一、植被指数及其在流行病学领域的应用（论文文献综述）
郑金鑫[1]（2021）在《中国与湄公河地区血吸虫病及肝吸虫病传播风险预测研究》文中研究指明随着中国“一带一路”倡议的不断推进、中国与东南亚地区交流与合作不断加深,各国间的卫生交流合作得到了进一步的加强,澜沧江-湄公河区域的社会经济发展也逐渐受到各国的重视。然而,血吸虫病与肝吸虫病在这一区域的流行仍是一个重要的公共卫生问题,对社会经济发展有着重大影响。世界卫生组织被忽略热带病专家咨询委员会认为,血吸虫病是一种通过努力可以达到消除的疾病,而肝吸虫病是一种可通过干预达到有效控制的疾病。从区域整体角度对血吸虫病与肝吸虫病传播特征和传播风险进行研究,可为疾病的控制与消除提供具有重要参考价值的科学依据。本研究为了解和掌握长江流域日本血吸虫病、湄公河流域湄公血吸虫病、中国广西及越南北部地区华支睾吸虫病、湄公河地区麝猫后睾吸虫病的流行特征与传播风险,建立血吸虫病与肝吸虫病的流行病学数据库,并从生态学及气候变化角度分析影响上述两种疾病流行与传播的因素。本研究以构建的机器学习模型对不同区域血吸虫病与肝吸虫病传播风险进行预测评估,同时探究日本血吸虫中间宿主钉螺与肝吸虫病不同监测点选取对预测其风险范围的影响,旨在为有效控制和消除血吸虫病与肝吸虫病提供科学依据。第一部分长江流域与湄公河流域血吸虫病传播特征与风险预测研究目的:探索长江流域日本血吸虫病、湄公河流域湄公血吸虫病传播风险的预测方法,在评估不同模型预测疾病传播风险的同时,筛选影响两种血吸虫病传播风险的关键因素,为亚洲血吸虫病消除策略的制定提供科学依据。方法:（1）长江流域日本血吸虫病数据库的构建。主要包括2018年长江流域县级水平钉螺有无的调查数据、2008～2018年长江流域191个气象站点气象数据,以及对应区域的环境、气候、社会人文等数据。（2）湄公河流域湄公血吸虫病数据库的构建。主要通过文献综述的方法收集整理2000～2018年老挝、柬埔寨乡镇水平上的血吸虫病时点感染率信息,同时收集对应位置上的环境、气候、社会人文等数据。（3）日本血吸虫病的传播特征研究及风险预测。一、通过建立6个的机器学习模型,根据环境等变量预测钉螺的孳生范围;二、根据气象数据计算血吸虫传播指数（AMSI）,预测日本血吸虫病传播风险;三、利用钉螺的生存概率结合环境等数据,分析不同的机器学习模型预测AMSI的准确性,筛选出最优模型;四、通过变量重要性与边际效应探索影响AMSI的关键因素,及这些因素与血吸虫传播指数之间的关系。（4）湄公血吸虫病的传播特征研究及风险预测。一、通过构建多个机器学习模型,根据环境等变量预测血吸虫病感染率;二、在评估不同预测模型的准确性的基础上,找出影响血吸虫病感染率的关键因素,以及这些关键因素与感染率之间的关系;三、以关键因素为依i据,预测湄公血吸虫病的传播风险区域。结果:（1）2018年在湖南、湖北、江西、安徽、江苏等省长江流域2369处监测点进行钉螺调查,结果显示钉螺检出率为21.6%（511/2369）;（2）通过不同机器学习模型比较,最终发现RF模型（AUC=0.922）最优,提示钉螺适宜生存区沿长江水系分布,主要集中在安徽中南部、湖北中部、江西北部等地区;（3）191个气象站点AMSI值均在48.89-2611.43之间,其中血吸虫病低风险（0<AMSI≤900）站点69个（占36.1%）,中风险（900<AMSI≤2000）站点116个（占60.7%）,高风险（AMSI>2000）站点6个（占3.1%）,提示长江流域大部分地区属于血吸虫病中低风险区域;（4）建立环境等变量与AMSI的机器学习模型,结果显示RF模型拟合效果最好（RMSE=160.33,R2=0.863）,影响AMSI最主要的因素有季节降雨量变异系数（100%）、钉螺生存概率（98.5%）与人类足迹指数（95.5%）,其中AMSI与季节降雨量变异系数（r=-0.29,P<0.01）、钉螺生存概率（r=0.13,P=0.03）均呈显着的线性相关关系;（2）结果显示,湄公河流域的湄公血吸虫病主要集中在老挝南部的Champasack省,以及柬埔寨北部的Strung Treng、Kratie省,2000～2018年感染率为为1.1%,范围在0～40.9%之间,;RF模型的拟合与预测能力最优（RMSE=0.037,R2=0.743）,影响血吸虫病感染率最主要的因素有暖季降雨量（100%）、海拔高度（88.1%）与季节降雨量变异系数（76.9%）,上述指标与湄公血吸虫病感染率之间均呈非线性关系;RF预测湄公血吸虫病传播风险集中在老挝 Champasack省的南部沿湄公河流域分布,模型预测血吸虫病感染率最高为30%,出现低估现象。结论:分布于长江流域的日本血吸虫病呈低度流行水平,可以利用血吸虫传播指数和钉螺生存概率共同评估血吸虫病在长江流域的传播风险;利用机器学习模型不但可估计钉螺的孳生范围,还可探索影响血吸虫传播指数的关键因素,季节降雨量变异系数及钉螺生存概率对日本血吸虫病传播程度影响较大。湄公血吸虫病流行范围具有一定局限性,其感染率较低,通过机器学习模型结合环境等变量估计传播风险可知,影响湄公血吸虫病传播的主要因素为暖季降雨量及海拔高度。第二部分大湄公河次区域肝吸虫病传播特征与风险预测研究目的:研究中国广西与越南北部地区华支睾吸虫病、湄公河流域麝猫后睾吸虫病的传播特征,从生态学角度分析影响这2种肝吸虫病流行的主要因素,同时探索华支睾吸虫病与麝猫后睾吸虫病的地理隔离问题。方法:（1）华支睾吸虫病数据库的构建与分析。从2014～2016年中国第三次全国寄生虫病调查数据库中获取广西地区人体华支睾吸虫感染的地理位置信息、县级水平居民是否有吃鱼生习惯等信息;通过文献综述收集2000～2018年越南地区乡镇水平人体华支睾吸虫感染地理位置及是否有吃鱼生等饮食习惯等信息。此外,收集研究区域环境、气候、社会人文等数据,构建华支睾吸虫病数据库。（2）麝猫后睾吸虫病数据库的构建及分析:通过文献综述收集2000～2018年泰国、老挝、柬埔寨及越南地区乡镇水平人体感染麝猫后睾吸虫的地理位置、吃鱼生等饮食习惯信息,结合湄公河区域环境、气候、社会人文等数据,构建麝猫后睾吸虫病数据库;利用物种分布原理,构建机器学习模型,估计麝猫后睾吸虫感染概率,根据模型准确性筛选出最优模型,找出影响麝猫后睾吸虫感染的关键因素。（3）构建可对华支睾吸虫病、麝猫后睾吸虫病进行分类识别的机器学习分类模型,探索影响该2种肝吸虫病分布的主要因素,筛选出最优模型后进行2种肝吸虫病分界范围的预测。结果:（1）2014～2016年期间,中国广西地区共有85个村镇进行了寄生虫病流行病学调查,其中33个村镇检出人体华支睾吸虫感染者（33/85=38.8%）,广西全部市级行政区中有61个（占54.9%）有吃鱼生的习惯。2000～2018年期间,共检索获得153条越南地区相关文献,结果发现有51个地点出现人体感染华支睾吸虫感染,且集中在越南北部地区;有31.7%（20/63）的市级行政区存在吃鱼生饮食习惯;其中,LM模型拟合和预测发生华支睾吸虫感染效果最优（AUCtraining=0.959,AUCtesting=0.941）,华支睾吸虫感染最主要的影响因素为吃鱼生饮食习惯（100%）,结果显示吃鱼生人群发生华支睾吸虫感染的概率是不吃鱼生人群的13倍。（2）2000～2018年,泰国地区有425个报道了人体麝猫后睾吸虫感染的地点,全国约67.5%（52/77）的市级行政区有吃鱼生的习惯;老挝有144个人体麝猫后睾吸虫感染地,44%（11/25）的市级行政区有吃鱼生的习惯;柬埔寨有134个人体麝猫后睾吸虫感染地,83.3%（15/18）的市级行政区有吃鱼生的习惯;越南地区有18个人体麝猫后睾吸虫感染地。湄公河流域麝猫后睾吸虫感染概率拟合与预测效果最优的模型为RF模型（AUCtraining=1,AUCtesting=0.824）,影响麝猫后睾吸虫感染的最主要因素是吃鱼生饮食习惯（100%）,吃鱼生者发生麝猫后睾吸虫感染的概率是不吃鱼生者的3.3倍。（3）2种肝吸虫病流行地区生态环境差异显着,如华支睾吸虫病流行区平均海拔高度为35.44 m,麝猫后睾吸虫病流行地区平均海拔高度则约为160m。LM、RF、GBM、DT、XGBOOST机器学习模型对华支睾吸虫病与麝猫后睾吸虫病的分类准确性为1;变量重要性分析中发现,对2种肝吸虫病分类贡献率均超过75%的因素有雨季均温、年平均温度、年均温占年温较差百分比、温度季节变化方差;除NNET模型外,其余模型均能预测2种肝吸虫病的分界范围,其中DT、GBM与XGBOOST可预测出中国广西西部地区发生麝猫后睾吸虫病潜在风险,但是仅LM模型能预测出2种肝吸虫病可同时出现在越南西北部4个省份、中南部2个省份及老挝北部省份,而同时出现有华支睾吸虫病和麝猫后睾吸虫病分布的地区,为2种肝吸虫病的复合流行区。结论:本研究通过生态环境数据结合机器学习模型预测了人体华支睾吸虫和麝猫后睾吸虫感染的风险区域,并揭示吃鱼生饮食习惯对华支睾吸虫或麝猫后睾吸虫感染影响。2种肝吸虫病流行地区的生态环境差异显着,可通过机器学习模型和生态环境指标对其分布进行分类。模型结果显示,2种肝吸虫病复合感染区集中在越南西北部4个省、中北部2个省及老挝北部省份,对两种肝吸虫分类影响最主要因素为气候因素中的温度变化。第三部分钉螺和麝猫后睾吸虫病监测调查的空间距离重采样效应研究目的:探索如何运用RF模型在保持长江流域钉螺孳生地分布和湄公河流域麝猫后睾吸虫病分布区域预测正确度的基础上,可最大限度地减少监测点数量,为完善血吸虫病与肝吸虫病监测体系提供科学依据。方法:首先,利用前期构建血吸虫病与肝吸虫病数据库中的数据,设定多个等面积六边形,对长江流域和湄公河流域进行区域划分;假设每个网格代表一个生态区,从中随机抽取一个监测点,对血吸虫病或肝吸虫病流行区空间分布进行校正;通过改变相邻六边形的空间距离,控制研究区域六边形大小,可减少重新抽样的样本量。第二步,通过机器学习模型对重新抽样后的数据进行模型拟合与预测,评估不同空间距离下模型的预测效果,筛选出监测点设置数量最少时的空间距离。最后,依次对长江流域钉螺分布、湄公河流域麝猫后睾吸虫病分布进行不同场景下的敏感性评价。结果:长江流域钉螺RF模型预测结果显示,当分别设定六边形生态区空间距离为0km、5km、10km、50km、100km、150km时,六边形网格数量依次为0、1258、578、126、62、29 个,模型预测的 AUC 分别为 0.886、0.889、0.832、0.723、0.815、0.857,Kappa值一致性逐渐降低（从0.647降低至-0.682）。其中空间距离为5km时,模型预测结果最佳（与原数据的一致性相近似）;湄公河流域RF模型预测人体麝猫后睾吸虫感染概率结果显示,当分别设定空间距离为0km、5km、10km、50km、100km、150km 时,六边形网格数量依次为 0、1318、1257、603、287、122,模型预测的 AUC 分别为 0.823、0.784、0.824、0.682、0.609、0.736,Kappa值分别为0.454、0.429、0.903、0.816、0.963、0.176。其中空间距离为 10km时,模型预测结果最佳（与原数据的一致性相近似）。结论:以生态区为概念设定六边形网格,就日本血吸虫中间宿主钉螺分布和麝猫后睾吸虫病分布进行重新抽样,该方法可以对钉螺监测点和麝猫后睾吸虫病监测点的空间偏倚进行校正,从而获得以最少监测点数量获得有效监测效果的监测策略。长江流域钉螺的监测点可按相邻六边形生态区5 km范围进行布点,将原监测点从2161减少至1338;而湄公河流域的麝猫后睾吸虫病监测可按相邻六边形生态区10 km范围进行布点,只需设置1257个监测点;该监测策略可在减少监测点数量的情况下,达到有效监测钉螺分布、预测麝猫后睾吸虫病传播风险的效果。
别佳[2]（2021）在《中国大陆非洲猪瘟时空流行特征及传播风险研究》文中认为非洲猪瘟是一种由非洲猪瘟病毒引起的急性、烈性传染性疾病,可感染家猪和野猪。非洲猪瘟具有极高的致死率,且传播速度快,传播途径广泛,这使非洲猪瘟的防控较为困难。此外,非洲猪瘟病毒编码许多与免疫逃逸相关的蛋白质,干扰与免疫调节相关的多种细胞信号通路,这使有效疫苗的开发极具挑战性。非洲猪瘟没有有效的治疗方法,疫苗的研发已经取得阶段性进展,但是目前没有用于控制非洲猪瘟的商业化疫苗。从非洲猪瘟流行历史上看,受非洲猪瘟影响的地区包括非洲、欧洲和亚洲55个以上的国家,导致全球77%以上的猪受到威胁。在受影响地区,非洲猪瘟给养猪业造成了巨大的经济损失,对国际贸易也产生了深远的影响。2018年中国发生首例非洲猪瘟疫情,大量生猪因防止疫情扩散被扑杀,但仍不能阻断非洲猪瘟的传播。随着全球非洲猪瘟疫情持续暴发,对非洲猪瘟病毒的分子生物学研究以及对非洲猪瘟流行病学特征的了解也正在加深,这将有利于非洲猪瘟疫苗及治疗方法的研发和非洲猪瘟防控策略的制定,以期减轻非洲猪瘟对养殖业和猪肉价格造成的影响。非洲猪瘟传播的速度取决于宿主、病毒和外部条件,其中许多因素尚未完全了解。调查统计中国曾暴发的68例非洲猪瘟疫情显示,由受污染的车辆和工人导致的占46%,由泔水饲喂造成的占34%,由生猪和产品运输引起的占19%。一般而言,社会经济因素、贸易交通因素、气候环境因素和宿主密度等都会影响非洲猪瘟的传播。了解非洲猪瘟的时空流行特征和风险因素是制定防控措施的重点。本研究的主要内容是收集农业农村部报道的中国大陆2018年8月1日至2020年12月31日之间的非洲猪瘟疫情数据,包括非洲猪瘟的发生地点、发生时间、发病数等信息;收集中国大陆的贸易、气候、环境、猪密度、人口密度、公路和铁路等影响非洲猪瘟发生的潜在风险因素数据。利用全局空间自相关分析、局部空间自相关分析和方向分布分析探究非洲猪瘟在中国大陆的空间分布特征;利用时空聚集性分析和方向测试探究非洲猪瘟在中国大陆的时空格局特征;基于非洲猪瘟在中国大陆的疫情数据和各种风险因素数据构建结构方程模型和MaxEnt模型,对非洲猪瘟的风险因素和风险区域进行分析;建立非洲猪瘟生物媒介监测预警系统,加强非洲猪瘟生物媒介数据的收集与利用,生物媒介数据与疾病数据合并使用有助于完善动物疾病相关资料。具体的研究内容包括:（1）基于2018年至2020年非洲猪瘟在中国大陆各个省级行政区的发病率,利用全局空间自相关和局部空间自相关探究非洲猪瘟在研究时间段内的分布模式。全局空间自相关结果显示中国大陆非洲猪瘟在2018年呈集中模式,在2019年和2020年呈随机模式。局部空间自相关分析结果显示2018年非洲猪瘟在中国大陆的热点地区是黑龙江省、吉林省和辽宁省,冷点地区是湖南省、贵州省、广西壮族自治区和重庆市;2019年非洲猪瘟在中国大陆的热点地区是新疆维吾尔自治区、西藏自治区和青海省;2020年非洲猪瘟在中国大陆的热点地区是青海省和甘肃省。（2）基于2018年至2020年非洲猪瘟在中国大陆全部疫情的地理位置和各个省级行政区首例病例的地理位置,利用方向分布分析和方向测试探究研究时间段内非洲猪瘟在中国大陆的分布方向性和传播方向性。结果显示,2018年到2020年之间中国大陆非洲猪瘟分布具有明显的方向性,呈东北-西南方向;研究时间段内非洲猪瘟呈定向传播,由东北向西南方向传播。（3）基于2018年至2020年非洲猪瘟在中国大陆的发病时间、发病数和经纬度信息,利用时空聚集性分析检测非洲猪瘟在中国大陆的时空聚集区。结果显示,非洲猪瘟在中国大陆存在9个时空聚集区,前三级聚集区分别位于中国大陆的西北和西南地区,一级时空聚集区中心位于甘肃省,二级和三级时空聚集区中心位于云南省。（4）基于2018年至2020年非洲猪瘟在中国大陆各个省级行政区的发病率和贸易交通风险因素数据,通过建立结构方程模型和MaxEnt模型,分析贸易交通因素对非洲猪瘟发生的影响。结果显示非洲猪瘟在中国大陆的发生与猪肉调运需求量呈正相关关系;影响非洲猪瘟发生的重要交通风险因素是铁路密度和公路密度。（5）基于2018年至2020年非洲猪瘟疫情在中国大陆的地理位置和气候环境风险因素数据构建MaxEnt模型,探究各气候环境因素与非洲猪瘟发生的关系,并预测非洲猪瘟发生的高风险区域。模型结果显示,对非洲猪瘟发生有重要影响的前三项风险因素是人口密度、归一化植被指数和温度年范围,非洲猪瘟在中国大陆发生的高风险区域主要在华北、华东、华中和华南地区。（6）非洲猪瘟生物媒介监测预警系统以WebGIS为基础,基于B/S架构,使用JavaScript语言及多种管理软件进行构建。根据系统需求和目标设计结构,建立数据库关联各项数据,实现地图操作、生猪养殖相关单位的资料管理、非洲猪瘟传播生物媒介和疫情的数据管理及监测预警等功能,辅助制定防控措施。综上所述,本研究分析了非洲猪瘟在2018年到2020年之间在中国大陆的时空分布特征,了解了非洲猪瘟的分布模式、分布与传播方向和时空聚集区。对非洲猪瘟时空分布特征的研究有助于掌握非洲猪瘟的流行趋势,为制定防控措施提供参考资料。研究建立结构方程模型和MaxEnt模型分析了非洲猪瘟的发生与贸易交通和气候环境风险因素的关系,预测了非洲猪瘟在中国大陆的风险区域,研究结果有助于探究非洲猪瘟病因,辅助管理人员做出有效决策以阻断非洲猪瘟传播和控制疫情暴发。研究建立了非洲猪瘟生物媒介监测预警系统,以实现对非洲猪瘟生物媒介和疾病的实时监测与分析预警,辅助管理人员进行监测管理,合理分配资源及对疫情进行精准防控。
刘婷[3]（2021）在《植被覆盖与缺血性脑卒中死亡风险关联的队列研究》文中认为目的探讨植被覆盖与缺血性脑卒中死亡风险的关联性,同时探讨年龄（<60岁和≥60岁）和性别的差异,旨在评估植被覆盖对缺血性脑卒中死亡的影响,为脑卒中健康管理提供科学有效的公共卫生政策。方法本研究收集了2014—2019年山东省平邑县疾病预防控制中心慢病监测系统中的脑卒中发病、死亡信息,及其基线信息:人口学资料、居住地址编码、人口密度、空间GDP、道路密度以及步行指数等数据,采用队列研究设计,利用卫星遥感技术动态连续收集平邑县2014—2019年植被覆盖暴露测量指标（归一化差值植被指数（NDVI）、土壤调整植被指数（SAVI）、增强植被指数（EVI））的数据。应用多水平Cox比例风险模型分别计算NDVI、EVI、SAVI与缺血性脑卒中死亡的风险比（HR）和调整的风险比及其95%的置信区间（CI）,进一步按性别、年龄（<60岁和≥60岁）进行分层分析,采用限制性立方样条分别拟合NDVI、EVI、SAVI与缺血性脑卒中死亡存在的线性或非线性关系。结果1.2014—2019年,平邑县共新发缺血性脑卒中21664例,因缺血性脑卒中死亡4345例,其中缺血性脑卒中男性死亡病例数2276例,≥60岁人缺血性脑卒中死亡病例数为4031例,缺血性脑卒中患者的生存时间的中位数为60.83个月,缺血性脑卒中患者的5年的累积生存率是68.00%;2.在完全调整的模型中,Cox比例风险回归分析结果显示NDVI、EVI、SAVI的各个水平均与缺血性脑卒中的死亡相关,且在各个植被指数的Q3水平下,对缺血性脑卒中患者死亡的保护作用最强,HR值和95CI%分别为(NDVI-Q3（HR=0.610,95%CI:0.559-0.666）、EVI-Q3（HR=0.551,95%CI:0.504-0.603）、SAVI-Q3（HR=0.537,95%CI:0.494-0.584）。3.按性别和年龄分层结果表明随着NDVI、SAVI每增加0.1个单位,对女性、≥60岁的缺血性脑卒中患者的有保护作用更强,NDVI对应的HR和95CI%的分别是:女性（HR=0.930,95CI%:0.900—0.961）,≥60岁（HR=0.935,95%C:0.916-0.960）;SAVI对应的HR和95CI%的分别是:女性（HR=0.783,95%CI:751—0.817）;≥60岁（HR=0.750,95%CI:0.671-0.839）。4.累积平均的NDVI、EVI、SAVI与缺血性脑卒中死亡之间均呈现非线性的关系（P non-liner<0.001）。结论本研究发现,植被覆盖对缺血性脑卒中的死亡风险具有保护作用,且在同一植被暴露水平下SAVI表示的植被覆盖测量指标对缺血性脑卒中死亡的保护作用更强;植被覆盖对女性、年龄≥60岁的缺血性脑卒中患者死亡的保护用更强;植被覆盖与缺血性脑卒中死亡之间的关系是非线性。
洪启铸[4]（2021）在《2012-2016年福建省农村居民甲状腺癌住院服务利用与经济负担的空间分析》文中提出目的本研究以县（区）为空间单元,新型农村合作医疗（简称“新农合”）报销记录为数据建立地理信息数据库,针对2012-2016年福建省农村居民甲状腺癌住院服务利用率进行时空聚集特征研究,并探索可能影响其空间分布的风险因子。同时,评估在新农合保障下福建省农村居民甲状腺癌的经济负担;福建省农村地区甲状腺癌的经济负担的预测因子,并建立解释模型,最终为福建省甲状腺癌进行区域性防控的精准决策提供科学依据。方法1.从2025家医院获得2012年至2016年间福建省农村居民甲状腺癌住院报销记录,从福建省统计年鉴中获取2012-2016年福建省人口普查数据。2.计算住院服务利用率;使用Arc GIS软件制作福建省甲状腺癌住院服务利用率地理分布图,通过全局空间自相关Moran’s I检验住院服务利用率是否存在空间聚集性,通过局域空间自相关LISA分析揭示住院服务高需求空间聚集的所在区域;使用Sa TScan软件,利用时空扫描统计量进一步获取聚集区域所在位置、历经的时间段及聚集半径等信息。3.应用地理探测器探讨风险因子对甲状腺癌住院服务利用率空间分异的解释力,并分析因子之间的交互作用。4.使用次均住院费用、自付费比例、经济负担指数等经济指标来评价新农合保障下的甲状腺癌的经济负担。采用普通最小二乘模型来确定和评估与住院费用有关的重要因素;同时利用Arc GIS软件,制作反映经济负担时空变化的地图,应用地理加权回归（GWR）评估关键因素对次均住院费用的影响。结果1.本研究共收集25274次住院记录。福建省农村居民甲状腺癌住院服务利用率存在明显的时空异质性,主要聚集在福州市,以连江县为中心,聚集区域涉及26个县市区。2.地理探测器结果显示,影响住院率空间分异性的主要因素有空气质量指数（AQI）,陆地植被系统固碳量（以下简称固碳量）和二氧化碳碳排放量（以下简称碳排放量）,q值分别为0.481、0.161与0.155。其中,AQI与碳排放量大体上与住院率呈正相关关系,固碳量呈负相关关系。因子两两相互作用后均增强了对住院率的解释力度,AQI与固碳量相互作用后解释力最大,达到0.734。3.2012-2016年福建省农村居民甲状腺癌手术患者的次均住院费用为11671元,非手术患者的次均住院费用为4994元。随着医院等级的升高,住院费用增加。选择省级医疗机构就医的患者所产生的医疗费用高于选择县级医疗机构（手术患者2.05倍,非手术患者4.21倍）。选择省级医疗机构就医的患者自付费比例也高于县级医疗机构（手术患者3.82倍,非手术患者7.96倍）。4.甲状腺癌造成较高的次均住院费用（不同地区占人均年可支配收入的38.53%～231.57%）和较高的自付费用（不同地区占人均年可支配收入的9.86%～145.65%）。地图显示经济负担在县市上空间分布不均,大部分热点位于福建省东部地区。5.GWR的分析结果表明农村居民纯收入、低保户比例、省级医院就医比例、三甲医院就医比例在不同地区对住院费用影响不同但均为正向影响。结论福建省农村居民甲状腺癌住院服务利用率存在明显的空间异质性,主要聚集区以福州市连江县为中心,涵盖周边26个县区。建议有关部门因地制宜,合理分配医疗资源,缓解医疗卫生服务高需求地区比如连江县等地区的就医压力。甲状腺癌经济负担较重的区域主要集中在省会城市福州市附近区域以及每个市的中心地区,以沿海城市为主,呈现经济负担沿海高于内陆的趋势。公共卫生有关部门和政策决定者应该针对热点地区如连江县、长乐市等地制定相应的政策以降低经济负担,扩大高水平医疗的可及性。
李皓晨[5]（2021）在《基于贝叶斯网络的肾综合征出血热发病率预测模型研究》文中指出目的:肾综合征出血热（Hemorrhagic Fever with Renal Syndrome,HFRS）是一种由汉坦病毒引起的,以鼠类为主要传染源的自然疫源性疾病。利用贝叶斯网络研究葫芦岛市HFRS发病的影响因素并构建发病率预测模型,探讨该模型在预测分析HFRS发病情况的应用及其适用性,为传染病相关领域的研究提供方法学参考。研究方法:收集整理辽宁省葫芦岛市2008年1月-2018年10月HFRS监测点的发病、宿主、气象及经济相关数据,建立月别数据库。利用标准网络模型Asia网络生成不同样本量的仿真数据,分别采用fast-IAMB、禁忌搜索和MMHC三种算法构建贝叶斯网络,从反向边、丢失边、多余边、BIC评分等方面评价不同算法在构建Asia网络上的优劣。选择三种方法中的最优算法构建葫芦岛市HFRS发病率预测的贝叶斯网络结构图,采用最大似然估计进行贝叶斯网络参数学习,利用混淆矩阵验证贝叶斯网络模型的预测效果,最后运用Netica软件实现贝叶斯网络可视化的因果推理和诊断推理。结果:1、利用Asia网络随机生成了包含50、100、200、500、1000条样本量的仿真数据集用fast-IAMB、禁忌搜索和MMHC三种方法分别训练了贝叶斯网络。发现fast-IAMB算法对小样本数据构建的网络图是无向的,随着数据样本量的增加,三种算法发现正确的有向边的数量增多,fast-IAMB算法发现正确的边从0条增至4条,禁忌搜索算法发现正确的边从3条增至7条,MMHC算法发现正确的边从3条增至5条;对于不同样本量的数据集禁忌搜索算法构建的网络分数分别为-117.726、-228.182、-469.178、-1106.198、-2252.465,MMHC 算法构建的网络分数分别为-134.596、-248.954、-480.831、-1183.751、-2307.946,在样本量相同时,无论数量的多少,禁忌搜索算法比MMHC算法发现的边更多,BIC得分更高。2、考虑鼠密度因素的Spearman相关性分析结果表明:葫芦岛市HFRS发病率与鼠密度、当月的平均风速和日照时数、滞后1个月的平均最高气温、相对湿度和归一化植被指数、滞后2个月的平均气温、平均最低气温、平均气压和降水量在0.01水平上相关,相关系数分别为 0.568、0.716、0.336、-0.699、-0.670、-0.721、-0.756、-0.775、0.705、-0.677。不考虑鼠密度因素的Spearman相关性分析结果表明:葫芦岛市HFRS发病率与当月的平均风速、滞后1个月的相对湿度、滞后2个月的平均气温、平均最高气温、平均最低气温、归一化植被指数、滞后3个月的平均气压和降水量在0.01水平上相关,但与日照时数无关,相关系数分别为0.474、-0.502、-0.598、-0.523、-0.637、-0.570、0.562、-0.538。3、采用禁忌搜索算法构建的贝叶斯网络模型结果显示:当考虑宿主因素时,HFRS发病与鼠密度、降水量、平均最低气温和地区生产总值直接相关,与日照时数无关;当不考虑宿主因素时,HFRS发病与平均最低气温、相对湿度、平均风速和地区生产总值直接相关,与日照时数和降水量无关,其他因素之间不相互独立,从而间接影响HFRS的发病。4、利用混淆矩阵对HFRS发病率进行预测时,考虑宿主因素建立的贝叶斯网络模型的预测准确率为88.24%（30/34）,精确率为92.86%（13/14）,灵敏度为81.25%（13/16）,受试者工作特征曲线下面积为0.878（95%可信区间:0.766-0.991）;未考虑宿主因素建立的贝叶斯网络模型的预测准确率为92.31%（36/39）,精确率为88.89%（16/18）,灵敏度为94.12%（16/17）,受试者工作特征曲线下面积为0.925（95%可信区间:0.841-1.000）。结论:1、利用禁忌搜索算法构建的贝叶斯网络模型对葫芦岛市HFRS发病率预测的准确率、灵敏度、特异度均较高,结果可靠,该贝叶斯网络对辽宁省葫芦岛市HFRS的发病率预测具备可行性和适用性,可作为建立HFRS预警系统的重要科学依据。2、贝叶斯网络可以将HFRS与气象因素、宿主因素和经济因素之间错综复杂的关系以一种网络的形式直观地表达出来,从而简单、清楚地发现事物之间的内在联系,对HFRS发病的预测具有重要的应用价值,为HFRS的防控策略的完善提供参考依据。
苗东[6]（2020）在《发热伴血小板减少综合征动态分布及传播风险预测研究》文中研究表明背景:发热伴血小板减少综合征（Severe fever with thrombocytopenia syndrome,SFTS）是一种由新型布尼亚病毒（Severe fever with thrombocytopenia syndrome virus,SFTSV）通过血液感染的新发传染病,蜱传人是人感染SFTSV的主要途径。2010年5月,国家疾病预防控制中心于学杰教授从病人血清中分离出一种新病毒,确定为布尼亚病毒科白蛉病毒属（现为布尼亚病毒目白纤病毒科白蛉病毒属）的新型布尼亚病毒,命名为发热伴血小板减少综合征布尼亚病毒。SFTS作为一种新兴蜱媒传染病近些年于东亚广泛传播,该病于2009年首次出现在中国,韩国和日本均于2013年报告了各自国家的首例病例,根据回顾性病例调查韩国可追溯到2010年。SFTS的主要发病地区集中在中国、日本、韩国等国家,近期越南也有回顾性病例报道,台湾从反刍动物和蜱虫体内检测到SFTSV的RNA和抗体。在我国该病主要分布在河南、安徽、湖北、辽宁、山东、浙江、江苏等地,韩国全境均为流行地区,日本主要分布在南部地区尤其是沿海地带。在住院患者中该病死亡率在12%至50%之间,这一现象引起了国内社会的恐慌,已成为我国乃至全球的严重公共卫生安全问题。从中国、日本、韩国等国家相关疾病预防控制部门的门户网站以及全球SFTS病例文献调查中获取信息,可以得知截止到2018年12月31日,全球共有13,259例SFTS病例（含实验室确诊病例和疑似病例）被报道,中国、日本和韩国受SFTS影响的省级行政区分别为25个、23个和17个。中国病例分布具有高度的空间聚集性,其中河南、山东、湖北、安徽四省辖区的215个县区共上报了确诊病例6658例,占据了全国确诊病例的86.23%,日本、韩国的报告病例（含实验室确诊病例和疑似病例）分别为396例和866例。气候温湿、植被丰富的中低海拔山区、丘陵地带为促使该病病例出现的环境危险因素。SFTS发病时间具有明显的季节性,每年的3月份受感染病例数量快速上升,5-7月为高峰期,此后病例可以一直延续出现到11月份。在时间上该病发病时间分布与蜱的活跃时间吻合,这一点同其他蜱传自然疫源性疾病相同,研究证实长角血蜱（Haemaphysalis longicornis,H.longicornis）是SFTSV的主要传播媒介。发热伴血小板减少综合征（SFTS）作为一种新发传染病,国内外虽然对其在流行病学特征、病原学特征及临床特征上已取得一定的调查研究,但仍存在研究地域局限、时间跨度不够大、纳入研究因素类型少等短板,流行病学特征中的时空分布特征尚需进一步完善,相关生态环境因素的区域差异性仍缺乏较为细致的研究。因此,综合运用空间流行病学等多学科理论、方法和技术手段,开展针对新发传染病SFTS重点疫区病例及主要传播媒介的相关研究,有利于持续性掌握该病在全世界的时空流行特征、相关环境影响因素和潜在风险区,对于全球实行因地制宜、分类指导的防控策略具有重要意义。目的及内容:（1）获取2010年-2018年全国SFTS实验室确诊病例信息并构建病例数据库,建立我国生态环境因素数据库,结合现代空间信息技术,进一步了解完善SFTS的时空分布特征及其流行变化趋势,明确该病近八年在我国传播流行的热点区域并阐明与之相关联的景观结构特征,定量评估SFTS在中国大陆的流行传播风险,这项研究的目的不仅是弥补SFTS流行病学和生态学等方面的知识空白,而且还提供了一种SFTS传播风险评估方法,作为疾病监测计划和改进的基础。（2）针对SFTS的重要传播媒介长角血蜱,构建全球长角血蜱记录地区空间数据库,利用最大熵生态位模型分析预测全球长角血蜱的适宜生存地区,为选择长角血蜱的重点监测区域提供数据支持,同时为以长角血蜱作为主要传播媒介的流行病传染病防控提供媒介空间分布依据。（3）获取2010年-2018年全球SFTS报告病例信息（含实验室确诊病例和疑似病例）并构建病例数据库,建立全球生态环境因素数据库,明确全球SFTS的时空分布特征及其流行变化趋势。建立全球SFTS传播风险增强回归树模型（Boosted regression tree,BRT）,探究影响SFTS在全世界传播流行的主要风险因素,为全世界针对性防控SFTS提供信息依据。方法:（1）收集整理全国2010-2018年SFTS实验室确诊病例数据,建立中国SFTS病例数据库,再通过空间关联使数据空间化。应用空间趋势面统计方法确定我国近九年来SFTS的时空二维高发聚集区及动态变化趋势,以此为基础分析我国重点流行区SFTS的流行病学特征;收集人口经济环境因素等数据建立生态环境因素数据库,挑选合适变量构建人群发病的统计学模型和景观模型,例如Joinpoint回归模型、生存分析中的Cox比例风险回归模型,定量评估可能与SFTS扩散相关的环境危险因素,采用广义增强回归树（Generalized boosted regression tree,GBRT）模型,进一步分析九年间气候、土地利用以及其它环境因素的变化对SFTS在我国的突然发生与持续性流行所产生的影响,构建中国大陆SFTS疾病风险预测地图。（2）通过查阅相关文献、搜集专业网站数据,形成了更全面的包含调查地点和相应时间的全球长角血蜱综合数据库,搜集全球生态气候环境数据,将数据图层分辨率统一至0.1°×0.1°（赤道附近大约11km×11km）,并将其转化为ASCⅡ格式。在Max Ent环境下构建长角血蜱生态位模型（Ecological niche model,ENM）,分析影响长角血蜱生存的环境因素,预测长角血蜱在全球的适宜生存地区。（3）收集整理全球2010年-2018年SFTS报告病例信息（含实验室确诊病例和疑似病例）,构建全球SFTS病例数据库,通过行政区划代码将其与全球数字地图进行空间关联,应用空间分析原理方法分析SFTS在全球的时空分布特征。利用R language（version 3.6.1;R Core Team 2019）,以2010年1月-2018年12月中国报告SFTS病例（含实验室确诊病例和疑似病例）的区县作为阳性点,同一时期未报告SFTS病例（含实验室确诊病例和疑似病例）的区县作为阴性点,结合海拔、生态气候、土地利用、候鸟迁徙、人口密度、家畜密度、哺乳动物丰富度等环境因素数据,在区县尺度上建立BRT模型,并外推到全世界,定量评估影响SFTS在全球传播的风险因素,根据模型输出的传播风险概率值,绘制全球SFTS传播风险预测地图。（4）涉及本研究的软件主要有Microsoft office 2019,Arc GIS 10.3,STATA 14.0,SPSS Statistics 23,Maxent 3.3.3,R language 3.6.1等软件和编程环境。结果:（1）2010-2018年九年间中国报告实验室确诊SFTS病例共计7721例,病死率为10.5%,年均发病率呈逐年上升趋势,流行区域从27个乡镇扩大到1574个乡镇,SFTS确诊患者的中位数年龄从56岁增加到64岁。确定了长白山地区、胶东半岛、泰山地区和淮阳山地区等四个不同的地理聚集区,这四个聚集区表现出了不同的流行病学特征及扩散模式,不同的聚集区受不同气象驱动因素影响,但海拔,森林、灌丛、农作物的土地利用覆盖率,是否位于候鸟栖息地附近是它们的共同驱动因素。农村地区特别是有农田和茶园覆盖的地区,60岁以上的老年人患SFTS的风险更高。通过GBRT模型预测的SFTS发病率的空间分布与实际流行区域发病率空间分布基本一致,模型还预测出了更多的适宜SFTS传播的高危风险地区,这些地区大部分尚未有病例报告且位于已观察到的高发病率地区附近。（2）通过构建生态位模型对长角血蜱全球环境适宜性进行了评估,结果显示平均曲线下面积（Area under the curve,AUC）为0.967,提示该模型具有优良的预测能力。主要环境影响因素中有十个相对贡献度（Relative contribution,RC）大于1%,分别是最热季度的累计降水量、年平均气温、人口密度、家畜密度、动物种群丰富度、从封闭至开放的草本植被覆盖率、月平均气温差、旱作农田的覆盖率、海拔、封闭性落叶型阔叶林的覆盖率。长角血蜱的环境适宜地区比已报道的区域要广阔得多,主要分布在中国中东部,与中国和朝鲜接壤的俄罗斯东南部,朝鲜半岛和日本全国、澳大利亚东部沿海地区、新西兰西南沿海和北部地区以及几个大洋洲国家/地区,值得注意的是,美国中部和东部的一系列地区非常适合长角血蜱生存繁殖,比已报道的区域要大得多。此外,南美洲东南和西南沿海地区、欧洲南部地区、非洲东南沿海地区、马达加斯加岛以及西亚北部地区也表现出较高的环境适宜性。（3）利用我国SFTS病例分布预测全球发生SFTS风险区域而建立的BRT模型AUC的估计值为0.9705,表明该模型对预测全球出现人类SFTS病例的风险概率具有优良的效能。在八个相对贡献度大于5%的影响因素中,海拔的RC值最高,约为17%,与发生SFTS的风险概率呈负相关,在平均海拔低于1000米的地区,发生SFTS的风险较高;长角血蜱的分布概率与发生SFTS的风险呈正相关;与温度相关的两个因素对发生SFTS的风险均具有二次效应,当年平均气温在5℃-15℃之间、月平均气温差在8℃-11℃之间时,发生SFTS的风险较高;与降水量有关的两个因素,即最热季度和最干燥月份的累计降水量与发生SFTS的风险呈正相关;当哺乳动物丰富度小于20种时,发生SFTS的风险较高,而大于等于20种时,哺乳动物丰富度与发生SFTS的风险呈负相关;水体覆盖率对发生SFTS的风险也具有二次效应。创建的全球SFTS风险预测地图显示了高风险区域位于中国中东部、朝鲜半岛中南部、日本南部特别是沿海地区、新西兰北部地区和南部的一小部分地区。我们还使用日本、韩国和越南三个主要受SFTS影响国家的预测数据验证了该模型,结果显示,实际受影响区域与未受影响区域存在显着性差异（P<0.001）,受影响区域预测值的中位数为0.74（inter-quartile range[IQR]:0.54-0.86）,未受影响区域预测值的中位数为0.04（IQR:0.03-0.05）。结论:本研究有效地融合现代空间信息技术和较为成熟的数学建模理论方法,开展了针对SFTS及其传播媒介的时空分布和传播风险预测研究,研究结果表明:（1）通过全国SFTS疫情信息资料详细描述了全国人感染SFTS病例的流行病学特征,确定了四个主要疫情聚集区,揭示了不同环境因素与疾病的扩散和持续性流行之间的关系,预测出更多国内适宜SFTS传播的高危风险地区,为划定重点防控区域,更有效制定防控策略提供科学依据。（2）温度、降水、人类与家畜的活动是影响长角血蜱生存繁衍的重要驱动因素,在全球除已知长角血蜱分布地区之外,我们还预测了许多额外的长角血蜱的适宜生存区,它们跨越北美洲和大洋洲两个大洲,因此在全球范围内不同的国家和地区需要因地制宜,制定与之匹配的监测计划。（3）在导致人类感染SFTS的重要风险因素中,海拔、温度、降水、长角血蜱分布概率、哺乳动物丰富度、水体的覆盖率等因素发挥的作用尤其突出,生成的全球风险预测地图确立了不同区域发生SFTS传播风险的优先次序,这为当地公共卫生部门加强对长角血蜱和SFTSV感染情况的监测提供了数据支持,有助于早发现病媒和疫情,及时进行防控。
胡小康[7]（2020）在《基于生态位模型血吸虫病传播水平的评估研究》文中提出目的:掌握血吸虫病疫情地区分布和流行趋势。使用生态位模型分析方法,探测云南省血吸虫病传播风险,并进一步评估全国血吸虫病传播水平,预测高风险区分布,为疫情监测及防控提供一定参考。方法:从2004-2017年全国血吸虫病疫情年报资料中收集流行县（市、区）基本情况和人群、耕牛查病数据,采用描述性分析方法对血吸虫病流行地区的分布、患病人数、人群血吸虫血检阳性率、耕牛血吸虫感染率等指标的动态变化趋势进行分析。以2004-2015年云南省血吸虫病疫情防治资料为主,获取以行政村为单位的血吸虫病分布存在点数据,并收集气候、地理、社会经济等13个环境变量数据。运用R3.6.1软件的biomod2程序包建立表面分布区分室模型（Surface Range Envelope,SRE）、广义线性模型（Generalized linearmodels,GLM）、广义可加模型（Generalized additive models,GAM）、多元自适应样条回归（Multivariate Adaptive Regression Splines,MARS）、广义推进模型（Generalized Boosted Models,GBM）、分类树分析（Classification Tree Analysis,CTA）、柔性判别分析（Flexible Discriminant Analysis,FDA）、人工神经网络（Artificial neural networks,ANN）、随机森林（Random Forest,RF）、最大熵（Maximum entropy,Maxent）等 1 0 种生态位模型,基于AUC值、Kappa统计量和TSS值等三个指标评价模型精度,分析环境变量重要性,选取最优模型预测云南省血吸虫病传播风险,构建生态位模型分析方法。从2004-2017年全国血吸虫病疫情年报资料和2005-2014全国血吸虫病监测点调查数据中分别获取血吸虫病县级和村级分布存在点数据集,使用生态位模型分析方法对两套数据分别拟合模型并评价比较,分析环境变量重要性,通过AUC值和TSS值筛选构建组合模型评估全国血吸虫病传播水平。结果:2004年至2017年的疫情资料描述性分析结果显示防治工作持续进展,12个流行省（直辖市、自治区）中已有上海、浙江、福建、广东、广西等5个2016年实现血吸虫病消除,四川2017年实现传播阻断,云南、江苏、湖北分别在2009年、2010年、2014年实现传播控制,安徽、江西、湖南等3个2015年实现传播控制。全国血吸虫病人数逐年下降,由2004年的84万余人减少到2017年的不足4万,累计下降超过95.54%。全国人群血检阳性率和耕牛血吸虫感染率明显降低,达到历史最低水平。云南省血吸虫病传播风险探测研究结果显示,10种生态位模型预测精度评价指标间差异具有统计学意义（AUC值,H=73.944,P<0.05;Kappa值,H=53.034,P<0.05;TSS 值,H=53.881,P<0.05）。其中 RF 模型性能最优（AUC 值 0.976±0.009、Kappa值为0.851±0.043、TSS值为0.851±0.043）,环境变量重要性排名前五位的依次是年平均降水量（AAP）、国内生产总值（GDP）、人口密度（DP）、海拔高度（EL）、牛种群密度（DBP）,累计百分比占92.01%。基于RF的生态位模型预测结果显示,传播风险区占云南省面积的5.5%,主要分布在西北部地区。其中中低风险区占4.1%,高风险区面积占1.4%,主要分布在永胜县北部、鹤庆县北部、洱源县东部和中部、大理市中部和东南部、巍山彝族回族自治县中部、弥渡县西北部以及祥云县和姚安县散在分布的局部地区。全国血吸虫病传播水平的评估研究中,基于县级数据集的10种模型结果评价指标间差异具有统计学意义（AUC值,H=63.688,P<0.05;Kappa值,H=51.161,P<0.05;TSS值,H=51.789,P<0.05）。其中RF、GBM模型的性能较优,环境变量重要性居前列的是:国内生产总值（GDP）、人口密度（DP）、气温年较差（BIO7）、年度植被指数（ANDVI）、湿润指数（IM）、年平均气温（AAT）、年平均降水量（AAP）,组合模型预测的风险区广泛分布于全国各地包括长江三角洲地区、珠江三角洲地区、鄱阳湖地区、湖北省东部、洞庭湖地区以及四川省中部、云南省中部地区,且风险区多呈现以城市为中心的聚集性分布。基于村级数据集的10种模型评价指标间差异具有统计学意义（AUC值,H=69.816,P<0.05;Kappa值,H=65.002,P<0.05;TSS 值,H=66.018,P<0.05）,以 GBM、RF、MARS、FDA、ANN这五种模型的预测性能较佳,AUC值大于0.9且TSS值在0.8以上,环境变量重要性居前列的是:年平均气温（AAT）、海拔高度（EL）、湿润指数（IM）、国内生产总值（GDP）、气温年较差（BIO7）、月平均气温日较差（BIO2）,组合模型预测的风险区主要分布在长江中下游地区及四川和云南的局部地区。最终选择基于村级数据集的组合生态位模型评估全国血吸虫病传播水平,结果显示传播风险分布区占全国面积的10.96%,其中低风险区占4.55%,中风险区占2.01%,高风险区占1.91%,很高风险区占2.48%。高风险区和很高风险区主要分布在湖北南部、湖南北部、安徽中部、江苏南部和江西北部等地区。结论:从整体来看全国血吸虫病疫情呈持续下降的趋势,目前处于历史最低水平。生态位模型可以很好的评估血吸虫病传播水平,建模结果显示云南省血吸虫病传播风险主要分布在西北部地区的部分县（市）。全国血吸虫病传播水平的评估研究中,村级数据集结果优于县级数据集结果,气候类变量在建模过程中起主要作用,组合模型结果预测血吸虫病传播风险集中在长江中下游区域。
刘博洋[8]（2020）在《中国裂谷热媒介分布、风险评估及传播模型研究》文中提出裂谷热（Rift Valley fever）是由感染裂谷热病毒所导致的一种反刍动物和人的急性、热性传染病,主要由以蚊子为主的媒介进行传播。裂谷热于1930年首次在肯尼亚裂谷地区暴发。随后在非洲范围内发生了广泛的传播,对非洲的反刍动物经济造成了巨大打击。2000年,裂谷热疫情首次到达欧亚大陆,于沙特阿拉伯和也门地区暴发,为亚洲和欧洲的疫情防控工作敲响了警钟。并且,裂谷热是一种人兽共患病,不仅威胁动物健康,同时也在时刻威胁着人类健康。我国曾于2016年收治了我国首个输入性裂谷热人类病例。裂谷热为OIE规定必须通报的动物疫病。在我国《国家中长期动物疫病防治规划（2012—2020年）》中,裂谷热被列为需要重点防范的13种外来动物疫病之一。我国反刍动物产业规模巨大,牛羊肉、乳、毛等产品均与民生、经济息息相关,反刍动物经济占我国畜牧业中相当大的比重。对于裂谷热这种外来动物疫病,我国的反刍动物群体缺乏对其的抵抗力。除易感动物群体外,媒介的存在也是发生裂谷热疫情的必要条件。有多种已被证实在裂谷热的传播中具有媒介作用的蚊子在我国有广泛分布,一旦有传染源进入我国后,可以在我国形成“传染源-传播媒介-易感动物”这样完整的传播链。根据OIE对裂谷热风险的认定标准,我国应被视为存在裂谷热潜在风险的非疫区国家。OIE建议处于这一风险等级的国家,应加强进口检测、媒介控制以及公共卫生系统工作人员对于疾病的认知,以便尽早发现和遏制疫情。潜在的裂谷热疫情传入风险,对我国的反刍动物养殖业正造成巨大威胁,一旦国内暴发疫情,我国的疫情防控工作将面临巨大挑战。在国际间交通、贸易日益频繁、紧密的今天,我国对于裂谷热的传入风险应时刻保持警惕。但目前国内对于裂谷热的潜在风险认识不足,对于其媒介生态学的了解也并不充分,难以对裂谷热开展有针对性的防控工作。本研究从虫媒传染病流行的基本环节入手,对中国裂谷热潜在媒介进行了分布预测建模、对中国裂谷热发生及传播风险进行了综合评估、并基于数学模型建立了裂谷热传播动力学模拟系统。可为我国裂谷热防控策略的制订及防控措施的开展提供新的思路和宝贵的资料。本研究的主要内容为:（1）基于2004年～2019年国际裂谷热动物疫情记录,利用空间流行病学的时空分析方法,分析了裂谷热动物疫情的时空分布特征及流行规律。方向分布分析结果显示,2004年～2019年的裂谷热动物疫情依次呈现为在非洲西北部局部地区的散发（2004～2005）、非洲东南部地区较大面积的流行（2006～2009）、非洲南部局部地区的大流行（2010～2011）以及非洲中部地区较大面积的散发（2013～2019）,分布方向均呈现为不同程度的西北-东南方向;时空扫描结果显示2004年～2019年的裂谷热动物疫情存在八个具有统计学意义的时空聚集区,前三级聚集区分别位于非洲大陆东部、南部以及东南部,覆盖了研究时段内大部分的疫情数以及发病数,同时也是历史上裂谷热的传统疫区;（2）基于国内外文献记录和GBIF数据库中的媒介分布记录,以及反映中国气候条件的当前及未来高分辨率气象因子,利用Maxent生态位模型建立了预测中国裂谷热媒介分布适宜性的生态位模型。模型揭示了六种裂谷热潜在媒介,埃及伊蚊、白纹伊蚊、刺扰伊蚊、淡色库蚊、致倦库蚊以及三带喙库蚊在中国当前的分布适宜性以及在未来气候变化下的适生区变化情况。结果显示,模型AUC值在0.801～0.992,预测效果良好,六种媒介的适宜栖息地当前分布于中国的不同地区,在未来均具有不同程度的向中国北方高纬度地区扩张的趋势;（3）基于2004年～2019年国际裂谷热动物疫情记录,以及反映疫区气候条件的高分辨率气象因子,建立Maxent生态位模型揭示了影响裂谷热疫情发生的关键气象因子,并外推至中国。结果显示,模型AUC值为0.897,预测效果良好,预测中国南方的广大地区具有与非洲裂谷热疫区相似的气候条件;并利用地理信息系统技术,结合中国反刍动物分布密度以及媒介分布综合指数,揭示了中国有利于裂谷热发生的高风险地区;基于AHP层次分析,综合评估了中国交通贸易因素（公路、铁路、水路及活畜交易市场）、宿主以及媒介分布所可能引发的裂谷热在较大的空间规模上进行传播的风险,揭示了中国有利于裂谷热传播的高风险地区。最终将发生风险与传播风险进行综合叠加,得到了中国裂谷热综合风险地图;（4）基于经典仓室模型原理,根据裂谷热的流行病学特点,应用计算机技术,建立了裂谷热传播动力学模拟系统,可对局部可能发生的裂谷热疫情的传播扩散趋势进行模拟。基于假设场景,对不采取干预措施和采取干预措施情况下的疫情发展进行了模拟,探究了包括灭蚊、免疫和扑杀在内的人工干预措施在疫情防控中的效果。结果显示,在本研究的假设场景中,采取预防性措施（预防性免疫和灭蚊）可以有效降低疫情暴发的强度,减少牲畜损失;采取紧急响应措施（紧急免疫和灭蚊）可以有效促进疫情的结束,减少牲畜损失。综上所述,本研究应用多种空间流行病学研究方法及数学建模技术,对裂谷热这种外来动物疫病进入中国这样的非疫区国家的潜在风险进行了开拓性的系统分析。预测了我国多种裂谷热潜在媒介的当前及未来适生区分布,填补了我国裂谷热媒介生态信息学知识的空白,可依据预测结果开展针对性的媒介及病原监测;根据得到的我国裂谷热综合风险地图,可对识别为具有裂谷热发生及传播风险的地区开展针对性的防控工作,为政府和防疫部门提供决策支持;通过建立的裂谷热传播动力学模拟系统,可对可能发生的裂谷热疫情的发展趋势进行预测和分析,并可对采取干预措施对于疫情防控的效果进行评价,为防控策略的制订提供科学依据。
曹丽娜[9]（2020）在《中国不同气候带肾综合征出血热的影响因素及预测模型研究》文中认为研究背景肾综合征出血热（Haemorrhagic fever with renal syndrome,HFRS）又称流行性出血热,是一种由不同种类的汉坦病毒传播给人类引起的动物源性人兽共患病。病毒对人类的主要传播途径是通过吸入或者接触受病毒污染的啮齿动物排泄物（尿液、粪便或唾液）。中国是世界上肾综合征出血热病例最多的国家,70%左右的肾综合征出血热病例是由汉坦病毒（HTNV）和汉城病毒（SEOV）引起的,部分病例发展为中、重度病例并引发严重后遗症甚至死亡。全球HFRS病死率为1%-1 5%。自上世纪八十年代以来,我国肾综合征出血热的发病呈现较为明显的季节性分布变化,由秋冬季暴发为主的姬鼠型转变为春季和秋冬季为主的双峰型混合疫区,这种变迁与病毒的基因型、优势宿主动物的种类、自然地理环境、人类生产活动和行为方式有密切关系。然而,随着我国肾综合征出血热疫区范围的扩大和疫区类型的变迁,我们仍需要不断掌握HFRS的人群流行特征、时空分布特征和趋势。HFRS的发生受多方面因素的影响:环境因素、啮齿类动物、人类与动物宿主之间的相互作用和汉坦病毒的动力学因素等。其中,气象因素可通过生态系统影响啮齿动物的生存、繁殖、分布和种群变化,间接影响HFRS的流行。在全球变暖的背景之下,媒介生物和宿主生物的适生区域有可能随之扩大,且气候变暖可能会有利于动物繁殖和活动期延长。人类的活动也受天气条件和季节变化的影响,从而改变人类与媒介生物和动物宿主之间的接触机会。另外,城市化建设背后的大规模树木砍伐、土地征用、修路建桥等会直接影响到宿主动物的数量和分布,可能会造成局部媒介生物和宿主动物密度增大,引起疾病的暴发。当今社会经济发展伴随的流动人口不断增多、物流的发达和城市人口密度的增加,也会导致传染病暴发流行风险上升。气候变化与不同地理景观及生态系统相互作用,导致在各个气候带内温度等分布的异质性,对HFRS的影响也有所不同。尽管目前已经有大量的研究量化分析了气象因素与HFRS的关联,但是这些研究大都是基于某个城市/省份的部分地区,且少有气象因素对HFRS交互作用的研究。所以本研究在纳入社会因素、地理因素和生态因素的同时,系统探讨了我国各气候带气象因素对HFRS的影响,以及气象因素对HFRS的交互作用和边际效应。随着人们健康需求的日益提高,疾病预测作为疾病防控的重要手段也得到重视和发展。传染病的影响因素众多,相互之间关系复杂,模型预测的准确性是疾病预测极其重要的一个方面。随着信息技术的发展和大数据时代的到来,机器学习作为新兴的分析方法得到了迅速发展和广泛应用,如何利用大数据对传染病疫情进行预测预警已成为疾病防控领域的研究热点。为了探索机器学习在肾综合征出血热预测的实用性,为HFRS的预测提供新思路,本研究以我国各气候带HFRS病例为研究对象,通过构建随机森林回归预测模型,并与传统的预测模型进行比较,对各气候带的拟合和预测效果评价。研究目的1.应用空间流行病学分析方法,分析2006-2016年全国HFRS病例的流行特征和时空分布动态变化。2.纳入气象因素、社会因素和地理环境等相关指标,对我国各气候带HFRS流行的影响因素进行探讨。3.构建针对不同气候带的HFRS预测模型,为精准预测HFRS的流行提供可行工具。研究方法收集整理我国2006-2016年的肾综合征出血热的疫情监测数据、2005-2016年全国气象监测站点的气象数据、2006-2016年全国植被覆盖和海拔栅格数据,与中国地级市行政区划数字地图建立空间关联,建立肾综合征出血热流行的地理信息数据库,综合应用空间流行病学分析方法对全国HFRS的时空分布进行研究,应用广义估计方程对不同气候带HFRS的影响因素进行分析,利用随机森林回归模型对HFRS的发病进行预测研究。研究所采用的软件包括ArcGIS 10.2、SaTScan 9.1、Stata 16.0、R 3.4.3。研究结果1.我国2006-2016年累计报告HFRS共121,494例,年平均发病率0.89/10万。全国HFRS发病率总体略有下降趋势,年平均发病率从2006年的1.16/10万降至2016年的0.64/10万,但2012-2013年出现较为明显的短期升高。2.人群分布特征为:HFRS病例以男性为主,男女病例报告性别比为3:1;从职业分布看,病例以农民为主;发病年龄主要集中在20-40、41-60岁之间,分别占发病病例数的33.08%和46.04%。死亡病例年龄集中在41-60岁之间,占死亡病例的53.83%。3.对2006-2016年期间全国HFRS累计病例报告数分省份进行HFRS病例发病至确诊时间间隔分析,结（?）国范围内HFRS病例发病至确诊的平均时间为7.6天。黑龙江省、吉林省、河北省（?）陕西省的HFRS病例发病至确诊时间间隔最短,平均为5天,辽宁省和山东省该时间间隔平均为6天,浙江省、江西省和湖北省为8天,广东省为10天,其他省份该平均（?）间间隔为9天。4.全国HFRS的病例分布具有空间相关性,即HPRS疾病分布具有空间聚集性特征。对2006年1月至2016年12月肾综合性出血热发病数的地市级水平进行逐月时空扫描,结果显示共有13个聚集区。尽管不同年份HFRS发病热点区域有所不同,但热点区域主要分布于东北三省、山东省、陕西省、浙江省、江西省和湖北省。5.HFRS发病具有明显的季节性特征,其季节性特征在我国不同地区存在着一定的差异。中温带地区秋季高峰明显,暖温带地区秋冬季和春季均有高峰,亚热带地区呈现冬季和春季高峰。就发病趋势而言,2006-2009年期间,中温带地区HFRS发病人数高于暖温带和亚热带,自2009年起,暖温带发病数上升明显且超过中温带,至2013年上升至最高峰后急剧下降呈稳定趋势。中温带地区发病数从2006年至2016年呈缓慢下降趋势。6.调整降水量、相对湿度、季节性和长期趋势的影响,得到中国不同气候带的月平均气温与HFRS发病的最大相关系数。中温带地区的气温在滞后1个月（r=-0.032）时对HFRS发病数影响最大,暖温带地区和亚热带地区气温的最佳滞后期分别为滞后2个月（r=-0.057）、3个月（r=0.018）。7.中温带地区的平均温度和降水量之间存在1个月滞后交互作用。在暖温带地区,平均温度和相对湿度之间存在2个月滞后的交互作用。8.中温带地区气温、相对湿度、海拔、人均耕地面积、GDP与HFRS发病之间的关联有统计学意义,其中气温、相对湿度、海拔、GDP是保护因素,人均耕地面积是危险因素。暖温带地区气温、相对湿度、海拔与HFRS发病有统计学意义,其中气温、海拔是保护因素,相对湿度是危险因素。亚热带地区对HFRS发病具有统计学意义的影响因素是降水、海拔和GDP,其中降水是危险因素,海拔、GDP是保护因素。9.分别利用植被覆盖指数与气象指标（温度、湿度和降水量）所构建的随机森林回归预测模型在各气候带内的预测效果近似;各气候带之间拟合效果表现为从北方到南方拟合效果越来越好,且随机森林模型的RMSE均小于广义估计方程。随机森林回归模型对于中温带地区发病率的估计偏高,对暖温带和亚热带地区的估计值比较接近于真实值。广义估计方程回归模型对中温带、暖温带和亚热带地区的HFRS发病率的预测值普遍低于真实值。结论1.2006-2016年期间我国肾综合征出血热的发病总体呈下降的趋势。病例以男性为主,发病高峰年龄段为20-60岁之间,患者职业以农民为主。空间分析显示,HFRS病例的空间分布具有显着的相关性且高发省份存在时空聚集区。2.北方高发省份的HFRS病例发病至确诊时间间隔较短,而南方省份的HFRS病例发病至确诊时间间隔普遍比北方省份长,该时间间隔与确诊病例的数量呈正相关。3.不同气候带的发病趋势变化存在明显差异。2006-2009年期间,中温带地区HFRS发病人数高于暖温带和亚热带,自2009年起,暖温带发病数上升明显且超过中温带成为发病数最多的气候带。4.从我国北部地区到南方,三个气候带气温的最佳滞后期分别为1个月、2个月和3个月。最佳滞后时间的确定可以为HFRS发生的早期预警提供线索。5.中温带地区温度与降水对HFRS存在交互作用,气候寒冷、降水量增大可能增加中温带地区HFRS的发病风险。暖温带地区温度与相对湿度对HFRS的影响存在交互作用,高温高湿的环境可能增加暖温带地区HFRS的发病风险。6.中温带和亚热带GDP高的地区HFRS发病风险较低;中温带、暖温带和亚热带均发现海拔低的地区HFRS发病风险较高;中温带地区人均耕地面积大可能增高HFRS的发病风险。农村仍然是HFRS的高发地区。7.随机森林模型在各气候带HFRS预测准确性上均优于广义估计方程。植被覆盖指数可替代气象指标（温度、湿度和降水量）用于HFRS的预测。意义和创新1.本研究的设计、分析比较及模型构建皆基于中国不同气候带,设计系统、理念新颖。2.本研究发现,从我国北部地区到南方,中温带、暖温带、亚热带地区气温的最佳滞后期分别为1个月、2个月和3个月。中温带地区的气温和降水存在交互作用,暖温带地区气温和相对湿度存在交互作用,此结果目前未见报道。3.本研究分别利用植被覆盖指数和主要气象指标（气温、湿度和降水量）构建肾综合征出血热的预测模型,结果显示,利用植被覆盖指数所构建的预测模型与利用上述气象指标所构建的预测模型在各气候带内拟合效果近似;各气候带之间拟合效果表现为从北方到南方拟合效果越来越好的现象,此结果目前未见报道。
郭庭鸿[10]（2018）在《面向公众健康的高密度城市小型公园绿地研究》文中研究指明近几十年,大量研究证实了包括城市公园绿地在内多数类型自然环境的健康促进作用,并从先天偏好或后天习得等不同角度对此进行了解释。由此,面对日益显现和复杂化的公众健康问题,“基于自然环境的公众健康干预”成为一种可能。然而,在不可逆的城市化尤其是城市高密度化趋势下,其面临由城市人口和灰色用地持续致密带来的人多地少的刚性约束。在此情况下,为提升应用实践的效率,研究焦点有必要从过去注重结果的“自然是否影响健康”转向注重过程的“自然如何影响健康”。以此为研究背景,本文在分析高密度城市公园绿地小型化发展趋势和述评研究所涉核心议题“自然-健康”研究现状基础上,以“自然如何影响健康”为问题导向,从关联路径的定性分析、结合实例针对调节因素的定量研究、以及调节因素控制方法的探索等方面开展了研究。1.关联路径的定性分析表明,目前基于既往研究证据和理论建构形成的从自然环境、到中介效益、再到健康结果的“线性化”关联路径是在特定条件下才能确立的“理论”关联路径。其还不足以支持面向公众健康的应用实践,主要原因在于缺乏对能使此过程“非线性化”的调节因素及其控制方法的研究。为此,在对比理论和现实情境中自然与健康关联过程异同的基础上,借助生态系统服务原理、统计学中介-调节原理,本文尝试提出了包含7个环节的“自然与健康现实关联路径概念模型”。其中,由“自然生态系统-生态系统功能-生态系统服务-健康福祉”4个环节组成的中介过程,可被使用自然环节有关的3个不同位置的调节因素影响。据社会生态理论,调节因素可被分为需求端相关因素和供给端相关因素。该模型可为将来具有良好生态效度的研究提供理论参考,也可为本文下一步针对调节因素的实证研究提供理论依据。2.依托典型高密度城市区域小型公园绿地实例的定量研究表明:1)在高密度城市中小型公园绿地与综合公园扮演着不同的角色。相较于后者,前者更易被人们在日常生活中就近使用。但这并不意味着小型公园绿地能够完全替代综合公园等大型公园绿地。人们可能不是因为更加偏好而优先使用小型公园绿地,而是现实约束下对自然环境需求的一种“补偿行为”。2)小型公园绿地使用具有一定的健康促进作用（以情绪效价为健康指标）。小型公园绿地使用频率能解释情绪效价变化中的1.61%,使用频率每上升1个梯度,被调查者的情绪效价增加0.086梯度。虽然健康效益有限,但因此类公园绿地具备数量大、分布广、可达性强、相对易于改造等特点而拥有大量潜在使用人群以及不可忽略的健康改善潜力。因此,未来以健康为导向的城市公园绿地研究和实践有必要将其作为一个重要类别。3)即使在邻近性、可达性等方面具有天然优势,现实世界中小型公园绿地使用仍具有显着的社会分异性,表现为不同收入、教育、年龄、及家庭结构的人群在使用频率上的显着差异。其中,中低收入、中低教育、老龄及有孩人群具有相对更高的使用频率意味着在高密度城市中小型公园绿地对于改善与经济、教育和年龄相关的健康不公平具有重要意义。进一步分析表明,不同人群之间使用频率差异的主要原因不在于“使用机会”而在于“使用动机”上的不同。4)人们对小型公园绿地的主要使用动机为放松减压、享受好天气、社会交往、运动健身等。这些使用动机在不同年龄、性别或收入人群中的分布具有显着差异。进一步分析显示,使用动机的差异化可归因于不同特征人群的社会经济状况、生活方式偏好或个人原因,并且这种差异可在很大程度上解释使用频率上的差异。5)小型公园绿地环境特征对使用动机有明显的支持或限制作用。其中,有利于放松减压的环境特征为较多地被、较多灌木、地形变化、自然园路等,而特殊植被、游乐设施、集散空间、园外干扰等对此动机有一定限制作用;有利于社会交往的环境特征为硬铺园路、休憩设施、游乐设施;限制这一动机的环境特征为较多灌木和地形变化。此外,在小型公园绿地中,一些环境特征不能同时支持多种动机,如灌木围合空间支持放松减压的同时阻碍社会交往。3.调节因素控制方法的探索表明,结合了可供性模型的由“探寻证据—运用证据—总结证据”3个阶段组成的循证设计方法可用于处理小型公园绿地供给与需求之间的复杂关系并可提升该过程的有效性。
二、植被指数及其在流行病学领域的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、植被指数及其在流行病学领域的应用（论文提纲范文）
（1）中国与湄公河地区血吸虫病及肝吸虫病传播风险预测研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 常用缩写词中英文对照表 |
| 前言 |
| 1 研究背景 |
| 2 研究目的 |
| 3 研究内容 |
| 4 研究路线 |
| 参考文献 |
| 第一部分 两种血吸虫病的传播特征与风险预测研究 |
| 第一章 日本血吸虫中间宿主钉螺在长江流域分布的预测研究 |
| 引言 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 参考文献 |
| 第二章 日本血吸虫病在长江流域的传播特征与风险预测研究 |
| 引言 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 参考文献 |
| 第三章 湄公血吸虫病在湄公河流域的传播特征与风险预测研究 |
| 引言 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 参考文献 |
| 第一部分 小结 |
| 第二部分 两种肝吸虫病的传播特征与风险预测研究 |
| 第四章 大湄公河次流域华支睾吸虫病的传播特征与风险预测研究 |
| 引言 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 参考文献 |
| 第五章 湄公河流域麝猫后睾吸虫病的传播特征与风险预测研究 |
| 引言 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 参考文献 |
| 第六章 华支睾吸虫病与麝猫后睾吸虫病间分布隔离的地理因素分析研究 |
| 引言 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 参考文献 |
| 第二部分 小结 |
| 第三部分 钉螺和麝猫后睾吸虫病监测调查的空间距离重采样效应研究 |
| 引言 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 参考文献 |
| 研究总结 |
| 附录 |
| 致谢 |
（2）中国大陆非洲猪瘟时空流行特征及传播风险研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 前言 |
| 1.1 非洲猪瘟概述 |
| 1.1.1 非洲猪瘟的病原体 |
| 1.1.2 非洲猪瘟的易感动物 |
| 1.1.3 非洲猪瘟的传播途径 |
| 1.1.4 非洲猪瘟的临床症状 |
| 1.1.5 非洲猪瘟的诊断 |
| 1.1.6 非洲猪瘟的流行 |
| 1.1.7 非洲猪瘟的影响及防控措施 |
| 1.2 空间流行病学在传染病领域的应用 |
| 1.2.1 空间流行病学的原理及发展 |
| 1.2.2 空间流行病学领域的研究方法 |
| 1.3 监测预警系统的发展 |
| 1.4 研究目的与意义 |
| 1.5 研究内容与技术路线 |
| 2 中国大陆非洲猪瘟的空间分布特征 |
| 2.1 全局空间自相关分析 |
| 2.1.1 数据收集与处理 |
| 2.1.2 分析原理和方法 |
| 2.1.3 结果 |
| 2.2 局部空间自相关分析 |
| 2.2.1 数据收集与处理 |
| 2.2.2 分析原理和方法 |
| 2.2.3 结果 |
| 2.3 方向分布分析 |
| 2.3.1 数据收集与处理 |
| 2.3.2 分析原理和方法 |
| 2.3.3 结果 |
| 2.4 小结 |
| 3 中国大陆非洲猪瘟的时空格局特征 |
| 3.1 时空聚集性分析 |
| 3.1.1 数据收集与处理 |
| 3.1.2 分析原理和方法 |
| 3.1.3 结果 |
| 3.2 方向测试 |
| 3.2.1 数据收集与处理 |
| 3.2.2 分析原理和方法 |
| 3.2.3 结果 |
| 3.3 小结 |
| 4 中国大陆非洲猪瘟贸易交通风险因素分析 |
| 4.1 中国大陆非洲猪瘟与贸易因素的关系 |
| 4.1.1 数据收集与处理 |
| 4.1.2 分析原理和方法 |
| 4.1.3 结果 |
| 4.2 中国大陆非洲猪瘟与交通因素的关系 |
| 4.2.1 数据收集与处理 |
| 4.2.2 分析原理和方法 |
| 4.2.3 结果 |
| 4.3 小结 |
| 5 中国大陆非洲猪瘟气候环境风险因素分析 |
| 5.1 数据收集与处理 |
| 5.2 分析原理和方法 |
| 5.3 结果 |
| 5.3.1 模型变量及预测结果 |
| 5.3.2 变量的重要性及贡献度 |
| 5.3.3 MaxEnt模型中各变量的响应曲线 |
| 5.3.4 非洲猪瘟发病的风险地图 |
| 5.4 小结 |
| 6 中国大陆非洲猪瘟生物媒介风险因素监测预警 |
| 6.1 系统需求分析 |
| 6.1.1 系统需求概述 |
| 6.1.2 系统建设目标 |
| 6.1.3 用户角色分析 |
| 6.1.4 系统建设可行性分析 |
| 6.2 系统总体设计 |
| 6.2.1 设计原则 |
| 6.2.2 结构设计 |
| 6.2.3 功能设计 |
| 6.3 系统数据库 |
| 6.3.1 空间数据库 |
| 6.3.2 属性数据库 |
| 6.4 系统功能实现 |
| 6.4.1 系统主界面 |
| 6.4.2 地图操作 |
| 6.4.3 数据处理 |
| 6.4.4 决策辅助 |
| 6.4.5 用户管理 |
| 6.5 小结 |
| 7 讨论 |
| 7.1 中国大陆非洲猪瘟时空分布特征分析 |
| 7.2 中国大陆非洲猪瘟贸易交通风险因素分析 |
| 7.3 中国大陆非洲猪瘟气候环境风险因素分析 |
| 7.4 中国大陆非洲猪瘟生物媒介风险因素监测预警 |
| 8 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的学术论文 |
（3）植被覆盖与缺血性脑卒中死亡风险关联的队列研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1.前言 |
| 2.方法 |
| 2.1 研究设计 |
| 2.2 研究现场 |
| 2.3 研究对象 |
| 2.4 随访 |
| 2.5 研究变量的定义及收集 |
| 2.6 质量控制 |
| 2.7 统计学方法 |
| 2.8 技术路线 |
| 3.结果 |
| 3.1 研究对象的基本特征 |
| 3.2 2014—2019 年平邑县缺血性脑卒中的流行病学特征 |
| 3.3 生存分析 |
| 4.讨论 |
| 4.1 2014—2019 年平邑县缺血性脑卒中的流行病学特征 |
| 4.2 缺血性脑卒中患者的生存情况 |
| 4.3 植被覆盖与缺血性脑卒中死亡风险的关系 |
| 4.4 植被覆盖与缺血性脑卒中死亡风险之间可能潜在的机制 |
| 4.5 本研究的优点与局限性 |
| 4.6 下一步研究方向 |
| 5.结论 |
| 参考文献 |
| 致谢 |
| 附录 A 缩略词 |
| 附录 B 社会实践调查报告 |
| 附录 C 综述 植被覆盖与脑卒中关系的研究进展 |
| 参考文献 |
| 附录 D 个人简介 |
（4）2012-2016年福建省农村居民甲状腺癌住院服务利用与经济负担的空间分析（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一部分 2012-2016年福建省农村居民甲状腺癌住院率的空间分析 |
| 1 前言 |
| 2 材料和方法 |
| 3 结果 |
| 4 讨论 |
| 第二部分 2012-2016年福建省农村居民甲状腺癌住院率基于地理探测器的影响因素研究 |
| 1 前言 |
| 2 材料和方法 |
| 3 结果 |
| 4 讨论 |
| 第三部分 2012-2016年福建省农村居民甲状腺癌经济负担的空间分析 |
| 1 前言 |
| 2 材料和方法 |
| 3 结果 |
| 4 讨论 |
| 结论 |
| 参考文献 |
| 综述 地理信息系统在公共卫生中的研究进展 |
| 参考文献 |
| 致谢 |
（5）基于贝叶斯网络的肾综合征出血热发病率预测模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略语 |
| 1 前言 |
| 2 材料与方法 |
| 2.1 研究地区与数据来源 |
| 2.1.1 研究地区 |
| 2.1.2 数据来源 |
| 2.2 研究方法 |
| 2.2.1 贝叶斯网络基本理论 |
| 2.2.2 贝叶斯网络结构学习 |
| 2.2.3 贝叶斯网络参数学习 |
| 2.2.4 贝叶斯网络评估及验证 |
| 2.2.5 贝叶斯网络推理 |
| 2.2.6 Asia网络 |
| 2.2.7 贝叶斯网络学习技术路线图 |
| 3 结果 |
| 3.1 葫芦岛市肾综合征出血热疫情概况 |
| 3.2 三种算法构建Asia网络的效果评价 |
| 3.2.1 三种算法学习贝叶斯网络的对比 |
| 3.2.3 TS算法构建的贝叶斯网络 |
| 3.3 基于贝叶斯网络构建HFRS发病率预测模型 |
| 3.3.1 数据预处理 |
| 3.3.2 相关性分析 |
| 3.3.3 贝叶斯网络的构建 |
| 3.4 贝叶斯网络模型的验证 |
| 3.5 贝叶斯网络模型的推理 |
| 4 讨论 |
| 5 结论 |
| 本研究创新性的自我评价 |
| 参考文献 |
| 综述 贝叶斯网络及其在医学研究中的应用 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 个人简历 |
（6）发热伴血小板减少综合征动态分布及传播风险预测研究（论文提纲范文）
| 缩略语表 |
| 摘要 |
| Abstract |
| 前言 |
| 第一章 我国发热伴血小板减少综合征的动态分布及传播风险预测研究 |
| 1.1 研究数据 |
| 1.1.1 2010-2018年全国SFTS疫情监测病例数据 |
| 1.1.2 基础地图 |
| 1.1.3 中国人口经济环境因素专题数据 |
| 1.2 分析方法 |
| 1.2.1 我国2010-2018年SFTS病例流行病学描述分析 |
| 1.2.2 我国SFTS空间扩散分析 |
| 1.2.3 我国SFTS时间趋势和季节性分析 |
| 1.2.4 我国SFTS空间扩散影响因素分析 |
| 1.2.5 影响我国SFTS持续性流行的潜在因素分析及中国大陆SFTS风险预测 |
| 1.3 研究结果 |
| 1.3.1 我国2010-2018年SFTS病例流行病学特征 |
| 1.3.2 我国2010-2018年SFTS病例的空间聚类 |
| 1.3.3 我国2010-2018年SFTS病例的空间聚类 |
| 1.3.4 我国2010-2018年SFTS病例空间扩散模式及其驱动因素 |
| 1.3.5 GBRT模型评估环境影响因素及预测全国SFTS风险分布 |
| 1.4 讨论 |
| 第二章 全球长角血蜱的分布预测研究 |
| 2.1 研究数据 |
| 2.1.1 全球长角血蜱记录数据 |
| 2.1.2 全球基础地图数据 |
| 2.1.3 全球气候生态环境数据 |
| 2.1.4 全球人口经济环境因素等地图数据 |
| 2.2 分析方法 |
| 2.2.1 生态位模型简介 |
| 2.2.2 基于生态位模型预测全球长角血蜱的风险区域 |
| 2.3 研究结果 |
| 2.3.1 全球长角血蜱时空分布特征及环境影响因素 |
| 2.3.2 全球长角血蜱时空分布特征及环境影响因素 |
| 2.4 讨论 |
| 第三章 全球发热伴血小板减少综合征分布预测研究 |
| 3.1 研究数据 |
| 3.1.1 2010-2018年全球SFTS病例监测数据 |
| 3.1.2 全球基础地图数据 |
| 3.1.3 全球生态环境因素数据 |
| 3.1.4 全球长角血蜱分布概率数据 |
| 3.1.5 全球SFTS分布预测数据库 |
| 3.2 分析方法 |
| 3.2.1 2010-2018年全球SFTS病例流行病学描述性分析 |
| 3.2.2 基于增强回归树模型分析预测全球SFTS传播风险 |
| 3.3 研究结果 |
| 3.3.1 2010-2018年全球SFTS流行病学特征 |
| 3.3.2 人类SFTS全球潜在生态风险区域预测 |
| 3.4 讨论 |
| 第四章 结论与展望 |
| 参考文献 |
| 附录 气候生态环境指标含义 |
| 作者在学期间取得的学术成果 |
| 主要简历 |
| 致谢 |
（7）基于生态位模型血吸虫病传播水平的评估研究（论文提纲范文）
| 摘要 |
| Abstract |
| 前言 |
| 1 研究背景 |
| 1.1 血吸虫病流行现状 |
| 1.2 血吸虫病传播水平的评估相关研究 |
| 1.3 生态位模型 |
| 2 研究目的和意义 |
| 2.1 研究目的 |
| 2.2 研究意义 |
| 3 研究内容 |
| 4 技术路线 |
| 第一部分 我国血吸虫病分布特征与流行趋势研究 |
| 1 材料与方法 |
| 1.1 数据来源 |
| 1.2 分析指标 |
| 1.3 血吸虫病分布特征与流行趋势分析 |
| 2 结果 |
| 2.1 全国血吸虫病地区分布特征 |
| 2.2 全国血吸虫病人数变化趋势 |
| 2.3 全国人群血吸虫血检阳性率变化趋势 |
| 2.4 全国耕牛血吸虫感染变化趋势 |
| 3 讨论 |
| 第二部分 基于生态位模型云南省血吸虫病传播风险的探测研究 |
| 1 材料与方法 |
| 1.1 数据收集与处理 |
| 1.2 分析方法与工具 |
| 1.3 统计学分析 |
| 2 结果 |
| 2.1 不同生态位模型预测结果的比较 |
| 2.2 模型评价 |
| 2.3 环境变量重要性 |
| 2.4 云南省血吸虫病传播风险预测 |
| 3 讨论 |
| 第三部分 基于生态位模型我国血吸虫病传播水平的评估研究 |
| 1 材料与方法 |
| 1.1 数据收集与处理 |
| 1.2 研究方法与工具 |
| 1.3 统计学分析 |
| 2 结果 |
| 2.1 环境变量筛选结果 |
| 2.2 单一模型评价 |
| 2.3 环境变量重要性 |
| 2.4 组合模型结果比较 |
| 2.5 全国血吸虫病传播风险探测 |
| 3 讨论 |
| 全文总结 |
| 1 主要结论 |
| 2 特色和创新点 |
| 3 不足与展望 |
| 3.1 不足之处 |
| 3.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表文章 |
| 附件 |
（8）中国裂谷热媒介分布、风险评估及传播模型研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 1 前言 |
| 1.1 裂谷热概述 |
| 1.1.1 病原学 |
| 1.1.2 易感动物 |
| 1.1.3 传播途径 |
| 1.1.4 临床表现 |
| 1.1.5 诊断方法 |
| 1.1.6 流行历史 |
| 1.1.7 防控措施 |
| 1.2 空间流行病学在传染病领域的应用 |
| 1.3 数学模型在传染病领域的应用 |
| 1.4 研究目的与意义 |
| 2 研究内容与技术路线 |
| 3 国际裂谷热动物疫情时空分布特征分析 |
| 3.1 方向分布分析 |
| 3.1.1 数据收集与处理 |
| 3.1.2 分析原理和方法 |
| 3.1.3 结果 |
| 3.2 时空聚集性分析 |
| 3.2.1 数据收集与处理 |
| 3.2.2 分析原理和方法 |
| 3.2.3 结果 |
| 3.3 小结 |
| 4 中国裂谷热潜在媒介当前及未来分布预测 |
| 4.1 数据收集与处理 |
| 4.1.1 媒介分布数据 |
| 4.1.2 环境因子数据 |
| 4.2 Maxent生态位模型的建立 |
| 4.2.1 模型原理 |
| 4.2.2 建模方法 |
| 4.3 结果 |
| 4.3.1 埃及伊蚊生态位建模结果 |
| 4.3.2 白纹伊蚊生态位建模结果 |
| 4.3.3 刺扰伊蚊生态位建模结果 |
| 4.3.4 淡色库蚊生态位建模结果 |
| 4.3.5 致倦库蚊生态位建模结果 |
| 4.3.6 三带喙库蚊生态位建模结果 |
| 4.4 小结 |
| 5 中国裂谷热发生及传播综合风险分析 |
| 5.1 中国裂谷热发生风险分析 |
| 5.1.1 数据收集与处理 |
| 5.1.2 分析方法 |
| 5.1.3 结果 |
| 5.2 中国裂谷热传播风险分析 |
| 5.2.1 数据收集与处理 |
| 5.2.2 分析方法 |
| 5.2.3 结果 |
| 5.3 中国裂谷热综合风险分析 |
| 5.3.1 分析方法 |
| 5.3.2 结果 |
| 5.4 小结 |
| 6 裂谷热传播动力学模拟系统的设计与实现 |
| 6.1 仓室模型简介 |
| 6.2 模型设计 |
| 6.2.1 仓室模型结构 |
| 6.2.2 模型空间结构 |
| 6.2.3 常微分方程 |
| 6.2.4 干预措施 |
| 6.3 系统实现 |
| 6.3.1 系统功能界面 |
| 6.3.2 系统模拟演示 |
| 6.4 小结 |
| 7 讨论 |
| 7.1 国际裂谷热疫情时空分布特征分析 |
| 7.2 中国裂谷热潜在媒介当前及未来分布预测 |
| 7.3 中国裂谷热发生及传播综合风险分析 |
| 7.4 裂谷热传播动力学模拟系统的设计与实现 |
| 8 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的学术论文 |
（9）中国不同气候带肾综合征出血热的影响因素及预测模型研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 缩略词与符号说明 |
| 第一部分: 中国肾综合征出血热的流行特征研究 |
| 一、前言 |
| 二、材料与方法 |
| 三、结果 |
| 四、讨论 |
| 第二部分: 不同气候带肾综合征出血热的影响因素研究 |
| 一、前言 |
| 二、材料与方法 |
| 三、结果 |
| 四、讨论 |
| 第三部分: 基于随机森林回归模型对不同气候带肾综合征出血热的预测研究 |
| 一、前言 |
| 二、材料与方法 |
| 三、结果 |
| 四、讨论 |
| 结论 |
| 创新点与局限性 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 学位论文评阅及答辩情况表 |
（10）面向公众健康的高密度城市小型公园绿地研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 概念界定 |
| 1.2.1 城市自然环境、城市公园绿地、小型公园绿地 |
| 1.2.2 公众健康、心理恢复、体力活动、社会凝聚 |
| 1.2.3 自然暴露、自然体验、自然偏好 |
| 1.3 发展历程 |
| 1.4 国内外研究现状述评 |
| 1.4.1 环境心理学相关研究 |
| 1.4.2 流行病学相关研究 |
| 1.4.3 其他领域相关研究 |
| 1.4.4 国内相关研究现状 |
| 1.4.5 研究现状总结评价 |
| 1.5 主要研究内容 |
| 1.6 研究方法与技术路线 |
| 第2章 自然与健康关系理论解释综述 |
| 2.1 短期健康获益相关理论 |
| 2.1.1 注意力恢复理论 |
| 2.1.2 减压理论 |
| 2.1.3 ART与 SRT的区别及联系 |
| 2.2 长期健康获益相关理论 |
| 2.2.1 亲自然假说 |
| 2.2.2 地方感理论 |
| 2.3 本章小结 |
| 第3章 自然与健康现实关联路径概念模型构建 |
| 3.1 生态系统服务与健康 |
| 3.1.1 生态系统服务及其分类 |
| 3.1.2 生态系统服务与健康的关联过程 |
| 3.1.3 文化服务对城市居民健康的重要性 |
| 3.2 理论关联路径述评 |
| 3.2.1 理论关联路径的形成背景 |
| 3.2.2 理论关联路径的主要内容 |
| 3.2.3 理论关联路径的问题分析 |
| 3.3 现实关联路径分析及概念模型构建 |
| 3.3.1 现实关联路径分析 |
| 3.3.2 调节因素及其机制 |
| 3.3.3 现实关联路径概念模型构建 |
| 3.4 现实关联路径概念模型的应用 |
| 3.4.1 未来研究中的应用 |
| 3.4.2 本文研究中的应用 |
| 3.5 本章小结 |
| 第4章 小型公园绿地使用及其健康效益和需求端影响因素实证 |
| 4.1 区域概况及研究范围选取 |
| 4.1.1 成都市域概况 |
| 4.1.2 中心城区概况 |
| 4.1.3 研究范围选取 |
| 4.2 研究方法 |
| 4.2.1 研究对象界定 |
| 4.2.2 选样流程与样本描述 |
| 4.2.3 数据来源与分析方法 |
| 4.3 研究结果 |
| 4.3.1 被调查者特征 |
| 4.3.2 总体使用情况 |
| 4.3.3 健康效益分析 |
| 4.3.4 使用频率预测 |
| 4.3.5 使用动机预测 |
| 4.4 讨论分析 |
| 4.4.1 研究结果讨论 |
| 4.4.2 研究的局限性 |
| 4.5 本章小结 |
| 第5章 小型公园绿地使用供给端影响因素实证 |
| 5.1 研究方法 |
| 5.1.1 使用动机指标选取与数据来源 |
| 5.1.2 环境特征指标选取与数据来源 |
| 5.1.3 数据分析方法 |
| 5.2 研究结果 |
| 5.2.1 现场调查结果 |
| 5.2.2 相关分析结果 |
| 5.2.3 聚类分析结果 |
| 5.3 讨论分析 |
| 5.3.1 研究结果讨论 |
| 5.3.2 研究的局限性 |
| 5.4 本章小结 |
| 第6章 调节因素控制方法探索 |
| 6.1 现行干预策略评价及本文研究启示 |
| 6.1.1 现行干预策略评价 |
| 6.1.2 本文研究启示 |
| 6.2 可供性模型及其应用 |
| 6.2.1 环境可供性 |
| 6.2.2 可供性模型及其应用 |
| 6.3 结合可供性模型的循证设计方法 |
| 6.3.1 循证设计概要 |
| 6.3.2 证据分级技术 |
| 6.3.3 可供性模型与循证设计过程的整合 |
| 6.4 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 附录1 成都市中心区小型公园绿地调查问卷 |
| 附录2 成都市中心区小型公园绿地调查记录表 |
| 附录3 成都市中心区小型公园绿地调查流程 |
| 附录4 成都市中心区小型公园绿地使用情况统计结果 |
| 攻读博士学位期间发表的论文及科研成果 |
四、植被指数及其在流行病学领域的应用（论文参考文献）
- [1]中国与湄公河地区血吸虫病及肝吸虫病传播风险预测研究[D]. 郑金鑫. 中国疾病预防控制中心, 2021
- [2]中国大陆非洲猪瘟时空流行特征及传播风险研究[D]. 别佳. 东北农业大学, 2021
- [3]植被覆盖与缺血性脑卒中死亡风险关联的队列研究[D]. 刘婷. 蚌埠医学院, 2021(01)
- [4]2012-2016年福建省农村居民甲状腺癌住院服务利用与经济负担的空间分析[D]. 洪启铸. 福建医科大学, 2021(02)
- [5]基于贝叶斯网络的肾综合征出血热发病率预测模型研究[D]. 李皓晨. 中国医科大学, 2021(02)
- [6]发热伴血小板减少综合征动态分布及传播风险预测研究[D]. 苗东. 军事科学院, 2020(02)
- [7]基于生态位模型血吸虫病传播水平的评估研究[D]. 胡小康. 中国疾病预防控制中心, 2020(03)
- [8]中国裂谷热媒介分布、风险评估及传播模型研究[D]. 刘博洋. 东北农业大学, 2020(04)
- [9]中国不同气候带肾综合征出血热的影响因素及预测模型研究[D]. 曹丽娜. 山东大学, 2020(09)
- [10]面向公众健康的高密度城市小型公园绿地研究[D]. 郭庭鸿. 西南交通大学, 2018(03)