Lade...
Publikationstyp
Forschungsbericht
Monographie
Monographie
Erscheinungsjahr
2023
Entwicklung eines bundesweiten Hantavirus-Prognosemodells
Entwicklung eines bundesweiten Hantavirus-Prognosemodells
Abschlussbericht
Autor:innen
Herausgeber
Quelle
Schlagwörter
hantavirus, Rötelmaus
Zitation
KAZASIDIS, Orestis und Jens JACOB, 2023. Entwicklung eines bundesweiten Hantavirus-Prognosemodells [online]. Dessau-Roßlau: Umweltbundesamt. Climate Change, 40/2023. Verfügbar unter: https://openumwelt.de/handle/123456789/1697
Zusammenfassung deutsch
Das durch Rötelmäuse (Clethrionomys glareolus, Syn. Myodes glareolus) auf den Menschen übertragene Puumala Orthohantavirus (PUUV) ist das häufigste Hantavirus in Europa und hochendemisch im Süden und Nordwesten Deutschlands. Seit 2001, als die Hantavirus-Erkrankung in Deutschland meldepflichtig wurde, haben die jährlichen humanen PUUV-Infektionen in sechs Jahren die Tausendergrenze überschritten. Die Ausbrüche der Infektionen korrelieren stark mit der Mast der Rotbuche (Fagus sylvatica) und den Wetterparametern der beiden vorangegangenen Jahre, die das Wachstum der Populationen der Nagetierwirte beeinflussen. Dies ermöglicht die Entwicklung eines auf Wetter- und Phänologie-Daten basierten Prognosemodells für das humane PUUV-Infektionsrisiko. Durch eine Datentransformation wurde die Frage der Risikobewertung umformuliert. Anstatt der inzidenz- und infektionsbasierten Formulierungen, die in der Literatur üblich sind, wurde das Ausbruchsrisiko eingeführt, eine neue Größe, welche der Prognose von Infektionen und Risikoklassen vorangestellt ist. Diese Größe bestimmt die kreisbezogenen Ausbrüche, d. h., dass die historischen Inzidenzwerten anhand einer kreisspezifischen Schwelle in zwei Gruppen eingeteilt werden: Ausbrüche und nicht-Ausbrüche. Zur Unterscheidung der Ausbrüche wurde ein Support-Vector-Machine-Klassifikator mit einem linearen Kernel verwendet, ein Algorithmus mit hoher Leistung und geringer Modellkomplexität. Das optimale Modell mit sechs Variablen bewies eine hohe Vorhersagekraft mit über 82% Genauigkeit im Zeitraum 2006-2021. Zwei automatische Programme können die erforderlichen Variablen erfassen und bearbeiten und schließlich die Prognose am Anfang Oktober für das Folgejahr fertigstellen. Für das Jahr 2022 hatte das Modell ein geringes Ausbruchsrisiko für alle Landkreise ermittelt, was zu 100% validiert wurde. Für das Jahr 2023 hat das Modell ein hohes Ausbruchsrisiko für 11 Landkreise in Niedersachsen und Nordrhein-Westfalen und für 41 Landkreise in Mittel- und Süddeutschland ermittelt. Quelle: Forschungsberichtg
Zusammenfassung englisch
The Puumala Orthohantavirus (PUUV) is the most common hantavirus in Europe. It is transmitted by bank voles (Clethrionomys glareolus, syn. Myodes glareolus) and is highly endemic in Southern and Northwestern Germany. Since 2001, when hantavirus disease became notifiable in Germany, the annual human PUUV infections have exceeded one thousand cases in six years. The infection outbreaks correlate strongly with beech (Fagus sylvatica) mast and weather parameters from the two previous years, which drive the growth of rodent host populations. This allows the development of a prediction model for human PUUV infection risk based on weather and phenology data. Applying a data transformation, the question about the risk assessment was reformulated. Instead of the incidence and infection-based formulations that are common in the literature, we introduced the outbreak risk, a new quantity that precedes the prediction of infections and risk classes. This quantity determines district-based outbreaks, i.e., based on a threshold unique for each district its past incidence values are split into two groups: outbreaks and non-outbreaks. A support vector machine classifier with a linear kernel was used to detect the outbreaks, an algorithm with high performance and low model complexity. The optimal model with six variables demonstrated high predictive power with over 82% accuracy in the period 2006-2021. Two automatic programs can collect and process the required variables and finally generate the prediction in early October for the following year. For 2022, the model had predicted a low outbreak risk for all districts, which was validated with 100% accuracy. For 2023, the model predicted a high outbreak risk for 11 districts in Lower Saxony and North Rhine-Westphalia, and for 41 districts in Central and Southern Germany. Quelle: Forschugsbericht