URN to cite this document: urn:nbn:de:bvb:703-epub-5431-1
Title data
Cheng, Yanchao:
Assessing spatio-temporal risks of vector-borne diseases : an interdisciplinary view integrating ecological and epidemiological models.
Bayreuth
,
2021
. - vi; 152 P.
(
Doctoral thesis,
2021
, University of Bayreuth, Faculty of Biology, Chemistry and Earth Sciences)
|
|||||||||
Download (4MB)
|
Abstract
Vector-borne diseases are infectious diseases that are transmitted among vertebrate hosts by (typically arthropod) vectors. Among the whole world’s population, 80% is at risk of one or more vector-borne diseases, leading to an annual death toll of 700 000. These striking numbers are calling for urgent actions to prevent vector-borne diseases from emerging further. However, to apply preventions, we need to know where a risk exists; and if possible, when the prevention should take place. The key to those two primary questions are risk maps, which are typically generated with ecological niche models or epidemiological models. Ecological niche models require occurrence records of the transmissions and the respective environmental variables (mostly long-term-averaged) to build a correlative model. This correlative model can be projected to a different spatial extent, or into future climate scenarios, etc., showing the spatial outbreak risk. Epidemiological models, on the other hand, look into the transmission process and thus require a good understanding of the transmission cycle of the investigated vector-borne disease. Epidemiological models can work with time-series data, and produce spatio-temporal risk maps based on the basic reproduction number R0. In practice, both ecological niche models and epidemiological models have their respective strengths and drawbacks. In this thesis, I contribute to the improvement of both approaches by analyzing some of their drawbacks and making suggestions for new standards. For ecological niche models, the correlative models are highly dependent on the quality of occurrence records. In this thesis, I investigate how positional error, i.e. substituting the geographical centroid of the respective administrative spatial unit for unknown occurrence records, affects model performance in the context of varying grain size of environmental data. I quantify the decrease of model performance caused by the use of geographical centroids and varying grain size, respectively. As a consequence, I suggest that special cautions should be given when geographical centroids are applied as substitutes; when possible, central tendency values should be preferred. For epidemiological models, I review the common ways to generate risk maps and illustrate them with an example. I demonstrate that using different temporal aggregation methods affects the comparability and the quantity information of the resulting maps; and that via different visualization methods, two fundamentally different maps can appear very similar, and vice versa. Consequently, I highlight the importance of using appropriate temporal aggregations and visualizations and give suggestions for best practice. I recommend to show both intensity and duration of the risk, using small time-steps to show spatio-temporal dynamics when possible. Pushing towards new standards for best practice in vector-borne disease risk mapping, I directly compare ecological niche models and epidemiological models, using Usutu virus as an example. The results from the parallel-model approach shows that relying on a single model for assessing vector-borne disease risk may lead to incomplete conclusions. For future research, it is crucial to realize this and aim to apply different modelling approaches for risk-assessment of under-studied emerging pathogens like Usutu virus.
Abstract in another language
Durch Vektoren übertragene Krankheiten sind Infektionskrankheiten, die von Wirbeltierwirten durch Vektoren (typischerweise Arthropoden) übertragen werden. Bei 80% der gesamten Weltbevölkerung besteht das Risiko einer oder mehrerer durch Vektoren übertragener Krankheiten, was zu einer jährlichen Zahl von 700 000 Todesopfern führt. Diese bemerkenswerten Zahlen erfordern dringende Maßnahmen, um das weitere Auftreten von Vektor-übertragenen Krankheiten zu verhindern. Um Präventionsmaßnamen einleiten zu können, müssen wir jedoch wissen, wo ein Risiko besteht, und wenn möglich, wann die Prävention erforderlich ist. Der Schlüssel zu diesen beiden Hauptfragen sind Risikokarten, die typischerweise mit ökologischen Nischenmodellen oder epidemiologischen Modellen erstellt werden. Ökologische Nischenmodelle erfordern Vorkommensdaten der Übertragungen sowie relevante Umweltvariablen (meist langfristig gemittelt), um ein korrelatives Modell zu erstellen. Dieses korrelative Modell kann in einen anderen räumlichen oder zeitlichen (mittels Klimaszenarien) Kontext projiziert werden, um das räumliche Ausbruchsrisiko aufzuzeigen. Epidemiologische Modelle untersuchen dagegen den Übertragungsprozess und erfordern daher ein gutes Verständnis des Übertragungszyklus der untersuchten Vektor-übertragenen Krankheit. Epidemiologische Modelle können mit Zeitreihendaten arbeiten und räumlich-zeitliche Risikokarten basierend auf der Basisreproduktionszahl R0 erstellen. In der Praxis haben sowohl ökologische Nischenmodelle als auch epidemiologische Modelle ihre jeweiligen Vor- und Nachteile. In dieser Arbeit trage ich zur Verbesserung beider Ansätze bei, indem ich einige ihrer Schwächen analysiere und Vorschläge für neue Standards mache. Bei ökologischen Nischenmodellen hängen die korrelativen Modelle stark von der Qualität der Vorkommensdaten ab. In dieser Arbeit untersuche ich, wie räumliche Fehler durch das Ersetzen unbekannter Vorkommensdaten durch den geografischen Schwerpunkt der jeweiligen administrativen Raumeinheit die Modellleistung im Kontext mit variierender Korngröße von Umgebungsdaten beeinflussen. Ich quantifiziere die Abnahme der Modellleistung, die durch die Verwendung von geografischen Schwerpunkten bzw. durch unterschiedliche Korngrößen verursacht wird. Infolgedessen schlage ich vor, besondere Vorsichtsmaßnahmen zu treffen, wenn geografische Schwerpunkte als Ersatz verwendet werden. Wenn möglich, sollten Lageparameter (räumlicher Mittelwert, Median) bevorzugt werden. Für epidemiologische Modelle überprüfe ich die gängigen Methoden zur Erstellung von Risikokarten und illustriere sie anhand eines konkreten Beispiels. Ich zeige, dass die Verwendung verschiedener zeitlicher Aggregationsmethoden die Vergleichbarkeit und den quantitativen Informationsgehalt der resultierenden Karten beeinflusst. Ich zeige weiterhin, dass verschiedene Visualisierungsmethoden zwei grundlegend unterschiedliche Karten sehr ähnlich erscheinen lassen können und umgekehrt. Infolgedessen unterstreiche ich die Bedeutung der Verwendung geeigneter zeitlicher Aggregations- und Visualisierungsmethoden und identifiziere bewährte Verfahren. Ich empfehle, sowohl die Intensität als 4 auch die Dauer des Risikos zu zeigen und wenn möglich kleine Zeitschritte zu verwenden, um die räumlich-zeitliche Dynamik zu zeigen. Auf dem Weg zu neuen Standards für bewährte Verfahren bei der Risikokartierung Vektor-übertragener Krankheiten vergleiche ich direkt ökologische Nischenmodelle und epidemiologische Modelle am Beispiel des Usutu-Virus. Die Ergebnisse des parallelen Modellierungsansatzes zeigen, dass die Verwendung eines einzigen Modells zur Bewertung des Risikos von Vektor-übertragener Krankheiten zu unvollständigen Schlussfolgerungen führen kann. Für die zukünftige Forschung ist es entscheidend, dies zu realisieren und verschiedene Modellierungsansätze für die Risikobewertung von kaum untersuchten neu auftretenden Krankheitserregern wie dem Usutu-Virus anzuwenden.