Interpretación de:
Ecological niche modelling and predicted geographic distribution of Lutzomyia cruzi, vector of Leishmania infantum in South America
https://doi.org/10.1371/journal.pntd.0006684Falcão de Oliveira, E., Galati, E., Oliveira, A., Rangel, E., Carvalho, B., 2018: Ecological niche modelling and predicted geographic distribution of Lutzomyia cruzi, vector of Leishmania infantum in South America, PLoS Negl Trop Dis, 12, e0006684, https://doi.org/10.1371/journal.pntd.0006684
Intérprete
PRETELL KRIZIA
Fecha de interpretación
18/09/2024
Revisor
Calderon Martha S.
Resultados y conclusiones
Las enfermedades transmitidas por vectores, como la leishmaniasis, son altamente sensibles a las condiciones climáticas, ya que los ciclos de transmisión dependen estrechamente de variables como la temperatura, la humedad y la precipitación. En la actualidad, se emplean modelos de nicho ecológico para predecir la distribución de vectores como Lutzomyia cruzi, permitiendo identificar áreas ambientalmente adecuadas donde su presencia aún no ha sido detectada. El objetivo de este estudio es predecir la distribución espacial de L. cruzi mediante un modelo de nicho ecológico multiescala basado en variables climáticas y de hábitat. El trabajo analizó 116 registros de L. cruzi, determinando que este vector habita áreas con temperaturas medias anuales de 21.76°C a 26.58°C y precipitaciones anuales entre 1005 mm y 2048 mm, pudiendo adaptarse a extremos de temperatura que van desde 11.3°C hasta 34.3°C, ocurriendo la mayoría de registros a una altitud promedio de 270m. Los registros de L. cruzi, se detectaron en 9 tipos diferentes de uso y cobertura del suelo, donde las zonas urbanas representaron el 64% de los lugares de captura, seguidas de bosques abiertos (10%), bosques densos (5%), pastizales (4%) y campos abiertos (3%), con otros tipos de uso del suelo identificados ocasionalmente. El modelo de “coarse resolution” o de resolución gruesa predijo un área de idoneidad climática para la especie que ocupa la región Centro-Oeste de Brasil, extendiéndose hacia el oeste hasta Bolivia. Sin embargo, considerando variables de hábitat de alta resolución el modelo de nicho ecológico muestra que el área adecuada para L. cruzi es mucho menor, ocupando solo el 38,7% de las regiones climáticamente favorables, concentrándose en parches dentro de Brasil y Bolivia, mayormente en Mato Grosso do Sul y Mato Grosso. Se reporto también 4 registros que no coincidían con las áreas predichas: uno en El Carmen, Bolivia, y tres en Mato Grosso do Sul, Brasil, lo que se atribuye a la baja precisión en la localización de estos registros. El estudio resalta la necesidad de intensificar la vigilancia entomológica, especialmente en zonas donde aún no se ha identificado al vector.
Metodología y datos
Los registros se obtuvieron de repositorios, listados y colecciones físicas no publicadas, vinculándolos con sus coordenadas geográficas y clasificándolos según la precisión de la información. Para la generación del modelo de nicho ecológico se utilizaron variables climáticas y de habitad, eliminando registros de baja precisión El modelo empleó cinco algoritmos (BIOCLIM, GLM, MaxEnt, Random Forests, SVM) para disminuir la incertidumbre. Se desarrollaron dos modelos uno de idoneidad climática (1970-2000) y otro de hábitat, ambos validados externamente y utilizados para generar mapas de distribución mediante QGIS.
Limitaciones de la investigación
No se cuenta con una diferenciación exacta entre las especies L. cruzi y L. longipalpis, principalmente en áreas donde se ha reportado coexistencia, mencionándose incluso una posible hibridación, siendo la escasa diferenciación morfológica entre las hembras de ambas especies el factor crítico. Los registros de presencia de L. cruzi tuvieron una baja precisión espacial (68%), lo que afectó directamente el modelo predictivo. También se observó, una alta variabilidad entre los resultados de los cinco algoritmos del modelo predictivo, originando que 4 registro de la especie queden fuera del área de predicción.
Recomendaciones
Sería interesante promover investigación que involucren otros indicadores como: la interacción entre L. cruzi y L. longipalpis o la presencia de depredadores que puedan afectar su distribución. También, Incluir dentro del modelo predictivo un mayor número de factores antropogénicos como la deforestación y la expansión agrícola determinantes para la ecología de los insectos vectores.
Adaptación: Salud
Mitigación: Uso de suelo, cambio de uso de suelo y silvicultura
Escala: Regional
Ámbito geográfico: Sabana tropical de América del sur (Cerrado) y Amazonia (Pantanal)
Palabras clave: Bioma, Cerrado, epidemiología, modelo de nicho ecológico, multivariable, pantanal, vector.
Cita de la interpretación
PRETELL, KRIZIA, 2024: Interpretación de Falcão de Oliveira et al. (2018, doi:10.1371/journal.pntd.0006684), Observatorio de Conocimiento Científico sobre Cambio Climático del Perú, IGP, https://cienciaclimatica.igp.gob.pe/entities/interpretation/9d0aad7e-947d-4b1f-bb9e-2336d7664704