一、GIS制图在云南省疟疾流行态势分析中的应用(论文文献综述)
王梦阳[1](2020)在《Stacking架构与迁移学习在传染病预测模型中的应用研究》文中提出目的:1.以2011年至2017年全国各省市自治区疟疾发病人数的数据为基础,描述和分析中国疟疾的发病趋势以及空间特点,筛选出疟疾发病的重点省份。2.进行传统时间序列模型和深度学习算法在疟疾发病人数预测模型中的预测性能比较。3.在预测过程中引入集成学习中的(Stacking)架构将不同的算法和模型进行组合,使模型的预测效果得到进一步的优化。4.利用迁移学习的思想,将在疟疾发病人数预测效果较好的基于Stacking体系结构的预测模型应用于构建其他传染病的发病率预测模型并比较模型预测性能。方法:1.对来源于国家人口与健康科学数据共享平台公共卫生数据中心的《1950-2017年中国疟疾数据》的疟疾发病数据,以及获取自中国气象局的《2011-2016年中国气象数据》的气象数据,进行数据清理。同时运用LASSO回归对气象数据进行降维处理,经变量筛选得到预测模型所需的气象数据。2.利用中国疟疾发病人数的数据,使用Arc GIS 10.2(ESRI,USA)软件分别绘制疟疾控制阶段(2007-2010年)和疟疾消除阶段(2011-2016年)中国大陆地区疟疾发病人数的统计地图。之后采用Arc GIS 10.2软件对中国各省市自治区疟疾发病人数进行空间自相关分析以及Getis-Ord Gi*热点分析,使用Moran’s I指数来反映中国疟疾发病人数的空间分布特征,衡量各省市自治区疟疾发病人数在空间分布上的相关性,筛选出需要重点进行分析的疟疾高发省市。3.依次分别采用自回归求和移动平均模型(Autoregressive Integrated Moving Average model,ARIMA)、季节性分解模型(Seasonal-Trend Decomposition Procedure Based on Loess ARIMA model,STL+ARIMA)、人工神经网络和长短期记忆网络(Long short-term memory network,LSTM),结合气象数据,对2011-2017年中国云南省疟疾发病数据进行建模、预测,通过预测精度指标比较每种模型的预测性能。4.依据Stacking的技术框架,通过使用梯度增强回归树(Gradient boosting regression trees,GBRT)来对上述四个模型进行组合,以减小泛化误差,从而提高模型的预测性能。5.根据迁移学习(transfer learning)思想,以在疟疾数据上训练好的模型为基础,重新构建一个可应用于流感发病率预测的模型。结果:1.由Moran’s I指数结果可知,疟疾发病人数存在空间相关性,经时空分析以及Getis-Ord Gi*热点分析后选定云南省作为需进行后续分析的疟疾高发地区。2.在使用四个子模型分别结合气象数据建模后,其均方根误差(Root Mean Square Error,RMSE)依次为13.176、14.543、9.571和7.208,平均绝对误差(Mean Absolute Error,MAE)分别为10.367、10426、6.548、5.869,平均绝对比例误差(Mean Absolute Scale Error,MASE)依次为0.469、0.472、0.296和0.266。而在基于Stacking的架构下,集成的最终模型的预测性能得到了提升,各项评价指标:RMSE,MAE,MASE依次降低到6.810、4.940、0.224。3.依据迁移学习思想,将集成模型进行训练后对山西省流感发病率进行预测,各项评价指标依次为0.928、0.769、0.350。为了进行模型效果的横向对比,应用四个子模型对于数据进行拟合后,得出RMSE依次为1.046、1.031、1.550、1.486,MAE依次为0.917、0.926、1.210、1.135,MASE依次为0.041、0.042、0.055、0.051,迁移后,集成模型的预测性能依然优于各子模型。结论:由预测模型的评价指标结果可知,用来预测疟疾发病人数的集成模型拥有比任何一个子模型更加好的预测性能。同时基于迁移学习思想的研究结果表明,将在源任务(疟疾发病人数预测)上表现卓越的集成模型迁移到其他目标任务上,如预测流感发病率时,集成模型预测表现仍优于四个子模型的预测效果。这表明Stacking架构对于传染病预测模型的算法优化具有重要意义,此外,依据迁移学习思想,不仅可以将更多性能好,且算法成熟的模型应用于其他传染病病种的长期监测中,还证明了迁移学习在该领域内具有较高的应用价值。
于静[2](2020)在《云南省狂犬病时空分布特征与影响因素研究》文中进行了进一步梳理狂犬病是一种由狂犬病病毒(Rabies Virus,RABV)引起的,在世界范围内广泛分布的、人畜共患的急性传染病。由于目前缺乏有效的治疗方式,狂犬病的病死率几乎是100%,每年造成全球约六万人死亡。在中国,人类狂犬病是一个公共卫生问题,特别是在欠发达地区,由于缺乏流行病学调查,人类狂犬病报告严重不足。为了更好地控制、消灭狂犬病,我们收集到1976年至2016年云南省的人类狂犬病数据和相关的地理环境数据。本文利用空间流行病学中的描述性流行病学方法、空间分析、时空扫描统计分析、空间自相关分析等基础性方法研究云南省1976-2016年人类狂犬病的时空分布状况。再利用统计制图技术,将人类狂犬病的发生与环境因素(海拔、降水量、标准化植被指数(Normalized Difference Vegetation Index,NDVI)、温度、至最近河流的距离)和人为因素(人类和犬类种群密度、至最近主干道的距离、国内生产总值(Gross Domestic Product,GDP))联系起来,分析这些因素与人类狂犬病的关系并对人类狂犬病的发生做出风险预测。主要研究成果如下:第一,1976-2016年云南省人类狂犬病的分布状况。人群上,男性病例数明显多于女性,农民是发病最多的群体,20-49岁这个年龄段发病数最多。时间上,存在一个显着的聚集,时间跨度为1985年至1989年,夏季是人类狂犬病高发季节。空间上,云南省人类狂犬病主要集中在东南部和东北部区域,但是发生了空间上的转移。第二,云南省人类狂犬病的影响因素。本文构建增强回归树(Boosted Regression Tree,BRT)模型来分析人类狂犬病的影响因素,研究发现环境因素与人类狂犬病的相关性比人为因素更强。第三,云南省人类狂犬病风险预测。构建增强回归树模型来预测云南省人类狂犬病风险,使用受试者特征曲线下的面积(Area Under the Curve,AUC)来判断模型预测人类狂犬病风险的准确性。研究结果显示增强回归树模型的预测性能比较好(AUC=0.88),海拔在2000米以下、人口密度在30-300人/平方公里之间、人均GDP在5,000-30,000元/年之间、NDVI在0.07以下的地区发生人类狂犬病的风险更大。因此,云南省的人类狂犬病预防控制应该重点关注符合以上所述特征的地区。本文基于对人类狂犬病时空分布特征的分析,进一步构建模型分析人类狂犬病的影响因素并做出风险预测。可以为公共卫生措施与策略的制定提供科学的理论支撑,有益于保护人群的健康与安全。
米善军[3](2018)在《多维视角:云南省疟疾研究综述》文中研究表明近四十年来,传染病学对疟疾的传染源、传染媒介及易感人群三方面展开了充分讨论。预防医学则从疟疾的流行与防治,监测与检测等方面进行探讨,为疟防工作提供了有益参考。疾病史视角下疟疾研究起步较晚,但在疟疾流行防治史、疟疾与瘴气的关系、史料的搜集与整理方面稳步推进。此外,地理信息系统、社会学及公共卫生学等在疟疾研究中发挥着重要作用,使得疟疾研究更加全面。总体来说,不同学科视角下的云南疟疾研究日益深入,但存在"内热外冷"的缺憾。因此就疾病史视角下的疟疾研究而言,须从史料搜集、研究内容等方面加强对云南疟疾史的讨论。
郑金鑫,刘璐,冯云,杨国静[4](2017)在《空间流行病学在我国疟疾监测预警中的研究进展》文中进行了进一步梳理疟疾疫情的监测与控制,离不开空间分析技术的发展以及模型分析的应用;疫情的可视化是疟疾疫情的传播与流行最直观的表现方式,将是今后监测与防控的重点,成为空间流行病学在疟疾疫情中的应用之一。本文综述了空间流行病学在我国疟疾疫情研究中的应用以及分析预测方法等,旨在为我国消除疟疾提供更为系统与完善的流行病学方法学参考。
王彤[5](2017)在《从边缘到一体:清以降滇西德宏地区疟疾流行与防治变迁研究》文中指出滇西德宏地区由于独特的气候环境、地理条件、民族风俗等原因,加之医疗卫生水平低,技术落后,意识薄弱,瘴疠、疟疾等热带疾疫频繁爆发。又受频繁水灾、兵灾的破坏,对当地社会医疗的发展造成了极大影响,故一直都是中外闻名的“瘴疠之区”。传统社会中,滇西德宏地区疟疾长期肆虐,但主要只依靠宗教医疗和巫医抵御疾病。乾隆滇缅战争后,中医开始进入德宏,才打破了巫医治病的局面。晚清时期,随着传教士的进入、西医西药的传入,近代医疗萌芽、发展,但成效有限。20世纪30年代末,战乱频仍,疟疾流行加剧,医疗卫生事业也因战争医疗的进入得到了显着发展,但因受政治、经济和民族风俗等因素的影响,疟疾依然没有得到有效的控制。1950年代后,疟疾的防治与国家对边疆的开发及经营紧密联系到了一起,爱国医疗卫生运动在边疆民族地区的开展,有效遏制了疟疾的流行和传播。1980年代后,改革开放政策及边境口岸的开放,人员流动和贸易往来随之增多,输入型疟疾成为德宏疟疾流行的主要动因,但因疟疾防治水平的提高和技术的进步,德宏疟疾得到了及时控制,没有出现大规模的流行和传播,基本处于可控状态。2000年后全球疟疾基金的推广,云南疟疾防控进入了全球化阶段,疟疾控制成为联合国卫生组织的重要目标,德宏疟疾控制也取得了极大进步。滇西德宏地区地处边疆国境线地带,境内少数民族众多,易受国内外政治环境和当地少数民族观念等因素的多重影响,疟疾的流行和防治也呈现出其独有的特性。全球化、政治、技术、战争等因素是使滇西德宏地区和外部世界的联系逐步加强,医疗卫生的“国家化”和“现代化”成为主流,这些在疟疾的防治政策、措施等方面都得到进一步体现,也从侧面反映出了滇西德宏地区在政治、社会现代化转型进程中的努力与实践。
夏菁[6](2015)在《湖北省疟疾疫情时空分布特征及预测研究》文中研究表明目的:分析湖北省本地疟疾发病的时空分布特征,识别疟疾流行的高危风险区域和高危时段。评价气象因素在湖北省本地疟疾流行中的作用,建立疟疾流行的气象预测模型。探讨ARIMA模型预测湖北省本地疟疾发病率的可行性,预测疟疾发病趋势。本研究可以为湖北省本地疟疾疫情的监测和预测提供决策支持,最终为指导疟疾的防控,合理的分配卫生资源提供科学的参考依据和理论指导。方法:(1)采用Cochran-Armitage趋势检验分析2004~2011年湖北省本地疟疾疫情发展变化的长期趋势。绘制2004~2011年湖北省各县(市、区)本地疟疾年度发病率分布图。(2)采用ArcGIS10.1软件的全局Moran’sI空间自相关分析整个研究区域疟疾发病是否存在空间自相关。采用ArcGIS10.1局部Moran’s/空间自相关分析方法和单纯空间扫描统计方法两种局部空间聚集性研究方法来确定2004~2011年湖北省本地疟疾流行的高风险区域。利用单纯时间扫描,时空扫描研究疟疾发病的时间和时空分布特点,确定发病的高风险时段和高风险区域。(3)运用Spearman等级相关分析不同区域尺度疟疾发病率与气象因素相关性。采用多元回归逐步回归分析法筛选影响疟疾发病率气象因素,利用气象因素对疟疾发病变化进行回归拟合。(4)本研究将枣阳市疟疾流行程度按月病人数占全年病人总数的构成比,分为低发月、中发月、高发月。应用逐步判别分析方法利用气象因素对枣阳市未来疟疾流行程度进行判别。(5)采用2004~2009年湖北省本地疟疾发病率构建ARIMA模型,2010年1-12月的数据用于检验模型,并评价模型的拟合及预测效果。结果:(1)湖北省2004~2011年不同年份疟疾发病率整体上呈显着下降的趋势。全局空间自相关分析结果提示湖北省的本地疟疾发病具有一定的空间聚集性。2004~2011年,局部Moran’s I空间自相关发现11个疟疾发病高危县,高危县疟疾发病率的中位数从2004年58.1/10万降至2011年0.79/10万;单纯空间扫描分析结果发现2004~2011年湖北省有11个聚集地区,其中一级聚集区8个,二级聚集区3个;时空聚集性分析结果发现一级聚集区域,其中一级聚集区域13个县,聚集时段从2004年4月-2007年11月。(2)湖北省与枣阳市两种区域尺度上2004~2009年的疟疾发病率周期性变化与年中气候的周期变动明显相关,与气温相关指标和降雨量的相关性较为显着,相关系数多在0.7左右。湖北省每个月疟疾发病率的变动78.1%可归因于当月和前一个月平均气温(MeanT-01)和之前2个月的平均最低气温(MinT-2);枣阳市每个月疟疾发病率的变动67.8%可归因于当月和前一个月平均最高气温(MaxT-01)。(3)本研究利用气象因素建立判别函数对枣阳市疟疾流行程度进行判别,首先对32个气象因子进行逐步判别,最终引入判别方程的气象因子有MinT0、MaxT0和D-012。判别函数的准确率为73.61%,具有一定的判别效果。(4)利用湖北省2004~2009年的每月本地疟疾发病率建立模型,结果显示ARIMA(1,1,1)(1,1,0)12模型拟合效果相对最优,预测发病变动趋势与实际发病趋势完全一致,实际值均在预测值的95%可信区间范围,表明模型预测值与实际情况基本一致,拟合效果好。结论:(1)2004~2011年,研究发现湖北省本地疟疾发病率呈显着下降的趋势。湖北省的疟疾发病具有空间聚集性,高危风险地区仍然存在,高危风险地区主要位于嗜人按蚊和中华按蚊复媒疟区。(2)利用气象因素拟合全省和疟疾高发县的疟疾发病率取得较好的效果,构建的判别函数能准确地判断枣阳市疟疾高、中、低发月份的出现时间。(3)构建的ARIMA模型对湖北省疟疾发病情况的拟合结果满意,预测效果良好,可用于预测湖北省未来疟疾的变动趋势。
闫润泽[7](2014)在《2002-2010年我国疟疾疫情时空变化分析》文中研究指明目的:通过展示我国2002-2010年疟疾疫情时空演变,并分析近10年来疟疾发病的时空分布特征,为我国消除疟疾工作提供时空数据支持。方法:12002-2010年我国本地疟疾疫情时空变化分析1.1利用我国2002-2010年疟疾疫情年报数据和期间全国行政区划经纬度、人口等数据,通过ArcGIS软件,整理年报数据并提取本地病例数据库,并将其与全国行政区划经纬度、人口等数据库根据相同字段进行连接,建立本地病例地理信息数据库。1.2在分析全国本地疟疾发病率的发展变化趋势基础上,运用时间扫描统计量法探索本地疟疾疫情的时间聚集性特征。1.3利用ArcGIS10.0软件的图像渲染功能,按照WHO全球疟疾报告的发病率分类标准,以可视化地图展示全国范围内本地疟疾病例不同发病率等级的分布,并进一步分析各等级县、区空间分布变化。1.4参考1.3的结果将2002-2010年疟疾流行划分的不同阶段,将各个阶段的全国本地疟疾病例数据库分别导入SaTScan9.1软件进行空间扫描聚类分析,分析其演变趋势,并对主要流行省份进行局部时空扫描聚类分析,探索小尺度下疟疾疫情时空聚集区。22002-2010年我国输入疟疾疫情时空变化分析2.1利用我国2002-2010年疟疾疫情年报数据和期间全国行政区划经纬度、人口等数据,通过ArcGIS软件,整理年报数据并提取输入病例数据库,并将其与全国行政区划经纬度、人口等数据库根据相同字段进行连接,建立输入病例地理信息数据库。2.2在分析全国输入疟疾发病率的发展变化趋势的基础上,运用时间扫描统计量法探索输入疫情的时间聚集性特征。2.3利用ArcGIS10.0软件的图像渲染功能,按照WHO全球疟疾报告的发病率分类标准,显示全国范围内输入病例不同发病率等级的分布,并进一步分析各等级县、区的空间分布变化。2.4参考2.3的结果将2002-2010年疟疾流行划分的不同阶段,将各个阶段的全国输入疟疾病例数据库分别导入SaTScan9.1软件进行空间扫描聚类分析,分析其演变趋势,并对主要流行的地区进行局部时空扫描聚类分析,探索小尺度下输入疟疾疫情的时空聚集区。结果:12002-2010年我国本地疟疾疫情时空变化分析1.12002-2010年全国本地疟疾发病率的变化大致分为三个阶段:2002-2004年、2005-2007年、2008-2010年,总体上呈稳定-上升-下降的趋势。时间扫描聚类分析结果显示,2002-2010年全国本地疟疾疫情在时间上并非随机分布,而是呈明显的聚集性。发病高峰时间为2006-2007年,年均发病率3.1/10万,相对危险度为1.97,P值<0.01。1.2全国本地疟疾疫情空间分布变化分为三个阶段:2002-2004年、2005-2007年、2008-2010年。2002-2004年全国本地疟疾发病率在千分之一以上的县、区有73个,万分之一至千分之一的有169个,零至万分之一的有1166个。2005-2007年各等级县、区数量变化不大,千分之一以上和零至万分之一的县、区数较上一阶段分别下降2.7%和9.8%,万分之一至千分之一增加2.4%。2008-2010年各等级县区数量均有减少,较上一阶段分别下降91.5%、30.6%和25.1%。全国本地疟疾发病率与有本地疟疾病例报告县、区数的变化不一:2002-2004年两者均在较高水平小幅波动,2005-2007年全国本地疟疾发病率上升至高峰,但各个发病率等级的县、区数波动不大,2008-2010年两者均减少。1.3空间聚类分析显示,疫情集中于2005-2007年,而且地理上并非随机分布,主要集中在云南、海南和安徽省。空间聚集区在三个阶段呈现出南部-中部-消散的演变趋势。2002-2004年聚集区主要分布在云南西南、海南南部、安徽北部与河南湖北交界,其中南部聚集区的面积与发病率都超过中部,疫情较为严重,对全国疫情有主要影响,2005-2007年南部聚集区面积与发病率都降低,但安徽省北部聚集区面积与发病率均增大,全国疫情总体加重,疫情转移至中部,2008-2010年各聚集区发病率降低,全国范围内疫情呈下降趋势。时空扫描聚类分析显示各聚集区均集中于2002-2008年,2009-2010年未发现新时空聚集区。其中云南省出现时空聚集区的时间为2002-2007年,包括30个县、区,主要分布于中缅边境地区;海南省出现时空聚集区的时间为2002-2005年,包括9个县、区,分布于海南岛南部;安徽省出现时空聚集区的时间为2005-2008年,包括12个县、区,分布于安徽省北部。2.2002-2010年我国输入疟疾疫情时空变化分析2.12002-2010年全国输入疟疾发病率的变化大致分为三个阶段:2002-2004年、2005-2007年、2008-2010年,发病率总体上呈稳定-上升-下降的趋势。时间扫描聚类分析结果显示,2002-2010年全国输入疟疾病例在时间上并非随机分布,而是呈明显的聚集性。发病高峰时间为2005-2006年,年均发病率0.7/10万,相对危险度为2.36,P值<0.01。2.2全国输入疟疾疫情空间分布变化分为三个阶段:2002-2004年、2005-2007年、2008-2010年。2002-2004年全国输入疟疾发病率在千分之一以上的县、区有9个,万分之一至千分之一的有46个,零至万分之一的有1209个。2005-2007年千分之一以上县、区数增加88.9%,但全国有输入疟疾病例报告的县、区数量总体变化不大。2008-2010年千分之一以上县、区数减少52.9%,但全国有输入疟疾病例报告的县、区数量仍无减少。全国输入疟疾发病率与有输入疟疾病例报告县、区数的变化不一:2002-2004年两者均处于小幅波动状态,2005-2007年全国输入疟疾发病率上升至高峰,千分之一以上县数大幅增加,但有输入疟疾病例报告的县数总体上变化不大,2008-2010年全国输入疟疾发病率下降,千分之一以上县数同时减少,但有输入疟疾病例县数仍没有减少。2.3空间聚类分析显示,空间聚集区集中于2005-2007年,而且地理上并非随机分布,主要集中在云南、湖南-贵州-广西交界和浙江省,聚集区未出现明显消散的趋势。2002-2004年聚集区分布在云南西南、湖南贵州广西交界和浙江省,云南西南部疫情对全国输入疟疾疫情有重要影响,2005-2007年云南省聚集区发病率增加,聚集程度上升,全国输入疟疾疫情上升,2008-2010年各聚集区发病率降低,但输入性病例分布仍然广泛。时空扫描聚类分析显示各聚集区均发生于2002-2008年,2009-2010年未发现新时空聚集区。其中云南省有两个时空聚集区,一级聚集区位于云南省西部边境,包括10个县区,时间为2004-2007年,二级聚集区位于云南省南部边境,包括2个县区,时间为2002-2005年,湖南-贵州-广西交界聚集区的时间为2002-2005年,包括79个县区,浙江省聚集区时间为2006-2008年,包括29各县区,分布于浙江省东部。结论:2002-2010年我国疟疾传播的时空演变分析结果,显示我国本地疟疾病例已经无明显聚集性分布特征。到2010年,全国70%以上县、区已无本地病例,发病率下降至0.03/万,疟疾传播得到了有效的控制,疟防工作进入消除阶段。但输入病例报告地区不断扩大,虽未出现聚集性分布,但仍应是疟疾监测工作的重点,以及时发现聚集性输入病例,防止继发传播。
何隆华,周明浩,褚宏亮,杨维芳,张细燕[8](2014)在《遥感技术在蚊媒传染病研究中的应用进展》文中研究说明蚊媒传染病是影响人类健康的主要疾病之一,长期以来是疾病预防与控制领域的热点与难点问题。遥感技术在蚊媒传染病研究中有过许多成功的应用。利用遥感可以监测蚊虫栖息地的分布,预测蚊媒病的发生、发展规律。该文回顾了基于光学、微波传感器卫星遥感用于蚊媒病研究的进展,并结合目前存在问题探讨了遥感研究蚊媒病的前景。
高宏伟[9](2012)在《不同时空尺度疟疾传播风险预测及环境影响因素研究》文中提出背景疟疾(malaria)是由疟原虫寄生于人体引起的一种传染病,通过被感染的蚊子叮咬传播。疟原虫在人体肝脏发育,然后感染红细胞增殖成裂殖子,使红细胞胀大破裂,大量代谢产物进入血流导致机体发病。临床表现以周期性寒战、高热,头痛、呕吐,继之大汗后缓解为主要特点。通常发生在蚊子叮咬后的1015天。感染人体的疟原虫包括:间日疟原虫(Plasmodium vivax)、恶性疟原虫(Plasmodiumfalciparum)、三日疟原虫(Plasmodium malariae)及卵形疟原虫(Plasmodium ovale),分别引起间日疟、恶性疟、三日疟和卵形疟。根据世界卫生组织报告,到2010年,全球大约33亿人口(约占世界人口的50%)受疟疾威胁,每年约有2.16亿人感染疟疾,约65.5万人因疟疾死亡,大部分来自贫穷的国家。历史上,安徽省一直是我国疟疾流行重灾区之一,20世纪6070年代,疟疾年发病人数曾超过千万,1980年安徽省疟疾发病数达到112万人,占全国疟疾报告病例数的33.9%。在党和政府的高度重视下,制定了疟疾防治工作的一系列政策和规划,在人力、物力、财力等方面给予大力支持。经过近20年的努力,到上世纪90年代末期,安徽省大部分县市达到了基本消除疟疾的标准(年发病率低于万分之一)。安徽省年发病率从1990年52/10万降低到1999年1.3/10万。但在2000年以后我国疟疾疫情曾一度出现回升,主要集中在安徽、河南和江苏省。2006年安徽省全年疟疾报告病例近3.5万人,占全国疟疾报告病例数的54.5%,成为安徽省重点防控的传染病。安徽省疟疾的复燃引起了卫生防病部门和学术界的高度重视,采取了大量的防控措施,2006年以后疟疾疫情得到了有效的控制,逐年发病率大幅度的降低。但是,什么原因导致安徽省疟疾在2000年后复燃还不是很明确。相关研究认为气候因素的变化会严重影响疟疾传播媒介的数量和叮咬频率,以及疟原虫在蚊体内寄生的外潜伏期。然而,全球变暖和世界范围内的疟疾发病增加之间的关系仍然存在很大的争议。此外,过去的研究大多集中在恶性疟传播,间日疟与其有着不同的传播媒介和传播特征,但其与气候变化特点的研究相对较少。安徽省是间日疟流行的地区,中华按蚊是主要传播媒介,主要孳生场所集中在稻田及其灌溉系统,还有住宅附近的池塘、洼地、水坑等。控制间日疟的传播优选控制传染源为主,采取休止期根治的方式可以有效地降低疟疾的传播。因此,明确疟疾病例的时间和空间分布特征,才能采取有针对性的防治策略和措施。另一方面,从安徽省疟疾空间的分析结果上看,发病率存在着明显的空间异质性,对于这种空间分布的差异性原因的分析,是对该地区疟疾防控中亟待解决的科学问题之一。目的探讨2000年后安徽省疟疾发病率上升的主要原因;阐明近20安徽省年来疟疾的流行趋势及变化特征,识别疟疾传播的热点区域,综合分析气象、地理、环境等因素对该地区疟疾疫情的影响,建立该地区疟疾传播风险预测模型,为建立疟疾早期预测预警系统降低疟疾发病率提供科学依据,为疟疾疫情的防控和合理配置卫生资源提供理论指导。从方法学建立基于空间分析(GIS、GS、GPS)技术和数理统计学方法相结合的疟疾传播风险预测模型,评估疟疾传播风险的空间区域差异和时间变化趋势,为相关媒介疾病的研究提供方法学支持。方法收集19902009年安徽省各县市疟疾的月发病率监测数据和气象数据;将各县市年均发病率与相应的行政边界图层进行空间关联,绘制安徽省各县市疟疾年发病率空间分布图;采用Spearman correlation分析方法来确定不同研究区域(淮北、江淮、江南)疟疾月平均发病率和气候因素之间的关系和“滞后”效应;构建多项式分布滞后模型(Polynomial Distributed Lag Model, PDL)来定量分析环境因素对疟疾发病率贡献的大小,拟合和预测疟疾的发病率;用AIC准则(Akaikeinformation criterion)选定PDL模型参数,计算模型的校正决定系数(AdjustedR-squared)和拟合值的残差(Residual),并对模型拟合值的残差序列进行了白噪声(White Noise)检验(Ljung-Box Q统计量),评估模型的拟合优度(goodness-of-fit of the models);应用均方根误差(the root mean square error,RMSE)评价模型的预测效果,针对预测值的残差序列进行白噪声检验(应用Ljung-Box Q统计量);利用时间移动窗口扫描(Temporal scan statistical method)、空间自相关(Spatial autocorrelation)和空间聚类分析(Spatial cluster analysis)研究疟疾发病的时间和空间分布特点,确定发病的热点区域;应用20052010年安徽省疟疾患者的详细家庭住址信息,查询患者的家庭住址坐标,应用ArcGIS9.2软件定位到安徽省地形图上;应用地理信息系统(GIS)技术将研究区域划分为25平方公里(5km×5km)大小的栅格地图,利用时间序列面板数据模型(Panel data regression model)方法分析环境变量与疟疾发病率之间的关系,评估疟疾传播风险空间区域差异的环境影响因素。结果1.安徽省19902009年间共报告疟疾病例198875例,时空分析结果显示疟疾发病率变化存在空间异质性。19901999年期间,淮北、江淮、江南三个地区的发病率均呈现显着的下降趋势,从2000年以后,仅淮北地区发病率呈明显上升趋势,2006年达到发病高峰90.54/100000。江淮和江南均保持较低的发病水平,20002009年间平均发病率分别为3.47/100000±1.29和1.09/100000±0.54。疟疾的发病具有明显的季节性,发病高峰主要集中在611月之间。从空间变化趋势分析显示安徽省上世纪90年代疟疾发病遍布全省且逐年降低,2000年后发病率开始增高,“热点区域”由南向北变迁,并且“北移”现象明显,年平均发病率的空间动态变化差异较大。自1990年到2009年的20年期间,安徽省各县市年平均发病率从最低0.45/100000到最高88.65/100000,中位数10.45/100000。2.空间自相关分析结果显示安徽省疟疾存在显着的空间聚集性。选择最大空间窗口半径为安徽省20%的总人口标准应用空间聚类分析,结果表明安徽省北部和东部分别存在一个高聚类区。一级聚类区位于安徽省淮河北部,包括濉溪县、宿州市、灵璧县、萧县、淮北市、固镇县、蒙城县、涡阳县、利辛县共9个县区,聚类中心点坐标(33.678555N,116.699142E),聚类半径76.98km;二级聚类区位于安徽省中东部明光市、五河县、凤阳县共3个县区,聚类中心点坐标(32.807571N,118.111466E),聚类半径52.28km。3.针对安徽省疟疾2000年后“反弹”的现象,应用时间序列的多项式分布滞后模型进行分析,多因素分析结果显示:安徽省所有三个地区(淮北、江淮、江南)疟疾的发病仅与12个月前的降雨量存在着密切的相关,回归系数分别为1.18、1.51、1.23。而与最高、最低温度、平均温度、相对湿度和MEI均没有统计学上的关联。建立的疟疾风险预测模型具有良好的拟合和预测效果。安徽省三个地区(淮北、江淮和江南)预测值的残差均为白噪声序列,均方根误差值(theroot mean square error, RMSE)分别为1.63、1.86、1.75。4.安徽省疟疾空间区域差异的影响因素研究显示:单因素面板数据模型分析表明月均相对湿度(RH)、归一化植被指数(NDVI)、月累计降雨量(Accumulativerainfall)、月平均温度(Average temperature)在13个月滞后条件下与月疟疾发病率存在显着正相关,同时海拔和旱地面积也与疟疾发病率存在显着关联。多因素面板数据模型分析结果表明月均相对湿度滞后1个月(IRR=1.29, P<0.01),NDVI在滞后2个月(IRR=1.05, P<0.01),降雨量在滞后1个月(IRR=1.11,P<0.01),平均温度在滞后1个月(IRR=3.53, P<0.01)与疟疾的空间区域分布密切相关。土地利用分析结果显示旱地面积增加会导致疟疾发病的增高(IRR=1.23,P<0.01)。结论本研究揭示了安徽省疟疾发病率在2000年以后的“反弹”与当地疟疾发病高峰前12个月的降雨量变化密切相关,构建了疟疾传播风险的预测模型;安徽省19902009年间疟疾传播的热点地区由南向北变迁,找出了近年来疟疾传播的季节性特点和空间热点区域;导致安徽省疟疾空间分布异质性的主要影响因素为温度、湿度、降雨量、植被和旱地面积的区域分布差异,定量地评价了气候环境因素对疟疾传播的影响。研究提示降雨的变化主要影响疟疾在时间上的分布差异,而空间分布的异质性则较多受到温度、湿度、植被等因素的影响;研究结论为该地区今后进一步做好疟疾的防控工作,最终消灭疟疾传播提供了科学参考价值。
周晓农,杨国静,杨坤,李石柱[10](2011)在《中国空间流行病学的发展历程与发展趋势》文中指出空间流行病学是指利用地理信息系统(GIS)和空间分析(spatial analysis)技术,描述与分析人群疾病、健康和卫生事件的空间分布特点及发展变化规律,探索影响特定人群健康状况的决定因素,并为防治疾病、促进健康以及卫生服务提供策略和措施。随着空间分析和GIS这两项核心技术的进步,空间流行病学在病因研究中发挥越来越大的作用;同时,其对于卫生管理特别是公共卫生应急管理的决策辅助功能日益突出。本文从空间流行病学的发展历史和主要应用领域层面,探讨这门新兴学科的发展前景。
二、GIS制图在云南省疟疾流行态势分析中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、GIS制图在云南省疟疾流行态势分析中的应用(论文提纲范文)
(1)Stacking架构与迁移学习在传染病预测模型中的应用研究(论文提纲范文)
中文摘要 |
Abstract |
缩略语/符号说明 |
前言 |
研究背景和现状 |
国内外关于时间序列分析在流行病领域内的研究进展 |
传统时间序列模型 |
机器学习和深度学习关于时间序列分析的研究 |
迁移学习思想 |
研究目的、方法及意义 |
研究流程图 |
一、时空分析及数据可视化 |
1.1 疟疾的定义及流行病学特征 |
1.1.1 疟疾世界范围内疾病负担 |
1.1.2 疟疾在中国范围内疾病负担 |
1.2 时空分析简介 |
1.2.1 时空数据 |
1.2.2 时空数据分析系统 |
1.3 数据来源及处理 |
1.3.1 疟疾和流感数据 |
1.3.2 气象数据获取及处理 |
1.4 研究方法 |
1.4.1 疟疾发病数据可视化 |
1.4.2 空间自相关分析 |
1.5 结果 |
1.5.1 往年疟疾发病人数时序图 |
1.5.2 2007-2016年中国疟疾发病人数空间地理分布图 |
1.5.3 2007年-2016年Moran's I指数 |
1.5.4 热点图 |
1.6 讨论 |
1.7 小结 |
二、基于Stacking架构的疟疾预测模型研究 |
2.1 传统时间序列模型ARIMA |
2.1.1 ARIMA模型原理及实现 |
2.1.2 结果 |
2.2 基于Loess的季节和趋势分解(STL)+ARIMA模型 |
2.2.1 模型基本思想 |
2.2.2 构建模型步骤 |
2.2.3 结果 |
2.3 人工神经网络(ANN) |
2.3.1 ANN算法简介 |
2.3.2 ANN算法原理 |
2.3.3 方法 |
2.3.4 结果 |
2.4 深度学习算法:LSTM网络 |
2.4.1 LSTM算法介绍 |
2.4.2 LSTM算法原理 |
2.4.3 软件实现及结果 |
2.5 Stacking |
2.5.1 Stacking简介 |
2.5.2 Stacking框架原理 |
2.5.3 Meta-learner的选择 |
2.5.4 模型建立 |
2.5.5 Stacking结果 |
2.6 时间序列数据的交叉验证CV(cross validation) |
2.7 预测精度指标 |
2.8 结果 |
2.9 讨论 |
2.10 研究优势与研究局限性 |
2.11 小结 |
三、迁移学习(transfer learning) |
3.1 迁移学习的简介 |
3.2 符号及定义 |
3.3 迁移学习的种类及选择 |
3.4 操作软件及过程 |
3.5 结果 |
3.6 讨论 |
3.6.1 负迁移的问题 |
3.6.2 任务域数据 |
3.7 本研究的现实意义及前景展望 |
3.8 研究优势以及研究的局限性 |
3.9 小结 |
全文结论 |
论文创新点 |
参考文献 |
附录 |
综述 传染病时间序列预测模型研究进展 |
综述参考文献 |
致谢 |
个人简历 |
发表论文和参加科研情况说明 |
(2)云南省狂犬病时空分布特征与影响因素研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 现实意义 |
1.3 国内外研究现状 |
1.3.1 流行病分布特征研究 |
1.3.2 狂犬病的影响因素研究 |
1.3.3 流行病风险预测方法 |
1.4 研究内容 |
1.5 技术路线 |
2 研究数据与方法 |
2.1 研究区概况 |
2.2 数据收集与处理 |
2.3 研究方法 |
2.3.1 描述流行病学 |
2.3.2 时空扫描统计分析 |
2.3.3 空间自相关分析 |
2.3.4 增强回归树 |
3 云南省狂犬病病例的分布特征 |
3.1 人类狂犬病病例人群分布特征分析 |
3.2 人类狂犬病病例时间分布特征分析 |
3.2.1 人类狂犬病时间描述性分析 |
3.2.2 时间扫描统计分析 |
3.3 人类狂犬病病例空间分布特征分析 |
3.3.1 人类狂犬病空间描述性分析 |
3.3.2 空间扫描统计分析 |
3.3.3 人类狂犬病空间自相关分析 |
3.4 人类狂犬病病例时空分布特征分析 |
3.5 小结 |
4 云南省狂犬病发生的影响因素 |
4.1 人类狂犬病BRT模型构建 |
4.2 与人类狂犬病相关的人为和环境因素 |
4.3 人类狂犬病发生的风险预测 |
4.3.1 BRT模型性能测试 |
4.3.2 人类狂犬病预测 |
4.3.3 高风险区域特征分析 |
5 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
附录 |
致谢 |
(3)多维视角:云南省疟疾研究综述(论文提纲范文)
一、传染病学视角下的疟疾研究 |
(一) 病原体疟原虫的研究 |
(二) 媒介按蚊的研究 |
(三) 疟疾易感人群的研究 |
二、预防医学视角下的疟疾研究 |
(一) 疟疾的流行态势研究 |
(二) 输入性疟疾状况研究 |
(三) 疟疾的防控效果研究 |
(四) 疟疾的监测与检测 |
三、疾病史视角下的疟疾研究 |
(一) 疟疾的流行与防治史研究 |
(二) 疟疾与瘴气的关系研究 |
(三) 疟疾史料文献的收集与整理 |
四、其他学科视角下的疟疾研究 |
(一) 地理信息系统与疟疾研究 |
(二) 社会学与疟疾研究 |
(三) 公共卫生学与疟疾研究 |
五、结语 |
(4)空间流行病学在我国疟疾监测预警中的研究进展(论文提纲范文)
1 概念 |
1.1 疟疾 |
1.2 空间流行病学 |
2 疟疾数据可视化 |
2.1 空间分布 |
2.2 疟疾疫情的趋势与传播规律 |
3 影响疟疾传播与流行的因素 |
3.1 环境因素 |
3.2 媒介因素 |
3.3 社会经济因素 |
4 疟疾疫情的空间分析 |
5 疟疾疫情预测模型 |
6 疟疾疫情的监测与防控 |
6.1 疫情监测 |
6.2 疫情防控 |
7 前景与展望 |
(5)从边缘到一体:清以降滇西德宏地区疟疾流行与防治变迁研究(论文提纲范文)
摘要 |
Abstract |
绪论 |
一、选题缘由及意义 |
二、学术回顾 |
三、研究方法 |
四、研究的重点、难点及创新点 |
五、相关概念的界定 |
第一章 清以降滇西德宏地区疟疾流行的社会生态背景 |
第一节 自然条件与疟疾 |
一、纬度、气候与疟疾 |
二、地形、海拔与疟疾 |
三、山河与疟疾 |
四、区位与疟疾 |
第二节 社会环境与疟疾 |
一、环境卫生与疟疾 |
二、生活习惯与疟疾 |
三、傣族人居环境与疟疾 |
四、宗教信仰与疟疾 |
第三节 医疗卫生状况与疟疾 |
一、医疗卫生组织与疟疾 |
二、医疗卫生条件与疟疾 |
三、少数民族医药与疟疾 |
第二章 清以降滇西德宏地区的疟疾流行 |
第一节 疟疾流行概况 |
一、清代及其以前瘴气分布状况 |
二、民国时期疟疾流行状况 |
三、1950年代以后疟疾流行情况 |
第二节 滇西德宏地区疟疾流行特点 |
一、清代及其以前瘴气分布特点 |
二、民国时期疟疾流行特点 |
三、新中国时期拒疾流行特点 |
第三节 疟疾流行原因分析 |
一、清代瘴气分布原因 |
二、民国时期疟疾流行原因 |
三、1950年代以后疟疾流行原因 |
第三章 清以降滇西德宏地区疟疾的防治 |
第一节 晚清以前滇西德宏地区疟疾的防治 |
一、元明时期的巫医治疗法 |
二、清中前期的中医诊疗法 |
第二节 晚清至民国时期滇西德宏地区疟疾的防治 |
一、国际社会的抗疟行为 |
二、国民政府的抗疟措施 |
第三节 1950年代以后的疟疾防治 |
一、调查研究和防治结合阶段(1950-1958年) |
二、大面积防治阶段(1959—1966年) |
三、制止疟疾暴发流行阶段(1967-1975年) |
四、现代化防治阶段(1976—2002年) |
第四节 全球化防治阶段(2003-2014年) |
一、全球疟疾基金项目初始阶段(2003-2006年) |
二、中缅边境疟疾联防项目阶段(2007-2009年) |
三、全球基金暨消除疟疾项目阶段(2010-2014年) |
第四章 清以降滇西德宏地区疟疾的地方性认知 |
第一节 病原的认识 |
一、恶鬼致病 |
二、疫气致病 |
第二节 病因的认识 |
一、道德因素 |
二、现实因素 |
第三节 西医传入后的认知 |
一、病原的认识 |
二、病因的认识 |
三、治疗方式的认识 |
第五章 从边徼之地到天下一体: 医疗卫生体系从传统到现代的转型 |
第一节 民众行为与疟疾流行病学 |
一、少数民族风俗、观念与疾病 |
二、人口流动与疟疾流行 |
第二节 疾病、医疗格局的现代化转换 |
一、滇西德宏地区医疗格局的现代化转换历程 |
二、从医疗史角度对“现代化”问题的反思 |
第三节 疾病、政治与国家 |
一、臣民·国民·人民·公民: 中国医疗政治的转向 |
二、防疫、社会动员与国家 |
三、国家的凸显和地方的重构 |
结语 |
参考文献 |
致谢 |
(6)湖北省疟疾疫情时空分布特征及预测研究(论文提纲范文)
摘要 |
Abstract |
第一部分 前言 |
1 研究背景及意义 |
2 研究目的 |
3 研究内容 |
4 研究方法 |
5 资料来源与处理 |
6 研究创新与存在的问题 |
第二部分 湖北省2004~2011疟疾疫情时空分布特征研究 |
1 资料 |
2 研究方法 |
3 结果 |
4 讨论 |
第三部分 疟疾发病与气候因素的关联分析及预测研究 |
一、利用气象因子进行疟疾发病率拟合的实证研究 |
1 资料 |
2 研究方法 |
3 结果 |
4 讨论 |
二、应用判别分析预测疟疾流行时间分布 |
1 资料 |
2 研究方法 |
3 结果 |
4 讨论 |
第四部分 应用时间序列模型对疟疾发病率预测 |
1 资料 |
2 研究方法 |
3 结果 |
4 讨论 |
小结 |
一、研究结论 |
二、研究的创新点 |
三、本研究存在的问题 |
参考文献 |
综述 |
参考文献 |
致谢 |
附录 |
(7)2002-2010年我国疟疾疫情时空变化分析(论文提纲范文)
摘要 |
Abstract |
前言 |
1 研究背景及依据 |
2 研究目的 |
3 研究内容 |
4 研究意义 |
5 技术路线 |
参考文献 |
第一部分:2002-2010年我国本地疟疾疫情时空变化分析 |
1 前言 |
2 资料与方法 |
2.1 资料来源 |
2.2 分析方法 |
3 结果 |
3.1 发病率时间变化 |
3.2 疾病时空分布变化 |
4 讨论 |
5 结论 |
参考文献 |
第二部分:2002-2010年我国输入疟疾疫情时空变化分析 |
1 前言 |
2 资料与方法 |
2.1 资料来源 |
2.2 分析方法 |
3 结果 |
3.1 发病率时间变化 |
3.2 疾病时空分布变化 |
4 讨论 |
5 结论 |
参考文献 |
结语 |
致谢 |
附录 |
(8)遥感技术在蚊媒传染病研究中的应用进展(论文提纲范文)
1 在蚊媒病研究的应用进展 |
2 存在的主要问题及建议 |
3 结论 |
(9)不同时空尺度疟疾传播风险预测及环境影响因素研究(论文提纲范文)
缩略词表 |
摘要 |
ABSTRACT |
前言 |
参考文献 |
第一部分 疟疾分布的时间变化趋势及其气候影响因素研究 |
概述 |
材料与方法 |
结果 |
讨论 |
参考文献 |
第二部分 疟疾分布区域差异的环境影响因素研究 |
概述 |
材料与方法 |
结果 |
讨论 |
参考文献 |
结论 |
综述 |
参考文献 |
致谢 |
四、GIS制图在云南省疟疾流行态势分析中的应用(论文参考文献)
- [1]Stacking架构与迁移学习在传染病预测模型中的应用研究[D]. 王梦阳. 天津医科大学, 2020(06)
- [2]云南省狂犬病时空分布特征与影响因素研究[D]. 于静. 湖南师范大学, 2020(01)
- [3]多维视角:云南省疟疾研究综述[J]. 米善军. 保山学院学报, 2018(04)
- [4]空间流行病学在我国疟疾监测预警中的研究进展[J]. 郑金鑫,刘璐,冯云,杨国静. 中国血吸虫病防治杂志, 2017(05)
- [5]从边缘到一体:清以降滇西德宏地区疟疾流行与防治变迁研究[D]. 王彤. 云南大学, 2017(06)
- [6]湖北省疟疾疫情时空分布特征及预测研究[D]. 夏菁. 华中科技大学, 2015(07)
- [7]2002-2010年我国疟疾疫情时空变化分析[D]. 闫润泽. 中国疾病预防控制中心, 2014(01)
- [8]遥感技术在蚊媒传染病研究中的应用进展[J]. 何隆华,周明浩,褚宏亮,杨维芳,张细燕. 中国媒介生物学及控制杂志, 2014(02)
- [9]不同时空尺度疟疾传播风险预测及环境影响因素研究[D]. 高宏伟. 中国人民解放军军事医学科学院, 2012(10)
- [10]中国空间流行病学的发展历程与发展趋势[J]. 周晓农,杨国静,杨坤,李石柱. 中华流行病学杂志, 2011(09)