The climate and dengue relationship

The climate and dengue relationship were examined using different temperature measures (maximum, mean and minimum temperature) in the DLM. The deviance was used to choose the best model. Model including maximum temperature was associated with lower deviance value (Supplementary Table 2). We also compared the deviance for the association between each weather variables and dengue using DLM. The deviance was also lower compared to other models when maximum temperature and relative humidity were included (Supplementary Table 3). The goodness-of-fit was performed to check the model adequacy using auto-correlation functions of residuals and normality of the residuals. Fig. 1 shows that there was no significantauto-correlation between residuals at different lags in the DLM when maximum temperature and humidity were used as predictor variables. The scatter plot shows that the residuals in the model fluctuated randomly around zero with no obvious trend. Thus the goodness-of-fit analyses show that the model fits the data reasonably well. Therefore, we selected the model including maximum temperature and relative humidity as the best model and used it to estimate the effects of weather variation on dengue transmission.

ผลลัพธ์ (ไทย) 1:

ความสัมพันธ์ของสภาพภูมิอากาศและโรคไข้เลือดออกมีการตรวจสอบการใช้มาตรการที่อุณหภูมิแตกต่างกัน (สูงสุดเฉลี่ยและอุณหภูมิต่ำสุด) ใน DLM อันซ์ถูกใช้ในการเลือกรุ่นที่ดีที่สุด รูปแบบรวมทั้งอุณหภูมิสูงสุดมีความสัมพันธ์กับค่าความเบี่ยงเบนลดลง (ตารางที่เสริม 2) เรายังเทียบอันซ์สำหรับการเชื่อมโยงระหว่างแต่ละตัวแปรสภาพอากาศและโรคไข้เลือดออกโดยใช้ DLMอันซ์ก็ยังต่ำกว่าเมื่อเทียบกับรุ่นอื่น ๆ เมื่ออุณหภูมิสูงสุดและความชื้นสัมพัทธ์ถูกรวม (ตารางที่เสริม 3) พอดีคุณงามความดีของถูกดำเนินการในการตรวจสอบความเพียงพอรูปแบบการใช้ฟังก์ชั่นอัตโนมัติสัมพันธ์ของเหลือและปกติของเหลือ มะเดื่อ1 แสดงให้เห็นว่าไม่มี significantauto ความสัมพันธ์ระหว่างสิ่งตกค้างที่ล่าช้าแตกต่างกันใน DLM เมื่ออุณหภูมิสูงสุดและความชื้นที่ถูกนำมาใช้เป็นตัวแปร แปลงกระจายแสดงให้เห็นว่าเหลืออยู่ในรูปแบบพลิกผันสุ่มรอบศูนย์ที่ไม่มีแนวโน้มที่เห็นได้ชัด ดังนั้นการวิเคราะห์ความดีของพอดีแสดงให้เห็นว่ารูปแบบที่เหมาะกับข้อมูลที่ดีพอสมควร ดังนั้นเราเลือกรูปแบบรวมทั้งอุณหภูมิสูงสุดและความชื้นสัมพัทธ์เป็นรุ่นที่ดีที่สุดและใช้มันในการประเมินผลกระทบของการเปลี่ยนแปลงสภาพอากาศที่ส่งไข้เลือดออก

ผลลัพธ์ (ไทย) 2:

ความสัมพันธ์ของสภาพภูมิอากาศและเลือดออกได้ตรวจสอบการใช้วัดอุณหภูมิที่แตกต่างกัน (สูงสุด ค่าเฉลี่ย และอุณหภูมิต่ำสุด) DLM Deviance ที่ถูกใช้เพื่อเลือกรูปแบบดีที่สุด แบบจำลองรวมถึงอุณหภูมิสูงสุดที่สัมพันธ์กับค่า deviance ต่ำ (เสริมตาราง 2) นอกจากนี้เรายังเทียบ deviance สำหรับความสัมพันธ์ระหว่างแต่ละตัวแปรสภาพอากาศและใช้ DLM ไข้เลือดออก Deviance ที่ได้ยังต่ำกว่าเมื่อเทียบกับรุ่นอื่น ๆ เมื่ออุณหภูมิสูงและความชื้นสัมพัทธ์ได้รวม (เสริมตาราง 3) ความดี fit ได้ทำการตรวจสอบแบบจำลองเพียงพอใช้ฟังก์ชันอัตโนมัติความสัมพันธ์ของค่าคงเหลือและ normality ค่าคงเหลือ ฟิก 1 แสดงว่า มีไม่มี significantauto ความสัมพันธ์ระหว่างค่าคงเหลือที่ lags ต่าง ๆ ใน DLM เมื่อใช้อุณหภูมิสูงและความชื้นเป็นตัวแปรจำนวนประตู พล็อตกระจายแสดงที่ค่าคงเหลือในรุ่น fluctuated แบบสุ่มรอบ ๆ ศูนย์ มีแนวโน้มไม่ชัดเจน จึง วิเคราะห์ความดี fit แสดงที่ fits แบบจำลองข้อมูลด้วยดี ดังนั้น เราเลือกแบบอุณหภูมิสูงและความชื้นสัมพัทธ์เป็นรุ่นดีที่สุด และใช้ในการประเมินผลกระทบของการเปลี่ยนแปลงสภาพอากาศส่งไข้เลือดออก