Predicting the details of how an epidemic evolves is highly valuable as health institutions need to better plan towards limiting the infection propagation effects and optimizing their prediction and response capabilities. Simulation is a cost- and time-effective way of predicting the evolution of the infection as the joint influence of many different factors: interaction patterns, personal characteristics, travel patterns, meteorological conditions, previous vaccination, etc. The work presented in this paper extends EpiGraph, our influenza epidemic simulator, by introducing a meteorological model as a modular component that interacts with the rest of EpiGraph’s modules to refine our previous simulation results. Our goal is to estimate the effects of changes in temperature and relative humidity on the patterns of epidemic influenza based on data provided by the Spanish Influenza Sentinel Surveillance System (SISSS) and the Spanish Meteorological Agency (AEMET). Our meteorological model is based on the regression model developed by AB and JS, and it is tuned with influenza surveillance data obtained from SISSS. After pre-processing this data to clean it and reconstruct missing samples, we obtain new values for the reproduction number of each urban region in Spain, every 10 minutes during 2011. We simulate the propagation of the influenza by setting the date of the epidemic onset and the initial influenza-illness rates for each urban region. We show that the simulation results have the same propagation shape as the weekly influenza rates as recorded by SISSS. We perform experiments for a realistic scenario based on actual meteorological data from 2010-2011, and for synthetic values assumed under simplified predicted climate change conditions. Results show that a diminishing relative humidity of 10% produces an increment of about 1.6% in the final infection rate. The effect of temperature changes on the infection spread is also noticeable, with a decrease of 1.1% per extra degree.Conclusions: Using a tool like ours could help predict the shape of developing epidemics and its peaks, and would permit to quickly run scenarios to determine the evolution of the epidemic under different conditions. We make EpiGraph source code and epidemic data publicly available.

中文翻译：

---

评估天气条件对流感传播的影响。

由于卫生机构需要更好地计划以限制感染传播效果并优化其预测和响应能力，因此预测流行病如何演变的细节非常有价值。模拟是预测感染演变的一种经济高效的方式，它是多种因素共同影响的因素：交互作用方式，个人特征，出行方式，气象条件，以前的疫苗接种等。本文介绍的工作扩展了EpiGraph是我们的流感流行模拟程序，通过引入气象模型作为模块化组件，该模块与EpiGraph的其余模块进行交互以完善我们以前的模拟结果。我们的目标是根据西班牙流感前哨监视系统（SISSS）和西班牙气象局（AEMET）提供的数据，估算温度和相对湿度的变化对流行性感冒的影响。我们的气象模型基于AB和JS开发的回归模型，并根据从SISSS获得的流感监测数据进行了调整。在对这些数据进行预处理以对其进行清理并重建丢失的样本之后，我们获得了西班牙每个城市区域在2011年期间每10分钟的繁殖数量的新值。我们通过设置流行病的发生日期来模拟流感的传播。以及每个城市地区的初始流感病发病率。我们显示，模拟结果与SISSS记录的每周流感流行率具有相同的传播形式。我们根据2010年至2011年的实际气象数据对实际情况进行实验，并针对简化的预测气候变化条件下假定的综合值进行实验。结果表明，相对湿度降低10％，最终感染率将增加约1.6％。温度变化对感染传播的影响也很明显，每增加一度降低1.1％。结论：使用类似我们的工具可以帮助预测流行病的形成及其高峰，并且可以快速运行以达到确定在不同条件下流行的演变。我们公开提供EpiGraph源代码和流行病数据。我们根据2010年至2011年的实际气象数据对实际情况进行实验，并针对简化的预测气候变化条件下假定的综合值进行实验。结果表明，相对湿度降低10％，最终感染率将增加约1.6％。温度变化对感染传播的影响也很明显，每增加一度降低1.1％。结论：使用类似我们的工具可以帮助预测流行病的形成及其高峰，并且可以快速运行以达到确定在不同条件下流行的演变。我们公开提供EpiGraph源代码和流行病数据。我们根据2010年至2011年的实际气象数据对实际情况进行实验，并针对简化的预测气候变化条件下假定的综合值进行实验。结果表明，相对湿度降低10％，最终感染率将增加约1.6％。温度变化对感染传播的影响也很明显，每升高一度降低1.1％。结论：使用像我们这样的工具可以帮助预测流行病的形成及其高峰，并且可以快速运行以确定在不同条件下流行的演变。我们公开提供EpiGraph源代码和流行病数据。对于在简化的预测气候变化条件下假设的综合值。结果表明，相对湿度降低10％，最终感染率将增加约1.6％。温度变化对感染传播的影响也很明显，每增加一度降低1.1％。结论：使用类似我们的工具可以帮助预测流行病的形成及其高峰，并且可以快速运行以达到确定在不同条件下流行的演变。我们公开提供EpiGraph源代码和流行病数据。对于在简化的预测气候变化条件下假设的综合值。结果表明，相对湿度降低10％，最终感染率将增加约1.6％。温度变化对感染传播的影响也很明显，每增加一度降低1.1％。结论：使用类似我们的工具可以帮助预测流行病的形成及其高峰，并且可以快速运行以达到确定在不同条件下流行的演变。我们公开提供EpiGraph源代码和流行病数据。结论：使用像我们这样的工具可以帮助预测流行病的形成及其高峰的状况，并可以快速运行各种情况来确定不同条件下流行病的演变。我们公开提供EpiGraph源代码和流行病数据。结论：使用像我们这样的工具可以帮助预测流行病的形成及其高峰的状况，并可以快速运行各种情况来确定不同条件下流行病的演变。我们公开提供EpiGraph源代码和流行病数据。