Sei sulla pagina 1di 20

Metodi quantitativi in etnobotanica e valutazione della propriet salutistiche di piante di uso tradizionale

Marco Valussi EHTPA, London, UK Associate Researcher, Unit di Biostatistica, Epidemiologia e Sanit Pubblica, Universit di Padova.
23 Novembre 2012

Etnofarmacologia in transizione

Generare predizioni su piante sconosciute, confermare attivit di piante gi conosciute


Crisi della bioprospezione.

Ultimi 25 anni: introduzione di metodi quantitativi: ipotesi falsificabili; riproducibilit; metodi statistici (Browner, de Montellano and Rubel 1988).

Etnobotanica quantitativa
Livelli di evidenza secondo Browner et al. 1988

L1: rapporti di utilizzo parallelo in popolazioni tra le quali la


diffusione improbabile.

L2: evidenza L1 supportata da analisi fitochimica che verifichi la


presenza di composti chimici che possono produrre un effetto terapeutico, o che risultano positivi in saggi biologici legati allattivit terapeutica.

L3: evidenza L2 supportata da una modalit di azione plausibile


che produrrebbe un effetto terapeutico in un paziente.

L4: evidenza L3 supportata da studi clinici

E in assenza di dati farmacologici?

Come affrontare il problema delle piante che non sono ancora state studiate in laboratorio? Usare i dati etnobotanici e tassonomici per indirizzare la ricerca

Assunti

Le piante medicinali (PM) non sono campionature random delle Flore


Le piante producono una ampia gamma di sostanze interessanti per la salute umana Vi una correlazione tra filogenesi e fitochimica Popolazioni culturalmente e geograficamente distanti hanno meno probabilit di aver condiviso sapere etnobotanico.

Domande

Come si quantifica la segregazione delle PM nei taxa di una Flora specifica e tra Flore differenti?

Secondo quali criteri vengono selezionate le PM?


Come si identifica il sapere tradizionale, e come lo si compara tra culture diverse?

Segregazione tassonomica

Moerman et al. 1999: analisi di 5 Flore distanti fra loro. Vi sono famiglie dove il numero di PM superiore a quello che si potrebbe aspettare da una scelta casuale? Regressione lineare, analisi dei residui e indice di correlazione di Pearson su coppie di Flore medicinali.

Segregazione tassonomica

Moerman et al. 1999: vi sono famiglie dove il numero di spp. utilizzate a scopo medicinale (SM) superiore a quello che si potrebbe aspettare da una scelta casuale? Regressione lineare, analisi dei residui e indice di correlazione di Pearson su 5 Flore distanti fra loro. Tre famiglie dominanti in 4 su 5 Flore

Criticit

La regressione lineare favorisce i taxa pi numerosi La suddivisione in taxa convenzionali non riflette bene la prossimit filogenetica. Forse il rapporto tra specie medicinali (SM) e specie totali (ST) non lineare

Altri approcci

Bennet e Husby 2008: metodo binomiale per generare dati utili per testare ipotesi; considera il rapporto SM/ST come fisso. Weckerle et al 2011: metodo Bayesiano, SM/ST = variabile random. Considera tutte le famiglie come pari, prescindendo dalle suddivisioni tassonomiche

Convergenza tra regressione, binomiale e Bayesiano per numeri elevati, tendenza conservatrice del Bayesiano

Conclusioni

Il clustering tassonomico esiste, e si pu quantificare Perch esiste?

Trasmissione umana del sapere etnobotanico

Trasmissione umana di set di criteri di scelta: organolettici, morfologici, ecologici, simbolici.

Disponibilit Correlazione tra filogenesi e fitochimica

Sapere tradizionale

Quantificazione del sapere tradizionale attraverso misure dellimportanza culturale delle piante [indici di Importanza Culturale Relativa o RCI] Analisi statistica (regressione, ANOVA, PCA, ecc.) su RCI per comparare specie, zone vegetazionali, habitus, taxa, ecc. Permette di ottenere valori numerici integrabili ad altri indici (tassonomici, fitochimici, ecc.) o utilizzabili per comparazione inter-culturali

Sapere tradizionale
1. Indici di importanza relativa: basati sulla somma degli usi senza tenere conto del consenso tra gli informatori, senza o con modificatori di importanza

n 2. Indici di consenso tra informatori: basati sul consenso tra gli informatori, con CFSI =agli usiAI * FUI * ricercatore o dallinformatore pesi dati QI * generati dal PUI * MFFI *TSAI * FMRI *10 -2 s ValoreCategoriaUso(i ) Specie(i ) i QI= indice di citazione ALI= indice di disponibilit s is i FUI= indice di frequenza di is i utilizzo is isis PUI= indice di parte usata MFFI= indice di uso alimentare multifunzionale TSAI= indice di apprezzamento del sapore FMRI= indice di ruolo cibo/medicina

UV = UT = Usi

UV UV ==( (U ) ) / (n) ) IS UV / (n IS

Criticit

Il rapporto tra indici RCI ed efficacia percepita potrebbe non essere lineare: ruolo della disponibilit
Distinzione tra sapere attivo e sapere passivo

Rapporto tra sapere e consenso dipende da come selezioniamo le fonti informative e dalla differenza tra sapere idiosincratico e sapere condiviso.

Applicazioni: review della letteratura

Molares e Ladio 2009: review quantitativa dei dati etnobotanici da letteratura


Costruzione DB articoli rilevanti Selezione ed analisi dati: ricchezza, diversit, omogeneit duso N/E Somiglianza di spp. nominate (indice di Jaccard) Consenso tra autori su taxa, valore duso, consenso su categorie

nur - nt Relazione temporale (Pearson) F UVsic ( 0 - 1) = (nur -1) FC = Nsi / Ni

Applicazioni: efficacia relazionale

Bletter 2007: combina indici di consenso intra- ed interculturali con analisi tassonomica e di consenso terapeutico. Piante filogeneticamente vicine, usate per patologie riconducibili a meccanismi comuni in culture culturalmente e geograficamente distanti hanno pi probabilit di essere state scoperte in maniera indipendente, e hanno un potenziale maggiore di essere attive ed efficaci.

Applicazioni: efficacia relazionale

Dato un DB di Ns piante, Nm malattie, e Nc culture, il potenziale di una pianta s appartenente alla cultura c di trattare una malattia m (Ps,c,m) aumenta allaumentare della prossimit filogenetica di altre piante s usate per trattare malattie collegate (Rs,s), aumenta con la prossimit eziologica della malattia m trattata con piante collegate (Rm,m), e aumenta al diminuire della prossimit culturale della cultura c che usa piante collegate per malattie collegate (Rc,c)

1 Rs, s ' Rm, m ' Ps, c, m = Rc, c ' NsNmNc s',m',c'

Grazie dellattenzione