Ученые научились предсказывать вспышки лихорадки Западного Нила

Американские ученые разработали первую модель, которая позволяет предсказывать сезонные вспышки лихорадки Западного Нила с точностью более 65 процентов. 

Лихорадка Западного Нила представляет собой острое вирусное заболевание, возбудителем которого выступают флавивирусы семейства Flaviviridae, переносимых комарами Culex pipiens. В большинстве случаев болезнь протекает бессимптомно, однако у 20–30 процентов инфицированных наблюдаются повышение температуры и интоксикация, у одного процента — нейродегенеративные осложнения (например, менингит). При этом универсального способа лечения лихорадки не существует.

 

Впервые лихорадка Западного Нила была выявлена 1999 году в Северной Америке, после чего вспышки заболевания наблюдались ежегодно и достигали пиковых отметок в 2003 и 2012 годах. До сих пор ученые не располагали методами, которые позволяли бы предсказать сроки, масштабы и продолжительность таких вспышек. Чтобы восполнить пробел, специалисты Колумбийского университета и Департамента медицинского обслуживания округа Саффолк модифицировали модель, применяемую в случае вирусов гриппа и Эбола.

 

На первом этапе авторы построили компартментную модель, которая описывает передачу вируса лихорадки Западного Нила от комаров птицам и затем человеку. После этого в модель включили данные двух эпидемиологических наблюдений о заболевании в округе Саффолк, Нью-Йорк, в 2001–2014 годах. С помощью скорректированного ансамблевого фильтра Калмана (EAKF) исследователям удалось ретроспективно составить еженедельные прогнозы распространения вируса.

Чтобы проверить универсальность метода, ученые сделали аналогичные прогнозы для округа Кук штата Иллинойс за 2007–2014 годы. Результаты обоих округов оказались схожи: модель позволяла предсказать характер распространения заболевания примерно за 6,3 недели до окончания вспышки с точностью более 65 процентов. По мнению авторов, это указывает на то, что новая модель легко адаптируется к различным регионам и может использоваться в любой стране. Точность прогнозов планируется повысить за счет включения в модель большего количества вводных данных.