[논문 리뷰] Data-Driven Forecast of Dengue Outbreaks in Brazil: A Critical Assessment of Climate Conditions for Different Capitals

Lucas M. Stolerman, Pedro D. Maia외 1명|arXiv (Cornell University)|2016. 12. 31.

Mosquito-borne diseases and control참고 문헌 33인용 수 5

한 줄 요약

이 연구는 기후 시계열 데이터를 사용하여 브라질 7개 주요 도시에서 데인게 열병의 데이터 기반 예측 모델을 개발하며, 겨울 기온과 강수 빈도가 주요 예측 변수로 규명되었다. 겨울 기온과 강수 빈도의 고유한 기후 서식지가 유행 발생 6~9개월 전에 나타나며, 이는 정확한 조기 경고를 가능하게 하며, 도시별 패턴이 지역 맞춤형 대응 전략의 필요성을 강조한다.

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.

연구 동기 및 목표

• 역사적 자료를 활용해 브라질 주요 도시에서 데인게 유행을 예측할 수 있는 기후 조건을 규명하기.
• 차원 감소 기법과 기후 시계열 분석을 활용한 기계 학습 기반 예측 시스템을 개발하기.
• 기온과 강수 빈도의 고유한 기후 서식지가 유행 발생 수개월 전에 예측 가능한지 확인하기.
• 특히 유행 발생 전 겨울 기간 기후 변수를 기반으로 한 조기 경고 시스템의 실현 가능성을 평가하기.
• 도시별 기후-데인게 관계의 특이성을 강조하여 보편적인 예측 규칙이라는 가정을 도전하기.

제안 방법

• 브라질 7개 주요 도시의 기후 시계열 자료에 차원 감소 기법을 적용하였다.
• 기계 학습 알고리즘을 사용해 유행성과 비유행성 기후 조건 간의 고차원 분리도가 높은 기간을 탐지하였다.
• 유행 발생 전 2개월간의 겨울 기간 동안 기온과 강수 빈도가 가장 예측력이 높다는 것을 규명하였다.
• 기록이 누락된 기온과 강수 데이터를 복원하기 위해 압축 감지 기법을 활용하였다.
• 역사적 기후-유행 쌍을 기반으로 예측 모델을 훈련시켜 조기 경고 서식지를 탐지하였다.
• 도시 간 결과를 비교 검증하여 기후-데인게 관계의 일관성과 변동성을 평가하였다.

실험 결과

연구 질문

• RQ1 브라질 주요 도시에서 데인게 유행을 예측하는 데 가장 예측력이 높은 기후 변수와 시간 창은 무엇인가?
• RQ2 겨울 기온과 강수 빈도가 향후 데인게 유행의 신뢰할 수 있는 조기 지표가 될 수 있는가?
• RQ3 브라질의 다양한 도시 환경에서 기후-데인게 관계는 어떻게 다를 수 있는가?
• RQ4 데이터 기반 모델이 공중보건 조치의 사전 대응 시간을 얼마나 개선할 수 있는가?
• RQ5 보편적인 기후 서식지가 존재하는가, 아니면 예측 패턴은 도시별 맞춤 보정이 필요한가?

주요 결과

• 데인게 유행 발생에 가장 예측력이 높은 기후 변수는 2개월간의 겨울 기간 동안의 강수 빈도와 평균 기온이다.
• 대부분의 주요 도시에서 겨울 기후 조건을 바탕으로 유행 발생을 6~9개월 전에 예측할 수 있다.
• 리우데자네이루의 경우, 겨울 동안 강수가 약 주 1회 정도 발생하고 평균 기온이 약 22°C일 때 강력한 예측 신호를 보인다.
• 각 도시는 고유한 기후 서식지를 나타내며, 이는 일괄적인 예측 모델이 효과적이지 않을 가능성이 있음을 시사한다.
• 여름 기간은 기후 조건이 유행성 연도와 비유행성 연도에서 정성적으로 유사하므로 예측 가치가 낮다.
• 압축 감지 기법이 누락된 기후 데이터를 효과적으로 복원하여 기록이 불완전한 도시에서도 분석이 가능하도록 하였다.