Mathematical models for introduction, spread and early detection of infectious diseases in veterinary epidemiology

Resumen

La epidemiología es una disciplina que estudia la distribución y los factores relacionados con la propagación de enfermedades infecciosas en poblaciones susceptibles, y que utiliza este conocimiento para controlarlas. En este campo, la modelización matemática juega un papel fundamental para explicar la influencia de los factores que potencian la propagación, los patrones de comportamiento o los efectos que éstos pueden producir. Esta tesis se ha centrado en el desarrollo de tres herramientas que abarcan la vigilancia, la detección temprana y la toma de decisiones orientadas, cada una de ellas, a resolver un problema epidemiológico real en el campo de la sanidad animal. La primera herramienta se basa principalmente en un modelo numérico determinista de tres niveles destinado a evaluar el riesgo de introducción de enfermedades vectoriales mediante la simulación del transporte de insectos arrastrados por el viento desde zonas infectadas. El primer nivel consiste en un proceso de advección, donde los insectos realizan movimientos de larga distancia basándose en una ecuación de transporte-difusión ligada al vector del viento. El segundo nivel consiste en un proceso de deposición basado en un modelo de ecuaciones en derivadas parciales. Y el tercer nivel consiste en una estimación de supervivencia del insecto durante el trayecto en función de las condiciones climáticas. Los resultados de este trabajo permiten identificar las áreas y períodos del año con mayor probabilidad de introducción, supervivencia y deposición de insectos desde zonas donde previamente existe sospecha de brotes la enfermedad. Concretamente, esta herramienta ha sido utilizada para evaluar el riesgo de introducción de la enfermedad de Lengua azul a través de Culicoides infectados desde el norte de África hasta España. La segunda herramienta consiste en un sistema de monitorización basado en el movimiento que permite detectar cambios significativos en el comportamiento de los animales cuando están infectados por enfermedades febriles. Las altas velocidades de procesamiento de datos y alta resolución de las cámaras actuales ofrecen algoritmos de análisis de videos en tiempo real. A través de métodos de visión artificial, se ha desarrollado un sistema que permite cuantificar la desaceleración existente en el movimiento de los animales durante el periodo de incubación de este tipo de enfermedades. Para este desarrollo, la reducción en el movimiento de cerdos infectados con el virus de la Peste porcina africana monitorizada mediante estas técnicas fue detectada mucho antes de la aparición de los primeros signos clínicos, mejorando así las estrategias actuales de detección de enfermedades en granjas. La tercera herramienta, llamada BeFAST ha sido integrada en un programa informático autónomo que permite simular casos de epidemias de enfermedades ganaderas de declaración obligatoria. El algoritmo principal está basado en métodos de Montecarlo que generan diferentes escenarios como resultado de la integración de variables estocásticas. BeFAST utiliza un modelo de difusión de enfermedades dentro de granjas y otro entre granjas. El primero está basado en modelos epidemiológicos compartimentales clásicos de difusión y el segundo en redes de movimientos. Los escenarios resultantes del algoritmo permiten realizar estudios epidemiológicos centrados en identificar las áreas de mayor riesgo, las vías más importantes de difusión entre granjas, evaluar y optimizar la eficiencia de las medidas de control y estimar el impacto sanitario y económico de cada escenario. A lo largo de este trabajo, se han estudiado tres casos de enfermedades que afectan directamente a la industria ganadera: la Peste porcina clásica en Segovia y en Bulgaria, y la Fiebre aftosa en Perú.