I Big data e le malattie trasmesse da vettori
Le malattie trasmesse da vettori (Vector Borne Disease, VBD), rappresentano da sempre un problema per la salute globale ed una continua sfida nell’ambito della salute pubblica. Nell’Unione Europea sono considerate malattie infettive emergenti la cui incidenza e diffusione geografica è in rapido aumento.
Il clima e i cambiamenti climatici giocano un ruolo importante nella diffusione delle VBD influenzandone la persistenza in nuove aree, con effetti diretti sulla riproduzione dei vettori e degli ospiti vertebrati, che si riflettono inevitabilmente sul tasso di riproduzione degli agenti patogeni. Inoltre, l’impatto delle variazioni climatiche causa indirettamente dei cambiamenti all’ecologia ambientale, legati anche all’azione delle attività dell’uomo, uno tra i fattori più consistenti nella trasmissione delle malattie con effetti a medio-breve termine.
Per comprendere l’epidemiologia delle VBD e le complesse interazioni tra uomo-animali- ambiente è necessario garantire nel controllo e nella prevenzione di tali malattie un approccio multidisciplinare ed integrato, che tenga conto delle complessità delle interconnessioni esistenti. L’era dei Big data permette di approcciarsi ad una visione olistica delle VBD. Una gestione efficace dei dati in questo settore è infatti un elemento fondamentale per migliorare le capacità del sistema di allarme rapido delle Arbovirosi. L’elaborazione e l’analisi delle informazioni ottenute, consente di rilevare i cambiamenti della distribuzione spaziale delle malattie e realizzare così dei modelli in tempo reale tali da individuare precocemente nuove epidemie.
Un approccio One Health
Considerata l’epidemiologia delle zoonosi e le complesse interazioni che si sviluppano tra uomo animali e ambiente, la medicina preventiva non può rappresentare l’unico metodo efficace nella gestione di tali eventi. Per costituire azioni comuni che rispondano alle sfide e agli obiettivi dell’approccio One Health, è fondamentale un approccio strategico condiviso, tale da permettere risposte rapide e adattamenti mirati nell’ambito della prevenzione e sorveglianza delle malattie animali. Integrare la sorveglianza veterinaria (animale ed entomologica) con quella dei casi umani è fondamentale per individuare precocemente la circolazione vettoriale sul territorio e per valutare il rischio di trasmissione della malattia all’uomo; tali scelte non possono più avere un orizzonte solo nazionale, ma essere condivise nelle politiche per la tutela della salute pubblica Europea, basandosi sullo scambio di dati e informazioni.
Nel corso degli ultimi anni sono state implementate diverse strategie di controllo per rafforzare la sorveglianza e il monitoraggio dei vettori a livello globale tra le grandi organizzazioni mondiali, per affrontare in maniera coordinata le eventuali emergenze epidemiche. L’Organizzazione Mondiale della Sanità (OMS) ha sviluppato il Global Vector Control Response (GVCR) 2017-2030, un progetto che mira allo sviluppo e all’uso integrato delle tecnologie per il controllo dei vettori e la gestione delle malattie, attraverso l’analisi di dati il cui uso è di potenziale importanza e valore per la salute pubblica, fornendo così ai paesi partner nuove strategie di azione sul controllo dei vettori per prevenire le malattie e rispondere alle epidemie.
Una chiave di lettura innovativa espressa nel GVCR è il cambiamento comportamentale da attuare nei confronti delle VBD, attraverso una valutazione della resilienza del sistema sanitario. Il concetto di resilienza, entrato in uso sia nel vocabolario sociale sia in quello ambientale è un’espressione sintetica ma al contempo molto complessa. Nell’ambito della salute pubblica, l’OMS sviluppa questo concetto lavorando con i paesi partner per migliorare le specifiche misure di controllo e di gestione nei confronti delle malattie vettoriali in base al contesto eco epidemiologico ed economico della nazione, implementando l’attuazione di buone pratiche individuali di prevenzione alle VBD, favorendo il singolo individuo a sviluppare una maggiore capacità di gestione nei confronti delle malattie, in modo da proteggere se stesso ma soprattutto la comunità da zanzare, zecche, mosche e altri vettori di malattia.
Tra gli altri progetti Europei, nati con l’obiettivo di rafforzare la collaborazione e la comunicazione tra esperti ed organizzazioni del settore medico e veterinario nell’ ottica di un approccio globale alle malattie trasmesse da vettori, anche l’European Centre for Disease Prevention and control (ECDC) e L’European food safety authority (EFSA) hanno lavorato ad un progetto comune. Nel 2017 con VectorNEt si è costituita una rete europea per lo scambio di dati sulla distribuzione geografica dei vettori artropodi agenti di malattie umane ed animali, con l’obiettivo di fornire un contributo al miglioramento delle capacità di risposta del rischio di introduzione nell’UE delle malattie trasmesse da vettori.
Un approccio olistico
Sebbene il clima e i cambiamenti climatici giochino un ruolo importante nell’influenzare la diffusione delle malattie trasmesse da vettori, il riemergere di alcune patologie non può essere attribuito esclusivamente ad esso. Spesso la comparsa di malattie segue i cambiamenti ecologici causati da attività umane, e la loro distribuzione è determinata da complessi fattori demografici, ambientali e sociali. Le variazioni di temperatura e delle precipitazioni hanno modificato i principali caratteri strutturali dell’agricoltura e delle pratiche agricole, in risposta anche ad un incremento degli scambi commerciali e del commercio globale. In molti paesi in via di sviluppo, l’urbanizzazione non pianificata causa del fenomeno della deforestazione e il conseguente sviluppo demografico dei centri abitati, ha portato alla crescita di baraccopoli urbane, costituendo un habitat favorevole allo sviluppo di malattie emergenti. I conflitti bellici hanno causato un peggioramento delle condizioni socio economiche degli stati colpiti, con la riduzione delle risorse dedicate alla sanità pubblica. Le migrazioni umane dalle zone di guerra hanno aumentato il rischio di importazione di parassiti e vettori; ciò si è tradotto in tempi brevi nella ricomparsa di malattie che dapprima si ritenevano eradicate. La crescita del traffico aereo e la richiesta sempre più incalzante della riduzione del transito globale in tempi brevi ai fini commerciali, è un altro elemento che ha giocato a favore della trasmissione di vettori e malattie ad essi correlate, aumentandone la probabilità di diffusione in altri continenti (Figura 1).
La complessità dell’interazione di queste variabili multiple associate all’ecologia e al comportamento del vettore, ma anche a quelle degli ospiti e del loro stato immunitario, presuppongono l’esigenza di un approccio olistico alle malattie trasmesse da vettori, in cui si riconosce l’esigenza di operare su più livelli di conoscenza scientifica, in modo da produrre uno stato reale di controllo sul loro andamento.
Figura 1. Le linee mostrano collegamenti diretti tra aeroporti, e il colore indica il numero delle persone trasportate giornalmente (migliaia in rosso, centinaia in giallo, decine in blu). Gli itinerari collegano regioni con latitudini simili (nell’emisfero settentrionale o meridionale) e rappresentano le strade che gli agenti patogeni possono percorrere per raggiungere nuove regioni. (Hufnagel et al., 2004)
Dal modello di Ronald Ross alla geoinformatica predittiva: i Big data a supporto delle arbovirosi
Per Ronald Ross, il medico anglosassone che dedicò allo studio della malaria tutta la sua carriera, il “Great malaria problem” fu legato soprattutto alla comprensione delle cause legate alla sua trasmissione. La complessa interazione fra uomo zanzare e plasmodio che genera la malaria è stata modellizzata per la prima volta nel cosiddetto “Modello di Ross” e rappresenta un esempio di come già da più di un secolo si è tentato di comprendere meglio le malattie trasmesse da vettori attraverso l’uso di modelli matematici.
Le tecnologie digitali sviluppate negli ultimi anni hanno consentito la produzione e archiviazione di un volume crescente di dati, i Big data, che con l’avvento dei social media e la facilità di acquisizione di dati in tempo reale hanno permesso di instaurare connessioni tra settori diversi con cui nel passato è risultato difficile dialogare direttamente, sia per motivi di tipo sociale oltre che tecnico.
Il ruolo dei fattori climatici nel condizionare l’introduzione o la ricomparsa e trasmissione di malattie infettive in aree geografiche indenni può essere molteplice, ma estremamente complesso. A tal proposito, l’utilizzo della geo-informatica predittiva, i sistemi di tele rivelamento dei modelli climatici associati ad una stratificazione del rischio, sono sfruttati per ottimizzare la pianificazione e lo sviluppo di modelli di trasmissione delle malattie vettoriali.
La varietà di fenomeni a cui i dataset possono riferirsi, permettono di aggregare e relazionare un vasto insieme di dati a supporto del controllo vettoriale, utilizzati per sviluppare modelli di trasmissione, rilevare precocemente le possibili incursioni delle malattie o predirne la ricomparsa.
Ne è un esempio l’applicazione di tecniche di analisi spaziale come strumenti predittivi per la valutazione della trasmissione della West Nile Disease, per cui è di fondamentale importanza individuare precocemente le aree e i periodi a maggior rischio di trasmissione della malattia. Questo tipo di modello utilizza variabili ambientali, climatiche e territoriali per individuare habitat idonei alla diffusione del virus e per produrre mappe mensili di diffusione del vettore in base alla stagionalità.
Anche i social media, ad oggi, rappresentano in modo efficace una fonte alternativa di dati geospaziali in tempo reale su larga scala, e si è provato ad utilizzarli come caso di studio per la diffusione in Europa del virus Chikungunya. L’analisi dei Big data geocodificati di Twitter infatti, associati a quelli relativi al traffico aereo proveniente da aree internazionali in cui la malattia è endemica, ha fornito informazioni utili ad identificare la dispersione a corto raggio del virus dai focolai di origine. Inoltre, attraverso il calcolo della stima della capacità vettoriale stagionale di Ae. Albopictus si è compreso come la crescita della popolazione di vettori infetti sia stata influenzata anche da variabili climatiche locali stagionali in cui le temperature più alte della media hanno determinato un notevole aumento della capacità vettoriale e quindi di trasmissione della malattia (Figura 2).
Figura 2. Stime della capacità vettoriale basate sulle condizioni medie di temperatura in Europa (Italia e Francia) con popolazioni stabili di zanzare Aedes albopictus intorno a zone con epidemia di Chikungunya. Le aree con i contorni più scuri indicano le zone in cui è scoppiata l'epidemia. (Rocklöv et al., 2019)
Tuttavia i risultati dei modelli di mobilità sulla diffusione locale ottenuti necessitano di una conferma epidemiologica tramite analisi filogenetiche, e sebbene abbiano una buona sensibilità nell’identificare aree a rischio di diffusione del virus sulla base dei dati relativi alla mobilità e al clima, devono migliorare in specificità, includendo fattori contestuali locali, quali l’uso del suolo e l’attività vettoriale. Anche Wikipedia e Google trends sono stati proposti come risorse di dati per la sorveglianza delle malattie e il rilevamento delle epidemie - e nel caso specifico del virus Chikungunya - ma si sono rilevate di scarsa utilità per una risposta precoce alla malattia, poiché sembravano indicare principalmente ed esclusivamente una consapevolezza pubblica della presenza dei focolai e non una loro effettiva localizzazione.
I Big data rappresentano una nuova frontiera nel rilevare interazioni tra numerose variabili rappresentate da sistemi umani, ambientali e animali. Il loro pieno utilizzo è ancora limitato dalle difficoltà che emergono nella loro organizzazione. Poiché flussi privi di una strutturazione, spesso non sono supportati dalle adeguate competenze tecniche necessarie per poterli aggregare, e sono anche limitati nel loro utilizzo perché ritenuti dati sensibili. Tuttavia i Big data, per il loro basso costo di generazione e l’elevata fruibilità, se utilizzati in modo consapevole per prevenire e controllare le malattie emergenti e riemergenti, permettono una pianificazione rapida nella preparazione e nella risposta ai focolai d’infezione e inoltre, aiutano ad individuare le aree a rischio in cui le misure di controllo dovranno essere attuate in modo tempestivo. Questa strategia consente di realizzare gli obiettivi dell’approccio “One Health”, che mira a fornire risposte rapide a costo minimo nell’ambito della prevenzione e sorveglianza delle zoonosi.
Bibliografia
- Asokan G.V., Asokan V. (2015). Leveraging “Big Data” to enhance the effectiveness of One Health in an era of health informatics Journal Epidemiology Global Health, pp.311-314
- Conte A., Candeloro L., Ippoliti C., Monaco F., De Massis F., Bruno R., Di Sabatino D., Danzetta M.L., Benjelloun A., Belkadi B., El Harrak M., Declich S., Rizzo C., Hammami S., Ben Hassine T., Calistri P., Savini G (2015). Spatio-Temporal Identification of Areas Suitable for West Nile Disease in the Mediterranean Basin and Central Europe. PLoS One, 2015 Dec 30; 10(12)
- Rocklöv J., Tozan Y., Ramadona A., Sewe M.O., Sudre B., Garrido J., de Saint Lary C.B., Lohr W., Semenza J.C. (2019). Using Big Data to Monitor the Introduction and Spread of Chikungunya, Europe, 2017. Emerging Infectious Disease, 2019 Jun; 25(6):1041-1049
- Kilpatrick A.M., Randolph S.E. (2012). Drivers, dynamics, and control of emerging vector-borne zoonotic diseases. Lancet. Dec 1; 380
- Hufnagel L., Brockmann D., Geisel T. (2004). Forecast and control of epidemics in a globalized world. Proc Natl Acad Sci USA 101:15124–29
- Global vector control response
- European network for sharing data on the geographic distribution of arthropod vectors, transmitting human and animal disease agents (VectorNet).
Alessandra Di Giuseppe
Centro Operativo Veterinario per l'Epidemiologia, Programmazione,
Informazione e Analisi del Rischio
Istituto Zooprofilattico Sperimentale dell'Abruzzo e del Molise "G. Caporale"
