کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5763862 1625603 2017 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Real-time projections of cholera outbreaks through data assimilation and rainfall forecasting
ترجمه فارسی عنوان
پیش بینی های زمان واقعی از شیوع بیماری های وبا از طریق جمع آوری داده ها و پیش بینی بارش
کلمات کلیدی
مدل اپیدمیولوژیک، تسریع داده ها، وبا، پیش بینی بارش، سیستم پیش بینی آب و هوا،
ترجمه چکیده
با وجودی که درمان برای وبا به خوبی شناخته شده و ارزان است، شیوع بیماری در مناطق اپیدمی همچنان با تلفات زیاد مرگ و میر همراه است به دلیل عدم آمادگی زیرساخت های مراقبت های بهداشتی برای مواجهه با موارد اضطراری پیش بینی نشده. در این زمینه، مدل های ریاضی برای پیش بینی تکامل یک شیوع مداوم از اهمیت حیاتی برخوردار است. در اینجا، یک چارچوب پیش بینی در زمان واقعی را آزمایش می کنیم که به آسانی اطلاعات جدید را به محض موجود شدن ادغام می کند و دوره ای از پیش بینی به روزرسانی می کند. گسترش وبا از طریق یک طرح مکانی مناسبی طراحی شده است که برای پویایی افراد حساس، آلوده و بهبود یافته که در جوامع مختلف محلی متصل از طریق شبکه های انتقال هیدرولوژیکی و انسانی قرار دارد، شکل می گیرد. این چارچوب دو نوآوری مهم برای مدلسازی وبا را فراهم می کند: استفاده از یک روش جذب داده، به ویژه یک فیلتر کلمن، برای به روز رسانی هر دو متغیر حالت و پارامتر بر اساس مشاهدات و استفاده از پیش بینی بارندگی برای تحمیل مدل. تمرین شبیه سازی وضعیت سیستم و قابلیت پیش بینی ابزارهای جدید که در مرحله اولیه شیوع ویروس وباء هائیتی در سال 2010 قرار داشت و تنها با استفاده از اطلاعاتی که در آن زمان در دسترس بود، به عنوان یک معیار شناخته می شد. نتایج ما نشان می دهد که روش جذب با به روز رسانی ترتیبی از پارامترها، طرح های کالیبراسیون بر اساس زنجیره مارکف مونت کارلو را بهتر می کند. علاوه بر این، در یک حالت پیش بینی، مدل به طور پیش فرض میزان بروز فاکتورهای وبا را حداقل یک ماه پیش پیش بینی می کند. عملکرد برای افق های زمانی طولانی کاهش می یابد، اما زمان کافی برای برنامه ریزی برای استقرار تجهیزات پزشکی و کارکنان، و ارزیابی راهبردهای جایگزین مدیریت اضطراری می دهد.
موضوعات مرتبط
مهندسی و علوم پایه علوم زمین و سیارات فرآیندهای سطح زمین
پیش نمایش مقاله
پیش بینی های زمان واقعی از شیوع بیماری های وبا از طریق جمع آوری داده ها و پیش بینی بارش
چکیده انگلیسی
Although treatment for cholera is well-known and cheap, outbreaks in epidemic regions still exact high death tolls mostly due to the unpreparedness of health care infrastructures to face unforeseen emergencies. In this context, mathematical models for the prediction of the evolution of an ongoing outbreak are of paramount importance. Here, we test a real-time forecasting framework that readily integrates new information as soon as available and periodically issues an updated forecast. The spread of cholera is modeled by a spatially-explicit scheme that accounts for the dynamics of susceptible, infected and recovered individuals hosted in different local communities connected through hydrologic and human mobility networks. The framework presents two major innovations for cholera modeling: the use of a data assimilation technique, specifically an ensemble Kalman filter, to update both state variables and parameters based on the observations, and the use of rainfall forecasts to force the model. The exercise of simulating the state of the system and the predictive capabilities of the novel tools, set at the initial phase of the 2010 Haitian cholera outbreak using only information that was available at that time, serves as a benchmark. Our results suggest that the assimilation procedure with the sequential update of the parameters outperforms calibration schemes based on Markov chain Monte Carlo. Moreover, in a forecasting mode the model usefully predicts the spatial incidence of cholera at least one month ahead. The performance decreases for longer time horizons yet allowing sufficient time to plan for deployment of medical supplies and staff, and to evaluate alternative strategies of emergency management.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Advances in Water Resources - Volume 108, October 2017, Pages 345-356
نویسندگان
, , , ,