"بمب تیک": تأثیر تغییرات آب و هوا بر بروز بیماری لایم

بیماری Lyme (LD) شایعترین بیماری ناشی از کنه در آمریکای شمالی است. این ناشی از Borrelia burgdorferi است و توسط کنه های سیاه ، ixodes scapularis به انسان منتقل می شود. چرخه زندگی بردار LD ، I. scapularis ، معمولاً دو تا سه سال طول می کشد و سه مرحله را طی می کند که همه اینها به عوامل محیطی وابسته هستند. افزایش دمای متوسط روزانه ، تجلی تغییرات آب و هوا ، ممکن است در افزایش فراوانی کنه از طریق نرخ بالاتر بقای کنه نقش داشته باشد. علاوه بر این ، این تغییرات محیطی ممکن است به در دسترس بودن میزبان بهتر کمک کند ، که برای تغذیه کنه و تکمیل چرخه زندگی ضروری است. در حقیقت ، نشان داده شده است که هم فعالیت کنه و هم بقا به دما و رطوبت بستگی دارد. در این مطالعه ، ما رابطه بین آن متغیرهای آب و هوایی و شیوع گزارش شده LD در 15 ایالت را که به بیش از 95 ٪ موارد گزارش شده در ایالات متحد کمک می کند ، بررسی کرده ایم. با استفاده از تجزیه و تحلیل جلوه های ثابت برای پانلی از 468 ایالت ایالات متحده از آن حالتهای با ارزش بالا با داده های سالانه در دسترس برای دوره 2000-2016 ، ما تأثیرات قابل توجهی از دما را در بروز LD پیدا کرده ایم. این تأثیرات را می توان تقریباً با یک رابطه U شکل معکوس توصیف کرد ، مطابق با الگوهای بقای کنه و رفتار میزبان. با فرض افزایش 2 درجه سانتیگراد در دمای متوسط سالانه-مطابق با پیش بینی های اواسط قرن (2036-2065) از آخرین ارزیابی آب و هوای ایالات متحده (NCA4)-ما پیش بینی کرده ایم که تعداد موارد LD در ایالات متحده افزایش می یابدبیش از 20 درصد در دهه های آینده. این یافته ها ممکن است به بهبود آمادگی و پاسخ پزشکان ، متخصصان بهداشت عمومی و سیاست گذاران و همچنین افزایش آگاهی عمومی از اهمیت محتاط بودن هنگام انجام فعالیت در فضای باز کمک کند.

1. معرفی

بیماری Lyme (LD) شایعترین زونز و بردار گزارش شده در ایالات متحده است و شیوع آن طی یک دهه گذشته به شدت افزایش یافته است. پاتوژن ایجاد کننده ، SPIROCHETE B. BURGDORFERI ، توسط یک بردار کنه به انسان منتقل می شود. بردار اصلی LD I. Scapularis در ایالت های شمال شرقی و میانه غربی است که ایالت ها و Ixodes Pacificus در شمال غربی اقیانوس آرام [1].

اولین شواهد مربوط به بیماری Lyme به سال 1883 باز می گردد ، هنگامی که یک پزشک آلمانی آکرودرماتیت آتروفی کانیکا را توصیف کرد ، که بعداً به عنوان تظاهرات پوستی دیر هنگام LD شناخته شد [2 ، 3]. بعداً ، سایر تظاهرات به ظاهر غیر مرتبط مانند اریتما مزمن مزمن در سال 1913 توسط لیپشوتز گزارش شد [4]. در سال 1930 علائم عصبی مرتبط با هلستروم با تظاهرات پوستی این بیماری [5]. با این وجود ، تا سال 1976 ، هنگامی که شیوع آرتریت نوجوانان و بثورات پوستی در شهر لیم کانکتیکات رخ داد ، LD شرح داده شد [6]. چند سال پس از آن ، در سال 1982 ، ویلی بورگدورفر ، آنتولوژیست آمریکایی ، عامل ایجاد کننده LD ، مارپیچی را توصیف کرد که به نام وی B. burgdorferi نامگذاری شده است [7].

اگر تحت درمان قرار نگیرد ، LD در طی سه مرحله پیشرفت می کند. مرحله اول - بیماری در اوایل بومی شده - توسط مهاجران اریتم ، که یک ماکول اریتماتو یا پاپول است که یک تا دو هفته پس از نیش کنه رخ می دهد و متعاقباً بزرگ می شود [1]. این بثورات می تواند به طور یکنواخت اریتماتوز باشد یا ممکن است دارای پاکسازی مرکزی ("چشم گاو") با قطر متوسط در حدود 15 سانتی متر باشد [8]. بدون درمان ، B. burgdorferi از محل نیش منتشر می شود و بیماری به مرحله اولیه انتشار می رسد. در این مرحله ، که سه تا پنج هفته پس از نیش اولیه رخ می دهد ، مهاجران اریتم چندگانه (ثانویه) رخ می دهد. این ضایعات تمایل دارند که شبیه به مهاجران اریتم اولیه باشند اما معمولاً کوچکتر هستند [8]. تظاهرات قلبی و عصبی نیز در مرحله اولیه منتشر شده مشاهده می شود که بلوک قلب دهلیزی رایج ترین تظاهرات قلبی است. فلج عصب محیطی (به ویژه عصب صورت) و مننژیت شایعترین تظاهرات عصبی این مرحله از LD هستند. در ایالات متحده ، رایج ترین تظاهرات مرحله اواخر انتشار LD ، آرتریت لایم است [1 ، 8]. آرتریت لایم معمولاً مونو یا الیگوارتولار است ، مفاصل بزرگ (زانو ، بیشتر به طور معمول) را تحت تأثیر قرار می دهد و هفته ها تا ماه ها پس از نیش رخ می دهد. بر خلاف اروپا ، تظاهرات عصبی اواخر LD در ایالات متحده نادر است [8].

مخازن اصلی B. burgdorferi پرندگان و پستانداران کوچک مانند موش و چیپونک ها هستند [1 ، 9]. در حالی که گوزن ها میزبان صالح برای B. burgdorferi نیستند ، آنها برای چرخه زندگی I. scapularis ضروری هستند. Tick I. scapularis دارای سه مرحله توسعه است: لارو ، پوره و کنه بزرگسالان [1]. در آمریکای شمالی ، چرخه زندگی I. scapularis تقریباً دو سال طول می کشد [9]. تخم گذاری تخم مرغ معمولاً در ماه مه آغاز می شود. از این رو ، لاروها در طول تابستان فراوان هستند. این لاروها در طول تابستان از پستانداران کوچک مانند موش پای سفید تغذیه می کنند ، که در آن نقطه انتقال B. burgdorferi رخ می دهد. با نزدیک شدن به زمستان ، لاروهای کنه وارد مرحله خفته ای می شوند که در آن در طول زمستان می ماند. در آغاز بهار سال دوم ، لاروهایی که از قالب زمستان در مرحله بعدی توسعه کنه جان سالم به در بردند - نیش. در طول بهار/تابستان سال دوم ، آن پوره ها به دنبال میزبان های مناسب برای تغذیه ، از جمله انسان هستند. به دنبال یک وعده غذایی خونین ، پوره ها به بزرگسالان قالب می شوند. اگر یک کنه بزرگسال از زمستان زنده بماند ، به دنبال میزبان دیگری (معمولاً یک پستاندار بزرگ مانند گوزن) است که روی آن تغذیه می کند و قادر به تخم گذاری خواهد بود. در آن مرحله چرخه زندگی دو ساله به پایان رسیده است [8 ، 9].

پوره ها معمولاً مسئول اکثر انتقال عفونت به انسان هستند. آنها در ماه های بهار و تابستان که فعالیت های فضای باز انسان در اوج است ، فراوان هستند. اندازه کوچک آنها (فقط چند میلی متر قطر بر خلاف کنه سگ های معمولی) و ترشح برادی کینینازها (آنزیم هایی که برادی کینین ها را می شکنند - آنزیم های التهاب) به این واقعیت کمک می کنند که اکثر بیماران نیش کنه را به یاد نمی آورند [8 ، 10]. خطر انتقال عفونت از کنه آلوده به مدت زمان تغذیه بستگی دارد. کنه ها به احتمال زیاد بعد از مدت طولانی تغذیه ، مانند 36 ساعت یا بیشتر ، عفونت را منتقل می کنند. با این حال ، عفونت حتی پس از 24 ساعت تغذیه می تواند منتقل شود [10].

شواهد در حال رشد وجود دارد که نشان می دهد تغییرات آب و هوا ممکن است بر بروز و شیوع برخی از بیماریهای ناشی از بردار مانند مالاریا ، دنگو ، تب نیل غربی و LD تأثیر بگذارد. بر خلاف آب و هوا ، که شرایط جو را در مدت زمان کوتاهی تعریف می کند ، آب و هوا بیانگر "رفتار" جوی در یک دوره نسبتاً طولانی است [11]. بنابراین ، تغییرات آب و هوایی به تغییر در میانگین طولانی مدت هوای روزانه از جمله دما ، رطوبت ، فشار هوا و بارش اشاره دارد. بروز زون های متولد کنه مانند LD به ویژه احتمالاً تحت تأثیر تغییرات آب و هوا قرار می گیرد زیرا کنه ها اکثر چرخه زندگی خود را در خارج از میزبان می گذرانند در محیطی که دما و رطوبت مستقیماً بر رشد ، فعالیت ، بقا و میزبان تأثیر می گذاردبه دنبال رفتار [12]. تعداد موارد سالانه گزارش شده از LD در ایالات متحده طی سه دهه گذشته به شدت افزایش یافته است ، از حدود 10،000 در سال 1991 به حدود 28000 سالانه در سالهای اخیر [13]. نه تنها بروز این بیماری افزایش یافت ، بلکه توزیع جغرافیایی آن را نیز افزایش داد. در حالی که تغییرات آب و هوایی ممکن است به طور قابل توجهی در ظهور عفونت های جدید نقش داشته باشد ، جالب است که این تغییر در بروز بیماری های ناشی از کنه در ایالات متحده با تغییراتی که در اروپا رخ می دهد ، در تضاد باشد. در آنجا ، در طی 9 سال قبل از سال 2015 ، رشد موارد تب عود کننده شسته شده (به دلیل B. مکرر) با افزایش پناهندگان همراه بوده است [14-16]. علاوه بر این ، در چند دهه اخیر ، نشان داده شده است که Rickettsioses تازه شناخته شده کنه وجود دارد. R. Conorii Sub sp. اسرائیلنسیس در موارد انسانی در سیسیل و ساردینیا در ایتالیا و در مناطق مختلف پرتغال شناسایی شده است [17].

این ظهور بیماری Lyme در ایالات متحده حداقل تا حدی به تغییرات آب و هوا نسبت داده می شود [12]. با این حال ، بزرگی ضربه هنوز مشخص نیست. در این مطالعه ، ما تأثیر متغیرهای آب و هوایی بر بروز LD در 15 ایالت ایالات متحده با بیشترین میزان بروز این بیماری را بررسی می کنیم. این ایالت ها به 95 درصد موارد گزارش شده کمک می کنند.

2. مواد و روشها

ما دو نوع داده را برای انجام تجزیه و تحلیل اثرات ثابت در این مطالعه ادغام کردیم: داده های اپیدمیولوژیک سالانه سطح شهرستان در مورد موارد LD از مراکز کنترل و پیشگیری از بیماری (CDC) و داده های هواشناسی از دولت ملی اقیانوسی و جوی (NOAA). هر دو بانک اطلاعاتی در دسترس عموم هستند.

2. 1داده های اپیدمیولوژیکی

موارد LD از سال 1991 توسط ادارات بهداشت و درمان ایالتی و سرزمینی به عنوان بخشی از سیستم نظارت بر بیماری های قابل توجه (NNDSS) به طور داوطلبانه به CDC گزارش شده است. تعداد سالانه در سطح شهرستان برای دوره 2000-2016 به صورت عمومی در http: //. cdc. gov/lyme/stats/ در دسترس است و ورودی اصلی برای تجزیه و تحلیل ما است. در کل 482،297 مورد در این دوره گزارش شده است (به تکامل تعداد موارد در نقشه های سالانه که توسط CDC توضیح داده شده است ، همچنین در http: //. cdc. gov/lyme/stats/) موجود است. تا سال 2007 ، یک مورد از LD به عنوان (1) یک ماده اریتم تشخیص داده شده به پزشک معالج از قطر بیش از 5 سانتی متر یا (2) حداقل یک تظاهرات دیررس (به عنوان مثال ، عضلانی اسکلتی ، قلبی عروقی یا عصبی) با آزمایشگاه تعریف شد. شواهد عفونت با B. burgdorferi (CDC 1997). تعریف پرونده نظارت ملی در سال 2008 اصلاح شد تا موارد احتمالی را شامل شود. ادارات بهداشتی و درمانی ایالتی یا محلی مسئولیت اطمینان از اینكه موارد گزارش شده به CDC از تعریف پرونده برخوردار هستند ، وظیفه دارند و مقامات بهداشتی ایالتی از روشهای مختلفی برای تعیین مواردی از جمله نظارت منفعل مبتنی بر ارائه دهنده ، نظارت بر آزمایشگاه و نظارت پیشرفته یا فعال استفاده كرده اند [18]. بیش از 95 درصد موارد LD در ایالات متحده در 15 ایالت در دوره مطالعه ما ، در درجه اول در شمال شرقی و فوقانی میانه غربی (کانکتیکات ، دلاور ، ماین ، مریلند ، ماساچوست ، مینسوتا ، نیوهمپشایر ، نیوجرسی ، نیویورک ، پنسیلوانیا ، رخ داده است. رود آیلند ، ورمونت ، ویرجینیا ، ویرجینیا غربی و ویسکانسین). این "حالتهای بزرگ" است ، که در آن میانگین بروز حداقل 10 مورد تأیید شده در هر 100000 نفر در سه سال گزارش قبلی بوده است (به http: //. cdc. gov/lyme/stats/tables. html مراجعه کنید). ما تجزیه و تحلیل خود را بر روی ایالت های آن ایالت ها متمرکز می کنیم و نتایج را برای بروز LD - در هر 100000 جمعیت - از جمله کلیه موارد گزارش شده در دوره تجزیه و تحلیل ما ارائه می دهیم. از آنجا که تعریف مورد در سال 2008 تغییر کرده است ، ما همچنین بر اساس بروز LD گزارش شده قبل و بعد از سال 2008 ، تخمین هایی را ارائه می دهیم. داده های سالانه جمعیت مورد استفاده برای محاسبه بروز LD از دفتر تجزیه و تحلیل اقتصادی ایالات متحده در دسترس است (http: //. bea. gov/itable/index_regional. cfm).

2. 2داده های هواشناسی

برای داده های هواشناسی ، ما از اندازه گیری های روزانه حداکثر و حداقل دما و همچنین بارش کل از NOAA استفاده کردیم ، که به صورت عمومی در http: //. ncdc. noaa. gov/cdo-web/datasets در دسترس است. این مجموعه داده اندازه گیری های دقیق آب و هوا را در بیش از 20،000 ایستگاه آب و هوایی در سراسر کشور ارائه می دهد. دمای متوسط روزانه به عنوان میانگین حداکثر حداکثر روزانه و حداقل دما ، در درجه سانتیگراد (درجه سانتیگراد) محاسبه شد. میانگین دمای سالانه برای دوره 2000-2016 با میانگین تمام مشاهدات روزانه در طول سال بدست آمد. برای شهرستانهایی که ایستگاه آب و هوایی ندارند ، ما با محاسبه میانگین وزنی از آن متغیر از مناطق در فاصله 50 مایل از مرکز اصلی شهرستان با استفاده از وزن معکوس ، دمای متوسط سالانه را با محاسبه میانگین وزنی از آن متغیر از شهرستانها محاسبه کردیم. با اقدامات سالانه متوسط درجه حرارت در سطح شهرستان ، متغیرهای شاخص برای سطل های دمای متوسط سالانه به طور ساده تولید می شوند. اگر میانگین دمای سالانه برای یک شهرستان در محدوده پیش بینی شده باشد و در غیر این صورت صفر باشد ، هر متغیر شاخص مقدار را می گیرد. ما برای دامنه های زیر شاخص هایی ایجاد کردیم: زیر 5 ، 5-7 ، 7-9 ، 9 11 ، 11-13 ، 13-15 و بالاتر از 15 درجه سانتیگراد. سهام مشاهدات در هر سطل در جدول 1 گزارش شده است. بارش سالانه کل برای دوره 2000-2016 با جمع بندی کلیه بارش های روزانه برای یک شهرستان ، در سانتی متر (CM) بدست آمد. محاصره برای مناطق بدون ایستگاه آب و هوایی همانطور که برای دما شرح داده شده است. متغیرهای شاخص برای سطل های بارش کل سالانه به روشی شبیه به دما برای دامنه های زیر تولید می شود: زیر 70 ، 70-120 ، 120-170 ، 170-220 ، 220-270 و بالاتر از 270 سانتی متر. باز هم ، سهام مشاهدات در هر سطل در جدول 1 گزارش شده است. میانگین بارش سالانه کل برای ایالت های موجود در نمونه ما تقریباً 174 سانتی متر است. برای مرجع ، میانگین بارندگی سالانه 20 سانتی متر در ققنوس (آریزونا) ، 87 سانتی متر در مدیسون (ویسکانسین) ، 120 سانتی متر در Providence (Rhode Island) ، 157 سانتی متر در میامی (فلوریدا) و 300 سانتی متر در Mt. Rainier (واشنگتن).

میز 1 خلاصه آمار از نمونه ما.

هنگامی که ما اطلاعات مربوط به موارد LD را با متغیرهای آب و هوایی ادغام کردیم ، نمونه ما حاوی یک صفحه متعادل از 468 ایالت ایالات متحده در طی دوره 2000-2016 بود. شکل 1 مناطق موجود در نمونه ما را در نقشه ایالات متحده نشان می دهد ، با کد رنگ بر اساس بروز LD. جدول 1 آمار خلاصه نمونه ما را گزارش می کند. مشاهده کنید که بیشتر ایالت های مورد استفاده در نمونه ما از مینه سوتا ، ویسکانسین ، نیویورک ، پنسیلوانیا ، ویرجینیا و ویرجینیا غربی آمده است. همچنین ، توجه داشته باشید که سطل های دما با بالاترین سهم از مشاهدات ، محدوده 7-13 درجه سانتیگراد را پوشش می دهند و سطل های بارش با بزرگترین سهام محدوده 70-220 سانتی متر را پوشش می دهند.

شکل 1

نقشه ایالات متحده با ایالت های برجسته از نمونه ما. توجه: این نقشه نمونه ما از 468 شهرستان را در 15 ایالت در نظر گرفته شده توسط CDC به عنوان ایالت هایی با بیشترین بروز LD (بیش از 95 درصد از کل موارد در ایالات متحده) نشان می دهد. رنگهای آبی تیره نشان دهنده شیوع بالاتر این بیماری است - در هر 100000 جمعیت.

2. 3استراتژی تجربی

با استفاده از روش های استاندارد اثرات طولی یا ثابت [19-21] ، مدل رگرسیون پانل معمولی برای بررسی تأثیر متغیرهای آب و هوایی C در مورد ما ، میانگین دما سالانه و بارش کل سالانه - بر روی نتیجه علاقه y در مورد ما ، در مورد ما ،شیوع LD (موارد در هر 100000 جمعیت) شکل می گیرد

در جایی که من مناطق مختلف جغرافیایی (در مورد ما ، ایالت ها) را فهرست بندی می کنم ، زمان T (در مورد ما ، سالها) و S فهرست های جغرافیایی بزرگتر (در مورد ما ، ایالات) را فهرست می کند [22]. متغیرهای توضیحی اضافی در زیر توضیح داده می شود ، اما فرآیند خطا ε به طور معمول با استفاده از خطاهای استاندارد قوی مدل می شود و امکان همبستگی دلخواه در طول زمان و مکان در ماتریس کواریانس را با خوشه بندی در سطح شهرستان فراهم می کند.

با توجه به اینکه C به طور تصادفی به طور تصادفی با گذشت زمان متفاوت است - یعنی "آب و هوا" از توزیع "آب و هوا" در سطح کشور - این رویکرد شبیه یک طرح آزمایشی است و بنابراین ، β اثر علی شوک های آب و هوایی را بر بروز LD مشخص می کند [22]. اثرات ثابت برای شهرستان ، μ_من، ویژگی های مکانی ثابت را جذب کنید ، چه مشاهده شده و چه بدون نظارت ، شوک از بسیاری از منابع احتمالی تعصب متغیر حذف شده ، مانند ویژگی های جغرافیایی (به عنوان مثال ، ارتفاع و نانگری) و خصوصیات اقتصادی پایه شهرستان (به عنوان مثال ، تولید ناخالص داخلی ، جمعیت و تعداد بیمارستان هاتختخواب و تعداد پزشکان در 100000 جمعیت) که احتمالاً با متغیرهای اقلیمی در ارتباط هستند. اثرات ثابت زمان ، θ_حرف، بیشتر روند مشترک را خنثی کنید و در نتیجه اطمینان حاصل کنید که روابط مورد علاقه از شوک های محلی ایدیوسیکاتیک شناسایی می شود. روند زمان خاص حالت ، λ_حرفf (t) ، اضافه می شود تا روند دیفرانسیل در نمونه های نمونه از داده ها را کنترل کند ، کنترل تعدادی از عوامل مشاهده شده و غیرقابل انکار مؤثر بر نتیجه علاقه ای که در طول زمان در سطح ایالتی متفاوت است ، مانند هزینه های بهداشتی دولتی و آگاهی عمومی ایالتیکمپین های مربوط به بروز بیماری های خاص. در مشخصات مورد نظر ما از معادله (1) ، F (t) یک عملکرد درجه دوم از زمان است ، یعنی شامل روند زمان درجه دوم خاص حالت ، همانطور که در جزئیات بیشتر در نتایج و بحث توضیح داده خواهد شد.

توضیح انتخاب دما و بارش به عنوان متغیرهای آب و هوایی ما ضروری است. می توان فرض کرد که شیوع LD ممکن است مربوط به فعالیت کنه باشد. در حقیقت ، مطالعات آزمایشگاهی نشان می دهد که دما تعیین می کند که آیا یا نه ، و تا چه اندازه ، I. scapularis می تواند برای جستجوی میزبان حرکت کند ، در حالی که رطوبت تعیین می کند که کنه های زیاد از سطح زمین ، جایی که منابع آنها برای هیدراتاسیون وجود دارد ، و تا چه مدت آنها را تعیین می کند. می تواند قبل از عقب نشینی به هیدراته ، به طور فعال میزبان بماند [23-25]. ما به جای اندازه گیری ایده آل از رطوبت نسبی از بارش استفاده می کنیم زیرا دومی فقط برای نیمی از مشاهدات سال استان ما در دسترس است. با این وجود ، در تجزیه و تحلیل گزارش نشده در صورت درخواست ، ما هنگام استفاده از نمونه با اطلاعات مربوط به رطوبت نسبی ، نتایج مشابهی پیدا می کنیم. علاوه بر اثرات بیولوژیکی آب و هوا بر فراوانی و فعالیت بردار کنه ، ممکن است تأثیرات رفتاری آب و هوا بر قرار گرفتن در معرض انسان در معرض کنه ها وجود داشته باشد. مطالعات قبلی نشان داده است که افراد با افزایش دما ، زمان بیشتری را در خارج از منزل می گذرانند ، تا جایی که به دلیل گرمای بیش از حد در خارج از کشور نامطلوب می شود [26 ، 27]. علاوه بر این ، افراد ممکن است برای جلوگیری از قرار گرفتن در معرض کنه هایی مانند استفاده از دستگاه های طعمه گوزن برای از بین بردن کنه ، در پاسخ های سازگار شرکت کنند [28].

یک مسئله اساسی در معادله (1) در مورد شکل عملکردی c است. پس از مطالعات قبلی [29-32] ، ما از متغیرهای شاخص برای سطل های میانگین دمای سالانه و برای سطل های بارش کل سالانه استفاده می کنیم. این سطل ها در جدول 1 ذکر شده و در بخش داده ها شرح داده شده است. بنابراین ، تنها محدودیت فرم عملکردی این است که تأثیر دمای متوسط سالانه بر بروز LD در فواصل 2 درجه سانتیگراد ثابت است. انتخاب سطل های دمای باریک نشان دهنده تلاش برای اجازه دادن به داده ها ، به جای فرضیات پارامتری ، برای تعیین رابطه بروز دمای ، در عین حال تخمین هایی است که به اندازه کافی دقیق هستند که دارای محتوای تجربی هستند [29-32]. این درجه انعطاف پذیری و آزادی از فرضیات پارامتری فقط امکان پذیر است زیرا ما از 16 سال داده از منطقه بزرگی از ایالات متحده استفاده می کنیم. به طور مشابه ، ما از متغیرهای شاخص ساده برای بارش بر اساس بارندگی سالانه در ایالت I در سال t استفاده می کنیم. هر شاخص با سطل 50 سانتی متری مطابقت دارد ، از کمتر از 70 سانتی متر تا بیش از 270 سانتی متر.

یکی دیگر از تصمیمات مهم روش شناختی در هنگام اجرای مدل های رگرسیون پانل ، مربوط به گنجاندن سایر مشاهده های متغیر زمان ، z است_{آی تی}بشراز جمله Z_{آی تی}ممکن است تغییرات باقیمانده را جذب کند، بنابراین تخمین های دقیق تری تولید می کند. با این حال، افزودن کنترل های بیشتر لزوماً تخمینی از β را که به β واقعی نزدیک تر است ایجاد نمی کند. اگر Z ها خود نتیجه C باشند، که ممکن است برای کنترل هایی مانند تولید ناخالص داخلی، اقدامات سازمانی و جمعیت صدق کند، از جمله آنها یک "مشکل کنترل بیش از حد" ایجاد می کند (به زبان مدل، اگر Z باشد. در واقع Z (C)، سپس معادله (1) در عوض به صورت y = f (C)، Z (C)) نوشته می شود و تخمین معادله ای که هم Z و هم C را شامل می شود، اثر خالص واقعی C را بر y نشان نمی دهد.(دوباره به دل و همکاران [22] مراجعه کنید). به عنوان مثال، فرض کنید که شهرستان های فقیرتر در ایالات متحده تمایل دارند هم گرم باشند و هم دارای مؤسسات با کیفیت پایین هستند. اگر آب و هوای گرم باعث ایجاد مؤسسات با کیفیت پایین می شود که به نوبه خود باعث درآمد پایین می شود، در آن صورت کنترل مؤسسات در معادله (1) می تواند تأثیری بر حذف نسبی قدرت توضیحی اقلیم داشته باشد، حتی اگر آب و هوا علت اساسی اساسی باشد. بنابراین، اگر بروز LD نتیجه مورد علاقه باشد، برای مثال، کنترل تغییرات در پرسنل بهداشتی یا زیرساخت مشکل ساز خواهد بود اگر متغیرهای آب و هوایی به طور مستقیم یا غیرمستقیم بر آن تغییرات تأثیر بگذارند. مشخصات ترجیحی ما از معادله (1) شامل متغیرهای توضیحی متغیر با زمان اضافی نمی شود، اما ما همچنین برآوردهای جداگانه ای را برای شهرستان های بالاتر و پایین تر از میانگین درآمد سرانه ایالات متحده گزارش می کنیم. این متغیر باید الگوهای توسعه را در سراسر کشور منعکس کند.

3. نتایج و بحث

بیماری های ناشی از کنه یک نگرانی مهم بهداشت عمومی است و شیوع این عفونت ها در کشورهای متحد و در سراسر جهان در حال افزایش است [33]. فعل و انفعالات پیچیده بین انسان و تغییرات آب و هوایی به ظهور بیماری های جدید و گسترش افراد شناخته شده در مناطقی که قبلاً قادر به وجود آنها نبودند ، کمک می کند. عوامل محیطی مانند دما و رطوبت نشان داده شده است که بر فراوانی کنه ، در دسترس بودن میزبان ، بقای آنها و انتقال بیماری تأثیر می گذارد. LD نمونه ای کلاسیک از ارتباط بین عوامل محیطی و بروز بیماری و گسترش است (آژانس حفاظت از محیط زیست ایالات متحده (EPA) در واقع از تعداد موارد LD به عنوان یک شاخص تغییر آب و هوا استفاده می کند (http: //. epa. gov/climate-indicators/تغییر آب و هوا-نشانگران-لیم-بیماری)). برای اینکه یک منطقه برای وقوع و انتقال LD مناسب باشد ، آب و هوا باید به بقای هر دو کنه و میزبان پستانداران لازم برای تکمیل چرخه زندگی کنه اجازه دهد [25]. تصور می شد که ظهور LD در شمال شرقی ایالت های Unites در سال 1970 به دلیل گسترش جمعیت کنه مرتبط با جنگل زدایی و گسترش میزبان کلیدی چرخه زندگی کنه - پیر [34] است. با این حال ، یک مطالعه جدید از کانادا نشان داد که با وجود جنگل زدایی ، جمعیت I. scapularis گسترش یافته است [35]. مطالعات قبلی ، هم تجربی و هم مبتنی بر شبیه سازی ، نشان داده اند که آب و هوای گرم کننده از طریق افزایش بقای کنه و دسترسی به میزبان های لازم برای تغذیه ، تأثیر مثبتی در گسترش جمعیت کنه دارد [36 ، 37]. مطالعه ما با هدف تعیین تأثیر دما و رطوبت در بروز LD در 15 ایالت ایالات متحده که اکثر موارد گزارش شده را تشکیل می دهند.

تأثیرات تخمین زده شده ما از متغیرهای آب و هوایی بر بروز LD - قضیه در هر 100000 جمعیت - در جدول 2 گزارش شده است. به یاد بیاورید که نمونه اصلی فقط حاوی ایالت هایی از 15 ایالت ایالات متحده با بالاترین شیوع LD با توجه به CDC است. در ستون 1 ، ما برای عوامل متغیر زمان مشاهده شده و بدون نظارت بر همه کشورهای نمونه به طور مساوی در هر سال مانند شرایط کلان اقتصادی و تغییر در قانون سلامت و هزینه های بهداشتی در سطح فدرال کنترل می کنیم و برای عوامل متغیر مشاهده نشده و بدون تأثیر هر یک از آنها تأثیر می گذارد. شهرستان در طول دوره نمونه مانند ویژگی های جغرافیایی شهرستان و زیرساخت های بهداشتی تاریخی (پایه). در ستون 2 ، ما روند زمان خطی خاص حالت را برای کنترل تغییرات مشاهده شده و بدون نظارت در متغیرهای دولتی مؤثر بر پیامدهای سلامت مانند گسترش Medicaid ، کمپین هایی برای افزایش آگاهی از رفتارهای سالم و غیره برای مشخصات مورد نظر ما در ستون 3 اضافه کردیم. ما اجازه دادیم با اضافه کردن اصطلاحات درجه دوم ، این روند زمان خاص حالت را به مرور زمان معکوس کنیم. به عنوان مثال ، ما در چندین سال و همچنین کاهش در هزینه های بهداشتی دولت و همچنین کاهش پس از آن ، یا کاهش بودجه برای کمپین های افزایش آگاهی از LD ، کنترل می کنیم و یک بار تأیید می شود. ستون 3 مشخصات ارجح ما است نه تنها به این دلیل که افزایش در مربع R نسبت به ستون های قبلی نشان دهنده بهبود خوبی در مورد مدل اقتصاد سنجی ما است ، بلکه به این دلیل که کنترل های مهمی را نیز در نظر می گیرد. در حقیقت ، شباهت در افزایش در مربع R-S-S-S-S-S-S-S-S-S-S-S-S-S-S-Scred نشان می دهد که متغیرهای توضیحی اضافی در واقع برای توضیح شیوع LD مرتبط هستند. در غیر این صورت ، مربع تنظیم شده R می تواند مشخصات اقتصاد سنجی ستون 3 ما را مجازات کند. هر دو مربع R و REPED R-S-S-S-Sevel نشان می دهد که مدل ما بیش از 70 درصد از تغییرات در بروز LD در ایالات متحده را در دوره 2000-2016 توضیح می دهد.

جدول 2 تأثیر دما و بارش بر بروز LD.

اکنون ما rresult را از مشخصات مورد نظر خود توصیف می کنیم (جدول 2 ، ستون 3). نسبت به ایالت هایی با میانگین دمای سالانه بالاتر از 15 درجه سانتیگراد ، ایالت هایی با میانگین دمای سالانه زیر 5 درجه سانتیگراد 1. 6 مورد اضافی LD در 100000 جمعیت دارند ، اما این برآورد از نظر آماری معنی دار نیست (از صفر قابل تشخیص نیست ، یا از طرف دیگر قابل تشخیص نیستگروه مرجع). این برآورد برای ایالت هایی با میانگین دمای سالانه بین 5 تا 7 درجه سانتیگراد به 10. 7 مورد در هر 100000 جمعیت افزایش یافت و برای کشورهایی با دمای متوسط سالانه بین 7 تا 9 درجه سانتیگراد به 15. 1 رسید. سپس ، برای ایالت هایی با میانگین دمای سالانه بین 9 تا 11 درجه سانتیگراد - 14/4 مورد در هر 100000 جمعیت تثبیت می شود - اما به ترتیب برای ایالت هایی با دمای متوسط سالانه بین 11 تا 13 درجه سانتیگراد و 13 و 15 درجه سانتیگراد به 5. 3 و 3. 9 کاهش یافت. بشرما این تخمین ها را به وضوح در شکل 2 نمایش می دهیم ، جایی که می توانیم شکل تقریباً مقعر یا معکوس-U از بروز پاسخ LD به دما را مشاهده کنیم.