构建历史交通网络数据
为每次疫情外溢事件获取同期道路和河流网络数据
扫描并数字化了1963至2019年间出版的米其林中南非和西非纸质地图,使用ArcMap进行地理配准和矢量数字化,并使用GRASS GIS进行拓扑校正。
Links between infrastructure for human movement and early Ebola outbreak trajectories
研究为生态流行病学分析,使用历史地图数据和公开疫情数据,未包含体外或动物等实验验证。
1976至2020年间18次人类埃博拉疫情外溢事件 150公里×150公里研究区域内的道路和河流网络
18次埃博拉疫情的事件年份和地点 地图出版年份与疫情年份的间隔(平均3年,最大7年) 以疫情事件为中心150公里×150公里的研究区域 道路和河流网络长度及交叉口数量 疫情前100天的病例数
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
为每次疫情外溢事件获取同期道路和河流网络数据
扫描并数字化了1963至2019年间出版的米其林中南非和西非纸质地图,使用ArcMap进行地理配准和矢量数字化,并使用GRASS GIS进行拓扑校正。
获取每次疫情前100天的总病例数、总病例数和持续时间
从公开报告和文献中收集每次埃博拉疫情的总病例数、持续时间和前100天的病例数,并绘制前100天的空间传播地图。
评估交通网络长度和交叉口数量与疫情指标之间的相关性
使用皮尔逊相关和线性回归模型分析交通网络特征与疫情指标之间的关系,并进行敏感性分析(不同研究区域大小)。
比较同一地点或邻近地点先后发生的疫情,评估本地经验对后续疫情的影响
识别出三组后续疫情(两对和一组三个),比较其总病例数、持续时间和空间传播范围与先前疫情。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 地图数字化和地理配准 | ArcMap 10.8.1 | ESRI | -- |
| 拓扑校正 | GRASS GIS 7.8.7 | -- | -- |
| 统计分析 | R Studio | -- | 2022.07.1+554 |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 交通网络数据构建 | 地图出版年份,研究区域大小,地理坐标参考系和投影 阅读提示:Methods: Data sources |
| 疫情数据收集 | 疫情事件年份、位置、总病例数、持续时间、前100天病例数 阅读提示:Table 1, Results: Outbreak measures |
| 统计分析 | 相关性分析方法,回归模型选择,研究区域尺寸敏感性分析 阅读提示:Methods: Statistical analysis |
| 后续疫情分析 | 后续疫情定义、距离阈值、识别的疫情组 阅读提示:Methods: Subsequent outbreaks |