基于大规模手机定位数据的城市内部登革热防控模拟研究

被引:0
作者
宋晓晴
机构
[1] 武汉大学
关键词
手机定位数据; 登革热; 传染病; 疾病风险; 疾病防控; 深圳市;
D O I
暂无
年度学位
2017
学位类型
硕士
摘要
随着当今社会信息通讯技术和社交网络的迅速发展,使得获取大规模含有个体出行或活动信息的不同时空尺度的轨迹数据成为可能。近年来,利用手机定位数据、GPS数据和社交媒体数据等轨迹数据研究城市居民移动模式及城市动态成为人文科学、社会学和地理学等领域的研究热点。由于手机定位数据可以反映出手机用户的出行轨迹,结合传染病患病率地图可以揭示现有的或潜在的疾病风险,识别出传染病流行区及其人流量的主要来源地,为传染病的精准防控提供定量的指导,基于大规模手机定位数据进行传染病传播风险评估和防控模拟为传染病研究提供了新的思路。但是,目前此类研究尚处于起步阶段,在研究的空间尺度、手机数据的创新应用以及防控策略的设计与模拟上均存在较大的完善空间。针对上述挑战,本文基于大规模规则连续采样的手机定位数据对深圳市登革热传染病进行风险评估和防控研究,主要的研究内容包括以下三个:(①基于深圳市登革热本地染病病例数据,运用随机森林算法构建本地染病风险模型,评估深圳市登革热的本地染病风险,生成本地染病风险图。②结合本地染病风险图与手机定位数据构建输入性风险模型,评估深圳市登革热的输入性风险。③从前两步风险评估的结果中,识别出高本地染病风险区域和高输入性风险区域,相应地制定灭蚊和干预高危用户出行的防控策略,实验模拟,分析效果,并评估策略。本研究具体的贡献有以下三点:(1)构建了基于海量规则连续采样手机定位数据的蚊媒传染病防控研究框架。已有的蚊媒传染病防控研究中尚无基于手机定位数据的研究,而手机定位数据能够映射出居民的时空轨迹,当数以百万计的手机定位数据结合传染病病例数据时,可以揭示现有或潜在的疾病风险。本研究基于海量规则连续采样的手机定位数据构建了蚊媒传染病防控研究的框架。该框架以一种反映居民出行更为理想的数据集为研究基础,进行城市内部蚊媒传染病风险评估和防控策略模拟,提高了研究结果的可靠性,填补了以往蚊媒传染病研究中基于手机定位数据研究的空缺。该研究框架未来可以经过改进之后应用到其他传染病、其他地区的传染病防控研究中,为未来其他传染病的防控研究提供科学的指导。(2)提出了在城市内部尺度上进行高时空分辨率的登革热风险评估的方法。目前的传染病研究大多是在国家或者地区尺度上,城市内部小尺度传染病研究匮乏。限于以往传染病研究尺度和数据类型的局限性,已有的蚊媒传染病风险评估研究中的时空分辨率较低,通常是以天为时间单位、以国家或城市为空间单位。低分辨率的风险评估结果很难达到及时高效的防控效果。本研究提出了一种在城市内部尺度上进行高时空分辨率的登革热风险评估的方法。该方法以登革热蚊媒传染病为例,首次在风险评估研究中结合了大规模规则连续采样的手机定位数据,实现以小时为时间单位、手机基站的服务区域为空间单位的风险评估。其评估结果具有较高的时空分辨率,有助于提高城市内部蚊媒传染病风险评估和防控模拟结果的可靠性,并填补了以往城市内部尺度传染病研究的空缺。(3)基于轨迹的时空间角度,在城市内部尺度上设计并模拟了一套高时空分辨率的登革热干预策略。现有的传染病防控研究中鲜有有高时空分辨率的干预策略。一方面是由于以往研究通常只是映射出居民出行轨迹的空间分布,干预策略往往只是从空间角度出发。另一方面,现有研究为了简化研究进行简便的分析将大规模规则连续采样的手机定位数据聚合成粗糙的时空尺度(如:以星期为时间单位),难以制定高时空分辨率的干预策略。本研究基于居民出行的时空轨迹,从时间、空间、时空间角度上制定并模拟了一系列高时空分辨率的干预策略,以达到减小登革热输入性风险的防控效果。模拟的实验结果表明,在登革热的防控部署中干预高危用户的出行起到至关重要的作用,并大大提高了防控研究的时空分辨率,提高了防控部署的及时有效性。这为城市内部传染病的防控提供了一种新的思路及其相应的科学决策依据,该研究成果对城市内部传染病的防控具有重要的指导意义。
引用
收藏
页数:75
共 41 条
[1]
基于手机定位数据的居民职住地分布特征研究.[D].许宁.中南大学.2014, 02
[2]
Mapping intra-urban transmission risk of dengue fever with big hourly cellphone data.[J].Liang Mao;Ling Yin;Xiaoqing Song;Shujiang Mei.Acta Tropica.2016,
[3]
Precision Public Health for the Era of Precision Medicine [J].
Khoury, Muin J. ;
Iademarco, Michael F. ;
Riley, William T. .
AMERICAN JOURNAL OF PREVENTIVE MEDICINE, 2016, 50 (03) :398-401
[4]
A survey of results on mobile phone datasets analysis [J].
Blondel, Vincent D. ;
Decuyper, Adeline ;
Krings, Gautier .
EPJ DATA SCIENCE, 2015, 4 (01) :1-55
[5]
Urban Sensing Using Mobile Phone Network Data: A Survey of Research.[J].Francesco Calabrese;Laura Ferrari;Vincent D. Blondel.ACM Computing Surveys (CSUR).2014, 2
[6]
Ecobiosocial Community Intervention for Improved Aedes aegypti Control Using Water Container Covers to Prevent Dengue: Lessons Learned from Girardot Colombia [J].
Garcia-Betancourt, Tatiana ;
Gonzalez-Uribe, Catalina ;
Quintero, Juliana ;
Carrasquilla, Gabriel .
ECOHEALTH, 2014, 11 (03) :434-438
[7]
Are Call Detail Records Biased for Sampling Human Mobility? [J].
Ranjan, Gyan ;
Zang, Hui ;
Zhang, Zhi-Li ;
Bolot, Jean .
MOBILE COMPUTING AND COMMUNICATIONS REVIEW, 2012, 16 (03) :33-44
[8]
Towards Estimating Urban Population Distributions from Mobile Call Data [J].
Kang, Chaogui ;
Liu, Yu ;
Ma, Xiujun ;
Wu, Lun .
JOURNAL OF URBAN TECHNOLOGY, 2012, 19 (04) :3-21
[9]
Spatial–temporal transmission of influenza and its health risks in an urbanized area.[J].Liang Mao;Ling Bian.Computers; Environment and Urban Systems.2010, 3
[10]
A World Malaria Map: Plasmodium falciparum Endemicity in 2007 [J].
Hay, Simon I. ;
Guerra, Carlos A. ;
Gething, Peter W. ;
Patil, Anand P. ;
Tatem, Andrew J. ;
Noor, Abdisalan M. ;
Kabaria, Caroline W. ;
Manh, Bui H. ;
Elyazar, Iqbal R. F. ;
Brooker, Simon ;
Smith, David L. ;
Moyeed, Rana A. ;
Snow, Robert W. .
PLOS MEDICINE, 2009, 6 (03) :0286-0302