Ранжирование территории г. Сочи по риску заражения ГЛПС с использованием метода максимальной энтропии

Актуальность. Геморрагическая лихорадка с почечным синдромом (ГЛПС) ввиду тяжести течения и высокой летальности представляет серьезную угрозу для здоровья населения г. Сочи и его гостей. Поэтому для осуществления более эффективных и менее экономически затратных противоэпидемических и профилактических мероприятий очень важно постоянно осуществлять мониторинг активности природного очага ГЛПС, а также иметь четкое представление о территориях наибольшего риска заражения.

Цель. Оценка эпидемиологической значимости г. Сочи, риск заражения ГЛПС с помощью метода максимальной энтропии с применением географической информационной системы.

Материалы и методы. В работе использованы: данные о положительных эпизоотологических находках (всего 131) в 2016–2021 гг., которые были получены из Сочинского филиала ФБУЗ «Центр гигиены и эпидемиологии в Краснодарском крае», Сочинского отделения ФКУЗ «Причерноморская противочумная станция» Роспотребнадзора, а также ФКУЗ Ставропольский противочумный институт Роспотребнадзора; информация об окружающей среде (банк данных Biolclim и о вегетационном индекс растительности за 9 месяцев (https://land.copernicus.eu/global/products/NDVI). Предварительную подготовку информации осуществляли с помощью программы ArcGIS 10.8. В качестве инструмента для построения обучающей модели использовалась программа MaxEnt версии 3.4.4 (https://biodiversityinformatics.amnh.org/open_source/maxent/).

Результаты и обсуждение. Практическая реализация поставленных задач заключалась в получении карт эпидемиологической значимости территории по риску заражения ГЛПС путем наложения точек встречаемости вида (переносчика ГЛПС и его резервуара) на карты абиотических факторов среды, оказывающих влияние на его распространение. Основные этапы работы: первый – сбор, обобщение и преобразование биоклиматических и эпизоотолого-эпидемиологических данных; второй – отбор наиболее значимых для построения модели данных; третий – ранжирование территории г. Сочи по риску распространения ГЛПС с использованием ГИС (географическая информационная система); четвертый – проведение анализа полученных результатов. В ходе выполнения работы получена модель, позволяющая разделить исследуемую территорию по степени риска заражения ГЛПС с высокой степенью достоверности и значимой прогностической ценностью.

Выводы. Использование модели позволяет получить новые, более детальные с пространственной точки зрения данные о границах потенциально опасных в аспекте ГЛПС участков региона. В особенности это касается тех территорий, где ранее не отмечались положительные эпизоотологические находки и случаи заражения ГЛПС.

1. Дзагурова Т. К., Ишмухаметов А. А., Бахтина В. А. и др. Анализ групповой вспышки геморрагической лихорадки с почечным синдромом, вызванной вирусом Сочи. Вопросы вирусологии. 2019. №1. URL: https://cyberleninka.ru/article/n/analiz-gruppovoy-vspyshki-gemorragicheskoy-lihoradki-s-pochechnym-sindromom-vyzvannoy-virusom-sochi (дата обращения: 28.12.2021). DOI:10.18821/0507-4088-2019-64-1-36-41.

2. Ткаченко Е. А., Дзагурова Т. К., Бернштейн А. Д. и др. Геморрагическая лихорадка с почечным синдромом (история, проблемы и перспективы изучения). Эпидемиология и вакцинопрофилактика. 2016; 15(3): 23–34. doi:10.31631/2073-3046-2016-15-3-23-34.

3. Морозов В. Г., Ишмухаметов А. А., Дзагурова Т.К. и др. Клинические особенности геморрагической лихорадки с почечным синдромом в России. МС. 2017. №5. URL: https://cyberleninka.ru/article/n/klinicheskie-osobennosti-gemorragicheskoy-lihoradki-s-pochechnym-sindromom-v-rossii (дата обращения: 28.12.2021). doi:10.21518/2079-701X-2017-5-156-161.

4. Кузькин Б. П., Ежлова Е. Б., Куличенко А. Н. и др. Актуальные вопросы обеспечения эпидемиологической безопасности по природно-очаговым инфекциям в период проведения XXII Олимпийских и XI Паралимпийских зимних игр в Сочи. Проблемы особо опасных инфекций. 2015; 1:54–57. DOI: 10.21055/0370-1069-2015-1-54-57

5. Василенко Н. Ф., Малецкая О. В., Манин Е. А. и др. Эпизоотологический мониторинг природно-очаговых инфекций на юге России в 2015 г. Журнал микробиологии, эпидемиологии и иммунобиологии. 2017; 1:29–35. doi:10.36233/0372-9311-2017-1-29-35.

6. Чехвалова Е. В., Манин Е. А., Куличенко А .Н. и др. Современная эпизоотолого-эпидемиологическая обстановка по природно-очаговым инфекциям в городекурорте Сочи. Проблемы особо опасных инфекций. 2019. №3. URL: https://cyberleninka.ru/article/n/sovremennaya-epizootologo-epidemiologicheskaya-obstanovkapo-prirodno-ochagovym-infektsiyam-v-gorode-kurorte-sochi (дата обращения: 28.12.2021). doi: 10.21055/0370-1069-2019-3-111-117.

7. Crippen R. E. Calculating the Vegetation Index Faster. Remote Sensing of Environment. 1990, 34:71–73.

8. Phillips SJ, Dudı´k M, Schapire RE. A maximum entropy approach to species distribution modeling. Proceedings of the Twenty-first International Conference on Machine learning. ACM; 2004, p. 83. doi:10.1145/1015330.1015412

9. Phillips SJ, Anderson RP, Schapire RE. Maximum entropy modeling of species geographic distributions. Ecol Model 2006; 190:231–59. doi:10.1016/j.ecolmodel.2005.03.026.

10. Elith J, Graham CH, Anderson RP, et al. Novel methods improve prediction of species’ distributions from occurrence data.Ecography 2006;29:129–51. doi:10.1111/j.2006.0906-7590.04596.x

11. Elith J, Phillips SJ, Hastie T., et al. A statistical explanation of MaxEnt for ecologists. Diversity and Distributions 2011;17:43–57. doi:10.1111/j.1472-4642.2010.00725.x.

12. Hutchinson, G. E. Hutchinson G. Population studies: Animal ecology and demography. Bull Math Biol. 1991;53(1-2):193–213. doi:10.1007/bf02464429

13. Гиляров А. М. Популяционная экология: Учебное пособие М.: Изд-во МГУ, 1990 –191 с.

14. Афонин А. Н., Кулакова Ю. Ю., Федорова Ю. А. Технологии моделирования экологических ниш как инструмент анализа фитосанитарного риска. Вестник защиты растений. 2021. 104(1). С. 40–52. doi:10.31993/2308-6459-2021-104-1-14422

15. Солнцев Л. А., Дубянский В. М. Опыт использования метода максимальной энтропии (MaxEnt) для зонирования территории по риску заражения ГЛПС на примере Нижегородской области. Журнал микробиологии, эпидемиологии и иммунологии. 2017. №5. URL: https://microbiol.elpub.ru/jour/article/view/198 (дата обращения: 28.12.2021). doi:10.36233/0372-9311-2017-5-39-45.

16. Оптимизация естественных перерывов Дженкса. Доступно на:https://ru.abcdef.wiki/wiki/Jenks_natural_breaks_optimization (дата обращения: 28.12.2021).