Hintergrund und Zielsetzung
Ein interdisziplinäres Forscherteam hat geostatistische Verfahren eingesetzt, um die Prävalenz von Nutztierhaltung in Ländern mit niedrigem und mittlerem Einkommen (LMICs) zu modellieren und zu kartieren. Ziel war es, räumliche Unterschiede für drei Haupttaxa – Geflügel, Schweine und Wiederkäuer – zu quantifizieren, um das Risiko zoonotischer Infektionen besser einschätzen zu können.
Datengrundlage und Methodik
Die Analyse basierte auf Mikrodaten aus mehreren bevölkerungsbasierten Erhebungen, die zusammen den Großteil der LMICs abdecken. Die Daten wurden georeferenziert und mit zeitlich fixen Umwelt‑ und demografischen Kovariaten verknüpft. Anschließend wurden INLA‑Modelle (Integrated Nested Laplace Approximation) auf die kombinierte Datenbank angepasst und Wahrscheinlichkeiten für den Besitz jedes Nutztier-Taxons prognostiziert.
Ergebnisse: Verbreitung von Geflügel
Die Modellprognosen zeigen eine weit verbreitete Geflügelhaltung in ländlichen Regionen Zentralamerikas, des Amazonasbeckens, tropischer Afrika sowie in Flussbecken und Wäldern Ostasiens. Diese Muster stimmen mit bekannten landwirtschaftlichen Praktiken in den genannten Gebieten überein.
Ergebnisse: Schweinehaltung
Schweine werden am seltensten gehalten. Die Vorhersagen identifizieren einen Bogen mit höherer Prävalenz, der von Zentralchina über Südostasien bis nach Nordostindien verläuft. In datenarmen Regionen, insbesondere in mehrheitlich muslimischen Gebieten, spiegeln die Schätzungen eher regionale Kovariatenmuster als feinkörnige Messungen wider. Zur Berücksichtigung der Nicht‑Stationarität wurden regionsspezifische räumliche Kernel implementiert.
Ergebnisse: Wiederkäuer
Wiederkäuer wie Rinder und Ziegen erscheinen über weite Teile Subäquatorialafrikas, Zentralasiens, der Gobi-Wüste, des Himalaya, Mongolei und Nordindiens verteilt. Die räumlichen Muster korrespondieren mit bekannten Weideflächen und klimatischen Bedingungen, die die Tierhaltung begünstigen.
Bedeutung für die Krankheitsüberwachung
Die Modelle erreichen hohe Werte in gängigen Evaluationsmetriken und die Vorhersagen entsprechen externen Evidenzen. Damit liefern sie eine plausibel‑handhabbare Grundlage, um Regionen mit hohem Expositionsrisiko gegenüber tierischen Krankheitsreservoiren zu identifizieren und gezielte Präventionsmaßnahmen zu planen.
Datenverfügbarkeit
Die geschätzten Prävalenzwerte stehen als ergänzende Dateien im GIS‑kompatiblen Format zum Download bereit, wodurch weitere Analysen und Anwendungen durch Forschungsteams und Gesundheitspolitiker ermöglicht werden.Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.
Ende der Uebertragung