同行评议开放获取钩端螺旋体病
Spatio-temporal risk prediction of leptospirosis: A machine-learning-based approach
PLOS Neglected Tropical Diseases·
- DOI
- 10.1371/journal.pntd.0012755
- PMID
- 39820517
- PMCID
- PMC11737754
- OpenAlex
- W4406457893
- 研究类型
- Journal article
- 出版商
- Public Library of Science (PLoS)
- 文章类型
- journal-article
- 完整性状态
- current
为何这项研究现在值得关注
明确疾病分布的气候与地理相关因素，有助于在易受影响的热带社区制定战略政策并调配资源。
01
结构化证据摘要
研究问题
计算模型如何整合环境与人口统计学变量，以构建精准的钩端螺旋体病时空风险图？
研究设计
本研究采用观察性建模设计，将机器学习算法应用于十一年期的历史发病率数据，并纳入气象、地形与社会经济人口等协变量。
人群与场景
分析涵盖热带与亚热带区域的国家尺度范围，空间划分细于城市级别，时间粒度为月度，重点聚焦太平洋岛屿情境。
主要发现
预测模型在评估污染风险时展现出较高的吻合度与灵敏度。研究发现厄尔尼诺南方涛动周期与季节性变化相关联，滞后降水与湿度水平同风险升高存在关联。富含有机质的土壤成分似乎与细菌存活率降低有关。
公共卫生意义
明确疾病分布的气候与地理相关因素，有助于在易受影响的热带社区制定战略政策并调配资源。
重要局限
本总结完全依赖于所提交的单篇文献摘要与书目元数据，需调阅原始全文方能完成全面的方法学审查与决策级解读。
GIDS 解读
该文提供了与环境预测因子及计算预报技术相关的背景信息，可供钩端螺旋体病追踪体系参考。其内容不涉及实时监测运行状态，也未对现行疫情数据进行验证。
02
相关 GIDS 监测
文献背景不会验证、解释或改变监测信号；精确关系与背景关系会分开展示。
03
证据关系
本文与疾病、地区、主题及研究设计之间有 8 条可审计分类关系。
about diseaseaddresses topicaddresses topicaddresses topicaddresses topicinforms policy domainstudied population settinguses study design