L’apprendimento automatico identifica semplici regole di allerta precoce per le epidemie di hantavirus umano Puumala

Rapporti scientifici volume 13, numero articolo: 3585 (2023) Citare questo articolo

523 accessi

2 Altmetrico

Dettagli sulle metriche

Le infezioni da virus umano Puumala (PUUV) in Germania fluttuano su base pluriennale, a seguito delle fluttuazioni della dimensione della popolazione dell'arvicola selvatica. Abbiamo applicato una trasformazione ai valori di incidenza annuale e stabilito un metodo euristico per sviluppare un modello semplice e robusto per il rischio binario di infezione umana a livello distrettuale. Il modello di classificazione è stato alimentato da un algoritmo di apprendimento automatico e ha raggiunto una sensibilità dell’85% e una precisione del 71%, pur utilizzando come input solo tre parametri meteorologici degli anni precedenti, vale a dire la temperatura del suolo nell’aprile di due anni prima e nel settembre dell’anno precedente. anno e la durata del soleggiamento nel mese di settembre di due anni prima. Inoltre, abbiamo introdotto l’indice delle epidemie PUUV che quantifica la sincronia spaziale delle epidemie locali di PUUV e lo abbiamo applicato ai sette focolai segnalati nel periodo 2006-2021. Infine, abbiamo utilizzato il modello di classificazione per stimare l’indice di epidemia PUUV, raggiungendo un’incertezza massima del 20%.

Le condizioni ambientali innescate dai cambiamenti climatici svolgono un ruolo sempre crescente nella diffusione delle malattie infettive zoonotiche, alterando gli habitat naturali degli animali, influenzando la disponibilità di cibo e persino determinando cambiamenti nella distribuzione delle specie. In questo contesto, abbiamo sviluppato un semplice modello basato sulle condizioni meteorologiche per il rischio di infezione umana da Puumala Orthohantavirus (PUUV) in Germania.

Il PUUV è l'hantavirus più diffuso in Europa, trasmesso dall'arvicola dei boschi (Clethrionomys glareolus, syn. Myodes glareolus). Il PUUV può causare febbre emorragica da lieve a moderata con sindrome renale (nefropatia epidemica) con un tasso di mortalità dello 0,1–0,4%1. Le infezioni umane da PUUV variano ogni anno. Recentemente, ci sono stati diversi anni con \(>{1000}\) casi annuali segnalati in Germania2, generalmente e su larga scala causati dall'intensità dei pali di faggio (Fagus spec.), come mostrato in passato per il Belgio3,4 e per la Germania5 ,6.

I meccanismi sottostanti per il tasso di trasmissione del PUUV agli esseri umani sembrano troppo complessi per essere modellati direttamente, poiché dipendono dall’abbondanza delle popolazioni di arvicole dei boschi, dalla loro prevalenza di PUUV e dall’interazione uomo-arvicola dei boschi; i quali fluttuano temporalmente e variano localmente. Tuttavia, le condizioni meteorologiche possono essere utilizzate come predittori del rischio di infezione umana da PUUV, poiché la fluttuazione delle popolazioni di arvicole bancarie è fortemente correlata ai parametri meteorologici dei due anni precedenti7, mentre la prevalenza di PUUV dipende principalmente dall'abbondanza di arvicole domestiche3,8, 9.

Abbiamo selezionato i distretti tedeschi con un numero significativo di infezioni umane e di incidenza nel periodo 2006-2021 e abbiamo ispezionato le correlazioni dell’incidenza annuale del PUUV con i parametri meteorologici mensili a livello distrettuale. Abbiamo eseguito una trasformazione dei dati che evidenzia la sincronia spaziale della fluttuazione temporale dell'incidenza del PUUV. Questa trasformazione ha consentito di sviluppare un modello di classificazione binaria basato su macchine a vettori di supporto (SVM) per le epidemie distrettuali, applicabile a livello nazionale e basato esclusivamente su parametri meteorologici facilmente accessibili. Inoltre, abbiamo introdotto l’indice di epidemia PUUV (POI) come indicatore del rischio annuale di infezione umana da PUUV. Il POI consente per la prima volta una definizione inequivocabile di un’epidemia di PUUV, considerando l’entità locale dell’incidenza del PUUV. La definizione di POI è indipendente dal totale delle infezioni annuali, ma i loro valori sono altamente correlati. Infine, abbiamo applicato il modello di classificazione binaria al POI e abbiamo dimostrato che tre soli valori di parametri meteorologici sono sufficienti per fornire una buona stima. Il modello POI combinato può essere applicato come semplice regola empirica per l’individuazione degli anni ad alto rischio. Tale modello può essere utilizzato per interpretare i focolai di PUUV, ma anche per ottenere approssimazioni sulla dinamica dei roditori. Ciò è molto importante per supportare strategie e decisioni per la protezione della salute umana e delle piante.