Neue Methode könnte helfen, die Ausbreitung von Wildtierkrankheiten abzuschätzen

Eine neue Methode könnte von Biologen verwendet werden, um die Prävalenz von Krankheiten bei freilebenden Wildtieren abzuschätzen und dabei zu helfen, zu bestimmen, wie viele Proben zum Nachweis einer Krankheit erforderlich sind.

Dies ist wichtig, da Wildschutzbehörden oft nicht über die finanziellen und personellen Ressourcen verfügen, um genügend Proben zu sammeln, um genau zu messen, wie weit sich eine Krankheit ausgebreitet hat. Um menschliche und tierische Pandemien zu verhindern, die ihren Ursprung in der Tierwelt haben, beispielsweise bei COVID-19, müssen wichtige Arten wirksam auf neu auftretende Krankheiten überwacht werden, die von Tieren auf den Menschen übertragen werden können.

Bisher weit verbreitete Formeln zur Bestimmung der Stichprobengröße gehen davon aus, dass Tiere einer Population unabhängig voneinander an Krankheiten erkranken.

In Wirklichkeit sind Populationen oft gehäuft, wobei sich Individuen in Familiengruppen versammeln und Raum und Lebensraum teilen. Aufgrund dieser räumlichen Nähe ist es wahrscheinlich, dass Einzelpersonen innerhalb der Gruppe ansteckende Krankheiten untereinander verbreiten.

Wenn es möglich ist, zufällig Stichproben aus der Population zu ziehen, kann die Stichprobe eines Individuums in einer Familiengruppe von Hirschen Aufschluss darüber geben, ob der Rest der Familie ebenfalls infiziert ist oder nicht, da alle Mitglieder miteinander korrelieren. Wenn Zufallsstichproben möglich sind, verringert die Korrelation zwischen Individuen innerhalb von Clustern die effektive Populationsgröße, was darauf hindeutet, dass Biologen weniger Proben sammeln könnten, um die Krankheitsprävalenz vorherzusagen.

„Das Framework ist so flexibel, dass wir es für jedes Tier verwenden können“, sagte Krysten Schuler, Assistenzprofessorin in der Abteilung für öffentliche Gesundheit und Ökosystemgesundheit am College of Veterinary Medicine. „Wenn wir an Vögel denken, die wandern und sich in riesigen Schwärmen aufhalten, im Gegensatz zu einem Elch, der vielleicht einsam ist und nicht in Gruppen interagiert, dann hat das Auswirkungen darauf, wie groß unsere Stichprobe sein sollte.“

Schuler ist Mitautor der Studie: „Stichprobengröße zur Schätzung der Krankheitsprävalenz in freilebenden Wildtierpopulationen: Ein Bayes’scher Modellierungsansatz“, veröffentlicht in der Zeitschrift für Agrar-, Biologie- und Umweltstatistik.

Der erste Autor, James Booth, Professor am College of Agriculture and Life Sciences und am Cornell Ann S. Bowers College of Computing and Information Science im Department of Statistics and Data Science, ist der andere korrespondierende Autor.

Damit die Methode optimal funktioniert, muss die Krankheit ansteckend sein, die interessierenden Wildtierarten sollten dazu neigen, sich auf vorhersehbare Weise zu häufen, und die Proben sollten nach dem Zufallsprinzip von Individuen aus möglichst vielen verschiedenen Häufungen entnommen werden.

In der Studie konzentrierten sich Booth, Schuler und Kollegen als Fallstudie auf die Chronic Wasting Disease (CWD) bei Hirschen. Hirsche neigen dazu, sich in Familiengruppen mit durchschnittlich fünf Individuen zusammenzuschließen, und CWD ist hoch ansteckend.

Ein Nachteil der Methode besteht darin, dass Biologen oft daran gehindert sind, einfache Zufallsstichproben durchzuführen, und dass die praktischen Aspekte der Probenentnahme trotz der Korrelation mit Familiengruppen tatsächlich zu höheren Anforderungen an die Stichprobengröße führen können.

Da Biologen auf diesem Gebiet nicht immer wissen, wie viele Tiere sie realistischerweise beproben müssen, um Informationen über die Krankheitsprävalenz zu erhalten, könnte eine in der Entwicklung befindliche Online-App hilfreich sein, sagte Schuler. Sobald sie verfügbar sind, könnte ein Biologe eines Tages Informationen über ein bestimmtes Tier eingeben, z. B. die Naturgeschichte, die Jahreszeit, ob es sich brütet und wie oft diese Tiere miteinander in Kontakt stehen, um Krankheiten zu verbreiten, sowie die Krankheit selbst.

Die App würde dann eine Schätzung darüber liefern, wie viele Personen untersucht werden müssen, um ein realistisches Verständnis der Krankheitsprävalenz zu erhalten.