Bayesian spatial prediction of three medically important tick species in Illinois

기술 요약: 일리노이주 내 세 가지 주요 의학적 중요 진드기 종의 베이지안 공간 예측

문제 정의
일리노이주 전역에서 진드기 매개 질병(TBD) 보고가 증가하고 있으나, 감시 데이터의 공간적 불균형은 여전히 존재한다. 능동적 샘플링과 수동 제출의 물류적 및 자원 집약적 특성으로 인해 많은 카운티(county)에서 종별 관찰 데이터가 부족한 상태이다. 이러한 희소성은 샘플링이 미흡한 지역의 상대적 풍부도를 추론하는 것을 제한하며, 추가적인 감시를 위한 우선순위 구역을 식으로 하는 데 방해가 된다. 또한, 환경 요인(기후, 토지 피복, 숙주 가용성)이 진드기 분포에 영향을 미친다는 사실은 알려져 있으나, 이러한 요인들이 특정 의학적으로 중요한 종에 대해 잔차 공간 구조(residual spatial structure) 단독 모델보다 예측 정확도를 개선하는지에 대해서는 여로 명확하지 않다.

방법론
본 연구는 2019~2022년 사이의 감시 데이터를 사용하여 일리노이주 내 102개 모든 카운티를 대상으로 세 가지 핵심 종인 Amblyomma americanum(외래성 론 스타 진드기), Dermacentor variabilis(미국 개 진드기), Ixodes scapularis(검은다리 진드기)의 카운티 수준 상대적 풍부도를 예측하기 위한 베이지안 계층적 공간 모델을 개발하였다.

• 반응 변수: 상대적 풍부도는 수집된 핵심 진드기의 종별 비율(종별 개체 수 / 세 핵심 종의 총 개체 수)로 정의되었다. 이는 과잉 이항 변이(extra-binomial variation)를 설명하기 위해 베타-이항 가능도(beta-binomial likelihood)를 사용하여 모델링되었으며, 샘플링 노력을 간접적으로 제어하기 위해 총 수집된 진드기 수를 분모($N_i$)로 사용하였다.
• 공변량: 환경 예측 변수에는 기후 변수(WorldClim 2.1 유도), 토지 피복 지표(NLCD 2019), 산림 파편화 지수, 그리고 흰꼬리사슴 서식지 적합성 점수가 포함되었다. 다중공선성을 해결하기 위해 기후 및 토지 피복 데이터셋에 각각 주성분 분석(PCA)을 적용하였다.
• 공간 모델링: 모델은 통합 순차 근사(Integrated Nested Laplace Approximation, INLA)를 사용하여 구현되었다. 공간 성분은 구조적 공간 효과와 비구조적 무작와 효과를 결합한 BYM2(Besag, York, and Mollié) 파라미터화를 활용하였다.
• 모델 선택: 각 종에 대해 공간 전용(BYM2) 모델부터 환경 효과(기후, 토지 피복, 사슴 적합성)와 공간 효과가 결합된 전체 환경 모델에 이르기까지 6개의 후보 모델을 적합시켰다. 모델 비교에는 Watanabe-Akaike 정보 기준(WAIC), 편차 정보 기준(DIC), 로그 조건 예측 궤적(LCPO)이 사용되었다.
• 검증: 지리적 외삽 예측 성능을 평가하기 위해 공간적 5-겹 교차 검증(spatial five-fold cross-validation)을 수행하였다. 이를 통해 환경 공변량이 공간 전용 모델에 비해 예측 지표(RMSE, MAE)를 개선하는지 평가하였다.

주요 결과
연구는 각 종에 대한 뚜렷한 생태적 동인과 예측 구조를 확인하였다:

1. Amblyomma americanum: 최적의 지원을 받은 모델은 전체 환경 효과와 BYM2 공간 성분을 포함한 모델이었다. 사슴 서식지 적합성이 가장 명확한 양(+)의 예측 변수였다(오즈비 = 2.51). 환경 공변량의 포함은 공간 전용 모델에 비해 지리적 외삽 예측 성능을 개선하였다(RMSE 5.4% 감소, MAE 10.9% 감소). 예측된 상대적 풍부도는 일리노이 남부에서 가장 높았다.
2. Dermacentor variabilis: 공간 전용 BYM2 모델이 가장 강력한 지지를 받았다. 환경 공변량을 추가하는 것은 모델 적합도를 개선하지 못했을 뿐만 아니라 오히려 예측 오차를 증가시켰다(RMSE 8.3% 증가). 이는 광범위하게 분포하는 일반종인 이 종의 경우, 잔차 공간 구조가 측정된 카운티 수준의 환경 구배보다 분포 패턴을 더 잘 포착함을 시사한다.
3. Ixodes scapularis: 기후 공변량(특히 기후 PC1)과 BYM2 공간 효과를 결합한 모델이 선택되었다. 기후 PC1은 상대적 풍부도와 음(-)의 상관관계를 보였는데, 이는 북부 일리노이의 특정 계절적 기후 체계(더 낮은 가장 따뜻한 분기, 더 따뜻한 가장 습한 분기, 낮은 강수량)가 강력한 예측 인자임을 나타낸다. 환경 변수 포함은 예측을 개선하였다(RMSE 7.3% 감소). 예측된 풍부도는 북부 일리노이에 집중되어 있었다.

불확실성 및 감시 공백
모델은 종별 관찰 데이터가 없는 카운티를 포함하여 102개 모든 카운티에 대한 예측을 성공적으로 생성하였다. 95% 신뢰 구간의 폭은 예측 불확실성을 정량화하는 데 사용되었다. 분석 결과 불확실성이 높게 유지되는 특정 지역이 식별되었다: A. americanum의 경우 북동부 일리노이, D. variabilis의 경우 서중부 일리노이, I. scapularis의 경우 동중부 일리노이이다. 이 지역들은 추가적인 표준화된 감시를 통해 예측 정밀도를 가장 효과적으로 높일 수 있는 우선순위 구역을 나타낸다.

의의 및 주장
본 논문은 데이터가 부족한 지역에서 추론을 확장하기 위해 종별 공간 모델링이 필수적이라고 주장한다. 본 연구는 다음을 입증한다:

• 환경 예측 변수는 A. americanum과 I. scapularis의 예측은 개선하지만, 보다 보편적인 D. variabilis의 경우에는 개선하지 못하며, 이는 "원 사이즈(one-size-fits-all)" 프레임워크가 아닌 종 특이적 모델링 접근 방식의 필요성을 강조한다.
• 베이지안 계층 모델은 불확실성을 효과적으로 정량화하여, 공중 보건 관계자들이 높은 예측 풍부도 지역과 데이터 부족으로 인해 예측이 불확실한 지역을 구분할 수 있게 한다.
• 이 프레임워크는 질병 발생(예: 라임병, 에를리키아증)은 이미 보고되고 있으나 벡터 데이터는 희소한 곳을 대상으로 하여, 감시 노력을 우선순위화할 수 있는 근거를 제공한다.

저자들은 이질적인 감시 방법과 카운티 단위의 집계가 미세한 생태적 변이를 가릴 수 있다는 한계를 언급하였으나, 균일한 샘플링이 부재한 상황에서 이 접근 방식이 주 전역 위험 지도 작성(statewide risk mapping)을 위한 견고한 방법을 제공한다고 주장한다.