< Terug naar vorige pagina
Project
Spatio-temporele modellering van de epidemiologie van nephropathia epidemica and Lyme disease
Opmerkelijke uitbraken van Nephropathia epidemica (NE) en Lyme borreliosis (LB) in West-Europa de jongste jaren brachten ziektes overgedragen door vectoren onder de aandacht. In de laatste decade zijn deze zoönosen ook in België aan een opmars bezig. NE wordt veroorzaakt door het Puumala</> virus (PUUV) waarvan de woelmuis Myodes glareolus</> drager is. Mensen komen in contact met het virus door inademing van vernevelde droge uitwerpselen van deze knaagdieren. LB wordt veroorzaakt door de spirocheet Borrelia burgdorferi</> waarvan onder andere knaagdieren (zoals Myodes glareolus</>), vogels en reptielen drager zijn. Deze pathogeen bereikt de mens door middel van tekenbeten
(Ixodes ricinus</>).
De incidentie van de door vectoren overgedragen ziekten is het resultaat van een complexe interactie tussen drie grote componenten: de vector/gastheer, de pathogeen en het milieu of de omgeving. Milieufactoren die impact hebben op (i) de habitat van vectoren/gastheren, (ii) de aanwezigheid en prevalentie van pathogenen en (iii) de blootstelling aan pathogenen zijn doorslaggevend voor de verspreiding en besmettings-gevaar. Het monitoren van deze omgevingsfactoren is daarom een belangrijke taak in de epidemiologie. De complexiteit van de onderliggende mechanismen vereist vaak een interdisciplinaire aanpak.
De levenscyclus en de demografie van de vectoren/gastheren van NE/LB zijn sterk gerelateerd met hun leefomgeving, namelijk de fysieke kenmerken en dynamiek van vegetatieve systemen. De ruimtelijke kenmerken (locatie,omvang, nabijheid tot stedelijke centra, enzovoort) van deze vegetatiegebieden vormen dan ook een belangrijke determinant in de ruimtelijke verspreiding van de ziekten.
Dit interdisciplinair onderzoek evalueert de toepasbaarheid van methodes en datasets vanuit het domein van de geomatica in het modelleren van ziekterisicos overgedragen door vectorgerelateerde ziektes NE en LB. De prominente rol van vegetatieve systemen in NE en LB suggereert dat de analyse van de ruimtelijke verspreiding van vegetatie en de studie van vegetatieprocessen doorheen de tijd epidemiologische modellering kunnen ondersteunen. Vegetatiedata afkomstig uit aardobservatie bezitten een ruimtelijk en temporeel aspect hetgeen belangrijke
componenten zijn in epidemiologisch onderzoek.
Dit proefschrift bestaat uit zeven hoofdstukken. Het inleidende hoofdstuk beschrijft NE en LB, de betrokken organismen bij de overdracht van de pathogenen en de determinanten van het ziekterisico. Dit hoofdstuk gaat dieper inop het belang van aardobservatie om vegetatiegerelateerde verschijnselen te bestuderen en hoe dat kan helpen in de modellering van de verspreiding van NE and LB.
Hoofdstuk 2 gebruikt bestaande kennis over de rol van vegetatiefenologie in de demografie van knaagdieren. Fenologische indicatoren van bossen in het zuiden van België werden afgeleid van tijdreeksen van vegetatie-indexen gebaseerd op satellietobservaties van de aarde. Deze indicatoren werden naast de gerapporteerde NE ziektegevallen in dat gebied gelegd ter vergelijking. Deze studie focuste zich op loofhout-bossen in de streek met een van de hoogste incidentiewaardenvan NE in België. De resultaten toonden een verband aan tussen trends in vegetatieactiviteit en het aantal gerapporteerde NE ziektegevallen.
Vochtigheid vormt een belangrijke factor in tekenecologie. Daarom worden in Hoofdstuk 3 twee vochtgevoelige vegetatie-indexen getoetst met de LB ziektengevallen. Dit hoofdstuk evalueerde de geschiktheid van die vegetatie-indexen als verklarende variabelen van gerapporteerde LB-incidentie. De studie vond plaats in twee gebieden met hoge LB-incidenties (Noord-en Zuid-België) gekenmerkt door zeer verschillende landschappen. Devegetatie-indexen zijn gebaseerd op de gevoeligheid aan vochtigheid in het kortegolf-infrarode deel van het electromagnetische spectrum. Het verschil tussen de twee indexen ligt in de specifieke golflengte in het kortegolfinfrarood waarop de indexen gebaseerd zijn.
De multi-resolutieanalyse op tijdreeksen van vochtgevoelige vegetatie-indexen toonden aan dat patronen in vegetatievochtigheid de LB-incidentie beïınvloeden. Bovendien bleek ook dat de geschiktheid van de geëvalueerde indexensterk afhangt van de kenmerken van de bestudeerde vegetatiegebieden.
Hoofdstuk 4 legt de nadruk op het verband tussen NE- en LB-ziekterisico enerzijds en landbedekkingsklassen en landschapskenmerken anderzijds. In dit hoofdstuk werd een tree-structured -regressie uitgevoerd om associatie tussen de ruimtelijke spreiding van NE en LB en landschapskenmerken te onderzoeken. De studie gebruikte landbedekkingskaart gebaseerd op CORINE data en testte ook de impact van de uitgestrektheid/grootte vande proefvlakken op het behaalde
resultaat.
In hoofdstuk 5 wordt het concept zwaartekracht gebruikt om ruimtelijke interacties te modelleren. De aantrekkingskracht (of een analogie ervan) tussen twee lichamen beïnvloedt de ruimtelijke interactie. De hypothese in onze toepassingwas dat de afstand tussen bossen en stedelijke gebieden in combinatie met de grootte van die gebieden bruikbaar is om ziekterisico op LB te modelleren met behulp van het zwaartekracht-model. Gezien ook arbeidsomstandigheden een risico kunnen vormen op blootstelling tot LB, werd een indicator van blootstelling door veldwerk eveneens uitgetest. De resultaten toonden de bruikbaarheid van
zowel landbedekkingskaarten als satellietdata aan om informatie over vegetatiegebieden als invoer in het zwaartekrachtmodel.
Hoofdstuk 6 spitste zich toe op de identificatie vanseizoensgebonden vegetatievariabelen om het ziekterisico in ruimte en tijd te modelleren. Op basis van de resultaten van hoofdstukken 2 en 3, werden een aantal jaarlijkse indicatoren van vegetatieactiviteit afgeleid. Er werd ook gebruik gemaakt van het concept Growing Degree Days (GDD).Door middel van multi-variate analyse werd aangetoond dat de beste groep indicatoren bestaat uit een combinatie van meteorologische variabelen (GDD) en indicatoren verkregen via aardobservatie om LB and NE incidenties te verklaren in Noord- en Zuid-België.
Tenslotte worden algemene conclusies en perspectieven voor verder onderzoek samengevat in Hoofdstuk 7.
(Ixodes ricinus</>).
De incidentie van de door vectoren overgedragen ziekten is het resultaat van een complexe interactie tussen drie grote componenten: de vector/gastheer, de pathogeen en het milieu of de omgeving. Milieufactoren die impact hebben op (i) de habitat van vectoren/gastheren, (ii) de aanwezigheid en prevalentie van pathogenen en (iii) de blootstelling aan pathogenen zijn doorslaggevend voor de verspreiding en besmettings-gevaar. Het monitoren van deze omgevingsfactoren is daarom een belangrijke taak in de epidemiologie. De complexiteit van de onderliggende mechanismen vereist vaak een interdisciplinaire aanpak.
De levenscyclus en de demografie van de vectoren/gastheren van NE/LB zijn sterk gerelateerd met hun leefomgeving, namelijk de fysieke kenmerken en dynamiek van vegetatieve systemen. De ruimtelijke kenmerken (locatie,omvang, nabijheid tot stedelijke centra, enzovoort) van deze vegetatiegebieden vormen dan ook een belangrijke determinant in de ruimtelijke verspreiding van de ziekten.
Dit interdisciplinair onderzoek evalueert de toepasbaarheid van methodes en datasets vanuit het domein van de geomatica in het modelleren van ziekterisicos overgedragen door vectorgerelateerde ziektes NE en LB. De prominente rol van vegetatieve systemen in NE en LB suggereert dat de analyse van de ruimtelijke verspreiding van vegetatie en de studie van vegetatieprocessen doorheen de tijd epidemiologische modellering kunnen ondersteunen. Vegetatiedata afkomstig uit aardobservatie bezitten een ruimtelijk en temporeel aspect hetgeen belangrijke
componenten zijn in epidemiologisch onderzoek.
Dit proefschrift bestaat uit zeven hoofdstukken. Het inleidende hoofdstuk beschrijft NE en LB, de betrokken organismen bij de overdracht van de pathogenen en de determinanten van het ziekterisico. Dit hoofdstuk gaat dieper inop het belang van aardobservatie om vegetatiegerelateerde verschijnselen te bestuderen en hoe dat kan helpen in de modellering van de verspreiding van NE and LB.
Hoofdstuk 2 gebruikt bestaande kennis over de rol van vegetatiefenologie in de demografie van knaagdieren. Fenologische indicatoren van bossen in het zuiden van België werden afgeleid van tijdreeksen van vegetatie-indexen gebaseerd op satellietobservaties van de aarde. Deze indicatoren werden naast de gerapporteerde NE ziektegevallen in dat gebied gelegd ter vergelijking. Deze studie focuste zich op loofhout-bossen in de streek met een van de hoogste incidentiewaardenvan NE in België. De resultaten toonden een verband aan tussen trends in vegetatieactiviteit en het aantal gerapporteerde NE ziektegevallen.
Vochtigheid vormt een belangrijke factor in tekenecologie. Daarom worden in Hoofdstuk 3 twee vochtgevoelige vegetatie-indexen getoetst met de LB ziektengevallen. Dit hoofdstuk evalueerde de geschiktheid van die vegetatie-indexen als verklarende variabelen van gerapporteerde LB-incidentie. De studie vond plaats in twee gebieden met hoge LB-incidenties (Noord-en Zuid-België) gekenmerkt door zeer verschillende landschappen. Devegetatie-indexen zijn gebaseerd op de gevoeligheid aan vochtigheid in het kortegolf-infrarode deel van het electromagnetische spectrum. Het verschil tussen de twee indexen ligt in de specifieke golflengte in het kortegolfinfrarood waarop de indexen gebaseerd zijn.
De multi-resolutieanalyse op tijdreeksen van vochtgevoelige vegetatie-indexen toonden aan dat patronen in vegetatievochtigheid de LB-incidentie beïınvloeden. Bovendien bleek ook dat de geschiktheid van de geëvalueerde indexensterk afhangt van de kenmerken van de bestudeerde vegetatiegebieden.
Hoofdstuk 4 legt de nadruk op het verband tussen NE- en LB-ziekterisico enerzijds en landbedekkingsklassen en landschapskenmerken anderzijds. In dit hoofdstuk werd een tree-structured -regressie uitgevoerd om associatie tussen de ruimtelijke spreiding van NE en LB en landschapskenmerken te onderzoeken. De studie gebruikte landbedekkingskaart gebaseerd op CORINE data en testte ook de impact van de uitgestrektheid/grootte vande proefvlakken op het behaalde
resultaat.
In hoofdstuk 5 wordt het concept zwaartekracht gebruikt om ruimtelijke interacties te modelleren. De aantrekkingskracht (of een analogie ervan) tussen twee lichamen beïnvloedt de ruimtelijke interactie. De hypothese in onze toepassingwas dat de afstand tussen bossen en stedelijke gebieden in combinatie met de grootte van die gebieden bruikbaar is om ziekterisico op LB te modelleren met behulp van het zwaartekracht-model. Gezien ook arbeidsomstandigheden een risico kunnen vormen op blootstelling tot LB, werd een indicator van blootstelling door veldwerk eveneens uitgetest. De resultaten toonden de bruikbaarheid van
zowel landbedekkingskaarten als satellietdata aan om informatie over vegetatiegebieden als invoer in het zwaartekrachtmodel.
Hoofdstuk 6 spitste zich toe op de identificatie vanseizoensgebonden vegetatievariabelen om het ziekterisico in ruimte en tijd te modelleren. Op basis van de resultaten van hoofdstukken 2 en 3, werden een aantal jaarlijkse indicatoren van vegetatieactiviteit afgeleid. Er werd ook gebruik gemaakt van het concept Growing Degree Days (GDD).Door middel van multi-variate analyse werd aangetoond dat de beste groep indicatoren bestaat uit een combinatie van meteorologische variabelen (GDD) en indicatoren verkregen via aardobservatie om LB and NE incidenties te verklaren in Noord- en Zuid-België.
Tenslotte worden algemene conclusies en perspectieven voor verder onderzoek samengevat in Hoofdstuk 7.
Datum:1 okt 2008 → 3 sep 2013
Trefwoorden:Lyme disease
Disciplines:Bosbouw
Project type:PhD project