Synkronian ajurit

Arvioidaksemme assosiaatiota synkronisissa kuvioissa denguekuumetapausten WMF-arvojen ja lämpötilan sekä denguekuume-tapausten WMF-arvojen ja mallinnetun dengue-tuloksen välillä, suoritamme sekä Pearson- että Spearman-korrelaatiot vastaaville WMF-arvoille kiinnostavien aikaskaalojen sisällä kaikissa pisteissä. aika (pois lukien vaikutuskartio). Nämä korrelaatiot kvantifioivat WMF-parien yleisen samankaltaisuuden ja, kun ne ovat tilastollisesti merkitseviä, viittaavat siihen, että kaksi WMF:ää ovat sukua keskenään (ja siten tukevat hypoteesia, että mallit ovat synkronoituja denguekuumeen lämpötilan vaihtelukuvioiden välillä). Pearson-korrelaatioita varten muunnamme WMF-arvot neliöjuuren. Arvioimme tilastollista merkitsevyyttä tuottamalla korrelaatioiden nollajakaumia. Luomme WMF:t 1,000 denguekuumetapausten korviketietojoukoille, jotka saadaan, kuten edellä, säilyttämällä sama Fourier-spektri kuin denguekuumetapausten alkuperäinen aikasarja. Pearson- ja Spearman-korrelaatiot kunkin näistä korvaavista WMF:istä ja lämpötila-WMF:stä tai mallin lähtö-WMF:stä tuottavat nollajakaumat, joita vastaan ​​vertaamme havaittuja korrelaatioita.

Asiaankuuluvien tutkimusten mukaancistancheon yleinen yrtti, joka tunnetaan nimellä "ihmeyrtti, joka pidentää elämää". Sen pääkomponentti oncistanosidi, jolla on erilaisia ​​vaikutuksia, kutenantioksidantti, tulehdusta ehkäiseväja immuunijärjestelmän toiminnan edistäminen. Mekanismi cistanchen jaihon valkaisuunpiilee antioksidanttisessa vaikutuksessacistanche-glykosidit. Ihmisen ihossa oleva melaniini muodostuu tyrosiinin hapettumisesta, jota katalysoityrosinaasi, ja hapetusreaktio vaatii hapen osallistumista, joten kehon happivapaista radikaaleista tulee tärkeä melaniinin tuotantoon vaikuttava tekijä. Cistanche sisältää cistanosidia, joka on antioksidantti ja voi vähentää vapaiden radikaalien muodostumista kehossa, jotenestää melaniinin tuotantoa.

Napsauta Kuinka käyttää Cistanchea

Lisätietoja:

david.deng@wecistanche.com WhatApp:86 13632399501

Määrittääksemme yksityiskohtaisemmin, olivatko lämpötilan synkronisuusmallit yhdenmukaisia ​​denguekuume-tapauksissa havaittujen kanssa, laajensimme yllä olevaa menetelmää WMF:ille [51] CWMF:iden laskemiseksi. Ristiaallot kvantifioivat samankaltaisuuden 2-aikasarjan (lämpötila- ja denguekuumetapaukset) aalloketehossa kullakin asteikolla ja aikapisteellä, joten CWMF:t kvantifioivat tämän samankaltaisuuden johdonmukaisuuden eri paikoissa. CWMF:t ovat tehonormalisoitujen ristiaaltojen keskiarvo kussakin paikassa lämpötilan ja denguekuumetapausten välillä. Ristiaalto X 2-aikasarjojen välillä määritellään seuraavasti

jossa ristiaalto korjataan Veledan ja kollegoiden [67] mukaan. X:n argumentti antaa vaihekulmat aikasarjan 2-aikapisteen ja asteikon välillä. Lämpötila- ja denguekuumetapausten aikasarjat vastaavilla tehonormalisoiduilla (Eq (2)) aalloilla wm n ðs; tÞ ja wd nðs; tÞ, CWMF määritellään seuraavasti

C(s,τ) on suuri, jos vaihe-erot lämpötilan ja denguekuumeen välillä kullekin aikapisteelle ja asteikolle ovat yhdenmukaiset eri paikoissa ja jos värähtelyjen amplitudit korreloivat. Kaksi toisiinsa liittymätöntä, mutta ajallisesti ja spatiaalisesti autokorreloitua muuttujaa voivat melko helposti tuottaa kuvioita synkronisesti. Jos esimerkiksi Thaimaan lämpötilojen sijaan tuottaisimme CWMF:n käyttämällä eri paikan lämpötiloja, joilla on samanlainen ajallinen ja spatiaalinen autokorrelaatio, voisimme mahdollisesti havaita samanlaisia ​​​​malleja synkronisesti, vaikka kaksi muuttujaa eivät selvästikään liity toisiinsa. Tästä syystä testaamme merkitsevyyttä monivuotisissa aikaskaaloissa käyttämällä samaa yllä kuvattua 3-vaihelähestymistapaa, mutta tässä tuotetaan korvaavat dengue-tiedot, jotka säilyttävät paitsi aikasarjan autokorrelaatiorakenteen myös ristikorrelaatiorakenteen. eri paikoissa (eli synkronian säilyttävät korvikkeet). Teemme tämän luomalla aikasarjoja samalla Fourier-spektrillä kuin alkuperäinen aikasarja (kuten edellä), mutta lisäämällä sitten sama satunnainen tasaisesti jakautunut vaihe jokaisella taajuudella kaikissa aikasarjoissa [51]. Kuten edellä, testaamme merkitystä keskittymällä denguekuumeen ja lämpötilan välisten vaihekulmien johdonmukaisuuteen. Näitä korvaavia denguekuumetietosarjoja käyttämällä ristiaallot estimoidaan suhteessa todelliseen lämpötilatietojoukkoon, ja niitä puolestaan ​​käytetään vertailemaan käytettyjen WPMF-korvikkeiden tuottamiseen.

Vaihe-erojen ja korrelaatioiden johdonmukaisuutta lämpötilan ja denguekuumeen amplitudeissa (eli korkeammat CWMF-arvot) voidaan odottaa synkronisten jaksojen aikana, ja se viittaisi lämpötilan tärkeyteen ohjaajana. Toisaalta alhaiset CWMF-arvot voivat johtua useista syistä, joita tämä lähestymistapa ei voi erottaa toisistaan. Lämpötila saattaa myös olla denguekuumeen dynamiikan tekijä asynkronisten kausien aikana, mutta jos lämpötilan monivuotinen dynamiikka eroaisi eri paikoissa (ja siten myös denguekuume), molemmilla olisi alhainen synkronointi. Toisaalta denguekuumeen dynamiikkaa saattaa ensisijaisesti ohjata sisäinen dynamiikka, joka eri paikoissa saattaa tuottaa erilaisia ​​monivuotisia jaksollisuuksia, mikä johtaa asynkronisuuteen. Suoritimme lisäanalyysejä korjataksemme tämän ongelman ja tarjotaksemme paremman selityksen havaitsemamme asynkronialle. Käyttämällä denguekuumedatan WMF-arvoja (vain monivuotisille aikajakoille ja ilman vaikutuskartiota) määritimme pisteet aika- ja aikaskaaloissa (tästä lähtien "olosuhteet"), jotka olivat 75. prosenttipisteen yläpuolella "korkea tahdistus" ja tämän arvon alapuolella olevat pisteet. "matala tahdistus" (S15 kuva S1-liitteessä). Sitten kullekin maakunnalle laskettiin Spearman-korrelaatio denguekuume-tapausten aallokespektrien neliöamplitudien ja lämpötilan välillä erikseen korkea- ja matalasynkronisille olosuhteille, jolloin saatiin 2 korrelaatiokerrointa (r-arvoa) provinssia kohti. Jos lämpötila olisi denguekuumeen dynamiikan päätekijä sekä synkronian että asynkronian aikana, odotamme positiivisia ja ehkä samanlaisia ​​r-arvoja. Systemaattiset erot r-arvoissa korkea- ja matalasynkronisten olosuhteiden välillä viittaavat siihen, että pelissä on erilaisia ​​mekanismeja. Esimerkiksi alhainen tai ei lainkaan korrelaatioita matalan synkronoinnin olosuhteissa voidaan katsoa johtuvan sisäisen dynamiikan suuremmasta merkityksestä tai monivuotisten jaksojen puutteesta lämpötilassa, denguekuumeessa tai molemmissa. Teimme myös saman analyysin vertaamalla dengue-mallin lähdön ja dengue-datan aallokespektrejä. Tässä tapauksessa suuremmat r-arvot matalasynkronisissa olosuhteissa kuin lämpötilan ja denguekuumetietojen välillä löydetyt arvot tarkoittaisivat, että malli kaappaa joitain vaihteluita, joita lämpötila yksinään ei voi, ja viittaa siihen, että lämpötilan vaikutuksen denguekuumeeseen ja luontaiseen dynamiikkaan liittyvät epälineaarisuudet voivat näyttelemään suurempaa roolia.

Lämpötilasta riippuvainen denguekuumemalli

Malli perustuu Huberin ja kollegoiden [46] malliin, sillä erolla, että laajensimme heidän malliaan sisältämään 4 serotyyppiä tilapäisellä ristisuojauksella. Oletamme enintään 2 infektiota, joiden jälkeen yksilöistä tulee immuuneja kaikille serotyypeille. Vektorit saavat tartunnan vain kerran, minkä jälkeen ne ovat immuuneja kaikille serotyypeille. Vektoriosastot (ja siten myös lähetys) ovat täysin lämpötilariippuvaisia. Lämpötilareaktionormit ovat Huberin ja kollegoiden sekä Mordecain ja kollegoiden käyttämiä [44,46]; käytämme erityisesti Aedes aegyptiä vastaavia parametreja.

Tässä r on isännän kasvunopeus (asetettu vastaamaan noin 77 vuoden elinikää), b on hyttysten puremisnopeus, on hyttysten tarttuvuuden todennäköisyys (ihmisen tartunnan todennäköisyys tarttuvan hyttysen puremaa kohti), μ on isännän kuolleisuusaste, δ on luontainen itämisaika, η on isännän toipumisnopeus tarttuvuudesta ja ξ on ristisuojan menettämisen nopeus.

missä

ja missä l on munittujen munien määrä naaraspuolta kohti, s on munasta aikuiseen selviytymisen todennäköisyys, d on hyttysen munasta aikuiseen kehitysnopeus, ε on viruksen ulkoinen itämisaika ja δ on tartunnan todennäköisyys tarttuvan isännän puremaa kohti. Niiden riippuvuus lämpötilasta mallinnetaan Brièren tai neliöfunktion avulla [44]. Termi (l(T) s(T) d(T))/μv (T) ilmaisee hyttysen elinaikana tuotettujen eloonjääneiden jälkeläisten määrän. N ja Nv ovat isäntien ja vektorien kokonaismäärät, vastaavasti.

Hyttyspopulaation kantokyky K on välttämätön sen populaation kasvun rajoittamiseksi. Ea on aktivointienergia, joka määrittää K:n lämpötilariippuvuuden. Vaikka Huber ja kollegat [46] väittävät, että Ea=0.5, heidän verkossa toimittamassaan koodissa on Ea=0.0 5. Käytämme jälkimmäistä konservatiivisempana (vähemmän lämpötilasta riippuvaisena) vaihtoehtona (arvo {{10}},5 tuotti voimakkaasti lämpötilasta riippuvan kantokyvyn, eikä kirjallisuudessa ole juurikaan tukea kummallekaan arvolle ), vaikka tuloksemme ovat vakaat tämän oletuksen muutoksille (katso S1-liitteen kohdat "Dengue-mallia koskevia varoituksia" ja "Vakavuustestit"). Lopuksi k on Boltzmann-Arrhenius-vakio, Nv m on suurin kantokyky (rajoitettu johonkin moninkertaiseen M koko isäntäpopulaatiosta) ja T0 on vertailulämpötila, jossa kantokyky K on suurin (tässä 29 ˚C ). Huber ja kollegat [46] olettivat hyttysten M maksimisuhteeksi 2. Tässä valitsimme arvon 1,5 (eli Nv m =1:5 N; S44 kuva S1-liitteessä) siten, että Thaimaassa tyypillisesti havaittujen keskilämpötilojen R0 oli kirjallisuudessa aiemmin raportoidulla likimääräisellä alueella 2–7 [68–70]. Tuloksemme eivät muutu kvalitatiivisesti M=1:n kanssa (katso S1-liitteen osio "Kestävyystestit"). Otimme jatkuvasti käyttöön pienen määrän tartunnan saaneita hyttysiä, κ, lieventääksemme tilanteita, joissa populaatioiden koko pieneni hyvin pieneen määrään. Käytimme arvoa κ=1*10–5 / päivä/serotyyppi. Katso S1-liitteen osio "Dengue-mallia koskevia varoituksia" keskustellaksesi joistakin tämän mallin oletuksista.

Tuki informaatio

S1 Liite. Huomautuksia ja yksityiskohtia käytetyistä menetelmistä, robustisuustestejä, joissa käytetään erilaisia ​​malliparametrien formulaatioita, tuloksia, joissa käytetään erilaisia ​​lähestymistapoja synkronoinnin kvantifiointiin, ja lisätuloksia.

Kiitokset

Vastuuvapauslausekkeet

Tekijän panokset

Muodollinen analyysi:Bernardo Garcı´a-Carreras, Bingyi Yang, Mary K. Grabowski, Derek AT Cummings.

Metodologia:Bernardo Garcı´a-Carreras, Lawrence W. Sheppard, Derek AT Cummings.

Valvonta:Derek AT Cummings

Visualisointi:Bernardo Garcıa-Carreras.

Kirjoittaminen – arvostelu ja editointi:Bernardo Garcı´a-Carreras, Bingyi Yang, Mary K. Grabowski, Lawrence W. Sheppard, Angkana T. Huang, Henrik Salje, Hannah Eleanor Clapham, Sopon Iamsirithaworn, Pawinee Doung-Ngern, Justin Lessler, Derek AT Cummings.

Viitteet

1. Rosenzweig ML, MacArthur RH. Graafinen esitys ja vakausolosuhteet petoeläin-saaliivuorovaikutuksista. Olen Nat. 1963; 97(895):209–23.

2. Anderson RM, May RM. Tartuntatautien populaatiobiologia: Osa I. Luonto. 1979; 280 (5721): 361–7.

3. Grenfell BT, Wilson K, Finkensta¨dt BF, Coulson TN, Murray S, Albon SD, et ai. Melu ja determinismi synkronoidussa lampaiden dynamiikassa. Luonto. 1998; 394(6694):674–6.

4. Bjørnstad ON, Grenfell BT. Meluisa kellokoneisto: aikasarjaanalyysi eläinten populaation vaihteluista. Tiede. 2001; 293:638–43.

5. Keeling MJ, Rohani P. Infectious Diseases in Humans and Animals. Princeton University Press; 2011.

6. Liebhold A, Koenig WD, Bjørnstad ON. Spatiaalinen synkronointi väestödynamiikassa. Annu Rev Ecol Evol Syst. 2004; 35:467–90.

7. Bolker BM, Grenfell BT. Rokotuksen vaikutus tuhkarokkodynamiikan avaruudelliseen korrelaatioon ja pysyvyyteen. Proc Natl Acad Sci US A. 1996; 93(22):12648–53.

8. Ranta E, Kaitala V, Lindstro¨m J. Kanadan ilvespopulaatioiden dynamiikka tilassa ja ajassa. Ekografia. 1997; 20(5):454–60.

9. Ranta E, Kaitala V. Matka-aallot myyräpopulaatiodynamiikassa. Luonto. 1997; 390(6659):456–6.

10. Posti E, Forchhammer MC. Paikallisten väestöryhmien alueellinen synkronointi on lisääntynyt viimeaikaisen pohjoisen pallonpuoliskon ilmastotrendin myötä. Proc Natl Acad Sci US A. 2004; 101(25):9286–90.

11. Stenseth NC, Ehrich D, Rueness EK, Lingjærde OC, Chan KS, Boutin S, et ai. Ilmastopakotteen vaikutus kanadalän ilveksen populaation synkroniaan ja geneettiseen rakenteeseen. Proc Natl Acad Sci US A. 2004; 101(16):6056–61.

12. Walter JA, Sheppard LW, Anderson TL, Kastens JH, Bjørnstad ON, Liebhold AM, et ai. Tilallisen synkronian maantiede. Ecol Lett. 2017; 20(7):801–14.

13. Ranta E, Kaitala V, Lundberg P. Väestön vaihtelu tilassa ja ajassa: Synkronisten väestönvaihteluiden dynamiikka. Oikos. 1998; 83(2):376–82.

14. Koenig WD. Boreaalisten lintujen purkausten synkronia ja jaksotus. Condor. 2001; 103(4):725–35.

15. Kaitala V, Ranta E, Lundberg P. Self-organised dynamics in spatially structured populations. Proc R Soc Lond Ser B Biol Sci. 2001; 268(1477):1655–60.

16. Bhatt S, Gething PW, Brady OJ, Messina JP, Farlow AW, Moyes CL, et ai. Denguekuumeen maailmanlaajuinen levinneisyys ja taakka. Luonto. 2013; 496(7446):504–7.

17. Cattarino L, Rodriguez-Barraquer I, Imai N, Cummings DAT, Ferguson NM. Denguekuumeen leviämisintensiteetin globaalin vaihtelun kartoittaminen. Sci Transl Med. 2020; 12(528).

18. Sabin AB. Tutkimus denguekuumeesta toisen maailmansodan aikana. Am J Trop Med Hyg. 1952; 1(1):30–50.

19. Reich NG, Shrestha S, King AA, Rohani P, Lessler J, Kalayanarooj S, et ai. Denguekuumeen serotyyppien väliset vuorovaikutukset korostavat ristiimmuniteetin epidemiologista vaikutusta. JR Soc -käyttöliittymä. 2013; 10 (86):20130414.

20. Anderson KB, Gibbons RV, Cummings DAT, Nisalak A, Green S, Libraty DH, et ai. Lyhyempi aikaväli ensimmäisen ja toisen denguekuume-infektion välillä liittyy suojaukseen kliinisiltä sairauksilta Thaimaassa kouluperusteisessa kohortissa. J Infect Dis. 2014; 209(3):360–8.

21. Katzelnick LC, Montoya M, Gresh L, Balmaseda A, Harris E. Neutralisoivat vasta-ainetiitterit denguevirusta vastaan ​​korreloivat suojan kanssa oireenmukaiselta infektiolta pitkittäiskohortissa. Proc Natl Acad Sci US A. 2016; 113(3):728–33.

22. Cummings DAT, Schwartz IB, Billings L, Shaw LB, Burke DS. Vasta-aineriippuvaisen tehostamisen dynaamiset vaikutukset virusten kuntoon. Proc Natl Acad Sci US A. 2005; 102(42):15259–64.

23. Katzelnick LC, Gresh L, Halloran ME, Mercado JC, Kuan G, Gordon A, et ai. Vasta-aineriippuvainen vakavan dengue-taudin tehostuminen ihmisillä. Tiede. 2017; 358(6365):929–32.

24. Wagoner JJ, Katzelnick LC, Burger-Calderon R, Gallini J, Moore RH, Kuan G, et ai. Vaikean sairauden vasta-aineriippuvainen voimistuminen välittyy seerumin viruskuormasta lasten denguevirusinfektioissa. J Infect Dis. 2020; 221(11):1846–54.

25. Ferguson N, Anderson R, Gupta S. Vasta-aineriippuvaisen tehostamisen vaikutus monikantaisten patogeenien siirtodynamiikkaan ja pysyvyyteen. Proc Natl Acad Sci US A. 1999; 96(2):790–4.

26. Hay SI, Myers MF, Burke DS, Vaughn DW, Endy T, Ananda N, et ai. Hyttysten levittämän taudin epidemioiden välisten jaksojen etiologia. Proc Natl Acad Sci US A. 2000; 97(16):9335–9.

27. Cummings DAT, Irizarry RA, Huang NE, Endy TP, Nisalak A, Ungchusak K, et ai. Matkustavat aallot dengue-hemorragisen kuumeen esiintymisessä Thaimaassa. Luonto. 2004; 427(6972):344–7.

28. Johnson CA, Coutinho RM, Berlin E, Dolphin KE, Heyer J, Kim B, et ai. Lämpötilan ja resurssien vaihtelun vaikutukset hyönteispopulaatiodynamiikkaan: rajattu kasvivika tapaustutkimuksena. Funct Ecol. 2013; 27:1415–23.

29. Koelle K, Pascual M. Ulkoisten tekijöiden erottaminen sisäisistä tekijöistä sairauden dynamiikassa: Epälineaarinen aikasarjalähestymistapa sovelluksella koleraan. Olen Nat. 2004; 163(6):901–13.

30. Koelle K, Rodo´ X, Pascual M, Yunus M, Mostafa G. Tulenkestävät periodit ja ilmaston pakottaminen koleradynamiikassa. Luonto. 2005; 436(7051):696–700.

31. Laneri K, Bhadra A, Ionides EL, Bouma M, Dhiman RC, Yadav RS, et ai. Pakottaa vastaan ​​palautetta: Epi deminen malaria ja monsuunisateet Luoteis-Intiassa. PLoS Comput Biol. 2010; 6(9):e1000898.

32. Metcalf CJE, Walter KS, Wesolowski A, Buckee CO, Shevliakova E, Tatem AJ et ai. Tartuntatautien dynamiikan ilmastotekijöiden tunnistaminen: viimeaikaiset edistysaskeleet ja edessä olevat haasteet. Proc R Soc B Biol Sei. 1860; 2017(284):20170901.

33. Paull SH, Horton DE, Ashfaq M, Rastogi D, Kramer LD, Diffenbaugh NS, et ai. Kuivuus ja immuniteetti määräävät Länsi-Niilin virusepidemioiden ja ilmastonmuutoksen vaikutusten voimakkuuden. Proc R Soc B Biol Sei. 1848; 2017(284):20162078.

34. Baker RE, Mahmud AS, Wagner CE, Yang W, Pitzer VE, Viboud C, et ai. Hengityssynsyyttiviruksen epidemiadynamiikka nykyisessä ja tulevassa ilmastossa. Nat Commun. 2019; 10(1):5512.

35. Cazelles B, Chavez M, McMichael AJ, Hales S. El Niñon epästationaarinen vaikutus Thaimaan synkronisiin dengue-epidemioihin. PLoS Med. 2005; 2(4):e106.

36. Hurtado-Dı´az M, Riojas-Rodrı´guez H, Rothenberg SJ, Gomez-Dante´s H, Cifuentes E. Ilmaston vaihtelun vaikutus denguekuumeen esiintymiseen Meksikossa. Trop Med Int Health. 2007; 12(11):1327–37.

37. Johansson MA, Dominici F, Glass GE. Ilmaston paikalliset ja globaalit vaikutukset denguekuumeen leviämiseen Puerto Ricossa. PLoS Negl Trop Dis. 2009; 3(2).

38. Johansson MA, Cummings DAT, Glass GE. Monivuotinen ilmaston vaihtelu ja denguekuume – El Niño Southern Oscillation, sää ja denguekuumeen esiintyvyys Puerto Ricossa, Meksikossa ja Thaimaassa: Pitkittäinen data-analyysi. PLoS Med. 2009; 6(11):e1000168.

39. Tipayamongkholgul M, Fang CT, Klinchan S, Liu CM, King CC. El Niño-Southern Oscillationin vaikutukset dengue-epidemioihin Thaimaassa, 1996–2005. BMC:n kansanterveys. 2009; 9(1):422.

40. van Panhuis WG, Choisy M, Xiong X, Chok NS, Akarasewi P, Iamsirithaworn S, et ai. Alueen laajuinen synkronisaatio ja matkustavat dengue-aallot kahdeksassa Kaakkois-Aasian maassa. Proc Natl Acad Sci US A. 2015; 112(42):13069–74.

41. Churakov M, Villabona-Arenas CJ, Kraemer MUG, Salje H, Cauchemez S. Denguekuumeen spatio-temporal dynamics in Brazil: Seasonal travelling waves and determinants of regional synchrony. PLoS Negl Trop Dis. 2019; 13(4):e0007012.

42. Childs DZ, Boots M. Kausiluonteisen pakottamisen ja immuniteetin vuorovaikutus ja malarian resonanssidynamiikka. JR Soc -käyttöliittymä. 2010; 7(43):309–19.

43. Brady OJ, Golding N, Pigott DM, Kraemer MUG, Messina JP, Reiner RC Jr, et ai. Aedes aegyptin ja Ae:n globaalit lämpötilarajoitukset. albopictus pysyvyys ja kyky dengueviruksen leviämiseen. Parasiittivektorit. 2014; 7(1):338.

44. Mordecai EA, Cohen JM, Evans MV, Gudapati P, Johnson LR, Lippi CA, et ai. Lämpötilan vaikutuksen havaitseminen Zikan, denguen ja chikungunyan leviämiseen mekanististen mallien avulla. PLoS Negl Trop Dis. 2017; 11(4):e0005568.

45. Siraj AS, Oidtman RJ, Huber JH, Kraemer MUG, Brady OJ, Johansson MA, et ai. Lämpötila säätelee dengueviruksen epidemian kasvua sen vaikutuksen kautta lisääntymismääriin ja sukupolvien väliin. PLoS Negl Trop Dis. 2017; 11(7):e0005797.

46. ​​Huber JH, Childs ML, Caldwell JM, Mordecai EA. Vuodenajan lämpötilavaihtelut vaikuttavat ilmaston soveltuvuuteen denguekuume-, chikungunya- ja Zika-tartunnalle. PLoS Negl Trop Dis. 2018; 12(5):e0006451.

47. Ryan SJ, Carlson CJ, Mordecai EA, Johnson LR. Aedes-välitteisen virustartuntariskin globaali laajeneminen ja uudelleenjakautuminen ilmastonmuutoksen myötä. PLoS Negl Trop Dis. 2019; 13(3).

48. Kraemer MUG, Reiner RC, Brady OJ, Messina JP, Gilbert M, Pigott DM, et ai. Arbovirusvektoreiden Aedes aegypti ja Aedes albopictus mennyt ja tuleva leviäminen. Nat Microbiol. 2019; 4(5):854–63.

49. Messina JP, Brady OJ, Golding N, Kraemer MUG, Wint GRW, Ray SE, et ai. Denguekuumeen nykyinen ja tuleva levinneisyys ja väestö, jolla on riski denguekuumesta. Nat Microbiol. 2019; 4(9):1508–15.

50. Sheppard LW, Bell JR, Harrington R, Reuman DC. Laajamittaiset ilmastomuutokset muuttavat kirvojen tuholaisten alueellista synkronointia. Nat Clim Chang. 2016; 6(6):610–3.

51. Sheppard LW, Defriez EJ, Reid PC, Reuman DC. Synchrony on enemmän kuin sen ylhäältä alaspäin suuntautuvat ja ilmastolliset osat: vuorovaikutuksessa Moranin vaikutukset kasviplanktoniin Ison-Britannian merillä. PLoS Comput Biol. 2019; 15(3).

52. Cuong HQ, Vu NT, Cazelles B, Boni MF, Thai KTD, Rabaa MA, et ai. Dengue-epidemioiden spatiotemporaalinen dynamiikka, Etelä-Vietnam. Emerg Infect Dis. 2013; 19(6):945–53.

53. Cummings DAT, Iamsirithaworn S, Lessler JT, McDermott A, Prasanthong R, Nisalak A, et ai. Väestörakenteen muutoksen vaikutus denguekuumeeseen Thaimaassa: näkemyksiä tilastollisesta analyysistä ja matemaattisesta mallintamisesta. PLoS Med. 2009; 6(9):e1000139.

54. Limsakul A, Goes JI. Empiirinen näyttö Thaimaan pintailman lämpötilojen vuosittaisesta ja pidemmän ajanjakson vaihtelusta. Atmos Res. 2008; 87(2):89–102.

55. Kovats RS, Bouma MJ, Hajat S, Worrall E, Haines A. El Niño ja terveys. Lansetti. 2003; 362 (9394): 1481–9.

56. Thai KTD, Cazelles B, Nguyen NV, Vo LT, Boni MF, Farrar J, et ai. Denguekuumeen dynamiikka Binh Thuanin maakunnassa Etelä-Vietnamissa: jaksollisuus, synkronisuus ja ilmaston vaihtelu. PLoS Negl Trop Dis. 2010; 4(7).

57. Hu ZZ, Kumar A, Huang B, Zhu J, Ren HL. ENSO:n vuosikymmenien väliset vaihtelut noin 1999/2000. J Meteorol Res. 2017; 31(1):73–81.

58. Krawczyk H, Zinke J, Browne N, Struck U, McIlwain J, O'Leary M, et ai. Korallit paljastavat ENSO-vetoisen synkronian ilmastovaikutuksista sekä maan että meren ekosysteemeihin Pohjois-Borneossa. Sci Rep. 2020; 10(1):3678.

59. Singhrattna N, Rajagopalan B, Kumar KK, Clark M. Interannual and inter decadal variability of Thailand summer monsoon season. J Clim. 2005; 18(11):1697–708.

60. Fan Y, van den Dool H. Maailmanlaajuinen kuukausittainen maanpinnan ilman lämpötila-analyysi vuodesta 1948 tähän päivään. J Geophys Res Atmos. 2008; 113(D1).

61. Grenfell BT, Bjørnstad ON, Kappey J. Travelling waves and spatial hierarchies in tuhkarokkoepidemia. Luonto. 2001; 414(6865):716–23.

62. Viboud C, Bjørnstad ON, Smith DL, Simonsen L, Miller MA, Grenfell BT. Synkronia, aallot ja spatiaaliset hierarkiat influenssan leviämisessä. Tiede. 2006; 312(5772):447–51.

63. Torrence C, Compo GP. Käytännön opas wavelet-analyysiin. Bull Am Meteorol Soc. 1998; 79(1):61–78.

64. Ro¨sch A, Schmidbauer H. WaveletComp: Computational Wavelet Analysis; 2018

65. Liu Y, San Liang X, Weisberg RH. Aallon tehospektrin poikkeaman korjaaminen. J Atmos Ocean Technol. 2007; 24(12):2093–102.

66. Reuman DC, Anderson TL, Walter JA, Zhao L, Sheppard LW. wsyn: Wavelet Approaches to Studies of Synchrony in Ecology and Other Fields; 2019

67. Veleda D, Montagne R, Araujo M. Cross-wavelet bias korjattu normalisoivilla asteikoilla. J Atmos Ocean Technol. 2012; 29(9):1401–8.

68. Rodrı´guez-Barraquer I, Buathong R, Iamsirithaworn S, Nisalak A, Lessler J, Jarman RG et ai. Takaisin Rayongiin: Denguekuumeen seroprofiilien muuttaminen Thaimaassa ja niiden vaikutukset leviämiseen ja hallintaan. Olen J Epidemiol. 2014; 179(3):353–60.

69. Imai N, Dorigatti I, Cauchemez S, Ferguson NM. Arvioimme denguekuumeen tartuntaintensiteettiä useiden maiden seroesiintyvyystutkimuksista. PLoS Negl Trop Dis. 2015; 9(4):e0003719.

70. Imai N, Dorigatti I, Cauchemez S, Ferguson NM. Arvioimme denguekuumeen leviämisintensiteettiä useiden maiden tapausilmoitustiedoista. PLoS Negl Trop Dis. 2016; 10(7):e0004833.

Lisätietoja: david.deng@wecistanche.com WhatApp:86 13632399501