基于预测混合模型的佛罗里达雪卡中毒趋势研究：环境与人为驱动因素的解析及其对公共卫生预警的意义

本文推荐一项利用小波互相干分析（wavelet cross-coherence）与计数模型框架相结合的集成建模方法，探讨佛罗里达州雪卡中毒（Ciguatera Poisoning）的发生趋势。研究识别出最优模型为零膨胀负二项（Zero-Inflated Negative Binomial, ZINB）模型，揭示最高海水温度、热带气旋频率、鱼类上岸量及人口规模等因素与中毒病例呈正相关，为区域公共卫生预警和渔业风险管理提供科学依据。

　　

Highlight

本研究利用预测性混合模型深入探讨佛罗里达州雪卡中毒的发生趋势，识别最优预测变量及其时间滞后效应，为理解这一复杂食源性疾病的动态机制提供新视角。

Methods

本研究采用多步骤流程识别1992–2020年间佛罗里达州雪卡中毒的最优预测模型。流程始于从多个公开数据源收集数据，随后进行变量预处理与转换以确保时间可比性。将报告的雪卡中毒病例与候选预测因子一同分析，包括鱼类上岸量、海水温度、降水量、热带气旋频率、季节因素和人口统计数据。

Results

通过小波互相干图（图4）确定了各预测因子（除Scamp Grouper上岸量外）的最优滞后时间。表1展示了雪卡中毒报告病例数与各参数之间的关系。图4a–4c分别显示雪卡中毒病例与红鲷鱼（Red Snapper）、琥珀鱼（Amberjack）和红石斑鱼（Red Grouper）上岸量之间的小波互相干图，提示最佳滞后时间为3个月。

Discussion

过去几十年中，佛罗里达州对雪卡中毒暴发的认知有所提升，但不准确的报告限制了我们对其动态和严重程度的理解。目前针对佛罗里达州雪卡中毒病例数及其潜在环境影响的研究仍较为有限。本研究将佛罗里达州雪卡中毒报告病例数建模为多个预测因子的响应变量，包括HotSpot指数、降水量、热带气旋数量、人口规模以及四种鱼类上岸量。

Conclusions

尽管所提出的模型在捕捉数据不同方面存在差异，但整体上对雪卡中毒病例数的预测仍较为准确，仅在某些年份出现略微低估或高估。例如在2006年，两个模型对病例的预测均表现不佳，可能因该年是研究初期，报告机制尚不稳定所致。本研究仍存在若干局限性，例如……