In het Amazone-regenwoud, weinig dieren zijn zo gevaarlijk voor de mens als muggen die malaria overbrengen. De tropische ziekte kan hoge koorts veroorzaken, hoofdpijn en koude rillingen en is bijzonder ernstig voor kinderen en ouderen en kan complicaties veroorzaken bij zwangere vrouwen. In het met regenwoud bedekte Peru, het aantal malariagevallen is gestegen. In de afgelopen vijf jaar, het land heeft gemiddeld het op een na hoogste percentage in Zuid-Amerika gehad. In elk van de jaren 2014 en 2015 waren er 65, 000 gemelde gevallen.

Het indammen van malaria-uitbraken is een uitdaging omdat het moeilijk is om erachter te komen waar mensen de ziekte oplopen. Als resultaat, middelen zoals met insecticide behandelde muskietennetten en sprays voor binnenshuis worden vaak ingezet in gebieden waar weinig mensen besmet raken, waardoor de uitbraak kan groeien.

Om dit probleem aan te pakken, universitaire onderzoekers hebben zich gewend tot gegevens van NASA's vloot van aardobservatiesatellieten, die in staat zijn om de soorten menselijke en ecologische gebeurtenissen te volgen die doorgaans voorafgaan aan een uitbraak. Met financiering van NASA's Applied Sciences Program, ze werken samen met de Peruaanse regering aan de ontwikkeling van een systeem dat gebruikmaakt van satelliet- en andere gegevens om uitbraken op gezinsniveau maanden van tevoren te voorspellen en te voorkomen dat ze plaatsvinden.

Muggen volgen

In de Amazone, de Anopheles darlingi-mugsoort is het meest verantwoordelijk voor de verspreiding van malaria, die wordt veroorzaakt door eencellige parasieten genaamd Plasmodia. Vrouwtjes (en alleen vrouwtjes) nemen de parasiet op wanneer ze zich voeden met het bloed van een geïnfecteerde mens en kunnen deze doorgeven aan de volgende mens waarmee ze zich voedt. "Malaria is een door vectoren overgedragen ziekte, wat betekent dat je een vector moet hebben, of mug, in dit geval, de ziekte overdragen, " zei hoofdonderzoeker William Pan, een assistent-professor wereldwijde milieugezondheid aan de Duke University. "De sleutel tot onze tool voor het voorspellen van malaria ligt in het lokaliseren van gebieden waar de belangrijkste broedplaatsen voor deze muggen tegelijkertijd met menselijke populaties overlappen."

Voorspellen waar deze muggen zullen gedijen, is afhankelijk van het identificeren van gebieden met warme luchttemperaturen en kalm water, zoals vijvers en plassen, die ze nodig hebben voor het leggen van eieren. Onderzoekers wenden zich tot het landgegevensassimilatiesysteem, of LDAS:een inspanning voor het modelleren van landoppervlakken die wordt ondersteund door NASA en andere organisaties. NASA-satellieten, zoals Landsat, Wereldwijde neerslagmeting, en Terra en Aqua, dienen als input voor LDAS, die op zijn beurt continue informatie geeft over neerslag, temperatuur, bodemvocht en vegetatie over de hele wereld.

Hoewel het niet direct identificeren van plassen en vijvers, LDAS laat zien waar ze zich zeer waarschijnlijk zullen vormen. Bijvoorbeeld, overstromingen kunnen rivieroevers overstromen of zware regenval kan de bodem verzadigen, water laten stromen.

"Het is een oefening in indirect redeneren, " zei Ben Zaitchik, de co-onderzoeker van het project die verantwoordelijk is voor de LDAS-component en een universitair hoofddocent aan de afdeling Aard- en Planetaire Wetenschappen van de Johns Hopkins University. "Deze modellen laten ons voorspellen waar het bodemvocht zich zal bevinden in een toestand waarin broedplaatsen kunnen ontstaan."

Via satelliet-afgeleide vegetatie- en landbedekkingskaarten, LDAS volgt ook een andere belangrijke indicator voor toekomstige malaria-uitbraken:ontbossing, vooral als het gaat om wegenbouw. Als wegen worden aangelegd, bulldozers graven greppels om bomen en ander vegetatief afval te verwijderen; wanneer ze gevuld zijn met regenwater worden die sloten broedplaatsen voor muggen. Wanneer besmette mensen deze wegen oversteken en de ziekte doorgeven aan Anopheles darlingi, een uitbraak kan optreden.

Mensen volgen

Terwijl LDAS het weer en ontbossing volgt om opkomende muggenpopulaties en toekomstige hotspots voor uitbraken te identificeren, gemelde malariagevallen plaatsen de geïnfecteerden op de kaart. Maar om een ​​uitbraak te voorspellen, die kaart vertelt geen compleet verhaal.

In Peru, malaria wordt gediagnosticeerd en behandeld in gezondheidsposten verspreid over het land, en middelen worden naar die posten gestuurd om uitbraken in te dammen. Het probleem met deze benadering van inperking, volgens Pan, is dat de gezondheidspost waar een persoon behandeling zoekt, niet altijd in de buurt is van waar hij of zij de ziekte heeft opgelopen. Dat komt omdat degenen die het grootste risico lopen op malaria enkele maanden per jaar bezig zijn met houtkap of mijnbouw, die hen vaak op reizen ver van hun huis stuurt.

Het vinden van waar mensen besmet raken, vormt de kern van het malariavoorspellingssysteem, en Pan ontwikkelt een regionaal-gebaseerd statistisch model en een meer gedetailleerd agent-gebaseerd model om deze hotspots aan te pakken.

Voor het regionale model geldt gerapporteerde gevallen van malaria zijn opgenomen samen met schattingen van de bevolking voor elke provincie en veronderstellingen over waar mensen reizen op basis van seizoensgebonden migratiestudies. Het integreren van milieugegevens via LDAS plaatst niet alleen muggenpopulaties op de kaart, maar helpt ook om menselijke bewegingen te informeren, bijvoorbeeld, door het detecteren van stijgende rivieren tijdens het regenseizoen. "Het is veel gemakkelijker om boomstammen in een rivier te laten drijven als het hoog is, en tegelijkertijd gedijen muggen goed omdat er waterplassen langs de rivieroever ontstaan, "Pan legde uit, "dus dit soort aandoeningen komen overeen met een hoog malariarisico."

Het regionale model zal een globaal beeld geven van hoe mensen, muggen, en de ziekte zich bevindt en waar ze naartoe gaan op basis van hoe die variabelen op elkaar inwerken. Tegelijkertijd, het op agenten gebaseerde model - genoemd omdat het het gedrag van elke agent modelleert, of ieder mens, mug, en malariaparasiet binnen een gebied - zal inzoomen op een kleinere geografische ruimte door gebruik te maken van hydrologische gegevens met een hoge resolutie en door in te zoomen op buurten en het verkeer van mensen. In combinatie met LDAS-gegevens, het model zal een simulatie uitvoeren om de waarschijnlijkheid te beoordelen wanneer, waar en hoeveel mensen naar verwachting zullen worden gebeten en besmet met de ziekte.

Een uitbraak voorkomen

Volgens Pan, de twee modellen zullen worden gebruikt om 12 weken vooruit te projecteren en te lokaliseren, tot op het niveau van het huishouden, waar de ziekte naar verwachting zal toeslaan. De modellen zullen ook simuleren wat het resultaat zou zijn van een van de verschillende acties, van het uitdelen van muskietennetten en sprays die het contact tussen mens en mug kunnen verminderen tot het toedienen van een preventieve antimalariabehandeling die de overdracht kan stoppen. Op basis van de resultaten, het ministerie van volksgezondheid kan het optimale plan uitvoeren.

Het vermogen van het op agenten gebaseerde model om prognoses te maken tot op het niveau van het huishouden, zorgt ervoor dat middelen gaan waar ze nodig zijn. Het zou een duidelijke wending zijn van de huidige methode van de regering, dat is om middelen breed te verdelen, soms naar gebieden die ze misschien niet nodig hebben. "In plaats van 100 procent van de gemeenschap te behandelen, we zouden vectorbestrijding kunnen richten op bepaalde huishoudens of specifieke delen van de gemeenschap, Pan legde uit. "Het is een gerichte strategie die dezelfde vermindering van malaria kan bereiken, maar tegen mogelijk lagere kosten en met een snellere reactie."

Nu het project de derde van zijn driejarige subsidie ​​ingaat, Pan en zijn collega's blijven de modellen verfijnen. Hij schat dat de prognosetool binnen enkele jaren klaar kan zijn voor gebruik. De Peruaanse overheid werkt al samen met Pan om zich vertrouwd te maken met het systeem, vooral nu het zijn Malaria Cero-programma begint, die tot doel heeft de ziekte tegen 2021 te elimineren. Andere landen, inclusief Colombia en Ecuador, interesse hebben getoond.

Hoewel dit project gericht is op malaria, Pan merkte op dat een van de voordelen van de tool het aanpassingsvermogen is, aangezien de LDAS- en populatiemodellen kunnen worden gebruikt om niet alleen malaria op te sporen, maar ook een aantal andere ziekten, zoals Zika en Dengue. "Ik denk dat gezondheidsinstanties van de overheid niet slechts één, maar vele toepassingen voor het systeem zullen vinden die veel mensen ten goede kunnen komen, "zei hij. "Dat is altijd ons doel geweest."