Application of type-2 heptagonal fuzzy sets with multiple operators in Zika virus risk factor identification: A novel MCDM approach

在 Zika 病毒风险因素复杂且传统研究方法存在局限的背景下，研究人员开展了基于 2 型七角模糊集（T2HFS）与多准则决策（MCDM）方法识别 Zika 病毒风险因素的研究。结果识别出关键风险因素并验证了模型可靠性，为公共卫生干预提供依据。

　　Zika 病毒，这个听起来有些陌生却暗藏危险的家伙，近年来频繁出现在人们的视野中。它主要通过伊蚊传播，属于黄病毒属，和登革热、西尼罗河病毒等是 “亲戚” 。自 1947 年在乌干达的恒河猴身上首次被发现后，Zika 病毒就开始了它在全球的 “旅程” 。2007 年在太平洋岛屿的爆发，以及 2015 - 2016 年在美洲地区引发的新生儿小头畸形等严重问题，让世界卫生组织（WHO）都为之警觉，将其列为国际关注的突发公共卫生事件（PHEIC） 。在印度，Zika 病毒也时有出现，从 2016 年首次确诊病例，到后续在多个邦的爆发，它的身影不断浮现，给公共卫生带来了极大挑战。

面对 Zika 病毒的威胁，准确识别和评估其风险因素至关重要。然而，传统的研究方法在处理这类复杂问题时却有些 “力不从心” 。Zika 病毒的风险因素众多且复杂，存在大量不确定性，比如专家评估的主观性、流行病学数据的不完整等，传统方法难以精确处理这些问题。为了解决这些难题，来自印度韦洛尔理工学院（Vellore Institute of Technology）的 M. Sheela Rani 和 S. Dhanasekar 开展了一项极具意义的研究。他们运用 2 型七角模糊集（T2HFS）与多准则决策（MCDM）方法，对 Zika 病毒的风险因素进行了深入分析，相关研究成果发表在《BMC Infectious Diseases》上。

在研究方法上，研究人员采用了多种关键技术。首先是 2 型七角模糊集（T2HFS），它能比传统模糊模型更细致地表达不确定性，通过七个顶点来描述元素的隶属度，更精准地处理专家判断中的模糊、不精确信息。其次，运用了多种 MCDM 方法，如 TOPSIS（逼近理想解排序法）、VIKOR（多准则妥协解排序法）和 WASPAS（加权聚合和积评估法） 。这些方法相互结合，从不同角度对风险因素进行评估和排序。同时，还使用了算术和几何聚合算子来处理模糊数据，并通过敏感性分析来验证模型的稳定性。

在研究结果部分，研究人员首先明确了 Zika 病毒的传播途径和风险因素。传播途径包括蚊媒传播、性传播、血液传播等，而风险因素涵盖了旅行到疫区、居住在疫区、无保护性行为、缺乏防蚊措施等多个方面。接着，通过计算和分析，得出了各风险因素的排名。其中，无保护性行为（z3）以 0.6717 的得分位居榜首，成为最关键的风险因素；血液输血（Z8）、怀孕（Z10）、蚊虫叮咬（Z9）和前往疫区旅行（z7）也都在高风险因素之列。此外，研究人员还进行了敏感性分析，结果显示在不同条件下，风险因素的排名保持稳定，这表明研究结果具有较高的可靠性。

在结论与讨论部分，这项研究有着重要意义。它为公共卫生专业人员提供了一个先进的决策支持系统，能够系统地识别和优先处理 Zika 病毒的风险因素。通过使用 T2HFS，有效捕捉和处理了因流行病学数据不完整、专家评估不精确以及主观语言评价带来的不确定性。多种 MCDM 方法的一致性以及敏感性分析验证了模型的可靠性，为改善风险分析和制定战略公共卫生干预措施提供了科学依据。不过，该研究也存在一定局限性，如对其他传染病的适用性可能需要调整，数据质量对结果准确性影响较大等。未来的研究可以朝着拓展 T2HFS 框架应用领域、结合深度学习技术、开发智能决策支持系统等方向展开。总的来说，这项研究为抗击 Zika 病毒提供了新的思路和方法，在公共卫生领域有着重要的应用价值，为后续的研究和防控工作奠定了坚实基础。