景观和气候因素可以预测莱姆病细菌的流行

通过开发包含气候和景观变量的预测模型，研究人员已经准确地预测了莱姆病细菌的流行和分布。研究人员说，这样的工具可能是一项强大的公共卫生资产。

　　

这项发表在《应用生态学杂志》上的研究，理清了莱姆病生态学中的两个角色之间的关系:细菌和环境。在宾夕法尼亚大学文理学院生物系获得博士学位的谭·陈领导下，与系主任达斯汀·布里斯森(Dustin Brisson)、沃顿商学院的谢恩·詹森(Shane Jensen)以及来自纽约州卫生部的同事一起，研究了诸如景观干扰和气候等变量如何影响伯氏梭菌的分布和数量。结果是一个强大的分析模型，可以准确预测莱姆病细菌的流行率和分布，这可能是一个有用的公共卫生工具，有助于减少疾病传播。

“我们知道莱姆病对公众健康的威胁越来越大，但我们还没有找到解决它的好方法。现在是弗吉尼亚联邦大学医学院学生的Tran说。“令人兴奋的是，通过了解环境如何影响蜱虫系统和细菌，我们可以预测在哪里和什么时候，环境中病原体的数量会更高。”

在目前的研究中，Tran、Brisson、Jensen和同事们主要关注的是影响伯氏疏螺旋体的因素，他们通过确定采样的黑腿蜱中感染该细菌的比例来衡量其流行程度。Tran说，以前试图在莱姆病和环境变量之间建立联系的尝试，结果是混合的、不清楚的，有时甚至是矛盾的结果，部分原因是“环境”的作用可以是多方面的。

为了建立他们的模型，研究团队收集了2009年至2018年期间来自纽约州数百个地点的近1.9万名黑腿蜱虫的数据。他们评估了十多年来数百个地点感染和未感染蜱虫的数量如何与当地环境特征相一致，分为四大类:

1)景观因素，如海拔、火灾历史、与道路等基础设施的距离;

2)脊椎动物宿主种群大小，包括人、熊、鸟和鹿;

3)采集时当地的温度、湿度等监测条件以及采集标本的力度;而且

4)气候指标，如月平均气温、降水和气温低于冰点的天数。

通过强大的计算机模型对这些变量进行各种分组，研究人员可以梳理出哪些变量对决定感染率最有影响。

Tran说:“主要的发现是，气候是该模型的一个主要特征。”“栖息地的干扰也很重要，在某些情况下，我们发现了与早期研究结果相反的结果。”

虽然之前的分析发现，干扰的增加——比如火灾、穿越森林的道路和破碎的栖息地——导致伯氏疏螺旋体数量的增加，但宾夕法尼亚大学领导的团队发现，较少受到干扰、更完整的栖息地往往与感染这种细菌的蜱虫数量更多有关。

在使用2009-18年收集的数据开发了一个模型之后，他们进行了测试，看看该模型在多大程度上预测了从2019年收集的数据中发现的患病率和分布。

“我们发现它非常准确，”Tran说。“伟大的是，我们用来创建模型的许多数据是免费的，这意味着其他地方可能能够复制这些发现，以帮助预测莱姆病的风险，特别是在气候和景观与纽约相似的地区。”

干预措施可以是公共卫生信息，警告公园的游客，例如疾病的风险，“提醒他们做蜱虫检查，”Tran说。这些发现也有助于指导未来的土地管理，利用生态的力量潜在地降低莱姆病的风险。

Journal Reference:

1. Tam Tran, Melissa A. Prusinski, Jennifer L. White, Richard C. Falco, John Kokas, Vanessa Vinci, Wayne K. Gall, Keith J. Tober, Jamie Haight, JoAnne Oliver, Lee Ann Sporn, Lisa Meehan, Elyse Banker, P. Bryon Backenson, Shane T. Jensen, Dustin Brisson. Predicting spatio‐temporal population patterns of            Borrelia burgdorferi            , the Lyme disease pathogen. Journal of Applied Ecology, 2022; DOI: 10.1111/1365-2664.14274