非洲猪瘟爆发的时空模式

揭示菲律宾非洲猪瘟爆发的时空模式和关键危险因素通讯作者：明尼苏达大学兽医学院动物健康与食品安全中心 徐家辉本研究探讨了非洲猪瘟（ASF）的迫切关注，这是一种影响家猪和野猪的高度致命的疾病。自2019年7月引入菲律宾以来，II型ASF病毒的快速传播对养猪业构成了重大威胁。本研究旨在通过时空分析和定量风险因素优先排序，旨在确定影响菲律宾商业和家庭农场ASF传播的时空模式和关键因素。方法：本文2019年8月至2022年7月报告的ASF疫情数据，来自菲律宾农业部养猪国际培训中心。这些数据包括事件ID、管理级别和报告日期。疫情地点使用最小行政级别的质心（纬度和经度）进行近似。使用R软件计算描述性统计，空间聚类使用ArcGIS Pro（ESRI Inc.，Redlands，CA，USA）中的全球Moran’sI检验进行评估。利用SaTScan软件v10.0.2（库尔库尔多夫，剑桥，MA，美国）[1]和蒙特卡罗模拟来识别局部时空簇。一个委员会的评估过程挑选了25名具有菲律宾养猪业专业知识的参与者，他们参加了2023年5月在巴坦加斯举行的教育研讨会。参与者包括来自菲律宾兽医服务部门的10名成员和15名来自养猪业的成员。在研讨会期间，时空结果在当地被呈现和解释。此外，在该组内进行了一项联合分析，以确定和优先考虑与在菲律宾的ASF引入和传播相关的危险因素。为了估计每个风险因素的相对加权值，在RStudio版本4.2.2中使用MASS软件包[2]进行了逻辑回归和有序逻辑回归模型。结果分析本研究分析了2019年8月至2022年7月在菲律宾发生的19,697起ASF农场爆发事件。时空聚集，吕宋岛中部是受非瘟影响最严重的区域。8月至10月的疫情最高，4月和5月最低，可能受到环境因素和文化习俗的影响。此外，联合分析确定，泔水或受污染的饲料、不充分的生物安全协议和人员流动是ASF在一般农场中传播的重要风险因素。泔水或受污染饲料的比值比最高，为19.84（95% CI 12.09-33.22），其次是人员流动（11.11,95% CI 6.88-18.26），没有消毒方案（7.54,95% CI 4.73-12.21）。规模猪场面临着受污染的车辆和人员的额外风险，而家庭农场容易受到猪苗、环境污染和饲养质量差的影响。结论性意见时空分析显示，在今年下半年发生了三个月的ASF疫情，增强了我们对时空模式的理解。人类的行为，包括泔水喂养、生物安全不足和缺乏消毒方案，显著影响了ASF的传播。因此，防止车辆和个人进入易感农场至关重要，这超过了野猪的影响。严格的生物安全措施、有针对性的干预措施对于控制和预防ASF、：揭示菲律宾非洲猪瘟爆发的时空模式和关键危险因素通讯作者：明尼苏达大学兽医学院动物健康与食品安全中心 徐家辉本研究探讨了非洲猪瘟（ASF）的迫切关注，这是一种影响家猪和野猪的高度致命的疾病。自2019年7月引入菲律宾以来，II型ASF病毒的快速传播对养猪业构成了重大威胁。本研究旨在通过时空分析和定量风险因素优先排序，旨在确定影响菲律宾商业和家庭农场ASF传播的时空模式和关键因素。方法：本文2019年8月至2022年7月报告的ASF疫情数据，来自菲律宾农业部养猪国际培训中心。这些数据包括事件ID、管理级别和报告日期。疫情地点使用最小行政级别的质心（纬度和经度）进行近似。使用R软件计算描述性统计，空间聚类使用ArcGIS Pro（ESRI Inc.，Redlands，CA，USA）中的全球Moran’sI检验进行评估。利用SaTScan软件v10.0.2（库尔库尔多夫，剑桥，MA，美国）[1]和蒙特卡罗模拟来识别局部时空簇。一个委员会的评估过程挑选了25名具有菲律宾养猪业专业知识的参与者，他们参加了2023年5月在巴坦加斯举行的教育研讨会。参与者包括来自菲律宾兽医服务部门的10名成员和15名来自养猪业的成员。在研讨会期间，时空结果在当地被呈现和解释。此外，在该组内进行了一项联合分析，以确定和优先考虑与在菲律宾的ASF引入和传播相关的危险因素。为了估计每个风险因素的相对加权值，在RStudio版本4.2.2中使用MASS软件包[2]进行了逻辑回归和有序逻辑回归模型。结果分析本研究分析了2019年8月至2022年7月在菲律宾发生的19,697起ASF农场爆发事件。时空聚集，吕宋岛中部是受非瘟影响最严重的区域。8月至10月的疫情最高，4月和5月最低，可能受到环境因素和文化习俗的影响。此外，联合分析确定，泔水或受污染的饲料、不充分的生物安全协议和人员流动是ASF在一般农场中传播的重要风险因素。泔水或受污染饲料的比值比最高，为19.84（95% CI 12.09-33.22），其次是人员流动（11.11,95% CI 6.88-18.26），没有消毒方案（7.54,95% CI 4.73-12.21）。规模猪场面临着受污染的车辆和人员的额外风险，而家庭农场容易受到猪苗、环境污染和饲养质量差的影响。结论性意见时空分析显示，在今年下半年发生了三个月的ASF疫情，增强了我们对时空模式的理解。人类的行为，包括泔水喂养、生物安全不足和缺乏消毒方案，显著影响了ASF的传播。因此，防止车辆和个人进入易感农场至关重要，这超过了野猪的影响。严格的生物安全措施、有针对性的干预措施对于控制和预防ASF、：揭示菲律宾非洲猪瘟爆发的时空模式和关键危险因素通讯作者：明尼苏达大学兽医学院动物健康与食品安全中心 徐家辉本研究探讨了非洲猪瘟（ASF）的迫切关注，这是一种影响家猪和野猪的高度致命的疾病。自2019年7月引入菲律宾以来，II型ASF病毒的快速传播对养猪业构成了重大威胁。本研究旨在通过时空分析和定量风险因素优先排序，旨在确定影响菲律宾商业和家庭农场ASF传播的时空模式和关键因素。方法：本文2019年8月至2022年7月报告的ASF疫情数据，来自菲律宾农业部养猪国际培训中心。这些数据包括事件ID、管理级别和报告日期。疫情地点使用最小行政级别的质心（纬度和经度）进行近似。使用R软件计算描述性统计，空间聚类使用ArcGIS Pro（ESRI Inc.，Redlands，CA，USA）中的全球Moran’sI检验进行评估。利用SaTScan软件v10.0.2（库尔库尔多夫，剑桥，MA，美国）[1]和蒙特卡罗模拟来识别局部时空簇。一个委员会的评估过程挑选了25名具有菲律宾养猪业专业知识的参与者，他们参加了2023年5月在巴坦加斯举行的教育研讨会。参与者包括来自菲律宾兽医服务部门的10名成员和15名来自养猪业的成员。在研讨会期间，时空结果在当地被呈现和解释。此外，在该组内进行了一项联合分析，以确定和优先考虑与在菲律宾的ASF引入和传播相关的危险因素。为了估计每个风险因素的相对加权值，在RStudio版本4.2.2中使用MASS软件包[2]进行了逻辑回归和有序逻辑回归模型。结果分析本研究分析了2019年8月至2022年7月在菲律宾发生的19,697起ASF农场爆发事件。时空聚集，吕宋岛中部是受非瘟影响最严重的区域。8月至10月的疫情最高，4月和5月最低，可能受到环境因素和文化习俗的影响。此外，联合分析确定，泔水或受污染的饲料、不充分的生物安全协议和人员流动是ASF在一般农场中传播的重要风险因素。泔水或受污染饲料的比值比最高，为19.84（95% CI 12.09-33.22），其次是人员流动（11.11,95% CI 6.88-18.26），没有消毒方案（7.54,95% CI 4.73-12.21）。规模猪场面临着受污染的车辆和人员的额外风险，而家庭农场容易受到猪苗、环境污染和饲养质量差的影响。结论性意见时空分析显示，在今年下半年发生了三个月的ASF疫情，增强了我们对时空模式的理解。人类的行为，包括泔水喂养、生物安全不足和缺乏消毒方案，显著影响了ASF的传播。因此，防止车辆和个人进入易感农场至关重要，这超过了野猪的影响。严格的生物安全措施、有针对性的干预措施对于控制和预防ASF、：揭示菲律宾非洲猪瘟爆发的时空模式和关键危险因素通讯作者：明尼苏达大学兽医学院动物健康与食品安全中心 徐家辉本研究探讨了非洲猪瘟（ASF）的迫切关注，这是一种影响家猪和野猪的高度致命的疾病。自2019年7月引入菲律宾以来，II型ASF病毒的快速传播对养猪业构成了重大威胁。本研究旨在通过时空分析和定量风险因素优先排序，旨在确定影响菲律宾商业和家庭农场ASF传播的时空模式和关键因素。方法：本文2019年8月至2022年7月报告的ASF疫情数据，来自菲律宾农业部养猪国际培训中心。这些数据包括事件ID、管理级别和报告日期。疫情地点使用最小行政级别的质心（纬度和经度）进行近似。使用R软件计算描述性统计，空间聚类使用ArcGIS Pro（ESRI Inc.，Redlands，CA，USA）中的全球Moran’sI检验进行评估。利用SaTScan软件v10.0.2（库尔库尔多夫，剑桥，MA，美国）[1]和蒙特卡罗模拟来识别局部时空簇。一个委员会的评估过程挑选了25名具有菲律宾养猪业专业知识的参与者，他们参加了2023年5月在巴坦加斯举行的教育研讨会。参与者包括来自菲律宾兽医服务部门的10名成员和15名来自养猪业的成员。在研讨会期间，时空结果在当地被呈现和解释。此外，在该组内进行了一项联合分析，以确定和优先考虑与在菲律宾的ASF引入和传播相关的危险因素。为了估计每个风险因素的相对加权值，在RStudio版本4.2.2中使用MASS软件包[2]进行了逻辑回归和有序逻辑回归模型。结果分析本研究分析了2019年8月至2022年7月在菲律宾发生的19,697起ASF农场爆发事件。时空聚集，吕宋岛中部是受非瘟影响最严重的区域。8月至10月的疫情最高，4月和5月最低，可能受到环境因素和文化习俗的影响。此外，联合分析确定，泔水或受污染的饲料、不充分的生物安全协议和人员流动是ASF在一般农场中传播的重要风险因素。泔水或受污染饲料的比值比最高，为19.84（95% CI 12.09-33.22），其次是人员流动（11.11,95% CI 6.88-18.26），没有消毒方案（7.54,95% CI 4.73-12.21）。规模猪场面临着受污染的车辆和人员的额外风险，而家庭农场容易受到猪苗、环境污染和饲养质量差的影响。结论性意见时空分析显示，在今年下半年发生了三个月的ASF疫情，增强了我们对时空模式的理解。人类的行为，包括泔水喂养、生物安全不足和缺乏消毒方案，显著影响了ASF的传播。因此，防止车辆和个人进入易感农场至关重要，这超过了野猪的影响。严格的生物安全措施、有针对性的干预措施对于控制和预防ASF、：揭示菲律宾非洲猪瘟爆发的时空模式和关键危险因素通讯作者：明尼苏达大学兽医学院动物健康与食品安全中心 徐家辉本研究探讨了非洲猪瘟（ASF）的迫切关注，这是一种影响家猪和野猪的高度致命的疾病。自2019年7月引入菲律宾以来，II型ASF病毒的快速传播对养猪业构成了重大威胁。本研究旨在通过时空分析和定量风险因素优先排序，旨在确定影响菲律宾商业和家庭农场ASF传播的时空模式和关键因素。方法：本文2019年8月至2022年7月报告的ASF疫情数据，来自菲律宾农业部养猪国际培训中心。这些数据包括事件ID、管理级别和报告日期。疫情地点使用最小行政级别的质心（纬度和经度）进行近似。使用R软件计算描述性统计，空间聚类使用ArcGIS Pro（ESRI Inc.，Redlands，CA，USA）中的全球Moran’sI检验进行评估。利用SaTScan软件v10.0.2（库尔库尔多夫，剑桥，MA，美国）[1]和蒙特卡罗模拟来识别局部时空簇。一个委员会的评估过程挑选了25名具有菲律宾养猪业专业知识的参与者，他们参加了2023年5月在巴坦加斯举行的教育研讨会。参与者包括来自菲律宾兽医服务部门的10名成员和15名来自养猪业的成员。在研讨会期间，时空结果在当地被呈现和解释。此外，在该组内进行了一项联合分析，以确定和优先考虑与在菲律宾的ASF引入和传播相关的危险因素。为了估计每个风险因素的相对加权值，在RStudio版本4.2.2中使用MASS软件包[2]进行了逻辑回归和有序逻辑回归模型。结果分析本研究分析了2019年8月至2022年7月在菲律宾发生的19,697起ASF农场爆发事件。时空聚集，吕宋岛中部是受非瘟影响最严重的区域。8月至10月的疫情最高，4月和5月最低，可能受到环境因素和文化习俗的影响。此外，联合分析确定，泔水或受污染的饲料、不充分的生物安全协议和人员流动是ASF在一般农场中传播的重要风险因素。泔水或受污染饲料的比值比最高，为19.84（95% CI 12.09-33.22），其次是人员流动（11.11,95% CI 6.88-18.26），没有消毒方案（7.54,95% CI 4.73-12.21）。规模猪场面临着受污染的车辆和人员的额外风险，而家庭农场容易受到猪苗、环境污染和饲养质量差的影响。结论性意见时空分析显示，在今年下半年发生了三个月的ASF疫情，增强了我们对时空模式的理解。人类的行为，包括泔水喂养、生物安全不足和缺乏消毒方案，显著影响了ASF的传播。因此，防止车辆和个人进入易感农场至关重要，这超过了野猪的影响。严格的生物安全措施、有针对性的干预措施对于控制和预防ASF、：揭示菲律宾非洲猪瘟爆发的时空模式和关键危险因素通讯作者：明尼苏达大学兽医学院动物健康与食品安全中心 徐家辉本研究探讨了非洲猪瘟（ASF）的迫切关注，这是一种影响家猪和野猪的高度致命的疾病。自2019年7月引入菲律宾以来，II型ASF病毒的快速传播对养猪业构成了重大威胁。本研究旨在通过时空分析和定量风险因素优先排序，旨在确定影响菲律宾商业和家庭农场ASF传播的时空模式和关键因素。方法：本文2019年8月至2022年7月报告的ASF疫情数据，来自菲律宾农业部养猪国际培训中心。这些数据包括事件ID、管理级别和报告日期。疫情地点使用最小行政级别的质心（纬度和经度）进行近似。使用R软件计算描述性统计，空间聚类使用ArcGIS Pro（ESRI Inc.，Redlands，CA，USA）中的全球Moran’sI检验进行评估。利用SaTScan软件v10.0.2（库尔库尔多夫，剑桥，MA，美国）[1]和蒙特卡罗模拟来识别局部时空簇。一个委员会的评估过程挑选了25名具有菲律宾养猪业专业知识的参与者，他们参加了2023年5月在巴坦加斯举行的教育研讨会。参与者包括来自菲律宾兽医服务部门的10名成员和15名来自养猪业的成员。在研讨会期间，时空结果在当地被呈现和解释。此外，在该组内进行了一项联合分析，以确定和优先考虑与在菲律宾的ASF引入和传播相关的危险因素。为了估计每个风险因素的相对加权值，在RStudio版本4.2.2中使用MASS软件包[2]进行了逻辑回归和有序逻辑回归模型。结果分析本研究分析了2019年8月至2022年7月在菲律宾发生的19,697起ASF农场爆发事件。时空聚集，吕宋岛中部是受非瘟影响最严重的区域。8月至10月的疫情最高，4月和5月最低，可能受到环境因素和文化习俗的影响。此外，联合分析确定，泔水或受污染的饲料、不充分的生物安全协议和人员流动是ASF在一般农场中传播的重要风险因素。泔水或受污染饲料的比值比最高，为19.84（95% CI 12.09-33.22），其次是人员流动（11.11,95% CI 6.88-18.26），没有消毒方案（7.54,95% CI 4.73-12.21）。规模猪场面临着受污染的车辆和人员的额外风险，而家庭农场容易受到猪苗、环境污染和饲养质量差的影响。结论性意见时空分析显示，在今年下半年发生了三个月的ASF疫情，增强了我们对时空模式的理解。人类的行为，包括泔水喂养、生物安全不足和缺乏消毒方案，显著影响了ASF的传播。因此，防止车辆和个人进入易感农场至关重要，这超过了野猪的影响。严格的生物安全措施、有针对性的干预措施对于控制和预防ASF、：揭示菲律宾非洲猪瘟爆发的时空模式和关键危险因素通讯作者：明尼苏达大学兽医学院动物健康与食品安全中心 徐家辉本研究探讨了非洲猪瘟（ASF）的迫切关注，这是一种影响家猪和野猪的高度致命的疾病。自2019年7月引入菲律宾以来，II型ASF病毒的快速传播对养猪业构成了重大威胁。本研究旨在通过时空分析和定量风险因素优先排序，旨在确定影响菲律宾商业和家庭农场ASF传播的时空模式和关键因素。方法：本文2019年8月至2022年7月报告的ASF疫情数据，来自菲律宾农业部养猪国际培训中心。这些数据包括事件ID、管理级别和报告日期。疫情地点使用最小行政级别的质心（纬度和经度）进行近似。使用R软件计算描述性统计，空间聚类使用ArcGIS Pro（ESRI Inc.，Redlands，CA，USA）中的全球Moran’sI检验进行评估。利用SaTScan软件v10.0.2（库尔库尔多夫，剑桥，MA，美国）[1]和蒙特卡罗模拟来识别局部时空簇。一个委员会的评估过程挑选了25名具有菲律宾养猪业专业知识的参与者，他们参加了2023年5月在巴坦加斯举行的教育研讨会。参与者包括来自菲律宾兽医服务部门的10名成员和15名来自养猪业的成员。在研讨会期间，时空结果在当地被呈现和解释。此外，在该组内进行了一项联合分析，以确定和优先考虑与在菲律宾的ASF引入和传播相关的危险因素。为了估计每个风险因素的相对加权值，在RStudio版本4.2.2中使用MASS软件包[2]进行了逻辑回归和有序逻辑回归模型。结果分析本研究分析了2019年8月至2022年7月在菲律宾发生的19,697起ASF农场爆发事件。时空聚集，吕宋岛中部是受非瘟影响最严重的区域。8月至10月的疫情最高，4月和5月最低，可能受到环境因素和文化习俗的影响。此外，联合分析确定，泔水或受污染的饲料、不充分的生物安全协议和人员流动是ASF在一般农场中传播的重要风险因素。泔水或受污染饲料的比值比最高，为19.84（95% CI 12.09-33.22），其次是人员流动（11.11,95% CI 6.88-18.26），没有消毒方案（7.54,95% CI 4.73-12.21）。规模猪场面临着受污染的车辆和人员的额外风险，而家庭农场容易受到猪苗、环境污染和饲养质量差的影响。结论性意见时空分析显示，在今年下半年发生了三个月的ASF疫情，增强了我们对时空模式的理解。人类的行为，包括泔水喂养、生物安全不足和缺乏消毒方案，显著影响了ASF的传播。因此，防止车辆和个人进入易感农场至关重要，这超过了野猪的影响。严格的生物安全措施、有针对性的干预措施对于控制和预防ASF、：揭示菲律宾非洲猪瘟爆发的时空模式和关键危险因素通讯作者：明尼苏达大学兽医学院动物健康与食品安全中心 徐家辉本研究探讨了非洲猪瘟（ASF）的迫切关注，这是一种影响家猪和野猪的高度致命的疾病。自2019年7月引入菲律宾以来，II型ASF病毒的快速传播对养猪业构成了重大威胁。本研究旨在通过时空分析和定量风险因素优先排序，旨在确定影响菲律宾商业和家庭农场ASF传播的时空模式和关键因素。方法：本文2019年8月至2022年7月报告的ASF疫情数据，来自菲律宾农业部养猪国际培训中心。这些数据包括事件ID、管理级别和报告日期。疫情地点使用最小行政级别的质心（纬度和经度）进行近似。使用R软件计算描述性统计，空间聚类使用ArcGIS Pro（ESRI Inc.，Redlands，CA，USA）中的全球Moran’sI检验进行评估。利用SaTScan软件v10.0.2（库尔库尔多夫，剑桥，MA，美国）[1]和蒙特卡罗模拟来识别局部时空簇。一个委员会的评估过程挑选了25名具有菲律宾养猪业专业知识的参与者，他们参加了2023年5月在巴坦加斯举行的教育研讨会。参与者包括来自菲律宾兽医服务部门的10名成员和15名来自养猪业的成员。在研讨会期间，时空结果在当地被呈现和解释。此外，在该组内进行了一项联合分析，以确定和优先考虑与在菲律宾的ASF引入和传播相关的危险因素。为了估计每个风险因素的相对加权值，在RStudio版本4.2.2中使用MASS软件包[2]进行了逻辑回归和有序逻辑回归模型。结果分析本研究分析了2019年8月至2022年7月在菲律宾发生的19,697起ASF农场爆发事件。时空聚集，吕宋岛中部是受非瘟影响最严重的区域。8月至10月的疫情最高，4月和5月最低，可能受到环境因素和文化习俗的影响。此外，联合分析确定，泔水或受污染的饲料、不充分的生物安全协议和人员流动是ASF在一般农场中传播的重要风险因素。泔水或受污染饲料的比值比最高，为19.84（95% CI 12.09-33.22），其次是人员流动（11.11,95% CI 6.88-18.26），没有消毒方案（7.54,95% CI 4.73-12.21）。规模猪场面临着受污染的车辆和人员的额外风险，而家庭农场容易受到猪苗、环境污染和饲养质量差的影响。结论性意见时空分析显示，在今年下半年发生了三个月的ASF疫情，增强了我们对时空模式的理解。人类的行为，包括泔水喂养、生物安全不足和缺乏消毒方案，显著影响了ASF的传播。因此，防止车辆和个人进入易感农场至关重要，这超过了野猪的影响。严格的生物安全措施、有针对性的干预措施对于控制和预防ASF、：揭示菲律宾非洲猪瘟爆发的时空模式和关键危险因素通讯作者：明尼苏达大学兽医学院动物健康与食品安全中心 徐家辉本研究探讨了非洲猪瘟（ASF）的迫切关注，这是一种影响家猪和野猪的高度致命的疾病。自2019年7月引入菲律宾以来，II型ASF病毒的快速传播对养猪业构成了重大威胁。本研究旨在通过时空分析和定量风险因素优先排序，旨在确定影响菲律宾商业和家庭农场ASF传播的时空模式和关键因素。方法：本文2019年8月至2022年7月报告的ASF疫情数据，来自菲律宾农业部养猪国际培训中心。这些数据包括事件ID、管理级别和报告日期。疫情地点使用最小行政级别的质心（纬度和经度）进行近似。使用R软件计算描述性统计，空间聚类使用ArcGIS Pro（ESRI Inc.，Redlands，CA，USA）中的全球Moran’sI检验进行评估。利用SaTScan软件v10.0.2（库尔库尔多夫，剑桥，MA，美国）[1]和蒙特卡罗模拟来识别局部时空簇。一个委员会的评估过程挑选了25名具有菲律宾养猪业专业知识的参与者，他们参加了2023年5月在巴坦加斯举行的教育研讨会。参与者包括来自菲律宾兽医服务部门的10名成员和15名来自养猪业的成员。在研讨会期间，时空结果在当地被呈现和解释。此外，在该组内进行了一项联合分析，以确定和优先考虑与在菲律宾的ASF引入和传播相关的危险因素。为了估计每个风险因素的相对加权值，在RStudio版本4.2.2中使用MASS软件包[2]进行了逻辑回归和有序逻辑回归模型。结果分析本研究分析了2019年8月至2022年7月在菲律宾发生的19,697起ASF农场爆发事件。时空聚集，吕宋岛中部是受非瘟影响最严重的区域。8月至10月的疫情最高，4月和5月最低，可能受到环境因素和文化习俗的影响。此外，联合分析确定，泔水或受污染的饲料、不充分的生物安全协议和人员流动是ASF在一般农场中传播的重要风险因素。泔水或受污染饲料的比值比最高，为19.84（95% CI 12.09-33.22），其次是人员流动（11.11,95% CI 6.88-18.26），没有消毒方案（7.54,95% CI 4.73-12.21）。规模猪场面临着受污染的车辆和人员的额外风险，而家庭农场容易受到猪苗、环境污染和饲养质量差的影响。结论性意见时空分析显示，在今年下半年发生了三个月的ASF疫情，增强了我们对时空模式的理解。人类的行