Het voorspellen van hotspots voor de ziekte van Lyme kan volksgezondheidsfunctionarissen helpen bij het begeleiden van bronnen en proactieve berichten naar het publiek. Maar de ecologie van de ziekte is complex en omvat verschillende gastheerdieren, zwartbenige teken die als ziektevector dienen, de ziekteverwekker zelf, de bacterie Borrelia burgdorferi en de omgeving waarin ze allemaal leven.

De studie, gepubliceerd in het Journal of Applied Ecology , ontwart de relatie tussen twee van deze spelers in de ecologie van de ziekte van Lyme:bacteriën en het milieu. Onder leiding van Tam Tran, die haar doctoraat behaalde in Penn's Department of Biology in de School of Arts &Sciences, en met mentoren Dustin Brisson, een professor in de afdeling, Shane Jensen van de Wharton School, samen met collega's uit de staat New York Ministerie van Volksgezondheid onderzoekt het onderzoek hoe variabelen zoals landschapsverstoring en klimaat de verspreiding en abundantie van B. burgdorferi beïnvloeden. Het resultaat is een krachtig analytisch model dat nauwkeurig de prevalentie en verspreiding van de ziekte van Lyme in het landschap kan voorspellen, mogelijk een nuttig hulpmiddel voor de volksgezondheid om de overdracht van ziekten te helpen verminderen.

"We weten dat de ziekte van Lyme een groeiende bedreiging vormt voor de volksgezondheid, maar we hebben nog geen goede manieren gevonden om het aan te pakken. Het aantal gevallen blijft groeien", zegt Tran, nu student geneeskunde aan de Virginia Commonwealth University. "Wat hier opwindend is, is dat we, door te weten hoe de omgeving zowel het tekensysteem als de bacteriën beïnvloedt, kunnen voorspellen waar en wanneer er grotere hoeveelheden van de ziekteverwekker in het landschap zullen zijn."

In de huidige studie concentreerden Tran, Brisson, Jensen en collega's zich voornamelijk op welke factoren B. burgdorferi beïnvloedden, waarvan ze de prevalentie hebben gemeten door te bepalen welke fractie van de blacklegged teken die ze bemonsterden, besmet was met de bacteriën. Oudere pogingen om verbanden te leggen tussen de ziekte van Lyme en omgevingsvariabelen hebben geleid tot gemengde, onduidelijke of soms zelfs tegenstrijdige resultaten, zegt Tran, deels omdat de bijdragen van de 'omgeving' zo veelzijdig kunnen zijn.

Om hun modellen te bouwen, heeft het onderzoeksteam gegevens verzameld van bijna 19.000 zwartbenige teken tussen 2009 en 2018 op honderden locaties in de staat New York. Ze beoordeelden hoe het aantal geïnfecteerde en niet-geïnfecteerde teken op honderden locaties gedurende meer dan een decennium overeenkwam met lokale omgevingskenmerken die in vier brede categorieën vielen:

1. landschapsfactoren zoals hoogte, brandgeschiedenis en afstand tot infrastructuur zoals wegen;
2. grootte van de populatie van gewervelde dieren, inclusief mensen, beren, vogels en herten;
3. surveillance-omstandigheden, waaronder lokale temperatuur en vochtigheid op het moment van verzamelen, evenals de inspanning die wordt besteed aan het verzamelen van specimens; en
4. klimaatmaatregelen zoals maandelijkse temperatuurgemiddelden, neerslag en dagen met temperaturen onder het vriespunt.

Door verschillende groepen van deze variabelen door krachtige computermodellen te laten lopen, konden de onderzoekers achterhalen welke het meest invloedrijk waren bij het bepalen van de besmettelijkheidspercentages.

"De belangrijkste bevinding was dat het klimaat een overweldigend element in het model was", zegt Tran. "Verstoring van habitats was ook belangrijk, en in sommige gevallen ontdekten we het tegenovergestelde van wat uit eerdere studies is gebleken."

Terwijl eerdere analyses hadden uitgewezen dat toename van verstoring - zaken als branden, wegen die door bossen sneden en gefragmenteerde leefgebieden - leidden tot een toename van het aantal B. burgdorferi, ontdekte het door Penn geleide team dat minder verstoorde, meer intacte habitats vaak werden geassocieerd met grotere aantallen teken besmet met de bacterie.

Nadat ze een model hadden ontwikkeld met de gegevens die in 2009-18 waren verzameld, testten ze vervolgens hoe goed het model de prevalentie en distributie kon voorspellen die werden gevonden in de gegevens die werden verzameld uit 2019.

"We ontdekten dat het zeer nauwkeurig was", zegt Tran. "En wat geweldig is, is dat veel van de gegevens die we hebben gebruikt om het model te maken gratis zijn, wat betekent dat andere plaatsen deze bevindingen mogelijk kunnen repliceren om het risico op de ziekte van Lyme te helpen voorspellen, vooral in gebieden waar het klimaat en het landschap vergelijkbaar zijn met New York. York."

Interventies kunnen bestaan ​​uit berichten over de volksgezondheid die bezoekers van het park waarschuwen, bijvoorbeeld voor het risico op ziekte, "om hen eraan te herinneren hun tekencontroles uit te voeren", zegt Tran. De bevindingen kunnen ook helpen bij toekomstig landbeheer, waarbij de kracht van ecologie wordt benut om de risico's op de ziekte van Lyme mogelijk te verminderen. + Verder verkennen

Een betere schatting voor tick-getallen met 'citizen science'-gegevens