利用机器学习技术预测西班牙巴斯克地区入侵蚊子数量，为公共卫生助力

研究人员为预测巴斯克地区伊蚊数量，用机器学习建模，发现温度等影响大，RF 模型预测性佳。

　　在全球范围内，蚊子传播的疾病如登革热、寨卡病毒和基孔肯雅热等，正日益从热带和亚热带地区向温带地区蔓延，对公共卫生构成了重大威胁。在西班牙的巴斯克地区，随着气候条件的变化，入侵蚊子的数量不断增加，这使得当地传播这些疾病的风险也在上升。然而，在非流行地区，由于缺乏当地蚊媒疾病病例和媒介监测信息，预测蚊子数量变得极具挑战性。为了解决这一问题，来自巴斯克应用数学中心（M3A）、巴斯克农业研究与发展研究所（NEIKER）等机构的研究人员开展了相关研究，其成果发表在《Parasites & Vectors》上。

研究人员利用巴斯克地区的蚊子卵计数数据和气象数据，通过多种技术方法来探究蚊子数量与环境因素之间的关系。在数据收集方面，蚊子卵计数数据是通过在 63 个城市设置的诱卵器获取的，这些诱卵器按照欧洲疾病预防控制中心（ECDC）的指导方针进行分布，每个城市通常有两个采样区域，每个区域放置 5 个诱卵器，每 14 天进行一次采样 。气象数据则来自巴斯克气象机构（Euskalmet）的多个气象站，包括温度、降水和湿度，且被处理为每日平均值和累计值 。

在数据处理和模型构建上，研究人员先对数据进行预处理，包括统一数据间隔、处理缺失值、去除异常值等。之后，选择了广义线性模型（GLM）、季节性自回归综合移动平均模型（SARIMAX）、随机森林（RF）模型和条件推理树（CTree）模型进行研究。同时，采用了增强迪基 - 富勒（ADF）检验来判断时间序列的平稳性，并运用平均绝对误差（MAE）、均方根误差（RMSE）和决定系数（R²）等指标来评估模型性能。

研究结果显示：

1. 探索性统计分析：通过描述性统计发现，所有变量均呈偏态分布且过度离散，不符合正态分布。散点图表明气象变量和蚊子卵数量之间无明显线性关系，但斯皮尔曼相关性分析证实，卵数量与温度之间存在强单调关系，与湿度呈中等正相关，与降水量呈低负相关。此外，还确定了各气象变量的最佳滞后时间，如温度与卵数量在滞后 -1 时相关性最高，意味着温度变化对卵生产的影响有 2 周的延迟 。
2. 拟合和误差分析：在训练数据集上，RF 模型表现最佳，能解释 98% 的方差；在测试数据集上，GLM 模型表现更好。在比斯卡亚（Bizkaia），RF 模型在训练集上表现良好，但测试集上表现不佳，这可能是由于训练数据和测试数据的特征差异导致的，2023 年比斯卡亚的卵计数异常高。总体而言，RF 模型在预测蚊子数量上较为合适，SARIMAX 模型表现也不错。并且，研究人员预计 2024 年蚊子数量会低于前一年。

研究结论和讨论部分指出，环境因素尤其是温度，在预测巴斯克地区入侵伊蚊数量方面起着重要作用。尽管统计和机器学习模型在一定程度上有效，但由于气候多变和数据收集的挑战，预测仍然具有难度。持续的蚊子监测和改进预测模型对于加强公共卫生策略至关重要。该研究为非流行地区评估蚊媒疾病风险提供了有价值的见解，有助于制定更有效的预防和控制措施。不过，研究结果在不同区域的推广存在局限性，未来研究可考虑更短的时间间隔收集数据，以及优化数据集的划分方法，以提高模型性能。

这项研究利用机器学习技术，为预测非流行地区蚊子数量提供了新的思路和方法，对于预防和控制蚊媒疾病的传播具有重要意义，为公共卫生领域的决策提供了有力支持 。