[論文レビュー] Data-Driven Forecast of Dengue Outbreaks in Brazil: A Critical Assessment of Climate Conditions for Different Capitals

Lucas M. Stolerman, Pedro D. Maia+1 more|arXiv (Cornell University)|Dec 31, 2016

Mosquito-borne diseases and control参考文献 33被引用数 5

ひとこと要約

本研究では、7つのブラジル主要都市におけるデングエム病の流行を予測するデータ駆動型予測モデルを構築した。気象時系列データを用い、冬季の気温と降水量頻度が主な予測要因であることが特定された。冬季の気象パターンが6〜9か月前から特徴的であることが示され、正確な早期警戒が可能である。都市ごとの異なる気象パターンは、地域特化型の対策戦略の必要性を強調している。

ABSTRACT

Local climate conditions play a major role in the development of the mosquito population responsible for transmitting Dengue Fever. Since the {\em Aedes Aegypti} mosquito is also a primary vector for the recent Zika and Chikungunya epidemics across the Americas, a detailed monitoring of periods with favorable climate conditions for mosquito profusion may improve the timing of vector-control efforts and other urgent public health strategies. We apply dimensionality reduction techniques and machine-learning algorithms to climate time series data and analyze their connection to the occurrence of Dengue outbreaks for seven major cities in Brazil. Specifically, we have identified two key variables and a period during the annual cycle that are highly predictive of epidemic outbreaks. The key variables are the frequency of precipitation and temperature during an approximately two month window of the winter season preceding the outbreak. Thus simple climate signatures may be influencing Dengue outbreaks even months before their occurrence. Some of the more challenging datasets required usage of compressive-sensing procedures to estimate missing entries for temperature and precipitation records. Our results indicate that each Brazilian capital considered has a unique frequency of precipitation and temperature signature in the winter preceding a Dengue outbreak. Such climate contributions on vector populations are key factors in dengue dynamics which could lead to more accurate prediction models and early warning systems. Finally, we show that critical temperature and precipitation signatures may vary significantly from city to city, suggesting that the interplay between climate variables and dengue outbreaks is more complex than generally appreciated.

研究の動機と目的

• 歴史的データを用いて、ブラジル主要都市におけるデングエム病の流行を予測するための気象的条件を特定すること。
• 次元削減と気象時系列解析を活用した機械学習ベースの予測システムを開発すること。
• 気温と降水量頻度の特徴的な気象シグネチャーが、流行の数か月前までに予測可能かどうかを検証すること。
• 特に流行の直前 winter に気象変数を用いた早期警戒システムの実現可能性を評価すること。
• 都市ごとの気象-デングエム病関係を強調し、普遍的な予測ルールの仮定に疑問を呈すること。

提案手法

• 7つのブラジル主要都市の気象時系列データに対して次元削減技術を適用した。
• 機械学習アルゴリズムを用いて、流行年と非流行年の気象状態の間で分離度が高まる期間を同定した。
• 流行の前後で最も予測に寄与する2か月間の冬季ウィンドウを特定した。
• 欠損データを含む気温および降水量データの再構築に圧縮センシングを用いた。
• 歴史的気象-流行ペアを用いて予測モデルを訓練し、早期警戒シグネチャーを検出する。
• 都市間での一貫性と変動性を評価するため、結果を複数都市で検証した。

実験結果

リサーチクエスチョン

• RQ1 ブラジル主要都市におけるデングエム病の流行を予測するにあたり、どの気象変数と時間窓が最も予測的か？
• RQ2 冬季の気温と降水量頻度は、将来のデングエム病流行の信頼できる早期指標として機能するか？
• RQ3 気象-デングエム病関係は、ブラジルの異なる都市環境でどのように異なるか？
• RQ4 データ駆動型モデルは、公衆衛生対策のリードタイムをどの程度向上できるか？
• RQ5 普遍的な気象的シグネチャーが存在するのか、それとも予測パターンは都市ごとに別個にキャリブレーションが必要か？

主な発見

• デングエム病の流行を予測するにあたり、2か月間の冬季ウィンドウにおける降水量頻度と平均気温が最も予測的である気象変数である。
• 大多数の主要都市で、冬季の気象状態に基づき、6〜9か月先のデングエム病の流行を予測可能である。
• リオデジャネイロでは、冬季に週1回程度の降水量と平均気温約22°Cの条件下で、強い予測信号が得られた。
• 各主要都市が独自の気象的シグネチャーを示しており、万能型の予測モデルは効果が薄いことが示された。
• 夏季は予測価値が低く、流行年と非流行年の気象状態が質的に類似しているため。
• 圧縮センシングは欠損気象データの回復に効果的であり、記録が不完全な都市でも解析が可能になった。