La network analysis per spiegare la dinamica dell'epidemia di influenza aviaria

L'epidemia di influenza aviaria H5N1 ad alta patogenicità che si è verificata tra il 2021 e il 2022 nel nord est Italia è stata una delle più gravi di sempre. L'epidemia ha coinvolto un elevato numero di allevamenti avicoli (317), con oltre 14 milioni di animali colpiti. La diffusione dell'epidemia è stata molto rapida, con picchi di oltre 50 nuovi focolai a settimana. La velocità di diffusione ha sollevato l'ipotesi di possibili fenomeni di contatto diretto tra allevamenti infetti e altre aziende avicole, o la presenza di comuni fonti di infezione.

La grande velocità con cui l’epidemia si è diffusa sul territorio ha fatto emergere due ipotesi principali:

1) possibili fenomeni di contatto diretto tra allevamenti infetti e altre aziende avicole, oppure

2) la presenza di comuni fonti di infezione, che hanno determinato in breve tempo l’emergere di molteplici nuovi focolai.

Per comprendere la dinamica dell'epidemia, il Laboratorio epidemiologia e analisi del rischio in sanità pubblica dell'Istituto Zooprofilattico Sperimentale delle Venezie ha utilizzato la network analysis, un potente strumento di analisi che permette di studiare le caratteristiche e le relazioni tra gli oggetti esistenti all’interno di un network: i nodi rappresentano delle entità, gli oggetti, mentre le connessioni rappresentano una relazione esistente tra queste entità.

Lo studio, pubblicato sulla rivista Pathogens , spiega la dinamica dell’epidemia valutando l’impatto di potenziali fattori di diffusione dell’infezione utilizzando i dati raccolti durante i sopralluoghi negli allevamenti e le informazioni genetiche ottenute dalle analisi biomolecolari sui virus isolati da ciascun focolaio.

Nell’ambito dell’epidemia 2020-2021, le analisi filogenetiche hanno rivelato l'esistenza di diversi cluster genetici virali, supportando l'ipotesi di diffusione del virus tra gli allevamenti domestici.

Nello specifico, i genomi completi di 214 virus sono stati utilizzati per costruire il network filogenetico. In questo network, ogni nodo corrisponde ad un virus identificato in un singolo focolaio, mentre i link mettono in relazione nodi caratterizzati dalla massima similarità genetica.

Il network filogenetico rappresenta la base dati di partenza dello studio, su cui è stata applicata la metodica di network denominata Exponential Random Graph Model (ERGM).

L’ERGM è un modello statistico capace di spiegare il motivo per cui esiste un link tra due nodi, sulla base di una serie di variabili epidemiologiche. Applicato ad un network filogenetico, l’ERGM mette in relazione le caratteristiche epidemiologiche degli allevamenti colpiti con quelle più strettamente genetiche dei virus trovati. Questo approccio ha quindi consentito di valutare l’impatto di tali variabili sulla possibilità di diffusione dell’infezione tra gli allevamenti.

Le analisi hanno evidenziato che alcune variabili, come l'appartenenza degli allevamenti alla stessa filiera avicola, la durata dell'esposizione ai focolai attivi e la distanza geografica tra le aziende, hanno un effetto significativo sulla struttura del network e sulla trasmissione della malattia. Questi risultati suggeriscono importanti implicazioni per le strategie di controllo e prevenzione di future epidemie di influenza aviaria.

Lo studio ha dimostrato l'efficacia e l'innovatività dell'applicazione della network analysis nell'integrazione dei dati virologici ed epidemiologici. Questo approccio potrebbe contribuire a una migliore comprensione delle dinamiche di diffusione delle malattie e fornire strumenti più efficaci per il controllo e la prevenzione delle epidemie.

In futuro, ulteriori sviluppi dell'approccio di network analysis potrebbero includere l'integrazione di informazioni temporali per analizzare l'evoluzione delle epidemie nel tempo, nonché l'analisi di malattie che coinvolgono diverse popolazioni attraverso l'utilizzo di network multi-layer.

Questo studio evidenzia il potenziale applicativo della network analysis per una migliore comprensione e gestione delle epidemie, offrendo strumenti preziosi agli epidemiologi per il controllo e la prevenzione delle malattie sul territorio.

Lo studio è stato pubblicato sulla rivista Pathogens

Fonte: IZSVe