MedElevator Войти в исследования
← Поиск публикаций

DOI 10.1186/s40249-019-0533-9

Медицинская библиотека · Infectious diseases of poverty · 2019

Спатиовременные характеристики и основные факторы, влияющие на типичные эпидемии лихорадки денге в Китае.

Zheng Lan, Ren Hong-Yan, Shi Run-He, Lu Liang

СтатьяМашинный перевод · не проверен

Аннотация

БАКГРЕСС: лихорадка Денге (ДФ) является широко распространенным вирусным инфекционным заболеванием, передаваемым через комары в мире, и все более серьезные эпидемии ДФ в Китае в последние годы серьезно сказались на здоровье людей. Таким образом, для укрепления эффективных мер по предупреждению этих региональных эпидемий и борьбе с ними решающее значение имеет изучение динамики и потенциальных факторов воздействия на них в типичных регионах.

МЕТОДЫ

Для выявления потенциальных факторов, влияющих на традиционно-временную эпидемию в типичных эпидемических регионах Китая (например, Дельта реки Пёрл [ДРП] и граница Юннань и Мьянмы [БИМ]), использовалась обобщенная модель добавления присадок. С точки зрения факторов воздействия использовались экологические факторы, включая нормализованный индекс различий в растительном покрове (НДВИ), температуру, осадки и влажность в сочетании с такими социально-экономическими факторами, как плотность населения (Pop), плотность дорог, землепользование и валовой внутренний продукт.

РЕЗУЛЬТАТЫ

Эпидемии DF в ПРД и BYM характеризуются значительными пространственными колебаниями в масштабе сетки 4 км и 3 км, характеризующимися значительными пространственными объединениями в районах Гуанчжоу-Фошань, Дехонг и Сисхуангбанна. ГАМ, объединившая коэффициенты отношения поп-городских земель (ULR)-NDVI-Влажность-температура для УРД и УЛР-дорожная плотность-NDVI-коэффициенты температуры-воды-коэффициенты выпадения для BYM, успешно сработали с точки зрения общей точности, при этом значения Критерий информации Акайке составили 61 859,89 и 826,65, что объясняет общую разницу соответственно в 83,4 и 97,3%. Как уже отмечалось, социально-экономические факторы оказывают более сильное влияние на эпидемии ДФ, чем экологические факторы в исследовательской области. К числу этих факторов относятся Pop (PRD) и ULR (BYM) - социально-экономические факторы, объясняющие наибольшую вариацию региональных эпидемий, в то время как NDVI является экологическим фактором, объясняющим наибольшую вариацию в обоих регионах. Кроме того, общие факторы (ULR, NDVI и температура) в этих двух регионах оказали различное воздействие на региональные эпидемии.

ВЫВОДЫ

Фрайовременная структура ДФ в РПР и БЙМ зависит от экологических и социально-экономических факторов; социально-экономические факторы могут играть важную роль в эпидемиях ДФ в тех случаях, когда экологические факторы являются приемлемыми и различаются лишь незначительно в той или иной области. Таким образом, ресурсы, выделяемые на цели профилактики и контроля, следует в полной мере распределять с учетом пространственной структуры основных факторов воздействия, с тем чтобы лучше укрепить меры по предупреждению эпидемий и борьбе с ними.

Для цитирования: Zheng Lan, Ren Hong-Yan, Shi Run-He, Lu Liang. Spatiotemporal characteristics and primary influencing factors of typical dengue fever epidemics in China.. Infectious diseases of poverty. 2019. DOI: 10.1186/s40249-019-0533-9.
Название и аннотация на языке оригинала

Spatiotemporal characteristics and primary influencing factors of typical dengue fever epidemics in China.

BACKGROUND

Dengue fever (DF) is a common mosquito-borne viral infectious disease in the world, and increasingly severe DF epidemics in China have seriously affected people's health in recent years. Thus, investigating spatiotemporal patterns and potential influencing factors of DF epidemics in typical regions is critical to consolidate effective prevention and control measures for these regional epidemics.

METHODS

A generalized additive model (GAM) was used to identify potential contributing factors that influence spatiotemporal epidemic patterns in typical DF epidemic regions of China (e.g., the Pearl River Delta [PRD] and the Border of Yunnan and Myanmar [BYM]). In terms of influencing factors, environmental factors including the normalized difference vegetation index (NDVI), temperature, precipitation, and humidity, in conjunction with socioeconomic factors, such as population density (Pop), road density, land-use, and gross domestic product, were employed.

RESULTS

DF epidemics in the PRD and BYM exhibit prominent spatial variations at 4 km and 3 km grid scales, characterized by significant spatial clustering over the Guangzhou-Foshan, Dehong, and Xishuangbanna areas. The GAM that integrated the Pop-urban land ratio (ULR)-NDVI-humidity-temperature factors for the PRD and the ULR-Road density-NDVI-temperature-water land ratio-precipitation factors for the BYM performed well in terms of overall accuracy, with Akaike Information Criterion values of 61 859.89 and 826.65, explaining a total variance of 83.4 and 97.3%, respectively. As indicated, socioeconomic factors have a stronger influence on DF epidemics than environmental factors in the study area. Among these factors, Pop (PRD) and ULR (BYM) were the socioeconomic factors explaining the largest variance in regional epidemics, whereas NDVI was the environmental factor explaining the largest variance in both regions. In addition, the common factors (ULR, NDVI, and temperature) in these two regions exhibited different effects on regional epidemics.

CONCLUSIONS

The spatiotemporal patterns of DF in the PRD and BYM are influenced by environmental and socioeconomic factors, the socioeconomic factors may play a significant role in DF epidemics in cases where environmental factors are suitable and differ only slightly throughout an area. Thus, prevention and control resources should be fully allocated by referring to the spatial patterns of primary influencing factors to better consolidate the prevention and control measures for DF epidemics.

Предметные рубрики MeSH

Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…

История · было → стало

Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.

Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.