Sei sulla pagina 1di 3

15/09/2014 Via Pasubio 39

MATTIA MANICA 38068 Rovereto (TN)


manica.mattia@gmail.com
Progetto Dottorato di ricerca tel.: 3338673108
in Malattie Infettive, Microbiologia e Sanità Pubblica

APPROCI STATISTICO-MATEMATICI
PER IL CONTROLLO INTEGRATO DI ZANZARE VETTRICI DI PATOGENI

Stato dell’Arte
Le malattie trasmesse da zanzare, quali la malaria e diverse virosi, rappresentano non solo un problema di
salute pubblica a livello globale, ma comportano anche considerevoli oneri sociali ed economici [1, 2]. La
sola malaria nel 2012 ha causato circa 627000 morti nonostante i 2,5 miliardi di dollari investiti globalmente
per contrastarla [3]. Inoltre, la diffusione su scala globale di vettori come Aedes albopictus [4] desta
preoccupazione sull’introduzione di nuovi patogeni in territori non ancora affetti, come ad esempio il
Dengue in Europa [5]. Elemento chiave nella lotta contro queste patologie è il controllo integrato dei vettori
(IVM). Per il suo successo, l’Organizzazione Mondiale della Sanità indica come fondamentali procedure
decisionali basate su prove concrete e accurate valutazioni epidemiologiche ed entomologiche, che tengano
conto sia della dinamica e distribuzione dei vettori, sia dell’efficacia dei metodi di controllo [6]. Tuttavia, i
disegni sperimentali convenzionali spesso risultano inadeguati e non supportati da adeguati strumenti di
misurazione delle variazioni spaziali e temporali e delle costrizioni socio-economiche. Inoltre, i metodi di
controllo oggi disponibili sono fondamentalmente limitati all’uso di insetticidi [7,8] che presentano
controindicazioni per la salute umana e ambientale, la cui efficacia è costantemente a rischio a causa
dell’insorgenza di resistenze nei vettori, ed impongono quindi una attenta valutazione dei costi-benefici [9].
La statistica e la modellizzazione matematica rappresentano lo strumento più adeguato per affrontare questi
problemi e comprendere la complessità delle interazioni ambiente-uomo-vettori [10,11,12,13]. Le tecniche
più recenti permettono di gestire l’aumentata capacità di raccolta e generazione dei dati [14] e di interpretare
correttamente le informazioni in essi contenute. D’altra parte, quando la modellizzazione matematica fa
affidamento solo su assunzioni teoriche, rischia di perdere tutte le complessità che intercorrono nei sistemi
biologici e risultare in una limitata capacità predittiva [15,16]. Un IVM di successo richiede quindi la
collaborazione di esperti in diversi campi scientifici tra cui matematici e statistici, in grado di applicare le
metodologie di analisi più sofisticate [17,18,19] all’identificazione di indicatori biologici descrittivi della
dinamica delle popolazioni di vettori, alla valutazione del rischio epidemiologico ed al controllo e
prevenzione delle patologie da essi trasmesse [20].
Obiettivi Progetto
Obiettivo del progetto di Dottorato è sviluppare nuovi modelli per l’analisi della distribuzione spazio-
temporale di specie di zanzare vettrici di patogeni umani e zoonotici (quali Aedes albopictus in Italia ed
Anopheles gambiae in Africa sub-sahariana) e per la valutazione dell’efficacia di strategie di controllo anti-
vettoriale, dando particolare rilievo alla formazione di una figura professionale in grado di integrare
l’indispensabile conoscenza biologica del fenomeno con metodi statistico-matematici e di comunicare in
entrambi i campi. L’attività di ricerca comprenderà due linee principali. La prima consisterà nello sviluppo di
modelli di analisi delle variazioni spaziali della densità delle specie vettrici in funzione di parametri climatici
ed ecologici e della loro dinamica temporale, sulla base di dati biologici già disponibili o acquisiti durante il
Dottorato, con la finalità di stimare indicatori biologici ed epidemiologico-statistici utili per la valutazione
del rischio di trasmissione di patogeni umani e zoonotici. La seconda linea di ricerca consisterà, invece, nel
produrre modelli per la valutazione dell’efficacia di strategie di controllo anti-vettoriale, al fine di
descriverne l’impatto e delineare una possibile ottimale integrazione fra più metodi, fornendo indicazioni per
il coordinamento degli stessi e realizzando scenari descrittivi sull’uso comune dei trattamenti. Anche in
questo caso i modelli verranno applicati a dati biologici già disponibili o acquisiti durante il Dottorato.
Metodologia
La prima fase del progetto prevedrà l’individuazione di casi studio specifici. Criteri di scelta saranno la
reperibilità, la completezza e l’accuratezza dei dati disponibili e la disponibilità nella letteratura scientifica di
indicatori biologici. Allo stesso tempo e per tutta la durata del progetto il candidato dedicherà parte della sua
formazione sia alla revisione della letteratura scientifica, sia allo studio ed aggiornamento sulle più avanzate
tecniche modellistiche, sia all’integrazione delle stesse con conoscenze biologiche venendo coinvolto nelle
attività di campo e di ricerca organizzate dal gruppo di Entomologia Sanitaria afferente al Dipartimento di
Sanità Pubblica e Malattie Infettive. La seconda fase del progetto si strutturerà nella revisione degli attuali
metodi di controllo e nell’analisi sperimentale dell’efficacia degli stessi in condizioni di uso comune.
Verranno effettuate analisi di regressione e multivariate (es: alberi di classificazione e regressione, modelli
lineari generalizzati e additivi, GLMM, GAMM) utilizzando tecniche sia di statistica frequentista sia
inferenziale tra le più avanzate come l’approccio INLA. Le più recenti tecniche di data mining e machine
learning saranno applicate in presenza di dati –omics. I metodi dovranno adattarsi ai dati osservativi e alle
informazioni descrittive correntemente utilizzate in una o più ricerche effettuate presso il gruppo di
Entomologia Sanitaria. Nella fase finale del progetto si integreranno i risultati ottenuti dalle due linee di
ricerca con l’obiettivo di identificare le più efficaci strategie di controllo e delineare mappe di
distribuzione/rischio. Nel processo saranno considerati metodi per controllare un eccessivo adattamento ai
dati e misurarne la variabilità in funzione della scelta dei parametri e della perturbazione dei dati.

Risultati Attesi
Risultati attesi sono lo sviluppo di specifiche mappe di rischio e di distribuzione spazio-temporale del
vettore, basate anche sull’ampia letteratura dedicata a questi modelli, ed un avanzamento nella capacità di
valutazione dei metodi di controllo, ottenuta dall’applicazione di avanzate tecniche statistico matematiche.
L’obiettivo è stabilire quale sia l’integrazione migliore fra i vari metodi di controllo e proporre nuovi
approcci per la valutazione del rischio di introduzione e trasmissione di patologie. Si svilupperanno metodi
per la valutazione del controllo e linee guida in grado di integrare i risultati ottenuti in entrambi i campi.
Questo sviluppo metodologico potrà essere applicabile in diversi contesti della ricerca sulle patologie
trasmesse da vettori. La ricerca di base beneficerà di questo lavoro con la messa a disposizione di metodi
oggettivi per la valutazione di metodiche di controllo tradizionali e innovative. Si auspica, inoltre, che le
amministrazioni pubbliche e i privati, possano trarre beneficio dalla ricerca per massimizzare l’efficacia delle
pratiche di controllo effettuate sul territorio pubblico.
E’ lecito pensare che i risultati conseguiti nella creazione e nell’analisi dei modelli statistico matematici
fornisca materiale per articoli la cui pubblicazione su riviste peer-reviewed costituirà la miglior verifica e
valutazione del lavoro svolto.

Bibliografia:
[1] Sachs & Malaney (2002) The economic and social burden of malaria. Nature, 415, 680–685.

[2] Bhatt S, et al. (2013) The global distribution and burden of dengue. Nature, 496, 504–507.
[3] WHO & others. Factsheet on the World Malaria Report 2013. Geneva Switzerland.
[4] Bowman D (2008) A mosquito goes global. Science, 320
[5] Medlock JM, et al. (2012) A Review of the Invasive Mosquitoes in Europe: Ecology, Public Health
Risks, and Control Options. Vector-Borne and Zoonotic Diseases, 12, 435–447.
[6] WHO, et al. (2008) WHO position statement on integrated vector management. Geneva Switzerland.
[7] Sugg & Wilson (2011) see http://www.meepi.org/wnv/overkillma.htm;
[8] Maslove DM, et al. (2009) Barriers to the effective treatment and prevention of malaria in Africa: A
systematic review of qualitative studies. BMC International Health and Human Rights, 9, 26.
[9] Hongoh V, et al. (2011) Spatially explicit multi-criteria decision analysis for managing vector-borne
diseases International Journal of Health Geographics, 10:70
[10] Rogers DJ (2006) Models for vectors and vector-borne disease. Advances in Parasitology 62:1-35
[11] Chitnis N & Global Partnership to Roll Back Malaria (2010) Mathematical Modelling to Support
Malaria Control and Elimination. World Health Organization, Geneva.
[12] Luz PM, et al. (2010) Modeling Transmission Dynamics and Control of Vector-Borne Neglected
Tropical Diseases. PLoS Negl Trop Dis 4(10)
[13] Racloz V, et al. (2012) Surveillance of Dengue Fever Virus: A Review of Epidemiological Models and
Early Warning Systems. PLoS Negl Trop Dis 6(5):
[14] Hastie T, et al. (2011) Elements of Statistical Learning, Springer; New York
[15] Wonham M, et al. (2006), Transmission assumptions generate conflicting predictions in host–vector
disease models: a case study in West Nile virus. Ecology Letters, 9: 706–725.
[16] Woolhouse MP (2011) How to make predictions about future infectious disease risks Trans. R. Soc. B
366
[17] Rue H, et al. (2009), Approximate Bayesian inference for latent Gaussian models by using integrated
nested Laplace approximations. Journal of the Royal Statistical Society: Series B (Statistical Methodology),
71: 319–392.
[18] Bolker BM, et al. (2013) Strategies for fitting nonlinear ecological models in R, AD Model Builder,
and BUGS (ed S Ramula). Methods in Ecology and Evolution, 4, 501–512.
[19] Zuur AF, et al. (2014) A Beginner’s Guide to Generalized Additive Mixed Models, Highland Statistics
Ltd, Newburgh UK
[20] Petrić D, et al. (2014) Monitoring population and environmental parameters of invasive mosquito
species in Europe. Parasites & vectors, 7, 187.