Background: Acute lower respiratory infections present pronounced seasonal patterns. Meteorological factors are determinant factors for the seasonality of most viruses. Our aim is to identify the dominant meteorological factors and to model their effects on common respiratory viruses in different regions of China.Methods: We analyzed monthly respiratory virus data from 81 sentinel hospitals in 22 provinces in mainland China from 2009 to 2013. Meteorological data of the same period were collected. Geographical detector was used to quantify the explanatory power of each meteorological factor and their interaction effects on respiratory viruses.Findings: Altogether, seven viruses from 28369 hospitalized ALRI patients were tested. Overall, 10387 cases(36.6%) were positive for at least one virus, among them were RSV (32%), FLU(20.8%), PIV(17%), ADV(11.6%), hBoV(8.8%), hCoV(5%), and hMPV(4.8%). RSV and FLU had annual peak in the north and semi-annual peak in the south. PIV and hBoV had higher positive rates in spring-summer. ADV and hCoV exhibited no clear annual seasonality, hMPV had annual peak in winter-spring. Temperature, atmospheric pressure, vapor pressure and rainfall had most explanatory power on most viruses, relative humidity was only dominant for most viruses in the north. Hours of sunlight had significant explanations for RSV and FLU in the north, but for most viruses in the south. Wind speed had dominant explanatory power for hCoV. Besides, the interacted explanations of any two of the paired factors got enhanced.Conclusions: Our results described the different explanation power of different meteorological variables on different viruses in different major climate regions of China. The spatiotemporal heterogeneity of most viruses was also detected in this study. These findings may be helpful to guide government planning and facilitate the development of future vaccine strategies.


翻译:气象因素是大多数病毒季节性特征的决定因素。 我们的目标是确定主要气象因素,并模拟其对中国不同地区常见呼吸病毒的影响。 方法:我们分析了2009年至2013年中国大陆22个省81家哨兵医院的月度呼吸病毒数据。 地理探测器用于量化每个气象因素的解释力及其对呼吸病毒的交互影响。 结果 : 总计检测了28369住院的ALRI病人的7个病毒。 总体而言, 10387个病例(36.6%)对至少一种病毒呈阳性, 其中包括RSV(32%)、FLU(20.8 %)、PIV(17%)、ADV(11.6%)、hBoV(8.8%)、hCoV(5%)和hMPV(4.8%)。 RSV和FLU(4.8%)的年峰值可能出现在南方北部和半高峰。 PIV和HBOV的阳性反应率在春季更高。 ADV和HCOV最明显的南方的季节性变压性变压性反应显示, 最明显的ARV的年性变压性变压性变压结果在中国的气温变压性变压性变压性研究中, 也只是未来变变变变变变变的温度变压性变变变变后, 。

0
下载
关闭预览

相关内容

【Manning新书】现代Java实战,592页pdf
专知会员服务
99+阅读 · 2020年5月22日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
Yoshua Bengio,使算法知道“为什么”
专知会员服务
7+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
已删除
将门创投
6+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年1月12日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
已删除
将门创投
6+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员