Климат подскажет: ученые нашли способ предсказывать вспышки лихорадки Западного Нила
Вирус Западного Нила является наиболее распространенным заболеванием, переносимым комарами, на континентальной части Соединенных Штатов. В редких случаях он может привести к гораздо более тяжелой форме болезни с уровнем смертности около 10%. Нейроинвазивная форма лихорадки Западного Нила (WNND) унесла около 3000 жизней с момента появления вируса в стране в 1999 году, однако до сих пор не существует национального прогноза заболеваемости.
Гарп и его коллеги разработали метод прогнозирования случаев WNND по всем Соединенным Штатам, учитывающий климатические и региональные особенности. Этот метод превосходит текущие стандартные модели. По словам авторов, ключом к успеху стало объединение исторически низких показателей заболеваемости на уровне округов в показатели на региональном уровне. Их работа подчеркивает ключевые климатические факторы и то, как их региональные различия влияют на уровень заболеваемости WNND.
И комары, и воробьинообразные птицы (группа, включающая более половины всех видов птиц) являются переносчиками вируса Западного Нила, а это означает, что количество случаев заболевания зависит от экологических факторов, влияющих на эти виды. Авторы выбрали наиболее значимые климатические факторы в качестве входных данных для модели по каждому региону. Они обнаружили, что в целом засуха и температура сильнее всего связаны с заболеваемостью WNND, а в некоторых регионах прослеживается связь с количеством осадков. В центральной части США наблюдалась наиболее устойчивая корреляция между засухой и случаями WNND, тогда как в северных частях страны наиболее сильной оказалась связь между WNND и более теплыми зимними и весенними температурами.
Авторы сравнили свою климатическую модель с предыдущими эталонными моделями, включая простую модель, основанную на исторических данных, и ансамблевую модель с конкурса 2022 года. Они обнаружили, что их модель стабильно превосходит другие во всех регионах. На национальном уровне версия их модели, включающая как первичные, так и вторичные климатические факторы (такие как температура и влажность почвы), показала улучшение точности прогнозов на 21,8% по сравнению с исторической моделью.
Хотя это достижение является важным шагом на пути к созданию действующей системы прогнозирования лихорадки Западного Нила, авторы рекомендуют в будущих работах сосредоточиться на улучшении прогнозирования на уровне округов. Это предоставит властям более действенную информацию для подготовки к колебаниям числа случаев WNND. Авторы также отмечают, что будущим моделям прогнозирования WNND, возможно, придется преодолеть проблему задержки климатических данных, чтобы предлагать прогнозы в реальном времени. Одним из вариантов может стать включение в модель прогнозов погоды и климата, что позволит заглядывать в будущее еще дальше.
Почему климат играет такую важную роль? Жизненный цикл комара и популяция птиц напрямую зависят от погодных условий. Например, засуха может сократить количество естественных хищников для комаров, но при этом создать идеальные условия для размножения тех видов комаров, которые переносят вирус в пересыхающих водоемах с высоким содержанием органики. Теплая зима способствует более раннему пробуждению и размножению комаров, а также влияет на миграционные пути и иммунитет птиц, которые являются основным резервуаром вируса.
Новая модель — это прорыв, но она также подчеркивает сложность проблемы. Для создания точной системы предупреждения необходимо учитывать не только климат, но и множество других факторов: плотность городской застройки, меры по борьбе с комарами, социально-экономические условия и даже иммунитет, выработанный у населения после предыдущих вспышек. Внедрение таких моделей в практику работы центров по контролю заболеваний позволит перейти от простого реагирования на вспышки к их активному предотвращению. Например, зная о высоком риске в определенном регионе предстоящим летом, власти смогут заранее начать обработку водоемов и информационные кампании, предупреждая людей о необходимости использовать репелленты.
