The impact of human and vector distributions on the spatial prevalence of malaria in sub-Saharan Africa

ریشه کن شدن مالاریا از جهان در بخش دوم قرن بیستم، یک هدف ناپذیر، گرچه مطلوب، هدف را نشان داد. متأسفانه، بازاندیشی بروز مالاریا در حال حاضر در حال انجام است. کلیدی برای درک برنامه های کنترل موثر مانند اسپری های باقی مانده در محیط داخلی (اسپری حشره کش درون خانه ها برای کشتن پشه های بردار مالاریا) تاثیر توزیع فضایی برای جوامع در معرض توده های پرتوی مالاریا است. تراکم خانه های انسانی در جوامع کوچک به طور قابل ملاحظهای در مناطقی که در معرض مکانهای پرورش لارو قرار دارند، بسیار متفاوت است. ما کار مدل سازی قبلی را برای کشف تاثیر فضایی و انتقال توزیع تراکم جمعیت پشه در توزیع های مختلف جمعیت انسان در نمایندگی های نسبتا کوچک چشم انداز گسترش می دهیم. دینامیک بی نظم از مدل انتشار واکنش ما که حاوی انتقال حمل و نقل است، دو فاز زمانی برای عفونت را نشان می دهد. فاز سریع اولیه در طی انتقال از عفونت های همگن یا فضایی محدود به سطح اوج در طول روز اتفاق می افتد و فاز آرامش در طی هفته ها یا ماه ها به حالت پایدار می رسد و پیشنهاد می کند که روش های موفقیت آمیز احتمالا نیاز به شناسایی فاز عفونت دارند. ما همچنان وابستگی شدید عفونت های انسانی و بهبودی را در توزیع جمعیت های حساس انسان با برخی از استقلال از توزیع های پشه مشاهده می کنیم، به این ترتیب با توجه به عرضه کافی از پشه ها برای حفظ عفونت ها، مشاهده می شود. همچنین تاثیرات ظریف و پیچیده بین تراکم های زندگی انسان، انتشار پشه ها و میزان آلودگی نیز دیده می شود. با استفاده از حمل و نقل پراکنده از پشه ها به سرعت سریع، مدل ما نشان می دهد که مقادیر نسبی برای نرخ های آلودگی آهسته تر است، که منجر به کاهش میزان عفونت می شود. این نشان می دهد که اگرچه ما در اینجا تنها شامل حمل و نقل انتشاری می شویم، اگر پشه ها به حرکت به اندازه کافی سریع (مثلا باد) موضوعی باشند، جوامع واقع در مناطق باد در معرض خطر کمتر عفونی قرار می گیرند نسبت به مناطقی که در مناطق غیر بادبند هستند. این باید برای هدایت راهبردهای مداخله با توجه به ملاحظات جغرافیایی کمک کند. پیاده سازی ما از یک مدل انتشار واکنش در اینجا برخی از مسائل مربوط به روش های پیوندی برای جمعیت و بیماری های عفونی را ارائه می دهد که نشان می دهد روش های فضایی گسسته (به عنوان مثال مبتنی بر عامل) برای کار آینده در نظر گرفته شده است.