A real-time forecasting framework for emerging infectious diseases affecting animal populations.

چکیده اصلی

Infectious disease forecasting has become increasingly important in public health. However, forecasting tools for emergency animal diseases, particularly those offering real-time decision support when parameters governing disease dynamics are unknown, remain limited. We introduce a generalised modelling framework for near-real-time forecasting of the temporal and spatial spread of infectious livestock diseases using data from the early stages of an outbreak. We applied the framework to the 2007 equine influenza outbreak in Australia, generating forecasts at three timepoints across four regional clusters. Prediction targets included future daily case counts, outbreak size, peak timing and duration, and spatial distributions of future spread. We evaluated how well the forecasts predicted daily cases and the spatial distribution of case counts, using skill scores (a measure of probabilistic forecast accuracy) as a benchmark for future model improvements. Forecast accuracy, certainty, and skill improved after formation of the outbreak's peak, while early forecasts were more uncertain or prone to overestimation, highlighting the need for caution when interpreting pre-peak predictions, particularly when the impacts of control policies on future transmission are not adequately represented in the model. Spatial forecasts of broad, relative risk patterns were more robust than precise predictions of risk at the individual premises level or exact daily cases counts, supporting geographically targeted response strategies. Overall, this framework supports real-time decision-making in livestock disease outbreaks when applied with appropriate consideration of uncertainty, and establishes a foundation for future refinements and applications to other animal diseases.

ترجمه فارسی چکیده

پیش‌بینی بیماری‌های عفونی اهمیت فزاینده‌ای در سلامت عمومی پیدا کرده است. با این حال، ابزارهای پیش‌بینی برای بیماری‌های اضطراری حیوانی، به‌ویژه آن‌هایی که پشتیبانی تصمیم‌گیری لحظه‌ای را در زمانی که پارامترهای حاکم بر دینامیک بیماری ناشناخته هستند، ارائه می‌دهند، محدود باقی مانده‌اند. ما یک چارچوب مدل‌سازی عمومی برای پیش‌بینی نزدیک به لحظه‌ای گسترش زمانی و مکانی بیماری‌های دامی با استفاده از داده‌های از مراحل اولیه یک شیوع معرفی می‌کنیم. ما این چارچوب را بر روی شیوع آنفولانزا اسب در استرالیا در سال ۲۰۰۷ اعمال کردیم و پیش‌بینی‌ها را در سه نقطه زمانی در چهار خوشه منطقه‌ای تولید کردیم. اهداف پیش‌بینی شامل تعداد موارد روزانه آینده، اندازه شیوع، زمان و مدت اوج، و توزیع مکانی گسترش آینده بود. ما میزان پیش‌بینی‌ها را برای موارد روزانه و توزیع مکانی موارد، با استفاده از امتیازات مهارت (یک معیار دقت پیش‌بینی احتمالی) به عنوان معیار برای بهبود مدل‌های آینده ارزیابی کردیم. دقت پیش‌بینی، قطعیت و مهارت پس از تشکیل اوج شیوع بهبود یافت، در حالی که پیش‌بینی‌های اولیه بیشتر مبهم بودند یا prone to overestimation (فراتر از حد واقعی تخمین زدن) بودند، که نیاز به احتیاط را در تفسیر پیش‌بینی‌های قبل از اوج برجسته می‌کند، به‌ویژه زمانی که اثرات سیاست‌های کنترلی بر انتقال آینده در مدل به‌طور مناسب نمایان نیست. پیش‌بینی‌های مکانی الگوهای ریسک کلی و نسبی قوی‌تر از پیش‌بینی‌های دقیق ریسک در سطح ملک‌های فردی یا تعداد دقیق موارد روزانه بود، که استراتژی‌های پاسخ هدفمند جغرافیایی را پشتیبانی می‌کند. به طور کلی، این چارچوب در زمانی که با توجه مناسبی به عدم قطعیت اعمال می‌شود، پشتیبانی از تصمیم‌گیری لحظه‌ای در شیوع‌های بیماری دامی را فراهم می‌کند و پایه‌ای برای اصلاحات و کاربردهای آینده در بیماری‌های حیوانی دیگر ایجاد می‌کند.

متن کامل اصلی