Sprungmarken

 

 

Räumliche, zeitliche und ökonomische Risikobewertung vektorübertragener Zoonosen

Vector Risk – FKZ 01Kl1302

Von 10/2016 bis 09/2018

Projektleiter: Stephanie Thomas
Mitarbeiter: Nils Tjaden, Fabienne Englmeier

Ziel des Querschnitt-Projektes ist es das räumliche, zeitliche und ökonomische Risiko für vektorübertragene Zoonosen in Deutschland bzw. Europa zu erarbeiten:

Gefährdungskarten: Mithilfe räumlich und zeitlich hochaufgelöster Vorkommens-, Klima- und Fernerkundungsdaten werden ökologische Eignung und Auftretenswahrscheinlichkeiten von Vektoren und Pathogenen modelliert - unter Einbeziehung der Verbreitung von Wirtsorganismen und möglichen Eintragsorten von Vektoren oder Pathogenen.

Verwundbarkeits-Analyse: Es werden die Gebiete ausgewiesen, für die aufgrund bestimmter Vulnerabilitäts-Indikatoren (z.B. Bevölkerungsdichte, Tierbesatz) eine hohe Verwundbarkeit erwartet wird.

Risikokarten: Die Kombination der Gefährdungskarten und der Verwundbarkeits-Analyse zeigt die Hochrisikogebiete auf, in denen eine hohe Gefährdung auf ein hohes Maß an Vulnerabilität trifft. Neben der räumlichen Analyse des Risikos wird eine zeitliche Analyse erfolgen, die die geeigneten Zeitfenster einer Übertragung aufzeigt. Außerdem werden die mit einem Ausbruch verbundenen ökonomischen Auswirkungen modelliert.

Das erlangte Wissen zur Identifizierung von Zoonose-Risikogebieten wird im Rahmen einer Science School unter Einbindung internationaler Dozenten an Nachwuchswissenschaftler weitergegeben. Die aktuellste Version der dabei entwickelten R-Skripte ist jederzeit auf Anfrage erhältlich.

 

Zukünftige Risikogebiete von Zoonosen: Einbindung ökologischer Zusammenhänge in die Verbreitungsmodellierung

Zoonose RISKTOOL – FKZ 01Kl1302

Von 10/2013 bis 12/2014

Projektleiter: Carl Beierkuhnlein
Mitarbeiter: Stephanie Thomas, Nils Tjaden, Anja Jaeschke

Die aktuellen Entwicklungen der europäischen Ausbreitung von Arthropoden sowie das autochthone Inerscheinungtreten bislang nicht als relevant erachteter Pathogenen unterstreichen die Wichtigkeit und Dringlichkeit fundierter Projektionen bezüglich der künftig zu erwartenden Entwicklungen.

Der Grundgedanke der Identifizierung von aktuellen und zukünftigen Zoonose-Risikogebieten ist die Kombination des ökologischen Wissens zu Erreger, Vektor und Wirt. Da Wissenschaftsdisziplinen zunehmend spezialisiert sind, befassen sich auch einzelne Wissenschaftler oft nur mit ausgewählten Aspekten der Infektionskette. Im Pilotprojekt Zoonose RISKTOOL, gefördert von der Nationalen Forschungsplattform für Zoonosen, wollen wir aufbauend auf unseren intensiven Vorarbeiten, hierzu methodische Entwicklungen vorantreiben und praxisorientierte Modellierungsprodukte bereitstellen. Die Zusammenführung von Kenntnissen in einem interdisziplinären geostatistischen Ansatz anhand des Beispiels Stechmücke/Virus/Mensch kann als eine methodische Basis für künftige Risikoabschätzungen auch in anderen Krankheitssystemen dienen.

Die Erarbeitung eines Zoonose Risiko Tools wird verdeutlichen, welche Qualität und Quantität Daten haben müssen, um zielführend in eine Modellierung einzugehen. So kann es erforderlich sein, beispielsweise die Anzahl und Verteilung von Mücken-Fallenstandorten im Gelände zu definieren oder das experimentelle Design der Bestimmung der Extrinsischen Inkubationsperiode eines Virus anhand der anschließend geplanten Modellierung festzulegen. Aufgrund des gemeinsamen Zieles der Erstellung von Risikokarten entsteht eine „Bindeglied“-Wirkung zwischen Wissenschaftlern, die im Feld, im Labor oder an Modellierungen arbeiten.

Die eingesetzten experimentellen Methoden und Modellierungsmethoden wurden so aufbereitet und dokumentiert, dass sie als Basis für die Identifizierung von Risikogebieten weiterer Zoonosen eingesetzt werden können. Der R-Code, Beispieldaten und die dazugehörige Dokumentation sind im Downloadbereich dieser Website öffentlich zugänglich. Das erlangte Wissen zur Identifizierung von Zoonose-Risikogebieten wird in einer „Science School“ in Zusammenarbeit mit dem Lehrstuhl Biogeografische Modellierung an der Universität Bayreuth weitergegeben.

Letzte Änderung 05.07.2019