Developing Estimating Incidences of Foodborne Diseases: Probabilistic Profiling Modelling
Questo studio ha sviluppato e validato un robusto framework di modellazione probabilistica, adattato dai principi della enveloppe dell'OMS, per stimare accuratamente l'incidenza delle principali malattie trasmesse dagli alimenti in Arabia Saudita utilizzando dati di sorveglianza limitati, supportando così il processo decisionale di sanità pubblica basato su evidenze.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immaginate il mondo della sicurezza alimentare come una cucina gigante e frenetica dove vengono serviti milioni di pasti ogni giorno. A volte, dei piccoli malintenzionati invisibili come piccoli batteri si intrufolano nel cibo, facendo ammalare le persone. Questo è ciò che gli scienziati chiamano "malattie trasmesse dagli alimenti". Per molto tempo, le autorità sanitarie hanno avuto un problema complicato: possono contare solo le persone che entrano effettivamente in un ospedale o che dicono a un medico di stare male. Ma che ne è di tutti quelli che hanno un mal di stomaco, restano a casa, mangiano una zuppa e non lo riferiscono mai? È come cercare di indovinare quanti pesci ci siano in un lago contando solo quelli che saltano sulla banchina. Per risolvere questo problema, gli scienziati usano i "modelli", che sono fondamentalmente sofisticate simulazioni al computer che agiscono come una palla di cristallo. Essi prendono i pochi pesci che riescono a vedere e usano la matematica per indovinare quanti ne sono nascosti sott'acqua. Questo articolo parla proprio della costruzione di una palla di cristallo migliore e più accurata per l'Arabia Saudita, per capire il numero reale di persone che si ammalano a causa del cibo cattivo, anche se non lo riferiscono mai a nessuno.
Il team dietro questo studio, guidato da ricercatori della Saudi Food and Drug Authority (SFDA) e dell'Università Princess Nourah bint Abdulrahman, ha deciso di costruire un nuovo tipo di "modello di profilazione probabilistica". Pensate a questo modello come a un detective super intelligente che non si limita a guardare la scena del crimine (i casi segnalati), ma cerca anche di capire l'intera storia del crimine, incluse le parti che nessuno ha visto. Hanno utilizzato un metodo chiamato "approccio a involucro" (envelope approach), che è come disegnare un grande riquadro attorno a tutti i casi possibili. All'interno di questo riquadro, hanno combinato due tipi di indizi: il numero effettivo di persone malate segnalate a Riyadh tra il 2015 e il 2018 e le grandi stime globali dell'Organizzazione Mondiale della Sanità (OMS) su quanto spesso diversi batteri causino problemi.
I ricercatori si sono concentrati su quattro "colpevoli" specifici: Salmonella, Shigella, Staphylococcus aureus e Bacillus cereus. Hanno eseguito la loro simulazione al computer 10.000 volte (un processo chiamato simulazione Monte Carlo) per vedere come i numeri potessero oscillare e cambiare. È come lanciare un dado 10.000 volte per vedere il risultato più probabile piuttosto che indovinare una volta sola. L'obiettivo era stimare il numero totale di persone malate, inclusi i "silenziosi" che non hanno mai segnalato il problema.
I risultati sono stati piuttosto promettenti. Il modello suggerisce che in Arabia Saudita ci sono in realtà circa 2,63 milioni di casi di malattie trasmesse dagli alimenti ogni anno. Questo è un numero enorme! Tuttavia, i rapporti ufficiali ne catturano solo una minima frazione. Ad esempio, nella città di Riyadh, il modello ha previsto che la Salmonella causerebbe circa 62 casi segnalati all'anno, mentre i registri ne mostravano 70. Per la Shigella, il modello ha ipotizzato 36 casi, mentre i registri ne mostravano 37. Per lo Staphylococcus aureus, sia il modello che i registri concordavano perfettamente su 3 casi. L'unico che è stato un po' più complicato è stato il Bacillus cereus, dove il modello ha ipotizzato 0,3 casi (il che significa meno di un caso all'anno in media) rispetto ai 0,25 registrati. La differenza tra l'ipotesi del modello e i registri reali era molto piccola — solitamente meno dell'11% per i principali batteri.
Gli autori suggeriscono che il loro nuovo modello è uno strumento affidabile per stimare l'effettivo carico delle malattie alimentari, anche quando i dati sono scarsi. Hanno scoperto che le previsioni del modello erano molto vicine a ciò che era effettivamente osservato, con un "fattore di bias" di 1,015, che è praticamente perfetto (un punteggio di 1 significa che l'ipotesi è esattamente corretta). Ciò suggerisce che il modello non sta sovrastimando o sottostimando in modo selvaggio il pericolo. Tuttavia, hanno anche notato che per il Bacillus cereus, i numeri erano un po' più incerti perché c'erano così pochi casi da osservare, rendendo più difficile essere precisi.
Perché tutto questo è importante? L'articolo sostiene che questo modello aiuta le autorità sanitarie a vedere l'"iceberg" delle malattie trasmesse dagli alimenti. La punta dell'iceberg è ciò che vediamo nei rapporti, ma la massa enorme sotto il livello del mare è la malattia non segnalata. Utilizzando questo modello informatico, agenzie come la SFDA possono prendere decisioni più intelligenti su dove inviare gli ispettori e come proteggere il pubblico. Gli autori concludono che, sebbene questo modello funzioni bene con i dati in loro possesso, deve essere testato in altre regioni e con altri tipi di batteri prima di diventare lo strumento standard per tutti. È un passo avanti significativo, ma il lavoro non è ancora finito.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.