Les chercheurs développent plus de façon efficace de prévoir la propagation de la fièvre aphteuse

Combinant la technologie et les santés animales, un groupe de chercheurs d'université de l'Etat du Kansas développe plus de façon efficace de prévoir la propagation de la fièvre aphteuse et le choc des mesures préventives.

Les chercheurs trouvent cela si une épidémie aphteuse n'est pas à l'étape épidémique, vaccination de préemption est une voie d'une façon minimum chère d'arrêter la propagation de maladie en travers d'un réseau des animaux. Mais s'il y a une forte probabilité de l'infection, les types d'ordinateur montrent que cela qui cueille des stratégies soyez meilleur.

« Nous essayons de faire prévisionnel ainsi que modélisation préventive utilisant une approche basée sur réseau, » a dit Sohini Roy Chowdhury, le stagiaire d'un maître en génie électrique. « D'abord nous suivons comment l'infection s'étend dans le temps et espace. Alors nous essayons d'atténuer cela avec certaines stratégies. La cotisation nouvelle de ce projet est que nous avons considéré des réseaux dans les pays comme la Turquie, l'Iran et la Thaïlande qui n'ont pas une base de données fortement établie. »

Roy Chowdhury fonctionne avec Caterina Scoglio, professeur agrégé d'élém. élect. et ingénierie informatique, et William Hsu, professeur agrégé de calculer et sciences de l'information. Ils ont présenté le travail en décembre 2009 à la deuxième Conférence Internationale sur la dynamique de maladies infectieuses à Athènes, Grèce.

Les chercheurs avaient l'habitude des équations mathématiques pour prévoir comment la fièvre aphteuse a réparti un réseau des troupeaux infectés. Dans le réseau, les noeuds sont des places comme des parcs à bestiaux et des cordons de pâturage où des animaux sont retenus. Ils sont branchés dans voies variées, comme par les mouvements de pâturage des animaux et par la façon dont les gens et les véhicules déménagent parmi les troupeaux. Hsu a dit que l'objectif des chercheurs est d'augmenter l'exactitude des modèles qui prévoient la maladie étendue dans ces réseaux au-dessus de temps et espace.

Dans les expériences, les chercheurs ont fait fonctionner jusqu'à une semaine de la modélisation prévisionnelle sur un réseau réel et scie à quel point elle a apparié des caractéristiques de l'épisode réel. Roy Chowdhury a indiqué qu'elles ont également utilisé les modules renseignement renseignement artificiels pour croiser comparent l'exactitude du modèle.

Les chercheurs ont également vérifié des stratégies d'atténuation telles que la vaccination, cueillant et l'isolement de voir comment ils ont affecté le réseau. Dans des manifestations du monde réel de fièvre aphteuse, le cueillage souvent est présumé pour être la meilleure stratégie, mais Scoglio a dit que leur recherche pourrait jeter plus de lumière sur l'efficacité de cette pratique.

« C'est l'espoir de contenir correctement une maladie comme la fièvre aphteuse qui est si infectieuse tout en réduisant au maximum les pertes économiques, » Scoglio a dit.

Hsu a dit que cette étude pourrait également bénéficier des travailleurs humanitaires envoyés pour aider à contenir la fièvre aphteuse. Les modèles de réseau de K-condition s'améliorent sur celles existantes, dit-il, parce qu'ils considèrent des facteurs tels que le vent, le pâturage d'animal et les mouvements humains entre les régions, ainsi que le nombre de marchés de la viande dans un endroit.

L'organisme de recherche de Scoglio a étudié des épidémies utilisant des types d'ordinateur de réseaux avant, mais ce projet est différent parce qu'il considère une maladie spécifique, il a dit.

Hsu a contribué sa recherche dans l'exploitation de données, qui des recherches pour récurer des articles et d'autres sources publiques en ligne et pour extraire l'information qui pourrait offrir des indices au sujet des épidémies. Pour ce projet, le système de Hsu a aussi bien rampé et a analysé des articles d'âme des agences de presse comme la BBC et le CNN, que des sources telles que des feuilles de données de lutte contre la maladie des universités.

« Juste comme Google répertorie des sites basés sur l'authoritativeness et recherche des sites de moyeu, nous examinons également pour commencer nos rampements de l'âme des sites comme l'Organisation Mondiale de la Santé et le centres pour le contrôle et la prévention des maladies, » Hsu a dit.

À la conférence à Athènes, Roy Chowdhury a également présenté une affiche sur le travail préliminaire que le groupe a effectué sur les infections H1N1. Utilisant les modèles temporels, elles ont produit des prévisions sur quand les infections feraient une pointe et le régime auquel elles relâcheraient hors circuit ensuite cette crête. Roy Chowdhury a employé des caractéristiques du centres pour le contrôle et la prévention des maladies. Le groupe planification pour étendre cette analyse de l'épidémie H1N1 utilisant les modèles basés sur réseau.

Source:

Kansas State University