- 4 次围观
传统的蚊媒监测通常依赖同期数据，这使得预判未来媒介激增变得具有挑战性。为支持主动式媒介管理，本研究评估了一种多模型预测框架，该框架旨在生成埃及伊蚊（Aedes aegypti）每陷阱夜相对丰度未来1至4周的概率预测。该框架利用美国四个司法辖区、跨越多年且覆盖不同环境类型（从亚热带到温带和干旱地区）的监测数据进行了验证。我们发现，整合统计模型与机器学习模型的集成方法总体上在所有地点和各个预测时距上均表现最佳。随着预测时距从提前1周延长至提前4周，相对预测性能有所提升。最难以预测的数据主要集中在蚊虫活动较低时期，或出现在时间或幅度异常的非典型种群峰值期间。尽管要将该框架完全集成到常规媒介管理工作流程中仍是一个需要操作性调整的长期过程，但本研究推进了预测研究，并为将这些方法转化为面向公共卫生机构的实时应用奠定了基线，从而在后续层面有助于降低蚊媒传播疾病的风险。
埃及伊蚊相对丰度的短期预测以提升蚊媒控制态势感知 | bioRxiv
跳转至主要内容
首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 新结果
埃及伊蚊相对丰度的短期预测以提升蚊媒控制态势感知
Utkarsh Bhosekar， Paulo C. Ventura， Megan D. Hill， Allisandra G. Kummer， Shreeya Mhade， Jagadeesh Chitturi， Chalmers Vasquez， John-Paul Mutebi， John Townsend， Maria Litvinova， Andre B.B. Wilke， Marco Ajelli
doi： https://doi.org/10.64898/2026.07.03.736030
Utkarsh Bhosekar 1 印第安纳大学公共卫生学院流行病学与生物统计学系计算流行病学与公共卫生实验室，美国印第安纳州布卢明顿；
在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY-NC-ND 4.0 国际许可协议 提供。
返回顶部
上一篇 下一篇
发表于 2026 年 7 月 7 日。
下载 PDF 补充材料 数据/代码 电子邮件
感谢您有兴趣传播 bioRxiv 的内容。
注意：请求您的电子邮箱地址仅用于将您标识为本文的发送者。
您的电子邮箱 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或使用逗号分隔。
您将通过电子邮件发送以下内容
埃及伊蚊相对丰度的短期预测以提升蚊媒控制态势感知
邮件主题
（您的姓名）从 bioRxiv 转发了一个页面给您
邮件正文
（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动化垃圾信息提交。
分享
埃及伊蚊相对丰度的短期预测以提升蚊媒控制态势感知
Utkarsh Bhosekar， Paulo C. Ventura， Megan D. Hill， Allisandra G. Kummer， Shreeya Mhade， Jagadeesh Chitturi， Chalmers Vasquez， John-Paul Mutebi， John Townsend， Maria Litvinova， Andre B.B. Wilke， Marco Ajelli
bioRxiv 2026.07.03.736030； doi： https://doi.org/10.64898/2026.07.03.736030
分享本文： 复制
引文工具
埃及伊蚊相对丰度的短期预测以提升蚊媒控制态势感知
Utkarsh Bhosekar， Paulo C. Ventura， Megan D. Hill， Allisandra G. Kummer， Shreeya Mhade， Jagadeesh Chitturi， Chalmers Vasquez， John-Paul Mutebi， John Townsend， Maria Litvinova， Andre B.B. Wilke， Marco Ajelli
bioRxiv 2026.07.03.736030； doi： https://doi.org/10.64898/2026.07.03.736030
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.03.736030v1?rss=1
🏷️ 埃及伊蚊 相对丰度预测 集成建模 机器学习 媒介监测 蚊虫防控