者：
Nichols GL
影响因子：
30.7
作者：
Coumou, Dim;Rahmstorf, Stefan
通讯作者：
Rahmstorf, Stefan
公共卫生决策的疾病传播模型：对水传播病原体引起的流行病和流行状况的分析。
影响因子：
10.4
作者：
Eisenberg, Joseph N S;Brookhart, M Alan;Rice, Glenn;Brown, Mary;Colford, John M Jr
通讯作者：
Colford, John M Jr