Bayesian spatial prediction of three medically important tick species in Illinois
Deze studie maakte gebruik van Bayesiaanse hiërarchische ruimtelijke modellen om de relatieve abundantie op county-niveau van drie medisch belangrijke teeksoorten in Illinois te voorspellen, waarbij onderscheidende geografische distributies en omgevingsfactoren werden onthuld terwijl prioriteitsgebieden voor toekomstige surveillance in gegevensarme regio's werden geïdentificeerd.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Teken zijn meer dan alleen irritante plaagdiertjes; het zijn mobiele dragers van ziekten die mensen en dieren over grote delen van het Amerikaanse landschap ziek kunnen maken. In de staat Illinois vormen drie specifieke soorten teken het grootste gezondheidsrisico: de eenstekelige teken, de Amerikaanse hondenteken en de kleine zwartbeenige teek. Deze insecten dragen pathogenen over die verantwoordelijk zijn voor aandoeningen variërend van de ziekte van Lyme tot ehrlichiose en het alfa-gal syndroom, een ernstige allergie voor rood vlees. Hoewel gezondheidsfunctionarissen weten dat deze teken in de staat voorkomen, is hun aanwezigheid niet gelijkmatig geregistreerd. Surveillance-inspanningen, die bestaan uit het fysiek verzamelen van teken uit de omgeving, zijn vaak versnipperd. Sommige graafschappen hebben jaren aan gedetailleerde gegevens, terwijl andere helemaal niets hebben. Dit creëert een blinde vlek, waardoor het moeilijk is om precies te weten waar het risico het hoogst is of waar nieuwe populaties kunnen ontstaan. Zonder een compleet beeld is het moeilijk om prioriteit te geven aan de locaties waar middelen voor monitoring moeten worden ingezet of om het publiek effectief te waarschuwen.
Om deze hiaten op te vullen, heeft een team van onderzoekers van de University of Illinois gebruikgemaakt van een statistische benadering die de staat behandelt als een verbonden geheel in plaats van een verzameling geïsoleerde datapunten. Ze verzamelden surveillancegegevens van 2019 tot 2022, waarbij ze zich concentreerden op het relatieve aandeel van elke tekensoort in een gegeven graafschap. In plaats van te proberen elke individuele teek te tellen, wat onmogelijk is, keken ze naar de proportie van elke soort binnen het totaal aantal verzamelde teken. Ze combineerden deze biologische gegevens vervolgens met informatie over de lokale omgeving, inclusief klimaatpatronen, de soorten landbedekking zoals bossen en graslanden, hoe gefragmenteerd die bossen zijn, en de geschiktheid van het habitat voor witstaartedelherten, een primaire gastheer voor veel teken. Met behulp van een geavanceerde modelleringsmethode, bekend als Bayesiaanse ruimtelijke analyse, stelden ze een eenvoudige maar krachtige vraag: kunnen we voorspellen waar deze teken waarschijnlijk te vinden zijn in graafschappen waar nog nooit is gekeken, door gebruik te maken van de omgevingsaanwijzingen uit de graafschappen waar ze wel zijn gevonden?
De resultaten toonden aan dat de drie tekensoorten niet aan dezelfde regels voldoen, en dat één enkele kaart niet voor alle soorten kan verklaren. Voor de eenstekelige teek vond het model een duidelijke connectie met de omgeving. Deze soort vertoonde haar hoogste voorspelde abundantie in het zuidelijke deel van de staat, met pockets van hoge aantallen in de centraal-westelijke graafschappen. Het sterkste signaal voor waar deze teek gedijt, was niet het weer of de bomen, maar de kwaliteit van het habitat voor witstaartedelherten. De gegevens suggereerden dat waar het habitat voor herten geschikt is, de eenstekelige teek eerder aanwezig is. Dit komt overeen met de kennis dat herten helpen om deze teken door het landschap te dragen, waardoor ze nieuwe populaties kunnen vestigen. Het model was in staat om deze relatie te gebruiken om met vertrouwen voorspellingen te doen, zelfs in graafschappen waar officieel geen eenstekelige teken waren geregistreerd.
De kleine zwartbeenige teek vertelde een ander verhaal. De distributie ervan was voornamelijk geconcentreerd in het noordelijke deel van Illinois, met enige aanwezigheid in de centrale regio. Voor deze soort was het klimaat de belangrijkste voorspeller. Het model gaf aan dat de specifieke seizoenspatronen van temperatuur en neerslag in het noorden condities creëerden die gunstig waren voor deze teek, terwijl het klimaat in het zuiden minder geschikt was. In tegen tegenstelling tot de eenstekelige teek, verbeterde de aanwezigheid van hertenhabitats of specifieke landbedekking de voorspelling niet zozeveel als de brede klimaatgegevens dat deden. Dit suggereert dat het verspreidingsgebied van de kleine zwartbeenige teek nauw gebonden is aan het weer, waardoor het beter voorspelbaar is op basis van temperatuur en vochtigheid alleen.
De Amerikaanse hondenteken tartte echter de verwachting dat omgevingsfactoren de kaart zouden aansturen. Deze soort was breed verspreid over de gehele staat en kwam op bijna elk graafschap voor waar gegevens beschikbaar waren. De onderzoekers ontdekten dat het toevoegen van details over het klimaat, de landbedekking of het hertenhabitat de voorspelling van waar deze teek zou worden gevonden, niet daadwerkelijk beter maakte dan simpelweg naar de buurlanden kijken. Het beste model voor de Amerikaanse hondenteken was een model dat bijna volledig vertrouwde op ruimtelijke patronen, waarbij in essentie werd aangenomen dat als een teek in het ene graafschap wordt gevonden, hij waarschijnlijk ook in de omliggende graafschappen te vinden is. Dit impliceert dat deze teek een generalist is, in staat om te overleven in een breed scala aan omstandigheden, en dat zijn aanwezigheid minder afhankelijk is van specifieke omgevingsfactoren dan de andere twee soorten.
Door voorspellingen te genereren voor alle 102 graafschappen in Illinois, bood de studie een volledige kaart van het risico, inclus including gebieden die nooit bemonsterd waren. De onderzoekers berekenden ook hoe onzeker deze voorspellingen waren voor elke locatie. Ze vonden dat de onzekerheid het grootst was in specifieke regio's: het noordoosten voor de eenstekelige teek, het west-centrale gebied voor de Amerikaanse hondenteken, en de oost-centrale regio voor de kleine zwartbeenige teek. Dit zijn de plaatsen waar het model het minst zeker is, wat aangeeft dat dit precies de locaties zijn waar toekomstige surveillance-inspanningen het meest waardevol zouden zijn. De studie beweerde niet het mysterie van de teekendistributie te hebben opgelost, maar bood wel een duidelijk, op bewijs gebaseerd kader om te begrijpen waar deze insecten waarschijnlijk te vinden zijn en waar we de volgende keer moeten kijken. Het toonde aan dat terwijl sommige teken worden gedreven door specifieke omgevingsbehoeften, anderen zo aanpasbaar zijn dat hun aanwezigheid het best begrepen kan worden door naar het landschap te kijken als een verbonden netwerk. Deze aanpak biedt een praktische manier om publieke gezondheidsfunctionarissen en onderzoekers te leiden naar de gebieden die de meeste aandacht nodig hebben, door verspreide datapunten om te zetten in een samenhangend beeld van risico in de hele staat.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.