Integra(ng an agent-based model of malaria mosquitoes with - - PowerPoint PPT Presentation

Integra(ng ¡an ¡agent-­‑based ¡model ¡of ¡ malaria ¡mosquitoes ¡with ¡a ¡geographic ¡ informa(on ¡system ¡

• S. ¡M. ¡Niaz ¡Arifin(a), ¡Rumana ¡Reaz ¡Arifin(b,c), ¡Dilkushi ¡

de ¡Alwis ¡PiHs(c), ¡Gregory ¡R. ¡Madey(a) ¡ ¡

¡ (a)Department ¡of ¡Computer ¡Science ¡and ¡Engineering ¡ (b)Department ¡of ¡Civil ¡& ¡Environmental ¡Engg. ¡& ¡Earth ¡Sciences ¡ (c)Center ¡for ¡Research ¡Compu(ng ¡ ¡

University ¡of ¡Notre ¡Dame ¡ Indiana, ¡USA ¡

• S. M. Niaz Arifin, Rumana Reaz Arifin, Dilkushi de Alwis Pitts, Gregory R. Madey, "Integrating An Agent-Based Model Of Malaria Mosquitoes With

A Geographic Information System", The 25TH European Modeling & Simulation Symposium (EMSS 2013), Athens, September 2013.

1 ¡World ¡Health ¡Organiza2on ¡(WHO) ¡ 2 ¡UNICEF ¡

Mo(va(on: ¡Malaria ¡

¡

• one ¡of ¡the ¡oldest ¡and ¡deadliest ¡infec(ous ¡diseases ¡

in ¡humans ¡

• one ¡million ¡deaths ¡per ¡year1 ¡
• a ¡child ¡dies ¡every ¡30 ¡seconds ¡in ¡Africa2 ¡

¡

Mo(va(on: ¡Human ¡Malaria ¡

¡

• by ¡female ¡mosquitoes ¡of ¡genus ¡Anopheles ¡
• Anopheles ¡gambiae ¡complex ¡
• most ¡important ¡malaria ¡vector ¡ ¡

¡in ¡sub-­‑Saharan ¡Africa ¡

• ¡ ¡of ¡the ¡most ¡dangerous ¡malaria ¡parasite, ¡Plasmodium ¡

falciparum ¡ ¡

image: ¡wikipedia.org ¡ image: ¡wikipedia.org ¡

Mo(va(on: ¡Agent-­‑Based ¡Models ¡(ABMs) ¡

¡

• important ¡roles ¡in ¡malaria ¡modeling ¡
• answer ¡interes(ng ¡research ¡ques(ons ¡
• example: ¡an ¡ABM ¡can ¡assist ¡in: ¡
• selec(ng ¡appropriate ¡combina(ons ¡of ¡vector ¡control ¡

interven(ons ¡to ¡interrupt ¡malaria ¡transmission ¡

• seWng ¡response ¡(melines ¡and ¡expecta(ons ¡of ¡impact ¡

The ¡ABM ¡

¡

• a ¡spa(al ¡ABM ¡of ¡the ¡mosquito ¡vector ¡Anopheles ¡

gambiae ¡for ¡malaria ¡epidemiology ¡

• simulates ¡the ¡life-­‑cycle ¡of ¡mosquito ¡agents ¡by ¡

tracking ¡aHributes ¡of ¡each ¡individual ¡mosquito ¡

• spa(al: ¡the ¡mosquito ¡agents ¡move ¡in ¡space ¡

The ¡ABM ¡

¡

Oviposition Emergence

...

Gravid Bloodmeal Digesting Bloodmeal Seeking Mate Seeking Immature Adult 24h anytime 7pm-8pm 1h 1h anytime 6pm-6am 6pm-6am 6pm-6am, if no eggs remaining 6pm-6am Male Female Egg Larva Pupa 6pm-6am anytime

Aquatic Habitat 1

Egg Larva Pupa 6pm-6am anytime

Aquatic Habitat 2

Egg Larva Pupa 6pm-6am anytime

Aquatic Habitat n Adult Mosquito World Gonotrophic Cycle

Mo(va(on: ¡GIS ¡

¡

• Geographic ¡Informa(on ¡System ¡(GIS) ¡
• a ¡system ¡designed ¡to ¡capture, ¡store, ¡analyze, ¡and ¡

present ¡all ¡types ¡of ¡geographical ¡data ¡ ¡

• used ¡in ¡various ¡epidemiological ¡studies ¡
• study ¡of ¡mosquito ¡ecology ¡and ¡mosquito-­‑borne ¡

diseases, ¡including ¡malaria ¡

• Malaria ¡Atlas ¡Project: ¡ ¡
• maps ¡of ¡mosquito ¡popula(on, ¡malaria ¡risk, ¡etc. ¡
• hHp://www.map.ox.ac.uk/ ¡

Mo(va(on: ¡GIS ¡

¡

• used ¡in ¡various ¡epidemiological ¡studies ¡
• study ¡of ¡mosquito ¡ecology ¡and ¡mosquito-­‑borne ¡

diseases, ¡including ¡malaria ¡

• use ¡of ¡spa(al ¡informa(on ¡to ¡visualize ¡and ¡analyze ¡

mosquito ¡vector ¡and ¡epidemiological ¡data ¡

• Malaria ¡Atlas ¡Project: ¡maps ¡of ¡mosquito ¡

popula(on, ¡malaria ¡risk, ¡etc. ¡

• hHp://www.map.ox.ac.uk/ ¡

Mo(va(on: ¡GIS ¡+ ¡ABM ¡

¡

• no ¡model-­‑based ¡or ¡simula2on-­‑based ¡malaria ¡study ¡

to ¡integrate ¡an ¡ABM ¡with ¡GIS ¡

• a ¡vacuum ¡of ¡knowledge ¡
• in ¡building ¡robust ¡integra(on ¡frameworks ¡
• in ¡u(lizing ¡custom ¡spa(al ¡outputs ¡
• the ¡use ¡of ¡ecological, ¡geo-­‑spa(al, ¡environmental, ¡

and ¡other ¡types ¡of ¡features ¡as ¡model ¡inputs ¡

• previous ¡studies: ¡cartographic ¡outputs ¡from ¡the ¡

models ¡

Workflow ¡

¡ ¡

• input: ¡GIS ¡data ¡from ¡a ¡specific ¡study ¡area ¡
• ABM: ¡spa(al ¡
• output: ¡spa(al ¡analysis ¡of ¡maps ¡

GIS-­‑ABM ¡Workflow ¡

¡

Study ¡Area ¡

¡

• a ¡village ¡cluster ¡in ¡western ¡Kenya ¡ ¡
• known ¡locally ¡as ¡Asembo ¡ ¡
• area: ¡200 ¡km2 ¡ ¡
• popula(on: ¡60,000 ¡persons ¡ ¡
• Asembo ¡Bay ¡Cohort ¡Project ¡(2001) ¡
• Asembo ¡ITN ¡project ¡(2003) ¡

GIS ¡Data ¡Layers ¡

¡

• several ¡thema(c ¡data ¡layers ¡of ¡the ¡study ¡area ¡ ¡
• relevant ¡to ¡our ¡spa(al ¡ABM ¡
• two ¡categories: ¡aqua(c ¡habitats ¡and ¡houses ¡
• aqua(c ¡habitat ¡types: ¡
• two ¡types ¡of ¡mosquito ¡breeding ¡sites ¡ ¡
• type-­‑1 ¡and ¡type-­‑2 ¡
• boreholes ¡ ¡
• holes ¡or ¡pits ¡made ¡in ¡the ¡ground ¡
• pit ¡latrines ¡
• wetland ¡ ¡
• stretch ¡of ¡waterbody ¡in ¡the ¡northwest ¡corner ¡of ¡the ¡

study ¡area ¡

• houses: ¡bloodmeal ¡loca(ons ¡for ¡the ¡mosquitoes ¡

Water ¡Sources ¡and ¡Villages ¡Projec(ons ¡for ¡Kenya ¡ ¡ ¡

Water ¡Sources ¡ Villages ¡

Selected ¡Water ¡Features ¡for ¡Kenya ¡ ¡

¡

• collect ¡water ¡features ¡

data ¡for ¡different ¡types ¡

• f ¡aqua(c ¡sites ¡ ¡
• assign ¡unique ¡ID ¡to ¡

each ¡feature ¡type ¡

Scale ¡Down ¡to ¡Village ¡Cluster ¡

¡

• to ¡village ¡and ¡household ¡levels ¡
• include ¡water ¡features ¡available ¡near ¡the ¡houses ¡
• select ¡a ¡village ¡cluster ¡in ¡Asembo ¡
• based ¡on ¡higher ¡frequency ¡of ¡aqua(c ¡sites ¡near ¡

households ¡ ¡

• a ¡landscape ¡with ¡95 ¡columns ¡* ¡96 ¡rows ¡ ¡
• for ¡the ¡ABM ¡
• each ¡cell ¡in ¡the ¡landscape ¡is ¡set ¡to ¡50 ¡m ¡* ¡50 ¡m, ¡ ¡
• thus, ¡a ¡total ¡area ¡of ¡≈ ¡25 ¡km2 ¡ ¡

Scale ¡Down ¡to ¡Village ¡Cluster ¡

¡

the ¡selected ¡polygon ¡ (outlined ¡in ¡magenta) ¡ ¡ within ¡the ¡village ¡cluster ¡in ¡ Asembo, ¡Kenya ¡ ¡

Genera(ng ¡the ¡Study ¡Area ¡

¡

the ¡ village ¡ cluster ¡in ¡ Asembo, ¡ Kenya ¡ ¡

Genera(ng ¡the ¡Study ¡Area ¡

¡

gridlines ¡added ¡for ¡easy ¡ visualiza(on ¡

• water ¡features ¡ ¡
• houses ¡

Genera(ng ¡the ¡Feature ¡Counts ¡for ¡the ¡ABM ¡

¡

Table 1: GIS Feature Counts For The ABM Feature Type Feature Count Type-1 breeding site 4 Type-2 breeding site 14 Borehole 4 Pit latrine 401 Wetland 559 House 994 Total 1976

Scenarios ¡

¡

Table 2: Dry Season Scenario 21K Feature Type Feature Count Assigned CC Total Type-1 breeding site 4 1000 4000 Type-2 breeding site 14 500 7000 Borehole 4 100 400 Pit latrine 401 10 4010 Wetland (each cell) 559 10 5590 Total (CCC) 21000 Table 3: Rainy Season Scenario 150K Feature Type Feature Count Assigned CC Total Type-1 breeding site 4 5000 20000 Type-2 breeding site 14 2000 28000 Borehole 4 1500 6000 Pit latrine 401 100 40100 Wetland (each cell) 559 100 55900 Total (CCC) 150000

Dry ¡Season ¡Scenario ¡ (21K) ¡ Rainy ¡Season ¡Scenario ¡ ¡ (150K) ¡ CC: ¡Carrying ¡Capacity ¡(Aqua(c ¡Habitat) ¡ CCC: ¡Combined ¡Carrying ¡Capacity ¡(Landscape) ¡

Scenarios ¡

¡

Table 2: Dry Season Scenario 21K Feature Type Feature Count Assigned CC Total Type-1 breeding site 4 1000 4000 Type-2 breeding site 14 500 7000 Borehole 4 100 400 Pit latrine 401 10 4010 Wetland (each cell) 559 10 5590 Total (CCC) 21000 Table 3: Rainy Season Scenario 150K Feature Type Feature Count Assigned CC Total Type-1 breeding site 4 5000 20000 Type-2 breeding site 14 2000 28000 Borehole 4 1500 6000 Pit latrine 401 100 40100 Wetland (each cell) 559 100 55900 Total (CCC) 150000

Dry ¡Season ¡Scenario ¡ (21K) ¡ Rainy ¡Season ¡Scenario ¡ ¡ (150K) ¡ CC: ¡Carrying ¡Capacity ¡(Aqua(c ¡Habitat) ¡ CCC: ¡Combined ¡Carrying ¡Capacity ¡(Landscape) ¡

Simula(ons ¡

¡

• 1000 ¡ini(al ¡female ¡adult ¡mosquito ¡agents ¡(no ¡

males) ¡

• senescence ¡(biological ¡aging) ¡of ¡the ¡mosquitoes ¡
• age-­‑specific ¡mortality ¡rates ¡
• agents ¡move ¡only ¡while ¡in ¡Bloodmeal ¡Seeking ¡and ¡

Gravid ¡states ¡

• eight-­‑direc(onal ¡Moore ¡neighborhood ¡ ¡
• landscapes ¡have ¡a ¡non-­‑absorbing ¡boundary ¡
• 2D ¡torus ¡spaces ¡ ¡

Spa(al ¡Variables ¡

¡

• 1. adult ¡abundance ¡by ¡loca9on ¡
• distribu(on ¡of ¡adult ¡mosquitoes ¡over ¡the ¡en(re ¡

landscape ¡at ¡the ¡end ¡of ¡the ¡simula(on ¡

• 2. cumula9ve ¡biomass ¡per ¡aqua9c ¡habitat ¡
• verlaid ¡on ¡top ¡of ¡the ¡aqua(c ¡habitats, ¡it ¡represents ¡the ¡

sum ¡of ¡biomass ¡(eggs, ¡larvae, ¡and ¡pupae) ¡present ¡in ¡it ¡

• 3. cumula9ve ¡number ¡of ¡females ¡oviposited ¡per ¡aqua9c ¡

habitat ¡

• represents ¡the ¡sum ¡of ¡the ¡number ¡of ¡(mes ¡female ¡

adults ¡oviposited ¡in ¡the ¡aqua(c ¡habitat ¡

• 4. cumula9ve ¡number ¡of ¡bloodmeals ¡per ¡house ¡
• verlayed ¡on ¡top ¡of ¡the ¡houses, ¡it ¡represents ¡the ¡sum ¡of ¡

the ¡number ¡of ¡(mes ¡female ¡adults ¡obtained ¡ bloodmeals ¡in ¡the ¡house ¡

Results: ¡Mosquito ¡Abundance ¡(Non-­‑spa(al) ¡

¡

Rainy ¡season ¡scenario ¡(150K) ¡yields ¡much ¡ higher ¡abundance ¡than ¡the ¡Dry ¡season ¡ scenario ¡(21K) ¡

Spa(al ¡Variables ¡

¡

• discovering ¡biological ¡insights… ¡

Results: ¡Adult ¡Abundances ¡By ¡Loca(on ¡

¡

Dry ¡Season ¡Scenario ¡(21K) ¡ Rainy ¡Season ¡Scenario ¡(150K) ¡

Results: ¡Adult ¡Abundances ¡By ¡Loca(on ¡

¡

Dry ¡Season ¡Scenario ¡(21K) ¡ Rainy ¡Season ¡Scenario ¡(150K) ¡

• higher ¡abundances ¡are ¡associated ¡with ¡

type-­‑1 ¡breeding ¡sites, ¡followed ¡by ¡type-­‑2 ¡ breeding ¡sites ¡ ¡

• in ¡loca(ons ¡where ¡type-­‑1 ¡sites ¡are ¡in ¡close ¡

proximity ¡with ¡type-­‑2 ¡sites, ¡surrounded ¡by ¡ human ¡houses ¡ ¡

Results: ¡Cumula(ve ¡Biomass ¡per ¡Aqua(c ¡Habitat ¡

¡

Dry ¡Season ¡Scenario ¡(21K) ¡ Rainy ¡Season ¡Scenario ¡(150K) ¡

Results: ¡Cumula(ve ¡Females ¡Oviposited ¡ ¡

¡

Dry ¡Season ¡Scenario ¡(21K) ¡ Rainy ¡Season ¡Scenario ¡(150K) ¡

Results: ¡Cumula(ve ¡Females ¡Oviposited ¡ ¡

¡

Dry ¡Season ¡Scenario ¡(21K) ¡ Rainy ¡Season ¡Scenario ¡(150K) ¡

• if ¡there ¡are ¡not ¡enough ¡houses ¡in ¡the ¡

close ¡proximity ¡of ¡breeding ¡sites, ¡the ¡ female ¡mosquitoes ¡cannot ¡find ¡bloodmeals, ¡ and ¡hence ¡are ¡forced ¡to ¡search ¡longer ¡ distances ¡ ¡

• reduced ¡abundance ¡ ¡

Results: ¡Cumula(ve ¡Number ¡of ¡Bloodmeals ¡ ¡

¡

Dry ¡Season ¡Scenario ¡(21K) ¡ Rainy ¡Season ¡Scenario ¡(150K) ¡

Results: ¡Cumula(ve ¡Number ¡of ¡Bloodmeals ¡ ¡

¡

Dry ¡Season ¡Scenario ¡(21K) ¡ Rainy ¡Season ¡Scenario ¡(150K) ¡

• higher ¡number ¡of ¡bloodmeals ¡in ¡

houses ¡that ¡have ¡nearby ¡type-­‑1 ¡and ¡ type-­‑2 ¡breeding ¡sites ¡

Results: ¡Cumula(ve ¡Number ¡of ¡Bloodmeals ¡ ¡

¡

Dry ¡Season ¡Scenario ¡(21K) ¡ Rainy ¡Season ¡Scenario ¡(150K) ¡

• houses ¡at ¡lower ¡leg ¡quadrant ¡of ¡the ¡study ¡

area, ¡show ¡no ¡bloodmeals, ¡due ¡to ¡the ¡ absence ¡of ¡aqua(c ¡habitats ¡around ¡them ¡ ¡ ¡

Summary ¡

¡

• two ¡crucial ¡determinants ¡for ¡the ¡female ¡

mosquitoes ¡to ¡complete ¡gonotrophic ¡cycles: ¡

• 1. availability ¡of ¡the ¡ecological ¡resources ¡(aqua(c ¡

habitats ¡and ¡houses), ¡and ¡ ¡

• 2. rela(ve ¡distances ¡between ¡them ¡
• reduced ¡availability: ¡ ¡
• prolongs ¡the ¡gonotrophic ¡cycle, ¡and ¡ ¡
• poten(ally ¡affects ¡malaria ¡transmission ¡

Summary ¡

¡

• spa(al ¡analysis ¡of ¡the ¡output ¡variables ¡reveals ¡

important ¡biological ¡insights ¡

• use ¡of ¡maps ¡allows ¡readily ¡iden(fying ¡and ¡

displaying ¡interes(ng ¡spa(al ¡paHerns, ¡which, ¡ without ¡the ¡maps, ¡are ¡difficult ¡to ¡detect ¡

• output ¡maps ¡also ¡reveal ¡poten(al ¡hotspots ¡with ¡

higher ¡rates ¡for ¡the ¡measured ¡variables ¡of ¡interest ¡

Summary ¡

¡

• robust ¡integra(on ¡framework ¡ ¡
• allows ¡easy ¡parameteriza(on ¡of ¡the ¡model ¡to ¡

produce ¡site-­‑specific ¡outputs ¡

• the ¡arbitrary ¡order ¡of ¡the ¡different ¡aqua(c ¡

habitat ¡types, ¡and ¡the ¡assigned ¡CC ¡per ¡habitat, ¡ can ¡be ¡readily ¡changed ¡

• feed ¡in ¡different ¡scenarios ¡to ¡the ¡ABM ¡

Summary ¡

¡

• although ¡this ¡pilot ¡study ¡handled ¡a ¡compara(vely ¡

small ¡study ¡area ¡(≈ ¡25 ¡km2), ¡the ¡methodology ¡can ¡ be ¡readily ¡extended ¡to ¡include ¡larger ¡areas ¡

• the ¡whole ¡Asembo ¡area ¡

Summary ¡

¡

• results ¡also ¡indicate ¡that ¡disease-­‑specific ¡maps ¡can ¡

play ¡important ¡roles ¡in ¡disease ¡control ¡ac(vi(es: ¡

• monitoring ¡changes ¡of ¡malaria ¡epidemiology ¡ ¡
• guiding ¡resource ¡alloca(on ¡for ¡malaria ¡control ¡
• iden(fying ¡hotspots ¡for ¡further ¡inves(ga(on ¡

Summary ¡

¡

• integrated, ¡combine ¡knowledge ¡from ¡

entomological, ¡epidemiological, ¡simula(on-­‑based, ¡ and ¡geo-­‑spa(al ¡domains ¡

• facilitate ¡the ¡Integrated ¡Vector ¡Management ¡(IVM) ¡

agenda ¡

• promoted ¡by ¡the ¡World ¡Health ¡Organiza(on ¡

(WHO) ¡

• to ¡achieve ¡improved ¡efficacy, ¡cost-­‑effec(veness, ¡

ecological ¡soundness, ¡and ¡sustainability ¡of ¡malaria ¡ vector ¡control ¡

¡

Thank ¡You! ¡

¡

Ques(ons? ¡