[논문]기후 변화 적응을 위한 벡터매개질병의 생태 모델 및 심층 인공 신경망 기반 공간-시간적 발병 모델링 및 예측

김상윤; 남기전; 허성구; 이선정; 최지훈; 박준규; 유창규

doi:10.9713/kcer.2020.58.2.197

기후 변화 적응을 위한 벡터매개질병의 생태 모델 및 심층 인공 신경망 기반 공간-시간적 발병 모델링 및 예측
Spatio-Temporal Incidence Modeling and Prediction of the Vector-Borne Disease Using an Ecological Model and Deep Neural Network for Climate Change Adaption 원문보기

Korean chemical engineering research = 화학공학, v.58 no.2, 2020년, pp.197 - 208

김상윤 (경희대학교 공과대학 환경학 및 환경공학과) , 남기전 (경희대학교 공과대학 환경학 및 환경공학과) , 허성구 (경희대학교 공과대학 환경학 및 환경공학과) , 이선정 (경희대학교 공과대학 환경학 및 환경공학과) , 최지훈 (경희대학교 공과대학 환경학 및 환경공학과) , 박준규 (경희대학교 공과대학 환경학 및 환경공학과) , 유창규 (경희대학교 공과대학 환경학 및 환경공학과)

초록
AI-Helper

본 연구에서는 발병 횟수가 빠르게 증가하고 있는 벡터매개질병(vector-borne disease) 중 하나인 쯔쯔가무시증의 발병 특성을 공간적 그리고 시간적으로 분석하고 기후변화 시나리오에 따른 미래 발병 특성을 예측하였다. 쯔쯔가무시증의 공간적 분포와 발병률을 예측하기 위하여 환경 그리고 사회 변수의 공간적 특성을 이용하여 maximum entropy(MaxEnt) 생태 모델을 구성하고, 주요 변수의 쯔쯔가무시증 발병에 관한 상관관계를 분석하였다. 공간 특성 중 환경변수인 고도 및 기온이 주요한 변수로 분석되었으며, 이는 쯔쯔가무시증의 매개체인 털진드기의 생육 환경과 주요 관련이 있는 것으로 나타났다. 쯔쯔가무시증의 시간적 발병 횟수는 심층 인공 신경망 모델기반 예측을 하였으며, 특히 쯔쯔가무시증의 주요 특성인 지연 효과를 고려하여 모델을 구성하였다. 심층 인공 신경망을 이용한 예측 결과 여름철의 기온, 강우량, 그리고 습도가 털진드기의 활동에 주된 관련이 있으며 가을철의 쯔쯔가무시증 발병 횟수에 영향을 끼치는 것으로 확인 되었다. 또한, 기존 통계적 예측 모델과 비교하였을 때, 심층 인공 신경망 기반 예측 모델의 예측 정확성이 우수함을 확인하였다. 공간적 그리고 시간적 모델에 기후 변화 시나리오를 이용하여 2040년의 쯔쯔가무시증 발병 특성을 예측한 결과, 최대 발병률이 8% 증가, 발병률이 높은 지역이 9% 확대, 그리고 주된 발병 기간이 2개월 증가하였다. 본 연구 결과를 통해 쯔쯔가무시증의 공간적 및 시간적 발병 특성 분석을 통하여, 공중보건 측면에서 벡터매개 질병 발병 요인 규명을 통해 주민 건강을 위한 질병 관리 및 예측에 기여할 수 있을 것으로 기대한다.

Abstract ▼ AI-Helper

This study was carried out to analyze spatial and temporal incidence characteristics of scrub typhus and predict the future incidence of scrub typhus since the incidences of scrub typhus have been rapidly increased among vector-borne diseases. A maximum entropy (MaxEnt) ecological model was implemented to predict spatial distribution and incidence rate of scrub typhus using spatial data sets on environmental and social variables. Additionally, relationships between the incidence of scrub typhus and critical spatial data were analyzed. Elevation and temperature were analyzed as dominant spatial factors which influenced the growth environment of Leptotrombidium scutellare (L. scutellare) which is the primary vector of scrub typhus. A temporal number of diseases by scrub typhus was predicted by a deep neural network (DNN). The model considered the time-lagged effect of scrub typhus. The DNN-based prediction model showed that temperature, precipitation, and humidity in summer had significant influence factors on the activity of L. scutellare and the number of diseases at fall. Moreover, the DNN-based prediction model had superior performance compared to a conventional statistical prediction model. Finally, the spatial and temporal models were used under climate change scenario. The future characteristics of scrub typhus showed that the maximum incidence rate would increase by 8%, areas of the high potential of incidence rate would increase by 9%, and disease occurrence duration would expand by 2 months. The results would contribute to the disease management and prediction for the health of residents in terms of public health.

주제어

표/그림 (10)

그림 Fig. 2. Graphical description of spatio-temporal ecological modeling modified from [12].
그림 Fig. 1. (a) Picture of L. scutellare the main vector of scrub typhus and (b) eschar by the Scrub typhus [6,9].
그림 Fig. 3. Annual predicted temperatures according to representative concentration pathway 2.6, 4.5, 6.0, and 8.5 scenarios [20,21].
표 Table 1. Descriptions of representative concentration pathway-climate change scenarios according to the intensities of greenhouse effects
그림 Fig. 4. Graphical scheme of the spatial and temporal distribution analysis for scrub typhus.
표 Table 2. Environmental and social variables used to model the scrub typhus spatial distribution model and the scrub typhus prediction model
그림 Fig. 5. MaxENT-based spatial distribution of scrub typhus; (a) potential distribution map of scrub typhus, (b) Jackknife test for spatial values, and (c) response curves of influential spatial values on to incidence rate of scrub typhus.
그림 Fig. 6. Pearson’s correlation coefficient between the environmental variables and time-lagged effect on the occurrence of scrub typhus.
그림 Fig. 7. The prediction number of diseases by scrub typhus by using (a) partial least squares and (b) deep neural network.
그림 Fig. 8. Predicted incidence of scrub typhus in 2040: (a) potential distribution map and increasing incidence rate area indicated by the circles and (b) the number of diseases.

질의응답

핵심어	질문	논문에서 추출한 답변
	쯔쯔가무시증의 주 매개체는?	이는 쯔쯔가무시증의 주 매개체인 털진드기는 변온 동물이기 때문에 번식 및 성장 등에 기후변화의 영향을 많이 받기 때문이다[7]. 한국에서 털진드기의 유충은 주로 가을인 10월과 11월에 주로 나타나는데, 이를 통해 털진드기 성충이 주로 산란하는 시기는 여름철로 알려져 있다[28].
	세계보건기구가 벡터매개질병을 국제사회가 대처해야 할 중요한 공중 보건 문제로 지정하였으며, 벡터매개질병을 예측하고 대응하기 위한 방안의 중요성을 강조하는 이유는?	벡터매개질병은 곤충 및 설치류 등의 감염 매개체 생물로부터 인간에게 전염되는 질병으로, 계속하여 발생률과 분포가 크게 증가하고 있다. 전 세계의 전염병 중 벡터매개질병은 약 17%를 차지하고 있으며, 이 질병에 대해 치료를 받지 못할 경우 환자의 외형 손상및 장애를 일으킬 가능성이 높다. 이에 따라서 세계보건기구는 벡터매개질병을 국제사회가 대처해야 할 중요한 공중 보건 문제로 지정하였으며, 벡터매개질병을 예측하고 대응하기 위한 방안의 중요성을 강조하고 있다[1,2].
	벡터매개질병이란?	벡터매개질병은 곤충 및 설치류 등의 감염 매개체 생물로부터 인간에게 전염되는 질병으로, 계속하여 발생률과 분포가 크게 증가하고 있다. 전 세계의 전염병 중 벡터매개질병은 약 17%를 차지하고 있으며, 이 질병에 대해 치료를 받지 못할 경우 환자의 외형 손상및 장애를 일으킬 가능성이 높다.

참고문헌 (30)

World Health Organization, "Vector-borne Diseases," WHO Regional Office for South-East Asia (2014).
Park, S. and Han, D., "Reviews in Medical Geography: Spatial Epidemiology of Vector-Borne Diseases," J. Korean Geogr. Soc., 47(5), 677-699(2012).
Medlock, J. M. and Leach, S. A., "Effect of Climate Change on Vector-borne Disease Risk in the UK," Lancet Infect. Dis., 15(6), 721-730(2015).

상세보기
Paris, D. H., Shelite, T. R., Day, N. P. and Walker, D. H., "Unresolved Problems Related to Scrub Typhus: a Seriously Neglected Life-threatening Disease," Am. J. Trop. Med. Hyg., 89(2), 301-307(2013).

상세보기
Kim, S. W. and Kim, Y. H., "Spatial Analysis Modeling on Scrub Typhus Disease Occurrence in Korea," J. Korean Cart. Assoc., 14, 41-54(2014).
Kong, W. S., Shin. E. H., Lee, H. I., Hwang, T. S., Kim, H. H., Lee, N. Y., Sung, J. H., Lee, S. G. and Yoon, K. H., "Time-spatial Distribution of Scrub Typhus and its Environmental Ecology," J. Korean. Geogr. Soc., 42(6), 863-878(2007).
Yang, L. P., Liu, J., Wang, X. J., Ma, W., Jia, C. X. and Jiang, B. F., "Effects of Meteorological Factors on Scrub Typhus in a Temperate Region of China," Epidemiol. Infect., 142(10), 2217-2226(2014).

상세보기
Lee, Y. G., Choi, K. H. and Kwak, J. W., "A Study on the Public Health Disasters Using Meteorological Factor: Scrub Typhus in South Korea," J. Korean Soc. Hazard Mitig., 18, 343-350(2018).

상세보기
Weng, S. C., Lee, H. C., Chen, J. J., Cheng, Y. J., Chi, H. and Lin, C. Y., "Eschar: a Stepping Stone to Scrub Typhus," J. Pediatr., 181, 320(2017).

상세보기
Lee, I. Y., Ree, H. I. and Hong, H. K., "Seasonal Prevalence and Geographical Distribution of Trombiculid mites (Acarina: Trombiculidae) in Korea," Korean J. Zool., 36(3), 408-415(1993).
Xu, G., Walker, D. H., Jupiter, D., Melby, P. C. and Arcari, C. M., "A Review of the Global Epidemiology of Scrub Typhus," PLoS Negl. Trop. Dis., 11(11), e0006062(2017).

상세보기
Kujala, H., Whitehead, A. L. and Wintle, B. A., "Identifying Conservation Priorities and Assessing Impacts and Trade-offs of Potential Future Development in the Lower Hunter Valley in New South Wales," A Rep. by NERP Environ. Decis. Hub, (2015).
Seo, C. W., Park, Y. R. and Choi, Y. S., "Comparison of Species Distribution Models According to Location Data," J. Korean Soc. Geospatial Inf. Syst., 16(4), 59-64(2008).
Pearson, R. G., "Species' Distribution Modeling for Conservation Educators and Practitioners," Synth. Am. Museum Nat. Hist., 50, 54-89(2007).
Braunisch, V. and Suchant. R., "Predicting Species Distributions Based on Incomplete Survey Data: the Trade off Between Precision and Scale," Ecography, 33(5), 823-840(2010).
Jacome, G., Vilela, P. and Yoo, C., "Social-ecological Modelling of the Spatial Distribution of Dengue Fever and its Temporal Dynamics in Guayaquil," Ecol. Inform., 49, 1-12(2019).

상세보기
Phillips, S. J., Anderson, R. P. and Schapire, R. E., "Maximum Entropy Modeling of Species Geographic Distributions," Ecol. Modell., 190(3-4), 231-259(2006).

상세보기
Elith, J. and Leathwick, J. R., "Species Distribution Models: Ecological Explanation and Prediction Across Space and Time," Annu. Rev. Ecol. Evol. Syst., 40, 677-697(2009).

상세보기
Kihoro, J., Otieno, R. O. and Wafula, C., "Seasonal Time Series Forecasting: A Comparative Study of ARIMA and ANN Models," Afr. J. Sci. Technol., 5(2), 41-49(2004).
Enhofer, O., Pichs-Madruga, R., Sokona, Y., Seyboth, K., Matschoss, P., Kadner, S., Zwickel, T., Eickemeier, P., Hansen, G., Schlomer, S. and Von Stechow, C., "IPCC Special Report on Renewable Energy Sources and Climate Change Mitigation," Cambridge University Press, Cambridge, NY(2011).
Korea meteorological administration, "Climate Change Forecasting Report of Korea," (2018).
Nam, K., Hwangbo, S. and Yoo, C. "A Deep Learning-based Forecasting Model for Renewable Energy Scenarios to Guide Sustainable Energy Policy: A Case Study of Korea," Renew. Sust. Energy. Rev., 122, 109725(2020).

상세보기
Shahbeik, S., Afzal, P., Moarefvand, P. and Qumarsy, M., "Comparison Between Ordinary Kriging (OK) and Inverse Distance Weighted (IDW) Based on Estimation Error. Case study: Dardevey Iron ore Deposit, NE Iran," Arab. J. Geosci., 7(9), 3693-3704(2014).

상세보기
Brzezinski, D. and Stefanowski, J., "Prequential AUC: Properties of the Area Under the ROC Curve for Data Streams with Concept Drift," Knowl. Inf. Syst., 52(2), 531-562(2017).

상세보기
McIntosh, A., "The Jackknife Estimation Method," ArXiv Prepr ArXiv, 1606.00497(2016).
Nam, K. J., Kim, M. J., Lee, S., Hwangbo, S. and Yoo, C. K. "Interpretation and Diagnosis of Fouling Progress in Membrane Bioreactor Plants Using a Periodic Pattern Recognition Method," Korean J. Chem. Eng., 34(11), 2966-2977(2017).

상세보기
Lee, H. J. and Park, C., "Distribution of Chigger Mites as Tsutsugamushi Vectors Sampled in Seogwipo," Korean J. Clin. Lab. Sci., 51(3), 344-350(2019).

원문보기 상세보기
Song, H. J., "Environmental Survey on the Vectors and Hosts of Tsutsugamushi Disease in Jeonnam province, Korea," Korean J. Vet. Serv., 35(3), 183-189(2012).

원문보기 상세보기
Kim, S. H. and Jang, J. Y., "Correlations Between Climate Change-Related Infectious Diseases and Meteorological Factors in Korea," J. Prev. Med. Public Heal., 43(5), 436-444(2010).

원문보기 상세보기
Hung, P. V. X, Cho, S. H. and Moon, S. H., "Prediction of Boron Transport Through Seawater Reverse Osmosis Membranes Using Solution-diffusion Model," Desalination, 247(1-3), 33-44(2009).

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format