A real-time forecasting framework for emerging infectious diseases affecting animal populations

传染病预测在公共卫生领域日益重要。然而，针对紧急动物疫病的预测工具，尤其是能够在疾病动态参数未知情况下提供实时决策支持的工具，仍然十分有限。我们提出了一种广义建模框架，可利用疫情早期阶段的数据对牲畜传染病的时空传播进行近实时预测。我们将该框架应用于2007年澳大利亚马流感疫情，在四个区域集群的三个时间节点上生成了预测。预测目标包括未来每日病例数、疫情规模、峰值时间和持续时间，以及未来传播的空间分布。我们评估了预测对每日病例数和病例数空间分布的预测效果，并使用技巧评分（skill score，一种概率预测准确度的度量）作为未来模型改进的基准。在疫情峰值形成后，预测的准确性、确定性和技巧均有所提高，而早期预测则更为不确定或倾向于高估，这凸显了在解读峰值前预测时需谨慎，尤其是当控制政策对未来传播的影响未在模型中得到充分体现时。对宏观相对风险模式的空间预测比对个体场所层面风险的精确预测或精确每日病例数的预测更为稳健，这为地理靶向应对策略提供了支持。总体而言，该框架在适当考虑不确定性的前提下，可支持牲畜疫病暴发期间的实时决策，并为未来的改进及应用于其他动物疫病奠定了基础。