เชิงนามธรรม

จากการศึกษาที่เกี่ยวข้องพบว่า cistanche เป็นสมุนไพรทั่วไปที่รู้จักกันในชื่อ "สมุนไพรมหัศจรรย์ที่ช่วยยืดอายุ" มีองค์ประกอบหลักคือซิสทาโนไซด์ซึ่งมีเอฟเฟกต์ต่างๆ เช่นสารต้านอนุมูลอิสระ, ต้านการอักเสบ, และการส่งเสริมการทำงานของภูมิคุ้มกัน. กลไกระหว่าง cistanche และผิวขาวอยู่ในฤทธิ์ต้านอนุมูลอิสระของซิสแทนช์ไกลโคไซด์. เมลานินในผิวหนังของมนุษย์ผลิตโดยปฏิกิริยาออกซิเดชันของไทโรซีนที่เร่งปฏิกิริยาโดยไทโรซิเนสและปฏิกิริยาออกซิเดชั่นต้องการการมีส่วนร่วมของออกซิเจน ดังนั้นอนุมูลอิสระของออกซิเจนในร่างกายจึงกลายเป็นปัจจัยสำคัญที่ส่งผลต่อการผลิตเมลานิน Cistanche มี cistanoside ซึ่งเป็นสารต้านอนุมูลอิสระและสามารถลดการสร้างอนุมูลอิสระในร่างกายได้ยับยั้งการสร้างเมลานิน.

คลิกเพื่อเสริม Cistanche Tubulosa

สำหรับข้อมูลเพิ่มเติม:

david.deng@wecistanche.com วอทแอพ:86 13632399501

การแนะนำ

พลวัตเชิงพื้นที่ของประชากรสัตว์ รวมถึงความผันผวนและความสัมพันธ์ของแอมพลิจูดและเฟส เป็นส่วนสำคัญของการวิจัยด้านนิเวศวิทยาและวิทยาศาสตร์กายภาพมานานหลายทศวรรษ การสังเกตเชิงประจักษ์ของรูปแบบในพลวัตของประชากรได้ขับเคลื่อนทฤษฎีไปข้างหน้าซึ่งนำไปสู่ความเข้าใจที่ดีขึ้นเกี่ยวกับปฏิสัมพันธ์ระหว่างผู้ล่าและเหยื่อ [1,2] ผลกระทบของ Allee [3] และปฏิสัมพันธ์ระหว่างองค์ประกอบที่กำหนดขึ้นและสุ่มของระบบ [4,5] แม้ว่าจะมีวรรณกรรมมากมายเกี่ยวกับการซิงโครไนซ์ของระบบและสาเหตุของระบบ [6] แต่ก็มีหลักฐานเชิงประจักษ์เพียงเล็กน้อยสำหรับการสั่นเป็นระยะหรือความผันผวนของซิงโครไนซ์เชิงพื้นที่ โดยเฉพาะอย่างยิ่งในด้านระบาดวิทยา ซึ่งการระบุรูปแบบระยะยาวในไดนามิกของโรคติดเชื้ออาจมีความสำคัญอย่างยิ่งต่อ ความสำเร็จของการแทรกแซงด้านสุขภาพ ตัวอย่างเช่น การรู้ว่าเมื่อใดที่ระดับประชากรของเชื้อโรคต่ำเป็นพิเศษพร้อมกันทั่วทั้งภูมิภาคจะนำเสนอโอกาสที่ดีขึ้นในการกำจัดเชื้อโรค [7] ในทำนองเดียวกัน การคาดการณ์ถึงการแพร่ระบาดทั่วโลกอาจช่วยในการจัดสรรทรัพยากรอย่างมีโครงสร้าง เช่น วัคซีน ในพื้นที่และเวลา แม้ว่าจะมีการอธิบายถึงการซิงโครไนซ์เชิงพื้นที่อย่างสม่ำเสมอในสัตว์ป่าชนิดอื่นๆ (เช่น [8–12]) แต่ระดับของการซิงโครไนซ์อาจแปรผันไปตามกาลเวลากลับได้รับความสนใจน้อยกว่า [13–15] ในที่นี้ เราจะอธิบายถึงการประสานเป็นระยะอย่างสม่ำเสมอในพลวัตของโรคไข้เลือดออก (DHF) ในประเทศไทยในช่วงเวลา 51-ปี

ไวรัสไข้เลือดออก (DENV) เป็นไวรัสที่มียุงเป็นพาหะ คาดว่าจะแพร่เชื้อสู่ผู้คน 100 ล้านคนในแต่ละปี [16,17] มีสี่ซีโรไทป์ของไวรัส (DENV1–4) การติดเชื้อปฐมภูมิที่มีซีโรไทป์ที่จำเพาะจะสร้างภูมิคุ้มกันระยะยาวต่อการติดเชื้อที่ตามมาของซีโรไทป์เดียวกันนั้น และมีการสนับสนุนเชิงประจักษ์ที่ชัดเจนสำหรับการป้องกันชั่วคราวต่อซีโรไทป์อื่นในระยะสั้น [18–21] นอกจากนี้ กลไกอื่นๆ เช่น การเพิ่มประสิทธิภาพที่ขึ้นกับแอนติบอดียังอาจเป็นสื่อกลางในการเปลี่ยนแปลงของอุบัติการณ์ [22–24]

รูปแบบหลายปีในไข้เลือดออกที่สังเกตได้ในทุกพื้นที่เกิดขึ้นจากผลของการทำงานร่วมกันที่ซับซ้อนของปัจจัยต่างๆ รวมถึงปัจจัยต่อไปนี้: สภาพภูมิอากาศ โดยผลกระทบต่อพาหะนำโรคและประสิทธิภาพการแพร่เชื้อ พลวัตของผู้ล่า-เหยื่อระหว่างไวรัสและโฮสต์ ปฏิสัมพันธ์ระหว่างซีโรไทป์และสายพันธุ์ต่างๆ ของไข้เลือดออก รูปแบบเชิงพื้นที่ในโครงสร้างโฮสต์ พลศาสตร์ และการเคลื่อนที่ และปัจจัยด้านไวรัส [25–28] งานจำนวนมากได้คลี่คลายบทบาทของตัวขับเคลื่อนภายนอก เช่น สภาพภูมิอากาศ และปัจจัยภายในในการสร้างพลวัตในระบบโรคต่างๆ และใช้แนวทางที่หลากหลาย [29–34] ในการระบุตัวขับเคลื่อนถึงรูปแบบระหว่างปีในการเปลี่ยนแปลงของไข้เลือดออก การศึกษามักมองว่าปัจจัยภายนอกและปัจจัยภายใน โดยเฉพาะอย่างยิ่งการเปลี่ยนแปลงของภูมิคุ้มกัน เป็นสมมติฐานทางเลือกที่แข่งขันกัน [26,35–41] อย่างไรก็ตาม ภูมิคุ้มกันให้ข้อเสนอแนะเชิงลบที่การเพิ่มขึ้นของการแพร่เชื้อเนื่องจากสภาพอากาศที่เอื้ออำนวยสามารถนำไปสู่การลดลงของการแพร่เชื้อในช่วงเวลาต่อๆ ไปผ่านผลการป้องกันของภูมิคุ้มกัน ซึ่งนำไปสู่พลวัตหลายปีในหลายระบบ [30,42]

ปัจจัยเดียวกันหลายอย่างที่เกี่ยวข้องกับการสร้างไดนามิกหลายปียังสามารถสร้างการซิงโครไนซ์ข้ามสถานที่ต่างๆ [6] อีกครั้ง ทั้งภายใน (โดยเฉพาะการเคลื่อนย้ายโฮสต์ระหว่างสถานที่) และภายนอก (สิ่งแวดล้อม; "ผลโมแรน" ซึ่งความสัมพันธ์ระหว่างประชากรที่แยกจากกันทางภูมิศาสตร์นั้นขับเคลื่อนโดยความสัมพันธ์ในสภาพแวดล้อมที่เกี่ยวข้อง) มีศักยภาพที่ไม่เพียงประสานไดนามิกข้ามอวกาศ แต่ยังสร้าง การเปลี่ยนแปลงของระดับซิงโครไนซ์เมื่อเวลาผ่านไป [13–15] การศึกษาเชิงประจักษ์มีแนวโน้มที่จะมุ่งเน้นไปที่สภาพภูมิอากาศ [40,41] ตัวอย่างเช่น van Panhuis และเพื่อนร่วมงาน [40] ตรวจพบการระบาดของโรคไข้เลือดออกพร้อมกันทั่วเอเชียตะวันออกเฉียงใต้ตั้งแต่ปี พ.ศ. 2540 ถึง พ.ศ. 2541 ซึ่งเป็นช่วงที่มีอุณหภูมิสูงขึ้นและปรากฏการณ์เอลนีโญที่รุนแรง

สิ่งแวดล้อมและโดยเฉพาะอย่างยิ่งอุณหภูมิ เป็นปัจจัยสำคัญที่คาดว่าจะมีส่วนสำคัญในการสร้างพลวัตของไข้เลือดออก [43–45] อุณหภูมิมีผลอย่างมากต่อลักษณะประวัติชีวิตของยุงหลายชนิด (เช่น อัตราการกัด อัตราการเติบโตของประชากร อัตราการตาย [28,44]) และด้วยเหตุนี้ การเปลี่ยนแปลงประชากรของพวกมัน [46] การคาดการณ์ชี้ให้เห็นว่าอุณหภูมิที่เพิ่มขึ้นอาจขยายขอบเขตการแพร่กระจายของไข้เลือดออกได้อย่างมีประสิทธิภาพ [47–49] อย่างไรก็ตาม การศึกษาผลกระทบของอุณหภูมิที่เปลี่ยนแปลงต่อไข้เลือดออกในพื้นที่ที่มีเชื้อโรคประจำถิ่นอยู่แล้วยังไม่ค่อยดีนัก และพื้นที่เหล่านี้ แม้ในการคาดการณ์ถึงปี 2050 หรือ 2080 ก็ประกอบด้วยประชากรส่วนใหญ่ของโลกที่เสี่ยงต่อโรคไข้เลือดออก [47–49] ].

ในที่นี้ เราจะตรวจสอบพลวัตเชิงพื้นที่ของไข้เลือดออกในประเทศไทยระหว่างปี พ.ศ. 2511 ถึง พ.ศ. 2561 เราระบุลักษณะของวัฏจักรหลายปีและเปิดเผยปรากฏการณ์เชิงพื้นที่ที่น่าสนใจซึ่งประเทศไทยประสบกับอุบัติการณ์ของไข้เลือดออกเป็นระยะ ตรงกันข้ามกับการศึกษาก่อนหน้านี้ ซึ่งมักจะมุ่งเน้นไปที่ตัวขับเคลื่อนภายนอกหรือภายในเพื่ออธิบายรูปแบบที่สังเกตได้ เราตั้งสมมติฐานว่าภูมิคุ้มกันประกอบด้วยตัวกรองไดนามิกที่แข็งแกร่งซึ่งจำเป็นต่อการเข้าใจผลกระทบของอุณหภูมิต่อไข้เลือดออก ด้วยเหตุผลนี้ เราจึงใช้แบบจำลองไข้เลือดออกซีโรไทป์แบบกลไกที่ขึ้นกับอุณหภูมิ เพื่อแยกความแตกต่างของอุณหภูมิและไดนามิกของภูมิคุ้มกันที่โต้ตอบกันเพื่อสร้างการซิงโครไนซ์เป็นระยะ เรามุ่งเน้นไปที่การป้องกันข้ามชั่วคราวระหว่างซีโรไทป์เนื่องจากการสนับสนุนเชิงประจักษ์ที่ชัดเจน แม้ว่าจะมีกลไกอื่นๆ เช่น การปรับปรุงที่ขึ้นกับแอนติบอดี ที่อาจมีบทบาทเช่นกัน

ผลลัพธ์

รูปแบบเชิงประจักษ์ในรอบหลายปีและการซิงโครไนซ์

รอบหลายปีในไข้เลือดออกรูปที่ 1A แสดงแผนที่ความร้อนของจำนวนผู้ป่วยไข้เลือดออกรายเดือนตามจังหวัดในช่วง 51 ปี ซึ่งมีการระบาดตามฤดูกาลอย่างชัดเจน แต่บางปี (เช่น พ.ศ. 2541 ถึง 2542 หรือ 2544) มีการระบาดทั่วประเทศมากกว่าปีอื่นๆ นี่คือรูปแบบหลายปีหลังที่เราสนใจที่นี่ โดยเฉพาะอย่างยิ่ง เรามุ่งเน้นไปที่รูปแบบวัฏจักรที่มีช่วงเวลาระหว่าง 1.5 ถึง 5 ปี (เช่น รูปแบบในปีที่มีการระบาดใหญ่มากกว่าค่าเฉลี่ยจะถูกคั่นด้วย 1.5 ถึง 5 ปี) เนื่องจากช่วงเวลานี้ครอบคลุมช่วงเวลาที่มีรายงานการเปลี่ยนแปลงของไข้เลือดออกก่อนหน้านี้ (ดู ส่วน "วัสดุและวิธีการ" สำหรับเหตุผลโดยละเอียด) เราใช้การแปลงเวฟเล็ตแบบต่อเนื่อง (WTs) เพื่อระบุลักษณะของวัฏจักรหลายปี WT ระบุปริมาณความสำคัญของมาตราส่วนเวลาที่แตกต่างกันในอนุกรมเวลาเมื่อเวลาผ่านไป และด้วยสิ่งเหล่านี้ อนุกรมเวลาสามารถสร้างขึ้นใหม่ได้โดยใช้องค์ประกอบหลายปีของรูปแบบที่สังเกตได้เท่านั้น การสร้างอนุกรมเวลาไข้เลือดออกใหม่เป็นการยืนยันการมีอยู่ของรูปแบบหลายปีที่แตกต่างกันอย่างชัดเจน (รูปที่ 1B) เราหาปริมาณช่วงเวลาหลายปีที่สำคัญที่สุดในการระบุลักษณะการเปลี่ยนแปลงของไข้เลือดออกในแต่ละจังหวัดและสำหรับแต่ละช่วงเวลา ("ช่วงเวลาเด่น") เผยให้เห็นว่าช่วงเวลาหลายปีที่โดดเด่นมีแนวโน้มที่จะเปลี่ยนแปลงตลอดเวลา (แตกต่างกันระหว่าง 1.5 ถึง 4.5 ปี) และนั่น ณ เวลาใดเวลาหนึ่ง สเกลเวลาหลักอาจแตกต่างกันอย่างมากในแต่ละจังหวัด (รูป S8b ในภาคผนวก S1) ก่อนหน้านี้มีการสังเกตการมีอยู่ของช่วงเวลาหลายปี [27,40] แต่ที่นี่ ด้วยประโยชน์ของอนุกรมเวลาที่ยาวขึ้น เราแสดงให้เห็นว่าสิ่งเหล่านี้เปลี่ยนแปลงตลอดเวลาและพื้นที่

การซิงโครไนซ์ในไข้เลือดออกเราประมาณการซิงโครไนซ์เชิงพื้นที่ในกรณีไข้เลือดออกโดยใช้วิธีการต่างๆ ที่นี่เรามุ่งเน้นไปที่แนวทางเดียว ฟิลด์ค่าเฉลี่ยของเวฟเล็ต (WMFs; [50,51]) แต่ให้รายละเอียดและผลลัพธ์สำหรับแนวทางอื่นๆ ในส่วน "มุมมองเกี่ยวกับการซิงโครไนซ์" ในภาคผนวก S1 WMF วัดการซิงโครไนซ์เป็นฟังก์ชันของทั้งสเกลเวลาและเวลา พวกเขาระบุช่วงเวลาและจุดเวลาที่ทั้งสองเฟส (ตำแหน่งในเวลาในหนึ่งรอบ) และขนาดของการแกว่งสอดคล้องกัน (หรือซิงโครนัสมากกว่า) ทั่วทั้งจังหวัด WMF สำหรับกรณี DHF ทั่วประเทศไทยอธิบายระบบที่ดูเหมือนจะผันผวนเข้าและออกพร้อมกัน (รูปที่ 2B) ผลลัพธ์ที่สอดคล้องกับคลื่นการเดินทางที่สังเกตได้ทั่วประเทศไทย [27] และเอเชียตะวันออกเฉียงใต้ [40] การซิงโครนัสในไข้เลือดออกมีนัยสำคัญทางสถิติตลอดเวลา หมายความว่าแม้ว่าซิงโครนัสจะต่ำกว่า (บริเวณที่ขาวกว่าในรูปที่ 2B) ระดับซิงโครนัสก็ยังสูงกว่าที่คาดไว้ในระบบอะซิงโครนัส นอกจากนี้ ช่วงเวลาของการซิงโครไนซ์ที่มากขึ้นเกิดขึ้นในช่วงเวลาที่ต่างกัน ตัวอย่างเช่น ในขณะที่เหตุการณ์การซิงโครไนซ์ช่วงปลายทศวรรษ 1980 เกิดขึ้นในช่วงเวลา ≈2.2 ปี เหตุการณ์ที่เกิดขึ้นประมาณปี 2000 มีช่วงเวลา ≈4.1 ปี ผลลัพธ์เหล่านี้ได้รับการยืนยันเพิ่มเติมโดยใช้ 4 วิธีเพิ่มเติมในการประมาณการซิงโครไนซ์ (รูปที่ 3); วิธีการทั้งหมดอธิบายถึงระบบที่ดูเหมือนจะผันผวนเข้าและออกจากการซิงโครไนซ์ (ส่วน "มุมมองเกี่ยวกับการซิงโครไนซ์" ในภาคผนวก S1) ในทุกกรณี ช่วงเวลาของการซิงโครไนซ์ที่มากขึ้นดูเหมือนจะเกิดขึ้นพร้อมกันกับการระบาดที่ใหญ่ขึ้น (เช่น การเปรียบเทียบ S8a และ S8c Fig ในภาคผนวก S1) ตามที่สังเกตก่อนหน้านี้เช่นกัน [40,52]

ซิงโครไนซ์ในอุณหภูมิการใช้ Global Historical Climatology Network เวอร์ชัน 2 และระบบตรวจสอบความผิดปกติของสภาพอากาศ (GHCN CAMS) เราแยกอนุกรมเวลาอุณหภูมิสำหรับแต่ละจังหวัดและคำนวณอุณหภูมิ WMF ทั่วทั้งจังหวัดในช่วงเวลาเดียวกับข้อมูลการเฝ้าระวังไข้เลือดออกแบบพาสซีฟ (พ.ศ. 2511 ถึง พ.ศ. 2561) . ตามที่คาดไว้ การซิงโครไนซ์ของอุณหภูมิมีความสำคัญในทุกจุดของเวลา WMF สำหรับอุณหภูมิอธิบายถึงระบบที่คล้ายกับที่พบในไข้เลือดออก ซึ่งอุณหภูมิจะผันผวนเข้าและออกจากการซิงโครไนซ์ในช่วงเวลาหลายปี (รูปที่ 2A; สำหรับผลลัพธ์โดยใช้วิธีอื่น โปรดดู S34 และ S35 Figs ในภาคผนวก S1) นอกจากนี้ ช่วงเวลาของการซิงโครไนซ์ที่มากขึ้นดูเหมือนจะสอดคล้องกัน ทั้งในด้านเวลาและสเกลเวลากับช่วงเวลาของไข้เลือดออก (รูปที่ 2A และ 2B)

หากรูปแบบที่ประสานกันในไข้เลือดออกเชื่อมโยงโดยตรงกับรูปแบบที่ประสานกันในอุณหภูมิ เราคาดว่าขนาดของ WMF 2 ตัวตามลำดับ (ในระดับเวลาหลายปี และสำหรับทุกจุดในเวลาไม่รวมกรวยของอิทธิพล) จะสัมพันธ์กัน ในเชิงบวกและมีนัยสำคัญ เราพบความสัมพันธ์แบบเพียร์สันที่ 0.21 (P=0.060 ดูส่วน "วัสดุและวิธีการ" สำหรับการทดสอบที่มีนัยสำคัญ) และความสัมพันธ์แบบเพียร์สันที่ 0.20 (P {{7 }}.069). ดังนั้น แม้ว่าความสัมพันธ์จะเป็นไปในทางบวก แต่ก็ไม่มีนัยสำคัญทางสถิติ อย่างไรก็ตาม ดูผลลัพธ์สำหรับ WMF ของข้อมูลไข้เลือดออกและผลลัพธ์ของแบบจำลองกลไกตามอุณหภูมิในหัวข้อ "การขับเคลื่อนแบบจำลองด้วยอนุกรมเวลาอุณหภูมิจริง" ด้านล่าง

เพื่อระบุว่ารูปแบบการซิงโครไนซ์ในอุณหภูมิสอดคล้องกับที่สังเกตในกรณีไข้เลือดออกโดยละเอียดหรือไม่ เราได้ขยายวิธีการของ Sheppard และเพื่อนร่วมงาน [50,51] เพื่อคำนวณฟิลด์ค่าเฉลี่ยข้ามเวฟเล็ต (CWMFs) เวฟเล็ตแบบไขว้หาปริมาณความคล้ายคลึงกันใน 2-อนุกรมเวลา' (อุณหภูมิและกรณีไข้เลือดออก) พลังงานของเวฟเล็ตและมุมเฟสในแต่ละช่วงเวลาและจุดเวลา ดังนั้น CWMF (ค่าเฉลี่ยถ่วงน้ำหนักข้ามเวฟเล็ตข้ามจังหวัด) จะวัดปริมาณความสอดคล้องของ ความคล้ายคลึงกันนี้ในทุกสถานที่ ผลลัพธ์ในรูปที่ 2 มิติ (สีที่เข้มกว่าหมายถึงความสม่ำเสมอที่มากขึ้นระหว่างไข้เลือดออกและอุณหภูมิในทุกสถานที่) แนะนำว่าอุณหภูมิมีบทบาทสำคัญอย่างยิ่งโดยเฉพาะอย่างยิ่งเมื่อซิงโครไนซ์ในไข้เลือดออกสูง (ดังที่แสดงโดยความสอดคล้องที่มีนัยสำคัญทางสถิติในมุมของเฟสระหว่างไข้เลือดออกและอุณหภูมิระหว่างซิงโครไนซ์ เหตุการณ์).

ในทางกลับกัน CWMF ไม่ได้ชี้แจงว่ากลไกใดกำลังเล่นอยู่ในช่วงเวลาอะซิงโครนัสที่มากขึ้น ไดนามิกหลายปีแบบอะซิงโครนัสในอุณหภูมิอาจนำไปสู่ไดนามิกหลายปีแบบอะซิงโครนัสที่คล้ายกันในไข้เลือดออก หรือระบอบอุณหภูมิที่แตกต่างกันอาจกระตุ้นให้เกิดไดนามิกหลายปีภายในของช่วงเวลาที่ต่างกันในไข้เลือดออก ดังนั้นจึงนำไปสู่อะซิงโครนัสด้วย ในทั้งสองกรณีนี้ ค่า CWMF อาจคาดว่าจะต่ำ เพื่อแยกความแตกต่างระหว่าง 2 สมมติฐานนี้ สำหรับแต่ละจังหวัด เราเชื่อมโยงพลังงานเวฟเล็ตในอุณหภูมิและไข้เลือดออก โดยแยกจากกันสำหรับช่วงเวลาซิงโครไนซ์สูงและต่ำ (รูปที่ S15 ในภาคผนวก S1) หลังจากสร้างความสำคัญของอุณหภูมิระหว่างเหตุการณ์ซิงโครนัสแล้ว เราคาดว่าจะมีค่าสัมประสิทธิ์สหสัมพันธ์เชิงบวกที่มีนัยสำคัญทางสถิติระหว่างช่วงเวลาซิงโครนัสสูง หากอุณหภูมิเป็นตัวขับเคลื่อนหลักในช่วงเวลาอะซิงโครนัส เราอาจคาดหวังค่าสัมประสิทธิ์สหสัมพันธ์ที่คล้ายกัน อย่างไรก็ตาม เราพบว่าความสัมพันธ์จะลดลงอย่างมีนัยสำคัญระหว่างการซิงโครไนซ์ต่ำ (รูปที่ S16 และตาราง S2 ในภาคผนวก S1) ผลลัพธ์นี้เพียงอย่างเดียวไม่ได้กีดกันอุณหภูมิจากการเป็นตัวขับเคลื่อนหลักของไดนามิกของไข้เลือดออกในช่วงระยะเวลาแบบอะซิงโครนัส แต่โปรดดูส่วน "การขับเคลื่อนแบบจำลองด้วยอนุกรมเวลาอุณหภูมิจริง"

ช่วงเวลาของเหตุการณ์การซิงโครไนซ์ในไข้เลือดออกและอุณหภูมิการวิเคราะห์ของเราอธิบายระบบที่แกว่งเข้าและออกจากการซิงโครไนซ์ (รูปที่ 2B และ 3) ในการอธิบายช่วงเวลาของระดับการซิงโครไนซ์เอง เราได้ยุบ WMF ลงในอนุกรมเวลาโดยใช้ WMF เฉลี่ยข้ามสเกลเวลาหลายปีสำหรับแต่ละช่วงเวลา (เส้นสีแดงในรูปที่ 3B) จากนั้นเราทำให้อนุกรมเวลาที่ได้มาตรฐานเป็นค่าเฉลี่ย 0 และส่วนเบี่ยงเบนมาตรฐานที่ 1 และใช้ WT

เนื่องจากอนุกรมเวลาของการซิงโครไนซ์เหล่านี้มีอย่างน้อย 4 รอบที่แตกต่างกัน (รูปที่ 3) เราจึงเลือกที่จะกำหนดลักษณะของช่วงเวลาโดยการหาค่าเฉลี่ยของพลังงานเวฟเล็ตในช่วงเวลาหนึ่ง โดยหาค่าเฉลี่ยของพลังงานเวฟเล็ตต่อสเกลเวลา ช่วงเวลาซึ่งครอบงำอนุกรมเวลาของการซิงโครไนซ์ของไข้เลือดออกและอุณหภูมิในประเทศไทย ซึ่งหาปริมาณซินโครนีโดยใช้ WMFs คือ 12.6 และ 12.5 ปีตามลำดับ (เช่น ช่วงเวลาหลักของวัฏจักรที่แสดงในเส้นสีแดงในรูปที่ 3 คือ 12.6 ปี ). จากการเปรียบเทียบ ช่วงเวลาของการซิงโครไนซ์ในไข้เลือดออก โดยที่ซิงโครไนซ์ถูกประมาณโดยใช้วิธีอื่น เช่น ไทม์สเกลค่ามัธยฐานถ่วงน้ำหนักหรือคอร์เรโลกแกรมแบบ spline แบบ win-dowed (ส่วน "มุมมองเกี่ยวกับซิงโครไนซ์" ในภาคผนวก S1) คือ 120 ปีในทั้งสองกรณี

การจำลองเพื่อสำรวจกลไก: การทำงานร่วมกันของอุณหภูมิและภูมิคุ้มกัน

แบบจำลองกลไกและสถานการณ์ไข้เลือดออกแม้ว่าผลลัพธ์ของเราอาจชี้ให้เห็นความสัมพันธ์ทางสถิติที่ค่อนข้างตรงไปตรงมาระหว่างกรณีไข้เลือดออกและอุณหภูมิ (รูปที่ 2 และรูปที่ S36 ในภาคผนวก S1) เราต้องการสำรวจกลไกที่อุณหภูมิสามารถสร้างพลวัตแบบอะซิงโครนัสและซิงโครนัส ในขณะที่คำนึงถึงปัจจัยภายใน เช่น ปฏิสัมพันธ์ระหว่างซีโรไทป์ ภูมิคุ้มกันเป็นศูนย์กลางในการสร้างการเปลี่ยนแปลงของไข้เลือดออก การป้องกันข้ามชั่วคราวระหว่างซีโรไทป์เพียงอย่างเดียวสามารถก่อให้เกิดไดนามิกของไข้เลือดออกที่หลากหลายในเชิงคุณภาพ ดังนั้น ผลกระทบใดๆ ของอุณหภูมิต่อไดนามิกจึงต้องถูกมองผ่านเลนส์ของไดนามิกของภูมิคุ้มกัน เพื่อจุดประสงค์นี้ เราใช้แบบจำลองไข้เลือดออก 4-สมการเชิงอนุพันธ์ซีโรไทป์ที่เรียบง่ายและขึ้นกับอุณหภูมิ (ดูหัวข้อ "วัสดุและวิธีการ") แบบจำลองนี้สร้างขึ้นจากแบบจำลองของ Huber และเพื่อนร่วมงาน [46] ซึ่งเข้ารหัสการพึ่งพาอุณหภูมิของลักษณะเวกเตอร์อย่างชัดเจน ซึ่งช่วยให้อุณหภูมิสามารถขับเคลื่อนการแพร่เชื้อและการเปลี่ยนแปลงของไข้เลือดออกได้ เราขยายแบบจำลองเพื่อให้มีปฏิกิริยาข้ามการป้องกันระหว่างซีโรไทป์ที่มีระยะเวลาเฉลี่ยต่างกัน

เราเรียกใช้การจำลอง 3 ชุดเพื่อดูว่าเราสามารถเข้าใจได้ดีขึ้นว่าอุณหภูมิอาจขับเคลื่อนรูปแบบพร้อมกันได้อย่างไร โดยใช้ทั้งอนุกรมเวลาของอุณหภูมิจริงและการทดลองอย่างง่าย (ตารางที่ 1) อันดับแรก ในการจำลองที่ 1 เราใช้อนุกรมเวลาของอุณหภูมิสำหรับแต่ละจังหวัดเป็นอินพุตสำหรับแบบจำลอง เพื่อสร้างคุณลักษณะเชิงพื้นที่ชั่วคราวที่สังเกตได้ ต่อไป สำหรับการจำลองที่ 2 และ 3 เราต้องการเจาะลึกกลไกเฉพาะซึ่งอุณหภูมิอาจสร้างไดนามิกแบบอะซิงโครนัสและแบบซิงโครนัส การจำลองสถานการณ์ 1 ช่วยให้เราสามารถกำหนดได้ว่าอุณหภูมิมีบทบาทสำคัญน้อยกว่าในการสร้างไดนามิกแบบอะซิงโครนัสในไข้เลือดออก ดังนั้นเราจึงสำรวจว่าระบอบอุณหภูมิที่แตกต่างกัน (และการส่งผ่าน) สามารถสร้างการสั่นไหวภายในหลายปีที่หลากหลายเพียงพอ (และแบบอะซิงโครนัส) ในสถานที่ต่างๆ ได้หรือไม่ เพื่อจุดประสงค์นี้ เราได้วางแผนการทดลองแบบง่ายในสถานที่สมมุติในอุดมคติ 6 แห่งตามแนวตัดขวางในประเทศไทย โดยเริ่มจากอุณหภูมิเฉลี่ยสูงและความแปรปรวนตามฤดูกาลต่ำไปจนถึงอุณหภูมิเฉลี่ยต่ำและความแปรปรวนตามฤดูกาลสูง (ดู S40–S42 มะเดื่อในภาคผนวก S1) สำหรับการจำลองที่ 2 เราใช้เส้นโค้งไซน์ตามฤดูกาลเป็นอินพุตอุณหภูมิ (ไม่มีรอบหลายปี) และทำการจำลองสำหรับสถานที่ทั้ง 6 แห่ง สุดท้าย สำหรับการจำลองแบบ 3 เราสร้างจากการจำลองแบบ 2 โดยนำเสนอความผันผวนหลายปีเพียงครั้งเดียวในอนุกรมเวลาอุณหภูมิ พร้อมกันในสถานที่ทั้ง 6 แห่ง โดยซ้อนทับกับวัฏจักรของฤดูกาล ความผันผวนหลายปีมีช่วงเวลาที่แตกต่างกัน (2 ถึง 5 ปี) และแอมพลิจูดของคลื่นหลายปีเป็นสัดส่วน (10 เปอร์เซ็นต์ถึง 40 เปอร์เซ็นต์) ของแอมพลิจูดตามฤดูกาล วัตถุประสงค์ของการจำลองแบบ 3 คือเพื่อพิจารณาว่าความผันผวนหลายปีทั่วสถานที่ต่างๆ จะเพียงพอที่จะสร้างซิงโครนัสในระบบอะซิงโครนัสหรือไม่ การใช้ฟังก์ชันอุณหภูมิไซน์ในอุดมคติในการจำลองที่ 2 และ 3 ทำให้เราสามารถระบุได้ดีขึ้นว่าความถี่ที่ตรวจพบในไดนามิกของไข้เลือดออกแบบจำลองที่เป็นผลลัพธ์นั้นเกิดจากความถี่ที่มีอยู่ในอุณหภูมิหรือเนื่องจากภูมิคุ้มกันในประชากรเจ้าบ้าน

สำหรับข้อมูลเพิ่มเติม: david.deng@wecistanche.com WhatApp:86 13632399501