Doktorarbeit

Assessing spatio-temporal risks of vector-borne diseases: an interdisciplinary view integrating ecological and epidemiological models

Yanchao Cheng (11/2015-12/2020)

Betreuer: Carl Beierkuhnlein, Cyrus Samimi, Heike Feldhaar

Durch Vektoren übertragene Krankheiten sind Infektionskrankheiten, die von Wirbeltierwirten durch Vektoren (typischerweise Arthropoden) übertragen werden. Bei 80% der gesamten Weltbevölkerung besteht das Risiko einer oder mehrerer durch Vektoren übertragener Krankheiten, was zu einer jährlichen Zahl von 700 000 Todesopfern führt. Diese bemerkenswerten Zahlen erfordern dringende Maßnahmen, um das weitere Auftreten von Vektor-übertragenen Krankheiten zu verhindern. Um Präventionsmaßnamen einleiten zu können, müssen wir jedoch wissen, wo ein Risiko besteht, und wenn möglich, wann die Prävention erforderlich ist. Der Schlüssel zu diesen beiden Hauptfragen sind Risikokarten, die typischerweise mit ökologischen Nischenmodellen oder epidemiologischen Modellen erstellt werden. Ökologische Nischenmodelle erfordern Vorkommensdaten der Übertragungen sowie relevante Umweltvariablen (meist langfristig gemittelt), um ein korrelatives Modell zu erstellen. Dieses korrelative Modell kann in einen anderen räumlichen oder zeitlichen (mittels Klimaszenarien) Kontext projiziert werden, um das räumliche Ausbruchsrisiko aufzuzeigen. Epidemiologische Modelle untersuchen dagegen den Übertragungsprozess und erfordern daher ein gutes Verständnis des Übertragungszyklus der untersuchten Vektor-übertragenen Krankheit. Epidemiologische Modelle können mit Zeitreihendaten arbeiten und räumlich-zeitliche Risikokarten basierend auf der Basisreproduktionszahl R0 erstellen. In der Praxis haben sowohl ökologische Nischenmodelle als auch epidemiologische Modelle ihre jeweiligen Vor- und Nachteile. In dieser Arbeit trage ich zur Verbesserung beider Ansätze bei, indem ich einige ihrer Schwächen analysiere und Vorschläge für neue Standards mache. Bei ökologischen Nischenmodellen hängen die korrelativen Modelle stark von der Qualität der Vorkommensdaten ab. In dieser Arbeit untersuche ich, wie räumliche Fehler durch das Ersetzen unbekannter Vorkommensdaten durch den geografischen Schwerpunkt der jeweiligen administrativen Raumeinheit die Modellleistung im Kontext mit variierender Korngröße von Umgebungsdaten beeinflussen. Ich quantifiziere die Abnahme der Modellleistung, die durch die Verwendung von geografischen Schwerpunkten bzw. durch unterschiedliche Korngrößen verursacht wird. Infolgedessen schlage ich vor, besondere Vorsichtsmaßnahmen zu treffen, wenn geografische Schwerpunkte als Ersatz verwendet werden. Wenn möglich, sollten Lageparameter (räumlicher Mittelwert, Median) bevorzugt werden. Für epidemiologische Modelle überprüfe ich die gängigen Methoden zur Erstellung von Risikokarten und illustriere sie anhand eines konkreten Beispiels. Ich zeige, dass die Verwendung verschiedener zeitlicher Aggregationsmethoden die Vergleichbarkeit und den quantitativen Informationsgehalt der resultierenden Karten beeinflusst. Ich zeige weiterhin, dass verschiedene Visualisierungsmethoden zwei grundlegend unterschiedliche Karten sehr ähnlich erscheinen lassen können und umgekehrt. Infolgedessen unterstreiche ich die Bedeutung der Verwendung geeigneter zeitlicher Aggregations- und Visualisierungsmethoden und identifiziere bewährte Verfahren. Ich empfehle, sowohl die Intensität als auch die Dauer des Risikos zu zeigen und wenn möglich kleine Zeitschritte zu verwenden, um die räumlich-zeitliche Dynamik zu zeigen. Auf dem Weg zu neuen Standards für bewährte Verfahren bei der Risikokartierung Vektor-übertragener Krankheiten vergleiche ich direkt ökologische Nischenmodelle und epidemiologische Modelle am Beispiel des Usutu-Virus. Die Ergebnisse des parallelen Modellierungsansatzes zeigen, dass die Verwendung eines einzigen Modells zur Bewertung des Risikos von Vektor-übertragener Krankheiten zu unvollständigen Schlussfolgerungen führen kann. Für die zukünftige Forschung ist es entscheidend, dies zu realisieren und verschiedene Modellierungsansätze für die Risikobewertung von kaum untersuchten neu auftretenden Krankheitserregern wie dem Usutu-Virus anzuwenden.