Significance Mathematical and computational modeling approaches can be essential in providing quantitative scenarios of disease spreading, as well as projecting the impact in the population. Here we analyze the spatial and temporal dynamics of the Zika virus epidemic in the Americas with a microsimulation approach informed by high-definition demographic, mobility, and epidemic data. The model provides probability distributions for the time and place of introduction of Zika in Brazil, the estimate of the attack rate, timing of the epidemic in the affected countries, and the projected number of newborns from women infected by Zika. These results are potentially relevant in the preparation and analysis of contingency plans aimed at Zika virus control.

Abstract Mosquito-borne diseases are a major global public health concern and mosquito surveillance systems are essential for the implementation of effective mosquito control strategies. The objective of our study is to determine the spatiotemporal distribution of vector mosquito species in Maricopa County, AZ from 2011 to 2021, and to identify the hotspot areas for West Nile virus (WNV) and St. Louis Encephalitis virus (SLEV) transmission in 2021. The Maricopa County Mosquito Control surveillance system utilizes BG-Sentinel and EVS-CDC traps throughout the entire urban and suburban areas of the county. We estimated specific mosquito species relative abundance per unit area using the Kernel density estimator in ArcGIS 10.2. We calculated the distance between all traps in the surveillance system and created a 4 km buffer radius around each trap to calculate the extent to which each trap deviated from the mean number of Cx. quinquefasciatus and Cx. tarsalis collected in 2021. Our results show that vector mosquito species are widely distributed and abundant in the urban areas of Maricopa County. A total of 691,170 Culex quinquefasciatus , 542,733 Culex tarsalis , and 292,305 Aedes aegypti were collected from 2011 to 2022. The relative abundance of Ae. aegypti was highly seasonal peaking in the third and fourth quarters of the year. Culex quinquefasciatus , on the other hand, was abundant throughout the year with several regions consistently yielding high numbers of mosquitoes. Culex tarsalis was abundant but it only reached high numbers in well-defined areas bordering natural and rural areas. We also detected high levels of heterogeneity in the risk of WNV and SLEV transmission to humans disregarding traps geographical proximity. The well-defined species-specific spatiotemporal and geographical patterns found in this study can be used to inform vector control operations.

Background: Local mosquito-borne Zika virus (ZIKV) transmission has been reported in two counties of the continental United State (US), prompting the issuance of travel, prevention, and testing guidance across the continental US. Large uncertainty, however, surrounds the quantification of the actual risk of ZIKV introduction and autochthonous transmission across different areas of the US. Method: We present a framework for the projection of ZIKV autochthonous transmission in the continental US during the 2015-2016 epidemic, using a data-driven stochastic and spatial epidemic model accounting for seasonal, environmental and detailed population data. The model generates an ensemble of travel-related case counts and simulate their potential to trigger local transmission at individual level. Results: We estimate the risk of ZIKV introduction and local transmission at the county level and at the 0.025 degree by 0.025 degree cell level across the continental US. We provide a risk measure based on the probability of observing local transmission in a specific location during a ZIKV epidemic modeled after the one observed during the years 2015-2016. The high spatial and temporal resolutions of the model allow us to generate statistical estimates of the number of ZIKV introductions leading to local transmission in each location. We find that the risk is spatially heterogeneously distributed and concentrated in a few specific areas that account for less than 1% of the continental US population. Locations in Texas and Florida that have actually experienced local ZIKV transmission are among the places at highest risk according to our results. We also provide an analysis of the key determinants for local transmission, and identify the key introduction routes and their contributions to ZIKV spread in the continental US. Conclusions: This framework provides quantitative risk estimates, fully captures the stochasticity of ZIKV introduction events, and is not biased by the under-ascertainment of cases due to asymptomatic infections. It provides general information on key risk determinants and data with potential uses in defining public health recommendations and guidance about ZIKV risk in the US.

We use a data-driven global stochastic epidemic model to project past and future spread of the Zika virus (ZIKV) in the Americas. The model has high spatial and temporal resolution, and integrates real-world demographic, human mobility, socioeconomic, temperature, and vector density data. We estimate that the first introduction of ZIKV to Brazil likely occurred between August 2013 and April 2014 (90% credible interval). We provide simulated epidemic profiles of incident ZIKV infections for several countries in the Americas through February 2017. The ZIKV epidemic is characterized by slow growth and high spatial and seasonal heterogeneity, attributable to the dynamics of the mosquito vector and to the characteristics and mobility of the human populations. We project the expected timing and number of pregnancies infected with ZIKV during the first trimester, and provide estimates of microcephaly cases assuming different levels of risk as reported in empirical retrospective studies. Our approach represents an early modeling effort aimed at projecting the potential magnitude and timing of the ZIKV epidemic that might be refined as new and more accurate data from the region become available.