Un nuovo metodo potrebbe essere utilizzato per stimare la prevalenza della malattia nella fauna selvatica allo stato brado e aiutare a determinare quanti campioni sono necessari per rilevare una malattia.
Le agenzie per la fauna selvatica spesso non dispongono delle risorse finanziarie e di manodopera per raccogliere campioni sufficienti per misurare con precisione l’ampiezza della diffusione di una malattia. Al fine di prevenire pandemie umane e animali con origini selvatiche, come quella del COVID-19, le specie chiave devono essere efficacemente monitorate per individuare malattie emergenti che possono trasmettersi dagli animali all’uomo.
Fino ad ora, le formule ampiamente utilizzate per determinare le dimensioni del campione presupponevano che gli animali di una popolazione contraessero le malattie indipendentemente gli uni dagli altri. In realtà, le popolazioni sono spesso raggruppate, dove gli individui si riuniscono in gruppi familiari e condividono spazio e habitat. A causa di tale vicinanza, è probabile che gli individui all’interno del gruppo si diffondano tra loro malattie contagiose.
Se è possibile prelevare campioni dalla popolazione in modo casuale, campionare un individuo in un gruppo familiare di cervi può suggerire se anche il resto della famiglia è infetto o meno, perché tutti i membri sono correlati tra loro. Se il campionamento casuale fosse possibile, la correlazione tra gli individui all’interno dei cluster ridurrebbe la dimensione effettiva della popolazione, il che suggerisce che i biologi potrebbero raccogliere meno campioni per prevedere la prevalenza della malattia.
“Il quadro è così flessibile che possiamo usarlo per qualsiasi animale”, ha affermato Krysten Schuler, assistente professore di ricerca presso il Dipartimento di salute pubblica ed ecosistemica della Cornell University. “Se pensiamo agli uccelli che migrano e si trovano in grandi stormi, rispetto a un alce che potrebbe essere solitario e non interagire in gruppi, ciò influisce sulla dimensione del nostro campione.”
Schuler è un co-autore corrispondente dello studio, pubblicato nel Giornale di statistica agricola, biologica e ambientale. James Booth, professore al Dipartimento di Statistica e Data Science della Cornell, è l’altro autore corrispondente.
Affinché il metodo funzioni al meglio, una malattia deve essere contagiosa, le specie selvatiche di interesse dovrebbero tendere a raggrupparsi in modo prevedibile e i campioni dovrebbero essere raccolti in modo casuale da individui provenienti dal maggior numero possibile di cluster diversi.
I ricercatori si sono concentrati sulla malattia da deperimento cronico (CWD) nei cervi come caso di studio. I cervi tendono a raggrupparsi in gruppi familiari composti in media da cinque individui e la CWD è altamente contagiosa.
Uno svantaggio del metodo è che i biologi sono spesso costretti a condurre un semplice campionamento casuale e gli aspetti pratici del modo in cui vengono raccolti i campioni possono effettivamente aumentare i requisiti di dimensione del campione nonostante la correlazione con i gruppi familiari.
Poiché i biologi sul campo non sempre sanno quanti animali realisticamente campionare per ottenere informazioni sulla prevalenza della malattia, un’app online in fase di sviluppo potrebbe aiutare, ha detto Schuler. Una volta disponibili, un biologo potrebbe un giorno inserire informazioni su un particolare animale, come la storia naturale, il periodo dell’anno, se si sta riproducendo e quanto questi animali sono in contatto tra loro per diffondere la malattia, così come la malattia stessa. L’app fornirebbe quindi una stima di quanti individui campionare per ottenere una comprensione realistica della prevalenza della malattia.
La ricerca è stata finanziata dal Wildlife and Sport Fish Restoration Program.
Da un’altra testata giornalistica. news de www.sciencedaily.com
