虫媒传染病的传播风险预测方法及装置制造方法及图纸

本发明专利技术是关于一种虫媒传染病的传播风险预测方法及装置，其中，方法包括：获取全国范围内虫媒传染病的历史病例数据和与其匹配的当地气候环境数据；将所述历史病例数据作为因变量，当地气候环境数据作为自变量，基于广义可加性混合模型进行建模分析，并验证不同策略下的模型精度，得到最佳拟合模型；获取预测的未来预设时间的气象数据；根据所述未来预设时间的气象数据和所述最佳拟合模型，结合不同气候变化情景，预测未来预设时间的虫媒传染病的时空分布。空分布。空分布。

【技术实现步骤摘要】
虫媒传染病的传播风险预测方法及装置


[0001]本专利技术涉及风险评估
，尤其涉及一种虫媒传染病的传播风险预测方法及装置。

技术介绍

[0002]气候变化对公共健康的潜在影响已成为最具挑战性的环境问题之一，其中气候变化对病媒传染病时空动态格局的影响长期以来激发了大量的研究兴趣。鉴于传染因子(即细菌和病毒)及其相关的媒介生物(即蚊子和螨虫)缺乏恒温机制，其生物学的许多方面(如繁殖和存活率)极易受气候变化的影响。这一事实，再加上病媒生物传播的疾病对许多地区的公共卫生和经济造成的持续威胁，使得量化气候变化对这些疾病的影响至关重要。
[0003]恙虫病是由恙虫病东方体细菌引起的一种危及生命的病媒生物传播疾病，偶尔会在幼虫进食期间传播给人类。据估计，恙虫病可能威胁到全球10亿多人，每年导致100万临床病例。近几十年来，在没有有效疫苗的情况下，恙虫病的感染地区和人类感染病例不断增加，给人们的健康带来了极大的威胁。
[0004]尽管科学界已经在不同的时间和空间尺度上研究了几十年的气候
‑
恙虫病关联，但是仍然无法实现对恙本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种虫媒传染病的传播风险预测方法，其特征在于，所述方法包括：获取全国范围内虫媒传染病的历史病例数据和与其匹配的当地气候环境数据；将所述历史病例数据作为因变量，当地气候环境数据作为自变量，基于广义可加性混合模型进行建模分析，并验证不同策略下的模型精度，得到最佳拟合模型；获取预测的未来预设时间的气象数据；根据所述未来预设时间的气象数据和所述最佳拟合模型，结合不同气候变化情景，预测未来预设时间的虫媒传染病的时空分布。2.根据权利要求1所述的方法，其特征在于，将所述历史病例数据作为因变量，气候环境数据作为自变量，基于广义可加性混合模型进行建模分析，包括：根据服从极大似然泊松分布的广义可加性混合模型建立所述历史病例数据和当地气候环境数据之间的非线性关系，如以下第一公式：Y
i,t = f (X
i,t
) + DEM
i + Area
i +ε其中，因变量Y
i,t
表示t时段i县虫媒传染病的历史病例数据，DEM
i
表示i县的平均海拔高度，ε定义为误差项，Area
i
表示固定效应，来解释模型中未知或不可用变量的影响，所述固定效应包括市级尺度，f (X
i,t
)表示不同滞后情况下的环境气候数据与历史病例数据之间的非线性关系，平滑函数采用薄板样条回归。3.根据权利要求2所述的方法，其特征在于，所述气候环境数据包括气候数据和基本地形数据，所述气候数据包括平均温度、降雨和相对湿度，所述基础地形数据包括海拔。4.根据权利要求3所述的方法，其特征在于，验证不同策略下的模型精度，得到最佳拟合模型，包括：确定不同策略下的多个模型，包括：第一模型、第二模型、第三模型和第四模型：其中，所述第一模型的模型公式包括：Y
i,t = f (P
i,t
) + f (T
i,t
) + f (RH
i,t
) + DEM
i + City
i +εY
i,t
表示t时段i县虫媒传染病的历史病例数据， f (P
i,t
) 表示t时段i县降雨数据与历史病例数据之间的非线性关系，f (T
i,t
)表示t时段i县平均温度数据与历史病例数据之间的非线性关系， f (RH
i,t
)表示t时段i县相对湿度数据与历史病例数据之间的非线性关系，DEM
i
表示i县的平均海拔高度，City
i
表示市级尺度的固定效应，ε表示误差项；所述第二模型的模型公式包括：Y
i,t = f (P
i,t
‑1) + f (T
i,t
‑1) + f (RH
i,t
‑1) + DEM
i + City
i +εY
i,t
表示t时段i县虫媒传染病的历史病例数据，f (P
i,t
‑1)表示t时段滞后1个月的i县降雨数据与历史病例数据之间的非线性关系，f (T
i,t
‑1)表示t时段滞后1个月的i县平均温度数据与历史病例数据之间的非线性关系，f (RH
i,t
‑1)表示t时段滞后1个月的i县相对湿度数据与历史病例数据之间的非线性关系，DEM
i
表示i县的平均海拔高度，City
i
表示市级尺度的固定效应，ε表示误差项；所述第三模型的模型公式包括：Y
i,t = f (P
i,t
‑2) + f (T
i,t
‑2) + f (RH
i,t
‑2) + DEM
i + City
i +εY
i,t
表示t时段i县虫媒传染病的历史病例数据，f (P
i,t
‑2)表示t时段滞后2个月的i县降雨数据与历史病例数据之间的非线性关系，f (T
i,t
‑2)表示t时段滞后2个月的i县平均温度数据与历史病例数据之间的非线性关系，f (RH
i,t
‑2)表示t时段滞后2个月的i县相对湿度数
据与历史病例数据之间的非线性关系，DEM
i
表示i县的平均海拔高度，City
i
表示市级尺度的固定效应，ε表示误差项；所述第四模型的模型公式包括：Y
i,t = f (P
i,t
‑3) + f (T
i,t
‑3) + f (RH
i,t
‑3) + DEM
i + City
i +εY
i,t
表示t时段i县虫媒传染病的历史病例数据，f (P
i,t
‑3)表示t时段滞后3个月的i县降雨数据与历史病例数据之间的非线性关系，f (T
i,t
‑3)表示t时段滞后3个月的i县平均温度数据与历史病例数据之间的非线性关系，f (RH
i,t
‑3)表示t时段滞后3个月的i县相对湿度数据与历史病例数据之间的非线性关系，DEM
i
表示i县的平均海拔高度，City
i
表示市级尺度的固定效应，ε表示误差项；选取可决系数、广义交叉验证和方差解释率作为模型性能的评价指标，评价各个模型的拟合效果，以得到拟合效果最优的最佳拟合模型。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据预测的虫媒传染病的时空分布绘制时空...

【专利技术属性】
技术研发人员：江东，丁方宇，郝蒙蒙，付晶莹，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：