用于易洪水地区疟疾风险绘图的地理空间与机器学习方法:对公共卫生决策的启示

《Public Health》:Geospatial and machine learning approaches for malaria risk mapping in flood-prone districts: Implications for public health decision-making

【字体: 大 中 小 】 时间:2026年06月30日 来源:Public Health 3.5

编辑推荐:

  雅赫亚·汗|乌迈尔·本·尼萨尔|穆罕默德·里兹万·莫卧儿|阿塔尔·侯赛因|西德拉·达乌德|西迪克·阿赫塔尔·埃桑巴基斯坦伊斯兰堡塔拉伊卡兰公园路,COMSATS大学气象系,邮编45550摘要研究目的在易发洪水的地区,疟疾仍是重大的公共卫生问题,恶劣的环境条件以及薄弱的卫生基础设施

  
雅赫亚·汗|乌迈尔·本·尼萨尔|穆罕默德·里兹万·莫卧儿|阿塔尔·侯赛因|西德拉·达乌德|西迪克·阿赫塔尔·埃桑
巴基斯坦伊斯兰堡塔拉伊卡兰公园路,COMSATS大学气象系,邮编45550

摘要

研究目的

在易发洪水的地区,疟疾仍是重大的公共卫生问题,恶劣的环境条件以及薄弱的卫生基础设施会加剧疟疾的传播风险。本研究通过结合多准则决策分析和机器学习方法,构建了一个用于疟疾风险分区的综合地理空间框架。

研究设计

这是一项地理空间建模研究,整合了环境、气象以及社会人口统计数据,并结合决策分析与机器学习技术。

研究方法

研究共分析了11个预测变量,包括海拔、地表温度、降雨量、坡度、排水密度、湿度、洪水淹没情况、人口数量、距离道路和医疗设施的远近以及土地用途/覆盖类型,以此生成危险性、脆弱性以及风险要素图层。研究采用了两种方法:一是运用层次分析法,通过加权叠加的方式整合危险性、脆弱性及风险要素数据;二是构建随机森林模型,该模型以2014年至2024年间250份联邦委员会层面的疟疾检测阳性率数据作为训练依据。

研究结果

随机森林模型的准确率为93.3%,精确率为0.95,召回率为0.93,Kappa系数为0.86,表明其具备很强的预测能力。层次分析法判定69.2%的区域为中等风险,13.8%的区域为高风险,而随机森林模型则能以更高的空间分辨率识别出局部高风险区域。洪水威胁程度、地表温度、降雨量以及土地用途/覆盖类型是主要的预测因素。通过对2022年疟疾疫情数据的验证,发现该模型具有很强的空间一致性。

研究结论

这种融合危险性、脆弱性及风险要素图层,并通过数据驱动方式加以验证的双模型框架,为具备气候适应能力的疟疾防控工作提供了实用方案。该方法也可应用于其他易受灾地区,有助于制定针对性的干预措施并合理分配资源。

引言

疟疾是一种由疟原虫引发的致命传染病,可通过受感染的雌性按蚊叮咬传播给人类。1在巴基斯坦,俾路支省和信德省的农村社区仍面临较高的疟疾发病率和死亡率,疟疾依然是这些地区严重的公共卫生问题。2在各种环境因素中,洪水对疟疾传播的加剧起着关键作用。传统的疟疾诊断主要依赖实验室检测,且需要专业技术人员操作。虽然野外调查和常规病例报告能够提供有价值的流行病学数据,但往往缺乏足够的空间细节和预测功能。正是由于这些局限性,人们开始研究利用自动化技术和机器学习方法来提高诊断的准确性以及监测的预测能力。3,4卫星图像能够帮助人们在不同空间和时间尺度上识别出潜在的蚊虫繁殖地,比如积水区域和排水不畅的地区。5将环境变量与社会经济指标相结合,还能进一步提升决策的科学性。6,7为了解决这些问题,层次分析法这类结构化的决策支持工具,能够系统地整合危险性、脆弱性以及暴露因素,用于疟疾风险评估。随机森林这类机器学习算法则是强大的数据驱动工具,能够识别出影响疟疾传播的关键环境及流行病学因素,从而为制定干预措施提供精准的量化依据。8,92022年的特大洪水过后,位于俾路支省东南部的贾法拉巴德和纳西拉巴德的疟疾发病率急剧上升。由于这些地区气候半干旱、频繁发生洪水,且医疗基础设施薄弱,因此极为容易受到疟疾威胁。本研究采用层次分析法与随机森林建模相结合的混合方法,整合环境、气候以及社会经济数据,从而更精准地划分疟疾风险区域。研究结果旨在为卫生规划人员、地方政府机构、气候适应政策制定者以及研究人员提供基于实证的参考,助力他们制定有效的灾害应对医疗计划以及针对性的病媒控制策略。

内容节选

环境与社会人口数据来源

本研究整合了多种地理空间数据源,为贾法拉巴德和纳西拉巴德地区的疟疾风险建模,这些数据涵盖了环境、气候、人口以及基础设施相关因素。海拔数据来自30米分辨率的航天雷达地形测绘任务数字高程模型,而地表温度数据则是通过谷歌地球引擎利用Landsat 8卫星的表层反射率数据计算得来,之后再通过辐射定标转换为摄氏度(见表1)。

暴露风险与风险地图绘制

通过层次分析法,结合各类环境和社会人口参数,分别绘制出了疟疾危险性、脆弱性以及风险要素地图(见图3、图4以及补充表2)。洪水淹没分析结果显示,2022年雨季过后,研究区域内约有450平方公里的区域仍处于被水淹没状态(见图3a)。通过分析距离洪水的远近,发现靠近积水区域的地区极易成为蚊虫繁殖的场所,风险较高(见图3b)。地表温度

环境与社会人口因素对疟疾风险的影响

各种环境和社会人口参数共同构成了生成危险性、脆弱性以及风险要素图层的基础,这些图层随后被整合起来,最终形成疟疾风险分区地图(见补充图5)。14,15地表温度分析显示,贾法拉巴德的中部和东南部以及纳西拉巴德的中部地区,尤其是灌溉区和平坦的洪泛地带,存在着最适合疟疾传播的温度条件,即27–35摄氏度。16,17海拔高度

伦理声明

由于本研究仅是对已汇总的疟疾监测数据以及公开的环境和地理空间数据进行分析,没有收集任何可识别个人身份的信息,因此无需获得伦理审批。

资金支持

本研究并未获得公共部门、商业机构或非营利组织提供的任何专项资助。

利益冲突声明

作者声明自己不存在任何利益冲突。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号