• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

温度和降水对巴西圣保罗州坎皮纳斯登革热发病率的影响（2013-2022 年）。

Influence of temperature and precipitation on dengue incidence in Campinas, São Paulo State, Brazil (2013-2022).

机构信息

Universidade Estadual de Campinas, Instituto de Economia, Campinas, SP, Brasil.

Universidade Estadual de Campinas, Instituto de Filosofia e Ciências Humanas, Departamento de Demografia, Campinas, SP, Brasil.

出版信息

Rev Soc Bras Med Trop. 2024 Sep 2;57:e007102024. doi: 10.1590/0037-8682-0080-2024. eCollection 2024.

DOI:10.1590/0037-8682-0080-2024
PMID:39230163
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC11374123/
Abstract

BACKGROUND

Global dengue cases are rising, notably in Brazil.

METHODS

By using monthly data, we estimated linear regressions with ARIMA errors to measure the influence of temperature and precipitation on dengue incidence in the city of Campinas, São Paulo State, Brazil.

RESULTS

Findings suggest that a 1°C increase in mean temperature can lead to a cumulative increase of up to 40% in dengue incidence within 2 months. Precipitation shows no significant impact.

CONCLUSIONS

Results highlight the importance of temperature on the spread of dengue and potentially other mosquito-borne diseases.

摘要

背景

全球登革热病例不断增加，尤其是在巴西。

方法

我们使用每月数据，通过 ARIMA 误差的线性回归来估计，以衡量温度和降水对巴西圣保罗州坎皮纳斯市登革热发病率的影响。

结果

研究结果表明，平均温度升高 1°C，可导致登革热发病率在 2 个月内累计增加高达 40%。降水没有显著影响。

结论

研究结果强调了温度对登革热及其他潜在蚊媒传染病传播的重要性。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/2dfa/11374123/2699e5fb70b8/1678-9849-rsbmt-57-e00710-2024-gf1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/2dfa/11374123/2699e5fb70b8/1678-9849-rsbmt-57-e00710-2024-gf1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/2dfa/11374123/2699e5fb70b8/1678-9849-rsbmt-57-e00710-2024-gf1.jpg

相似文献

1
Influence of temperature and precipitation on dengue incidence in Campinas, São Paulo State, Brazil (2013-2022).温度和降水对巴西圣保罗州坎皮纳斯登革热发病率的影响（2013-2022 年）。
Rev Soc Bras Med Trop. 2024 Sep 2;57:e007102024. doi: 10.1590/0037-8682-0080-2024. eCollection 2024.
2
São Paulo urban heat islands have a higher incidence of dengue than other urban areas.圣保罗城市热岛的登革热发病率高于其他城市地区。
Braz J Infect Dis. 2015 Mar-Apr;19(2):146-55. doi: 10.1016/j.bjid.2014.10.004. Epub 2014 Dec 15.
3
Predicting the number of cases of dengue infection in Ribeirão Preto, São Paulo State, Brazil, using a SARIMA model.使用 SARIMA 模型预测巴西圣保罗州里贝朗普雷图登革热感染病例数。
Cad Saude Publica. 2011 Sep;27(9):1809-18. doi: 10.1590/s0102-311x2011000900014.
4
Dengue and climate changes: Increase of DENV-1 in São Paulo/Brazil - 2023.登革热与气候变化：2023年巴西圣保罗登革病毒1型的增加
Travel Med Infect Dis. 2023 Nov-Dec;56:102668. doi: 10.1016/j.tmaid.2023.102668. Epub 2023 Nov 11.
5
A SARIMA forecasting model to predict the number of cases of dengue in Campinas, State of São Paulo, Brazil.基于 SARIMA 的登革热病例预测模型：以巴西圣保罗州坎皮纳斯市为例。
Rev Soc Bras Med Trop. 2011 Jul-Aug;44(4):436-40. doi: 10.1590/s0037-86822011000400007.
6
[Spatial analysis of counting data with excess zeros applied to the study of dengue incidence in Campinas, São Paulo State, Brazil].[将含过多零值的计数数据空间分析应用于巴西圣保罗州坎皮纳斯登革热发病率研究]
Cad Saude Publica. 2016 Aug 8;32(8):e00036915. doi: 10.1590/0102-311X00036915.
7
Time series analysis of dengue incidence in Rio de Janeiro, Brazil.巴西里约热内卢登革热发病率的时间序列分析。
Am J Trop Med Hyg. 2008 Dec;79(6):933-9.
8
Spatial distribution of dengue incidence and socio-environmental conditions in Campinas, São Paulo State, Brazil, 2007.2007 年巴西圣保罗州坎皮纳斯登革热发病率与社会环境条件的空间分布
Cad Saude Publica. 2013 Aug;29(8):1522-32. doi: 10.1590/0102-311x00110912.
9
Temporal relationship between rainfall, temperature and occurrence of dengue cases in São Luís, Maranhão, Brazil.巴西马拉尼昂州圣路易斯市降雨、温度与登革热病例发生之间的时间关系。
Cien Saude Colet. 2016 Feb;21(2):641-6. doi: 10.1590/1413-81232015212.09592015.
10
[Dengue: sero-epidemiological survey and virological surveillance in Campinas, São Paulo, Brazil].[登革热：巴西圣保罗坎皮纳斯的血清流行病学调查和病毒学监测]
Cad Saude Publica. 2007 Mar;23(3):669-80. doi: 10.1590/s0102-311x2007000300025.

引用本文的文献

1
Spatiotemporal dataset of dengue influencing factors in Brazil based on geospatial big data cloud computing.基于地理空间大数据云计算的巴西登革热影响因素时空数据集
Sci Data. 2025 Apr 29;12(1):712. doi: 10.1038/s41597-025-05045-1.

本文引用的文献

1
The expansion of chikungunya in Brazil.基孔肯雅热在巴西的传播。
Lancet Reg Health Am. 2023 Aug 11;25:100571. doi: 10.1016/j.lana.2023.100571. eCollection 2023 Sep.
2
Long-term projections of the impacts of warming temperatures on Zika and dengue risk in four Brazilian cities using a temperature-dependent basic reproduction number.使用依赖温度的基本繁殖数对巴西四个城市变暖温度对寨卡和登革热风险的长期影响进行预测。
PLoS Negl Trop Dis. 2023 Apr 27;17(4):e0010839. doi: 10.1371/journal.pntd.0010839. eCollection 2023 Apr.
3
Simultaneous occurrence of COVID-19 and dengue: what do the data show?
新冠病毒病与登革热的同时发生：数据显示了什么？
Cad Saude Publica. 2020 Jun 17;36(6):e00126520. doi: 10.1590/0102-311X00126520. eCollection 2020.
4
Forecasting dengue fever in Brazil: An assessment of climate conditions.预测巴西登革热：气候条件评估。
PLoS One. 2019 Aug 8;14(8):e0220106. doi: 10.1371/journal.pone.0220106. eCollection 2019.
5
Climatic variables associated with dengue incidence in a city of the Western Brazilian Amazon region.与巴西亚马逊地区西部一座城市登革热发病率相关的气候变量。
Rev Soc Bras Med Trop. 2019 Feb 21;52:e20180429. doi: 10.1590/0037-8682-0429-2018.
6
Dengue forecasting in São Paulo city with generalized additive models, artificial neural networks and seasonal autoregressive integrated moving average models.圣保罗市登革热预测的广义加性模型、人工神经网络和季节性自回归综合移动平均模型。
PLoS One. 2018 Apr 2;13(4):e0195065. doi: 10.1371/journal.pone.0195065. eCollection 2018.
7
Dengue in a changing climate.气候变化中的登革热
Environ Res. 2016 Nov;151:115-123. doi: 10.1016/j.envres.2016.07.026. Epub 2016 Jul 29.
8
Model-free forecasting outperforms the correct mechanistic model for simulated and experimental data.无模型预测优于模拟和实验数据的正确机械模型。
Proc Natl Acad Sci U S A. 2013 Mar 26;110(13):5253-7. doi: 10.1073/pnas.1216076110. Epub 2013 Feb 25.
9
A SARIMA forecasting model to predict the number of cases of dengue in Campinas, State of São Paulo, Brazil.基于 SARIMA 的登革热病例预测模型：以巴西圣保罗州坎皮纳斯市为例。
Rev Soc Bras Med Trop. 2011 Jul-Aug;44(4):436-40. doi: 10.1590/s0037-86822011000400007.
10
Time series analysis of dengue incidence in Guadeloupe, French West Indies: forecasting models using climate variables as predictors.法属西印度群岛瓜德罗普登革热发病率的时间序列分析：使用气候变量作为预测因子的预测模型。
BMC Infect Dis. 2011 Jun 9;11:166. doi: 10.1186/1471-2334-11-166.