Modelgebaseerde voorspelling van uitbraak dynamica van Nephropathia epidemica gebruik makend van klimaat- en vegetatiedata

Zoönosen overgedragen door dieren in het wild, dragen in belangrijke mate bij aan de opkomst van infectieziekten. In de periode 2000-2006 werden vijftien opkomende zoönosen (overgedragen via vectoren) met toenemende impact op de menselijke gezondheid in Europa geïdentificeerd. Er wordt verwacht dat de wereldwijde klimaatverandering een belangrijke rol kan spelen in de verspreiding van deze zoönosen. Hantavirus-infecties, die overgedragen worden door knaagdieren, maken deel uit van deze lijst. Het Puumala virus (PUUV), vaak verspreid via rosse woelmuizen (Myodes glareolus), is een dergelijk hantavirus. Het komt courant voor in grote gebieden van Europa en veroorzaakt over het algemeen een milde vorm van hemorragische koorts met renaal syndroom (HFRS), ook wel nephropathia epidemica (NE) genaamd.

Het is algemeen geweten dat het klimaat een belangrijke determinant is van de ruimtelijke en temporele verspreiding van vectoren (in epidemiologie: een drager - persoon, dier of micro-organisme, die besmettelijke ziekteverwekkers overdraagt naar andere levende organismen) en ziekteverwekkers. Daarom wordt verwacht dat veranderingen in het klimaat, veranderingen in de geografische verspreiding, seizoensgebonden karakter (inter-jaarlijkse variabiliteit) en incidentie (met of zonder veranderingen in de geografische of seizoenspatronen) van NE zullen veroorzaken.

Het belangrijkste doel van dit proefschrift is het ontwikkelen van modelleringbenaderingen voor het monitoren en voorspellen van NE-uitbraken die rekening houden met de belangrijkste omgevingsfactoren (klimaat en vegetatie) die de temporele en ruimtelijke patronen van NE uitbraken beïnvloeden, gebruik makend van compacte modelstructuren.

In de hoofdstukken 2 tot 6 van dit proefschrift wordt in detail besproken hoe  datagebaseerde (mechanistische) modellen kunnen gebruikt worden voor het modelleren en voorspellen van uitbraken van nephropatia epidemica (NE) als basis voor de ontwikkeling van strategieën voor ziektepreventie en -bestrijding. In tegenstelling tot de mechanistische modelleringaanpak, identificeren datagebaseerde modelleringtechnieken de dynamische proceseigenschappen op basis van meetgegevens en zijn als zodanig niet gebaseerd op a priori proceskennis.

In het proefschrift wordt besproken hoe kennis beschreven in mechanistische epidemiologische populatiemodellen aangewend kan worden om compacte  datagebaseerde modelstructuren te verbeteren. In hoofdstuk 2 wordt het belang van ‘carrying capacity’ beschreven voor het modelleren van NE prevalentie. Verder, wordt het verband tussen ‘carrying capacity’ en fenologie van het bos gekarakteriseerd zodat het mogelijk wordt om NE uitbraken te voorspellen op basis van enkel klimatologische en vegetatiegegevens, zonder de populatiedynamiek van de rosse woelmuis in rekening te brengen (hoofdstuk 3). In het tweede deel van dit proefschrift wordt een modelleringbenadering beschreven om NE uitbraken te voorspellen op basis van enkel meetdata van de populatiedynamiek van de rosse woelmuis en beschikbare kennis van een epidemiologisch NE model (hoofdstuk 3 en 4).

Humane hantavirus epidemieën worden vaak in verband gebracht met de overvloedige aanwezigheid van rosse woelmuizen. Om NE uitbraken te voorkomen en onder controle te houden is het daarom belangrijk om de omgevingsfactoren die de ruimtelijke en temporele variaties van de rosse woelmuizen beïnvloeden, te monitoren. Er werd een methode beschreven om kaarten van mogelijke geografische verspreiding van rosse woelmuizen in West-Europa te generen op basis van gegevens van rosse woelmuisvangsten, klimaatinformatie en bodembedekkingkaarten (hoofdstuk 5) en in hoofdstuk 6 werd de populatiedynamiek (temporele aspecten) van rosse woelmuizen gemodelleerd in België en Finland met behulp van een datagebaseerde dynamische modellen.

De resultaten van deze studie helpen om de omgevingsfactoren die de verspreiding van NE  beïnvloeden, te definiëren. Het ontwikkelen van een dynamische datagebaseerde mechanistische modelleringbenadering voor NE kan de basis vormen van een tool om de incidentie van NE gevallen te voorspellen en te voorkomen, gebruik makend van remote sensing technologie, voor het opmeten van de fenologie van bossen en het monitoren van vegetatiekarakteristieken, in combinatie met klimatologische gegevens.