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

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 25 TH European Modeling & Simulation Symposium (EMSS 2013) , Athens, September 2013. 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 ¡

Mo(va(on: ¡Malaria ¡ • one ¡of ¡the ¡oldest ¡and ¡deadliest ¡infec(ous ¡diseases ¡ in ¡humans ¡ • one ¡million ¡deaths ¡per ¡year 1 ¡ ¡ • a ¡child ¡dies ¡every ¡30 ¡seconds ¡in ¡Africa 2 ¡ ¡ 1 ¡ World ¡Health ¡Organiza2on ¡(WHO) ¡ 2 ¡ UNICEF ¡

Mo(va(on: ¡Human ¡Malaria ¡ • by ¡female ¡mosquitoes ¡of ¡genus ¡ Anopheles ¡ • Anopheles ¡gambiae ¡ complex ¡ • most ¡important ¡malaria ¡vector ¡ ¡ ¡ ¡in ¡sub-­‑Saharan ¡Africa ¡ image: ¡wikipedia.org ¡ • ¡ ¡of ¡the ¡most ¡dangerous ¡malaria ¡parasite, ¡ Plasmodium ¡ falciparum ¡ ¡ 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 ¡ 6pm-6am anytime Pupa Larva Egg Aquatic Habitat n ¡ ... 6pm-6am anytime Pupa Larva Egg Aquatic Habitat 2 Emergence Oviposition 6pm-6am anytime Pupa Larva Egg Aquatic Habitat 1 6pm-6am 6pm-6am Male anytime 7pm-8pm 6pm-6am anytime Immature Bloodmeal Bloodmeal Mate Seeking Gravid Adult Seeking Digesting Female 24h 1h 1h 6pm-6am, if no eggs remaining 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 ¡km 2 ¡ ¡ ¡ • 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 ¡ ¡ of ¡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 ¡km 2 ¡ ¡

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

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