[论文解读] Dynamics of Dengue with human and vector mobility

Murali Krishna Enduri, Shivakumar Jolad|arXiv (Cornell University)|Sep 3, 2014

Mosquito-borne diseases and control被引用 7

一句话总结

本研究使用随机元胞自动机和反应-扩散偏微分方程（PDEs）对印度阿美达巴德市登革热传播进行建模，模拟人类与病媒生物的移动行为。研究发现，人类移动虽加速了疾病传播，但通过早期产生康复个体形成屏障，反而抑制了主要流行波，导致尽管累计感染人数更高，疾病却更快消退。

ABSTRACT

Dengue is a vector borne disease transmitted to humans by {\it{Aedes Aegypti}} mosquitoes carrying Dengue virus of different serotypes. Primarily an urban epidemic, Dengue exhibits complex spatial and temporal dynamics, influenced by many biological, human and environmental factors. In this work, we study the Dengue spread for a single serotype including human mobility. We model the Dengue spreading by using PDE reaction-diffusion and stochastic Cellular Automata (CA) with human and vector dynamics and analyze the spatial and temporal spreading of the disease using parameters from field studies. Mosquito density data from Ahmedabad city serves as a proxy for climate data to our model. We predict the dynamics of Dengue incidence and compare it to the reported data on the prevalence of the disease from 2006-2012. We find that for certain infection rates, CA model closely reproduces observed peaks and intensity. We have used statistical model of human mobility with exponential step length distribution to study mobility effects on Dengue spreading within the city. We find an interesting result that although human mobility makes the infection spread faster, there is an apparent early suppression of the epidemic compared to immobile humans. The primary reason for decline is that mobility causes secondary and tertiary waves of infected individuals who recover in short time span and act as a barricade for the primary wave.

研究动机与目标

• 理解城市环境中人类与病媒生物移动下登革热传播的时空动态。
• 评估现实的人类移动模式对流行强度、时间及消退的影响。
• 将模拟结果与阿美达巴德市（2006–2012年）报告的登革热发病率数据进行对比，以验证模型。
• 研究移动对流行抑制的反直觉效应，尽管传播增加。

提出的方法

• 采用双层随机元胞自动机（CA）模型，在网格上模拟人类（SEIR）与病媒生物（SEI）种群，通过蚊虫叮咬实现疾病传播。
• 人类移动采用基于人类移动实证研究的统计指数步长分布进行建模。
• 使用反应-扩散偏微分方程（PDEs）作为参考模型，验证CA结果，整合病媒生物与人类扩散。
• 阿美达巴德市的蚊虫密度数据用作模型中气候与环境条件的代理指标。
• 模型参数通过阿美达巴德市政委员会提供的登革热发病率与病媒生物种群实地数据进行校准。
• 在不同感染率（β）与移动参数（w）下分析消退时间与感染动态，并计算统计置信区间。

实验结果

研究问题

• RQ1 在城市环境中，人类移动如何影响登革热流行病的传播时间、峰值强度与持续时间？
• RQ2 为何包含人类移动会导致疾病更早消退，尽管累计感染人数更高？
• RQ3 具有现实移动模式的随机元胞自动机模型在多大程度上能再现2006–2012年阿美达巴德市观察到的登革热发病率模式？
• RQ4 二次与三次感染波在抑制主要流行波中起到何种作用？
• RQ5 在流行抑制与康复模式方面，移动与非移动人类群体的动态有何不同？

主要发现

• 在低感染率（β = 0.15）下，CA模型能准确再现观察到的登革热发病率峰值与规模，与阿美达巴德市（2006–2012年）报告数据高度一致。
• 在较高感染率（β ≥ 0.3）下，模型能再现多重峰值，但幅度偏高，可能由于轻症或未住院病例的漏报。
• 人类移动导致感染初始传播更快，与非移动情况相比，感染人数更多。
• 尽管传播增加，移动仍因快速康复的二次与三次感染波形成屏障，导致疾病更早消退。
• 在活跃疾病状态下，移动与非移动情况下的最终感染水平（R(t_f)）的95%置信区间无重叠，表明存在统计显著差异。
• 在地方性流行状态（β ≥ 0.3）下，包含移动时的消退时间显著缩短，证实移动同时加速了感染与恢复，导致流行更早消退。