原文以InfestationriskoftheintermediatesnailhostofSchistosomajaponicumintheYangtzeRiverBasin:improvedresultsbyspatialreassessmentandarandomforestapproach为标题发表在InfectiousDiseasesofPoverty期刊上
原文作者：Jin-XinZheng,ShangXia,ShanLv,YiZhang,RobertBergquistXiao-NongZhou
中国的血吸虫病防治工作经过70余年的不懈努力，取得了巨大成就，目前，中国的血吸虫病疫情控制在低流行状态，迫切需要引入新的技术方法提高血吸虫病的监测与预警。来自中国疾控中心周晓农团队近期在期刊上发表了一项研究，结合了最新的机器学习方法来探讨如何改善血吸虫病的监测与控制。
背景
在“十三五”期间，中国把血吸虫病防控目标从传播控制转向传播阻断或消除，尤其在是《“健康中国”规划纲要》中明确提出了“到年全国所有流行县达到消除血吸虫病标准”的目标。截至年底，全国个血吸虫病流行县(市、区)中，已有个达到消除标准，个达到传播阻断标准，21个达到传播控制标准，表明中国血吸虫病疫情已降至较低水平。
虽然中国血吸虫病防治工作取得了巨大成就，但由于流行区分布广且环境复杂，血吸虫病的监测工作是个难点。而钉螺的分布与血吸虫病疫情分布相一致，因此钉螺控制是血吸虫病防控的一项重要措施，国家每年都会组织疾控人员对血吸虫病流行区的钉螺进行调查，以监测钉螺的生存与扩散情况。但是也会出现钉螺调查范围广泛、耗费人力物力较多等缺点。
问题
目前监测预警体系和技术不够完善，风险监测与预警等技术难以满足消除血吸虫病的防治需求，迫切需要更多的先进适宜技术和措施应用于消除血吸虫病工作。因此，作者从以下两个问题出发，探索监测预警体系及预警技术的改进与完善：
1）机器学习是否可以应用于钉螺生境预测？
2）是否可以减少钉螺监测点，但达到同样的监测目的？
注：钉螺在长江流域不同生态网格点下的重采样（