Interpretación de:
Mosquito-Borne Diseases: Advances in Modelling Climate-Change Impacts
https://doi.org/10.1016/j.pt.2017.11.006Tjaden, N., Caminade, C., Beierkuhnlein, C., Thomas, S., 2018: Mosquito-Borne Diseases: Advances in Modelling Climate-Change Impacts, Trends in Parasitology, 34, 227-245, https://doi.org/10.1016/j.pt.2017.11.006
Intérprete
Flores Rojas José Luis
Fecha de interpretación
22/03/2023
Resultados y conclusiones
1) Se ha avanzado mucho en la comprensión de los posibles impactos del cambio climático en las enfermedades transmitidas por vectores mediante modelos correlativos, mecanicistas e híbridos. El uso cada vez más común de modelos de conjuntos es un paso importante hacia una mejor confiabilidad y evaluación de incertidumbres. Sin embargo, los modelos mecanicista y correlativo todavía se utilizan en su mayoría por separado. 2) Ha llegado el momento de que investigadores de diferentes orígenes unan sus fuerzas para llevar la investigación y el modelado de las enfermedades transmitidas por vectores al siguiente nivel. Aunque los enfoques metodológicos y los datos de entrada sobre el cambio climático han mejorado, quedan preguntas abiertas. La comparación intersectorial de los impactos del cambio climático está en sus inicios y debe evaluarse mediante evaluaciones de riesgo multisectoriales en el nexo entre agricultura, recursos hídricos y salud. 3) Se necesita el desarrollo de herramientas de servicios climáticos basadas en modelos mecanicistas y de nicho ecológico para guiar los procesos de toma de decisiones. Existe la necesidad de experimentos de parámetros perturbados para modelos mecanicistas y grandes estadísticas multivariadas para que los modelos de nicho ecológicos describan las incertidumbres de los modelos. 4) Los mosquitos y los patógenos también han evolucionado: existe la necesidad de nuevos estudios de campo y de laboratorio en estrecha colaboración con los modeladores para mejorar la configuración de los parámetros del modelo. Una mayor integración de los datos de teledetección también apoyará el desarrollo de sistemas de pronóstico operativo y sistemas de alerta temprana. En tiempos de cambio climático y globalización, es importante desarrollar las competencias adecuadas y reunir los conocimientos existentes en la investigación en estrecha cooperación con las políticas, los profesionales, la salud pública y la población interesada, para desarrollar herramientas y medidas que puedan identificar, anticipar, evaluar y mitigar los riesgos en una etapa temprana.
Metodología y datos
Modelos correlativos 1) Los modelos de nicho ambiental (MNA), y su aplicación espacial como modelos de distribución de especies (MDE), se han convertido en una herramienta integral en los campos de la biogeografía, la ecología y la biología de la conservación. Existen diferentes herramientas de modelado y algoritmos con fortalezas y debilidades individuales, pero el concepto general sigue siendo el mismo. Primero, las ubicaciones de una especie objetivo se recopilan en el campo o se derivan de los datos existentes. Algunas herramientas de modelado requieren el conocimiento de las ubicaciones donde las especies objetivo están realmente ausentes, pero como esto es difícil de adquirir por varias razones, en su lugar, comúnmente se generan pseudoausencias o datos de fondo. La dificultad de encontrar datos de presencia/ausencia de alta calidad de vectores o patógenos es una limitación importante para los modelos de nicho correlativos. Se adquieren datos espaciales que representan parámetros ambientales relevantes para la especie en cuestión (como clima, uso de la tierra, tipo de suelo, etc.), generalmente en forma de cuadrículas continuas que cubren el área de estudio. Modelos mecanicistas 1) Los modelos mecanicistas se basan en relaciones biofísicas entre factores ambientales, vectores, patógenos y huéspedes. Estas relaciones generalmente se derivan de estudios de laboratorio o de campo (ver también la sección 'Adaptación y Evolución'). Se pueden aplicar diferentes enfoques mecanicistas. La metodología más común se deriva del modelo estándar de Ross-MacDonald o su generalización. Un conjunto de ecuaciones diferenciales define las diferentes etapas compartimentales de vectores y huéspedes (susceptibles, expuestos, infecciosos y recuperados para los modelos SEIR, o susceptibles, infecciosos y recuperados para los modelos SIR). Este conjunto de ecuaciones se puede utilizar directamente para modelar el tamaño de la población en cada compartimento, en función de su relación con los factores climáticos. La solución de estado estacionario de este sistema de ecuaciones diferenciales también produce el número básico de reproducción, R0. R0 se emplea comúnmente en epidemiología para estimar la propensión de un brote a expandirse (R0 >1) o reducirse (R0 <1) en una población completamente susceptible. Las formulaciones matemáticas de R0 están disponibles para varias enfermedades transmitidas por vectores.
Limitaciones de la investigación
1) los modelos mecanicistas y correlativos todavía se utilizan en su mayoría por separado. Es necesario implementar modelos conjuntos que combinen las ventajas de ambos tipos de modelos. 2) La comparación intersectorial de los impactos del cambio climático está en sus inicios y debe evaluarse mediante evaluaciones de riesgo multisectoriales en el nexo entre agricultura, recursos hídricos y salud. 3) Los mosquitos y los patógenos también han evolucionado: existe la necesidad de nuevos estudios de campo y de laboratorio en estrecha colaboración con los modeladores para mejorar la configuración de los parámetros del modelo. Una mayor integración de los datos de teledetección también apoyará el desarrollo de sistemas de pronóstico operativo y sistemas de alerta temprana.
Adaptación: Salud
Mitigación: Uso de suelo, cambio de uso de suelo y silvicultura
Escala: Regional
Ámbito geográfico: regiones amazónicas y costeras y sus zonas de transición con los andes
Palabras clave: enfermedades transmitidas por vectores, modelos correlativos, modelos mecanicistas
Cita de la interpretación
Flores Rojas, José Luis, 2023: Interpretación de Tjaden et al. (2018, doi:10.1016/j.pt.2017.11.006), Observatorio de Conocimiento Científico sobre Cambio Climático del Perú, IGP, https://cienciaclimatica.igp.gob.pe/entities/interpretation/18393963-f7ee-4ce8-9fbc-133296cc013e