TERJEMAHAN JURNAL

efek cuaca dan perubahan iklim pada demam berdarah

ABSTRAK

Latar belakang :

ada banyak ketidakpastian tentang dampak perubahan iklim di masa mendatang terhadap
penyakit yang ditularkan melalui vektor. ketidakpastian tersebut mencerminkan kesulitan dalam
memodelkan interaksi kompleks antara penyakit, faktor penentu iklim dan sosial ekonomi. kami
menggunakan kumpulan data panel yang komprehensif dari mexico yang mencakup 23 tahun
laporan dengue spesifik provinsi di sembilan wilayah iklim untuk memperkirakan dampak cuaca
terhadap demam berdarah, yang menyebabkan efek faktor non-iklim.

Metode dan Temuan: Dengan menggunakan Model Aditif Umum, kami memperkirakan efek
cuaca yang signifikan dan secara statistik
akses ke air pipa pada demam berdarah. Efek cuaca sangat tidak linear. Suhu minimum (Tmin)
hampir
tidak berpengaruh pada insiden demam berdarah di bawah 5uC, tetapi nilai-nilai Tmin di atas
18uC menunjukkan efek yang meningkat pesat. Maksimum
suhu di atas 20uC juga menunjukkan efek yang meningkat pada insiden dengue dengan puncak
sekitar 32uC, setelah itu
efek menurun. Ada juga efek peningkatan curah hujan saat naik menjadi sekitar 550 mm, di luar
itu efek tersebut
menurun. Peningkatan akses ke air leding terkait dengan peningkatan insiden demam berdarah.
Kami menggunakan estimasi model kami untuk
memproyeksikan dampak potensial dari perubahan iklim pada insiden demam berdarah di bawah
tiga skenario emisi pada tahun 2030, 2050, dan
2080. Peningkatan hingga 40% dalam insiden demam berdarah pada tahun 2080 diperkirakan di
bawah perubahan iklim sementara memegang yang lain
faktor pendorong konstan.

Kesimpulan: Hasil kami menunjukkan bahwa cuaca secara signifikan mempengaruhi insiden
demam berdarah di Meksiko dan semacamnya
hubungan sangat tidak linier. Temuan ini menyoroti pentingnya menggunakan spesifikasi model
yang fleksibel kapan
menganalisis interaksi cuaca-kesehatan.
Perubahan iklim dapat berkontribusi pada peningkatan insiden demam berdarah. Meningkatkan
akses ke Air ledeng dapat memperburuk insiden dengue jika itu mengarah ke peningkatan
penyimpanan air domestik. Oleh karena itu, perubahan iklim mempengaruhi keberhasilan atau
kegagalan upaya-upaya masa depan melawan demam berdarah

Pegantar

Dengue adalah penyebaran yang paling luas dan cepat menyebar penyakit virus nyamuk di dunia
[1]. Demam akut ini
penyakit mempengaruhi semua kelompok umur [2], dan disebabkan oleh empat
virus antigenik yang berbeda tetapi terkait secara genetis (serotipe)
[3]. Dengue telah menjadi endemik di lebih dari 100 negara di Afrika,
Amerika, Mediterania Timur, Asia Tenggara dan
Pasifik Barat [1]. Sekitar 2,5 miliar orang berisiko
dari transmisi demam berdarah. Sekitar 50 juta infeksi dengue baru
[1] dan setidaknya 12.000 kematian, terutama di antara anak-anak, terjadi
di seluruh dunia setiap tahun [4]. Beban ekonomi dengue telah
diperkirakan sekitar 2,1 miliar dolar AS per tahun
di Amerika Latin dan Karibia saja [5]. Di beberapa wilayah,
seperti Amerika, kerugian ekonomi yang disebabkan oleh demam berdarah adalah
mirip dengan yang dikaitkan dengan malaria dan tuberkulosis [6]. Seperti di sana
tidak ada obat antivirus khusus yang mengobati atau mencegah vaksin
dengue, satu-satunya cara untuk mengelola penyakit adalah melalui kontrol
populasi vektor
Tingkat insiden global demam berdarah telah meningkat secara substansial
selama enam dekade terakhir (dari sekitar 900 kasus tahunan yang dilaporkan
WHO lebih dari 1955-1959 hingga sekitar 926 ribu kasus per tahun
2000—2007) [1,4] dipengaruhi oleh berbagai mekanisme termasuk
pertumbuhan penduduk, urbanisasi yang tidak terencana, peningkatan perjalanan dan
transportasi barang, kurangnya kemauan politik dan sumber daya yang terbatas
untuk menerapkan langkah-langkah kontrol yang efektif [7]. Tata ruang
distribusi vektor dengue utama, Aedes aegypti, juga
meningkat selama 25 tahun terakhir [8]. Meningkat di kedua dengue
Insiden dan distribusi A. aegypti juga dikaitkan dengan
variasi dalam sistem iklim, termasuk perubahan iklim (lihat
referensi [9,10] untuk contoh). Bukti dari efek
driver iklim pada insiden demam berdarah masih dalam perdebatan [8,11].
Makalah ini memperkirakan dampak relatif dari cuaca (minimum
dan suhu maksimum, dan curah hujan) pada demam berdarah
akuntansi untuk berbagai faktor non-iklim (misalnya akses ke
air ledeng, urbanisasi, produk domestik bruto, dan jangka panjang
tren dan musiman; lihat Metode). Parameter model kami adalah
kemudian digunakan untuk memproyeksikan efek potensial dari perubahan iklim pada insiden
demam berdarah pada tahun 2030, 2050 dan 2080 di bawah tiga emisi
skenario (A1B, A2, dan B1) yang dijelaskan oleh Nakicenovic dan
Swart [12].
Beberapa model empiris telah dikembangkan untuk memperkirakan
efek cuaca pada demam berdarah (misalnya, referensi [10,13]),
dan beberapa di antaranya telah digunakan sebagai dasar untuk memperkirakan
potensi dampak perubahan iklim pada distribusi masa depan
dan risiko infeksi dengue (misalnya, referensi [10,14]).
Namun, mayoritas penelitian ini telah dilakukan di
area geografis kecil, mencakup periode waktu yang relatif singkat,
dan termasuk pembaur non-iklim yang sangat terbatas (misalnya,
referensi [10,13,15]) yang mengarah ke beberapa keterbatasan. Sebagai contoh,
populasi kecil biasanya menghasilkan angka penyakit yang rendah
untuk estimasi risiko yang tidak stabil [16]; area kecil juga lebih mungkin
secara klimatis dan sosioekonomi homogen [17,18],
membuat lebih sulit untuk mengekstrapolasikan hasilnya ke area yang lebih besar
variabilitas iklim atau sosioekonomi.
Studi kasus kami memiliki berbagai fitur unik yang meminimalkan
masalah yang teridentifikasi. Pertama, kami menggunakan panel besar dari provinsi-provinsi
tertentu
data dengan resolusi temporal yang disempurnakan (bulanan) meliputi
keseluruhan Meksiko untuk menyelidiki geografi yang lebih besar
area (, 2 juta km2), jangka waktu (276 bulan), dan jumlah
kasus yang dilaporkan (417.668) dari studi sebelumnya. Kedua, hebat
heterogenitas sosial ekonomi [19] dan keragaman iklim
Meksiko, yang mencakup daerah tropis dan subtropis [20],
memungkinkan kami memperkirakan hubungan yang kuat dan umum antara
dengue, faktor iklim dan sosioekonomi, yang mungkin
diekstrapolasikan ke sejumlah besar wilayah dengan iklim serupa
dan fitur sosial ekonomi. Ketiga, kami mengontrol untuk efek
potensi pembaur yang tidak teramati (misalnya perilaku sosial) oleh
memasukkan fixed-effects spesifik provinsi ke dalam model kami.
Keempat, kami mengizinkan hubungan nonlinier antara demam berdarah
dan cuaca dengan mengadopsi pendekatan pemodelan semi-parametrik.

Secara khusus, kami menerapkan Generalized Aditif Model

(GAM) ditambah dengan fungsi kemungkinan yang terkena hukuman dan sebuah
kriteria pemilihan smoothing otomatis, yang memperkirakan
tingkat optimal nonlinier model langsung dari data
[21]. Keuntungan dari pendekatan ini adalah bahwa ia menentukan
fleksibilitas model dalam proses estimasi yang sebenarnya. Metode ini
telah dijelaskan secara rinci di tempat lain [21].
Metode
Data Dengue
Laporan bulanan khusus laboratorium dikonfirmasi
kasus dengue dikumpulkan dari Sistem Nasional Meksiko
Surveilans Epidemiologi [22] untuk periode 1985-2007
(Gambar 1). Kasus demam berdarah dengue berat dikelompokkan
karena mereka sesuai dengan presentasi yang berbeda dari penyakit.
Data cuaca
Kami memperoleh nilai rata-rata bulanan khusus provinsi
suhu minimum, suhu maksimum rata-rata dan
akumulasi curah hujan bulanan dari National Meksiko
Layanan Meteorologi untuk setiap provinsi untuk periode 1971—
2007. Nilai rata-rata bulanan ini dihitung menggunakan provinsi tertentu
pengamatan dari semua stasiun meteorologi yang tersedia
di seluruh Meksiko. Jaringan stasiun meteorologi dari
Layanan Meteorologi Nasional terdiri dari lebih dari 2.000 stasiun
didistribusikan di seluruh negeri. Frekuensi dan durasi
Peristiwa hujan tidak dianggap sebagai informasi seperti itu
tersedia dari Layanan Meteorologi Nasional. Kami lebih suka
data stasiun di atas data satelit karena stasiun meteorologi
tampaknya memberikan informasi yang lebih dapat dipercaya tentang kondisi
(terutama curah hujan) dari suatu daerah daripada satelit [23,24].
Karena efek vektor dari sistem iklim
Jangan segera menghasilkan perubahan dengue
transmisi, kami menentukan variabel meteorologi dalam biologi
dan kelambatan waktu yang masuk akal secara fisik didasarkan pada laporan literatur
di Meksiko (misalnya, referensi [25,26,27]), dan mempertimbangkan
penundaan dalam konfirmasi laboratorium atas kasus yang dicurigai dan
pelaporan mereka. Kelambatan optimal untuk variabel iklim terdiri
minimum minimum bulanan, maksimum rata-rata bulanan
suhu dan akumulasi curah hujan bulanan yang tertinggal
satu dan dua bulan. Karena autokorelasi yang signifikan antara
kelambatan dari variabel-variabel ini (peringkat Spearman rho 0,7), kami buat
variabel baru (Tmin1: 2, Tmax1: 2, dan Precipitation1: 2) mengambil
nilai rata-rata dari dua kelambatan optimal.
Data sosioekonomi
Data populasi provinsi diambil dari National
Institut Statistik dan Geografi (INEGI) [28] untuk 1990, 1995,
2000 dan 2005. Proporsi penduduk dengan akses
untuk air leding juga diperoleh dari INEGI untuk tahun 1990, 2000,
2005 dan 2010. Bagian dari populasi yang tinggal di daerah perkotaan
daerah (urbanisasi) diperoleh dari Kamar Deputi
[29] untuk tahun 1980, 1990, 1995, 2000 dan 2004. Selama bertahun-tahun
untuk variabel-variabel ini diperkirakan menggunakan interpolasi linier.
PDB per kapita per tahun diperoleh dari Bank Dunia untuk
seluruh periode belajar. Data ini kemudian dikempiskan secara konstan
Nilai-nilai 2003. Data PDB awalnya dikumpulkan di tingkat nasional
tingkat. Untuk mendapatkan perkiraan PDB spesifik provinsi, kami berasumsi demikian
proporsi PDB nasional untuk setiap provinsi adalah
sama dengan informasi GDP yang tersedia (1993–
2005) dari INEGI. Dengan demikian, proporsi provinsi-spesifik
PDB untuk periode 1985-1993 diasumsikan sama
daripada yang diamati pada tahun 1993 pada data INEGI.
Proporsi untuk tahun-tahun berikutnya diasumsikan sama dengan di INEGI
data.
Data perubahan iklim
Untuk memproyeksikan potensi dampak perubahan iklim pada demam berdarah
(Dengan interval kepercayaan 95% Monte Carlo), kami mengambil kembali
nilai-nilai historis khusus provinsi (relatif terhadap tahun 1970-1999
klimatologi) dan perubahan yang diproyeksikan untuk tahun 2030, 2050 dan
2080 di bawah tiga skenario perubahan iklim (A1B, A2 dan B1) untuk
suhu rata-rata bulanan dan curah hujan dari Nasional
Institut Ekologi [30] menggunakan koordinat dari centroids dari
setiap provinsi. Koordinat dari centroid diperoleh
menggunakan rutin 'koordinat' standar dalam paket ‘sp’ untuk
R [31] dan peta digital Meksiko. Rata-rata minimum bulanan
suhu, suhu maksimum dan curah hujan
diperkirakan sebagai rata-rata bulanan dari basis berdasarkan periode
pada data observasi yang diperoleh dari National Meksiko
Layanan Meteorologi. Untuk menghasilkan nilai suhu baru untuk
setiap skenario, kami menambahkan perubahan yang diproyeksikan terkait
nilai-nilai historis. Curah hujan kembali dikalikan dengan mengalikan
nilai historis dengan persentase proyeksi yang sesuai
variasi. Suhu minimum dan maksimum rata-rata, dan
akumulasi nilai curah hujan (historis dan proyeksi) tertinggal
1 dan 2 bulan kemudian digunakan untuk proyeksi perubahan iklim.
Analisis GAM
Kami menetapkan jumlah kasus Dengue yang diharapkan selama
bulan t dan provinsi i sebagai:
g(mit)~b0z S
J
j~1
sj(Xjit)z S
K
k~1
bk(Zkit)zs1(t0)zdizlog(jit)
di mana g (.) adalah fungsi tautan log dari mit harapan, E (Yit),
dengan Yit sebagai rangkaian jumlah demam berdarah. Xjit menunjukkan j-th
variabel meteorologi, sj (.) dan s1 (.) adalah fungsi yang halus untuk
variabel meteorologi dan tren waktu yang ditentukan melalui hukuman
regresi kubik splines; Zkit menunjukkan k-th socio-ekonomi
variabel (PDB per kapita, proporsi orang yang tinggal di perkotaan
daerah, proporsi orang dengan akses ke air ledeng) yang masuk
model secara linier; Di adalah efek tetap spesifik provinsi [32] untuk
menangkap efek dari potensi pembaur yang tidak teramati (misalnya sosial
perilaku) dalam model. Log (jit) menunjukkan logaritma dari
populasi / bulan beresiko dimasukkan sebagai variabel offset. Offset ini
variabel standarisasi kejadian demam berdarah oleh populasi untuk menghitung
perkiraan tingkat kejadian daripada pada jumlah total
kasus dengue. Untuk menjelaskan kemungkinan penyebaran yang berlebihan, kami
memungkinkan parameter skala menjadi berbeda dari mean [33].
Hal ini menyebabkan model Poisson kemungkinan maksimum kuasi, yaitu
estimator standar konsisten untuk menghitung variabel [34].
Kontrol efek tetap spesifik provinsi untuk provinsi tertentu
menghilangkan bias variabel dan pembaur yang tidak dimodelkan seperti sosial
tingkah laku. Kelancaran fungsi kontrol waktu untuk jangka panjang
tren dan musiman yang bisa timbul dari faktor-faktor non-iklim
seperti resistensi vektor terhadap insektisida, perubahan pada
teknik diagnostik, hari libur dan penyimpanan air musiman
praktik. Untuk memastikan kekuatan hasil kami, kami menguji lainnya
spesifikasi untuk memperhitungkan tren jangka panjang dan musiman
termasuk: 0,1 variabel kategori untuk setiap tahun dan untuk masing-masing
musim untuk periode, variabel kategori untuk setiap tahun dengan
istilah sinusoid untuk tren musiman, dan tren linier dengan
istilah sinusoid untuk tren musiman. Seperti halnya yang halus
berfungsi untuk waktu, akun kategori kategoris kami untuk jangka panjang
dan perubahan musiman yang dapat terjadi sebagai konsekuensi dari
membingungkan faktor non-iklim seperti penyimpanan air musiman atau gangguan khusus tahun
dalam sistem kesehatan masyarakat. Estimasi
dilakukan menggunakan paket ‘mgcv’ [21] untuk R versi 2.12.0
[31].
Fungsi halus diwakili oleh splines regresi,
yang dapat ditulis sebagai kombinasi linear dari basis yang diketahui
fungsi dari para penyerang.
sj(Xjit)~ S
q
l~1
dlbl (Xjit)~d0b

di mana bl (.) menunjukkan fungsi dasar dan dl parameternya

diperkirakan. Jumlah fungsi basis q menentukan
fleksibilitas maksimum yang mungkin dari hubungan antara Xjit dan g (mit)
(lihat Persamaan 1); semakin besar nilai q, semakin fleksibel adalah
efek yang diperkirakan. Di sini, kami menggunakan Cubic Regression Splines (CRS) di
dimana fungsi dasar bl (.) dibangun dengan membagi rentang
nilai-nilai variabel independen ke dalam segmen yang dipisahkan oleh
knot. Sebuah regresi kubik lokal dipasang untuk setiap segmen. Itu
kontinuitas dan kelancaran pada simpul dipastikan memaksakan
kondisi pada turunan orde pertama dan orde kedua [35]. Kami
metode estimasi, diimplementasikan melalui Penalized Iteratively Reweighted
Least Squares (P-IRLS) dirancang untuk secara otomatis
mengurangi non-linearitas yang tidak didukung oleh data menjadi sederhana
bentuk linear [21].
Skenario perubahan iklim Kami menghasilkan ekstrapolasi dari proyeksi risiko dengue
berdasarkan
parameter GAM kami yang pas untuk tahun 2030, 2050 dan 2080,
di bawah skenario perubahan iklim A1B, A2 dan B1. Itu
alur cerita di balik skenario ini dijelaskan secara rinci di tempat lain
[12]. Singkatnya, skenario A1B berhubungan dengan masa depan dengan sangat cepat
pertumbuhan ekonomi, populasi global memuncak pada pertengahan abad, dan
pengenalan teknologi yang lebih efisien dengan keseimbangan
perubahan teknologi yang berhubungan dengan sumber energi [12]. Skenario A2
menggambarkan masa depan dengan populasi global yang terus meningkat,
pembangunan ekonomi berorientasi regional, dan pertumbuhan ekonomi per kapita yang lambat
dan terfragmentasi dan perubahan teknologi
dari skenario lain [12]. Terakhir, skenario B1 menganggap a
pertumbuhan populasi global serupa dengan A1B, tetapi dengan
struktur ekonomi menuju layanan dan ekonomi informasi,
pengurangan intensitas material, dan pengenalan bersih dan
teknologi hemat sumber daya [12].
Kami mengambil suhu dan curah hujan khusus provinsi
output ensemble dari beberapa model (relatif terhadap periode dasar
klimatologi 1970-1999) dari situs web Meksiko
National Institute of Ecology untuk tahun 2030, 2050 dan 2080.
Metodologi dan output dari ensemble ini telah
dijelaskan oleh Magan˜a dan Caetano [36]. Secara singkat, ketiganya
Skenario (A1B, A2, dan B1) menggambarkan kenaikan suhu pada suatu
meningkatkan tingkat di seluruh negeri. Wilayah utara-barat adalah
paling banyak dipengaruhi oleh suhu pada akhir abad ini
[36]. Dalam skenario ini, perubahan curah hujan menjadi sangat
tidak teratur; meskipun mereka setuju bahwa penurunan diperkirakan terutama terjadi di
Indonesia
utara dan barat laut, diikuti oleh Yucata'n Peninsula dan
Meksiko tengah [36]. Perubahan suhu dan curah hujan
diharapkan lebih besar di bawah skenario A2 (tinggi
emisi) diikuti oleh A1B dan B1 [36].
Untuk melakukan estimasi kami, kami menggunakan proyeksi masa depan
iklim memegang semua kekuatan pendorong lainnya konstan (tetap pada
baseline year 2000) untuk mengisolasi efek iklim pada demam berdarah.
Sementara model kami kuat terhadap efek pengganggu yang diamati
dan faktor non-iklim yang tidak diamati, proyeksi ini tidak
prediksi masa depan tetapi lebih bertujuan untuk menunjukkan potensi
dampak perubahan iklim terhadap insiden demam berdarah sambil mempertahankan
kekuatan penggerak lainnya konstan.
Hasil
Analisis GAM
Tabel 1 menyajikan perkiraan Poisson GAM untuk demam berdarah
insidensi per provinsi. Spesifikasi ini menjelaskan 61% dari penyimpangan insiden demam
berdarah. Nilai-nilai tinggi yang efektif
derajat kebebasan (edf) dari fungsi halus menunjukkan itu
hubungan antara demam berdarah dan cuaca sangat tidak linear.
Efek dari semua variabel meteorologi dan akses ke perpipaan
air pada dengue ditemukan menjadi signifikan. Perkiraan dari
parameter skala sangat tinggi (.80) menunjukkan over-dispersed
data. Hasil yang disajikan di sini kuat untuk model lain
spesifikasi dengan kontrol yang berbeda untuk jangka panjang dan musiman
tren (Tabel S1).
Gambar 2 menggambarkan hubungan yang diperkirakan oleh model kami.
Gambar 2A menunjukkan hampir nol respons dengue terhadap Tmin1: 2 di bawah ini
5uC, peningkatan respons sederhana di atas ambang ini, dan kemudian
respon yang cepat meningkat ketika suhu naik di atas 18uC.
Insiden Dengue juga meningkat secara bertahap dengan meningkatnya Tmax1: 2
(Gbr. 2B), menunjukkan puncak sekitar 32uC setelahnya
tanggapannya menurun. Gambar 2C menunjukkan hubungan kuadrat
antara insiden dengue dan Precipitation1: 2 dengan dataran tinggi di
sekitar 550-650 mm. Gambar 2D menggambarkan positif
hubungan antara insiden dengue dan proporsi
populasi dengan akses ke air leding, menunjukkan bahwa sebagai akses ke
air leding naik begitu juga dengue. Urbanisasi dan GDP
tidak menunjukkan hubungan yang signifikan dengan demam berdarah. Ini mungkin
menunjukkan
bahwa variabel-variabel ini tidak memainkan peran kunci dalam menentukan dengue
transmisi di Meksiko atau data kami, setelah pengahapusan waktu
karakteristik invariant oleh fixed-effects spesifik provinsi, lakukan
tidak mengandung cukup variabilitas untuk memperkirakan hubungan yang berarti
untuk variabel-variabel ini.
Tingkat insiden yang lebih tinggi diamati selama musim hujan
(Mei hingga Oktober) dibandingkan dengan sisa tahun ini. Kami membandingkan
perkiraan model dengan data yang diamati sepanjang tahun,
musim basah dan kering. Model ini menangkap sebagian besar
variabilitas spatiotemporal diamati dalam insiden demam berdarah (lihat
Gambar S1) memberikan bukti bahwa perkiraan kami kuat. Kita
menguji pengaruh provinsi dengan tingkat insidensi terbesar
pada model fit kecuali dari model. Hasilnya disajikan
dalam makalah ini kuat untuk perubahan ini.
Proyeksi perubahan iklim
Proyeksi kami menunjukkan bahwa insiden dengue tahunan rata-rata
dapat meningkat sekitar 12—18% pada tahun 2030, 22—31% pada tahun 2050, dan
33—42% pada tahun 2080 di seluruh Meksiko menunjukkan efek yang meningkat
perubahan iklim pada demam berdarah (Tabel 2). Seperti positif dan meningkat
dampak perubahan iklim pada kasus demam berdarah juga terlihat pada
tingkat provinsi. Sebagai gambaran, kami melaporkan hasil yang diperoleh untuk
provinsi-provinsi Meksiko di Nuevo Leo'n, Quere'taro dan Veracruz.
Provinsi-provinsi ini tidak hanya memiliki rejim-rejim iklim yang sangat berbeda, tetapi juga
juga menunjukkan tingkat endemisitas yang berbeda. Veracruz adalah endemik
provinsi dengan transmisi musiman yang sangat teratur dan hangat
dan iklim yang lembab. Nuevo Leo'n adalah endemik tetapi dengan periode
sangat rendah atau tidak ada transmisi selama musim kemarau, dan memiliki
iklim semi kering semi-hangat. Quere'taro, di sisi lain, adalah
rawan epidemi dengan transmisi yang sangat intermiten, dan a
iklim sedang semi kering. Informasi lebih lanjut tentang provinsi-
proyeksi spesifik untuk seluruh negara dapat ditemukan
Tabel S2. Proyeksi kami menunjukkan bahwa sudah endemik
provinsi (Nuevo Leo'n dan Veracruz) kami amati sangat signifikan
meningkatkan kasus demam berdarah, (dari 1,7 hingga sekitar 2,4 dilaporkan
kasus / 100.000 orang di Nuevo Leon; dan dari 2,6 hingga sekitar 4,2
melaporkan kasus / 100.000 orang di Veracruz setiap tahun). Di atas
di sisi lain, di provinsi-provinsi yang rawan epidemi (Quere´taro), kami tidak
amati peningkatan yang signifikan dalam transmisi; dengan kasus demam berdarah
sisanya tidak umum (dari 0,04 hingga sekitar 0,08 kasus yang dilaporkan /
100.000 orang setiap tahun).
Gambar 3 menunjukkan bahwa mayoritas provinsi di Meksiko adalah
diperkirakan akan mengalami peningkatan transmisi demam berdarah di bawah
perubahan iklim di masa depan. Perbedaan rata-rata demam berdarah tahunan
insiden antara proyeksi dan skenario baseline
cenderung lebih besar di provinsi endemik (dengan sepanjang tahun
transmisi atau dengan periode tidak ada transmisi selama kering
musim), dan terutama lebih kuat di selatan dan timur
provinsi yang bercirikan iklim hangat dan lembab. Namun,
proyeksi kami menunjukkan heterogenitas spasial yang signifikan dengan beberapa
provinsi barat laut dan utara Semenanjung Yucata
kemungkinan untuk mengamati penurunan insiden demam berdarah pada tahun 2080
mungkin karena dampak berkurangnya curah hujan di
penciptaan situs pemuliaan [8,37,38].
Diskusi
Dalam studi ini kami telah mempresentasikan analisis asosiasi
antara insiden dengue dan variabel iklim di Meksiko. Kita
kemudian menggunakan model yang dihasilkan untuk membuat proyeksi tentang
dampak perubahan iklim di masa depan terhadap insiden demam berdarah. Untuk ini
pekerjaan kami menyatukan salah satu yang terpanjang (276 bulan
laporan dengue) dan lebih spasial beragam (sembilan iklim utama
wilayah sepanjang, 2 juta km2) DAS dan data iklim belum
dirakit. Kami juga menggunakan pendekatan analitik (Generalised
Aditif Modeling) yang secara khusus dirancang untuk menganalisis
data ketika dampak dari prediktor pada variabel hasil
tidak linier. GAM digabungkan dengan perkiraan yang dituduh memberikan a
pendekatan pemodelan yang lebih fleksibel daripada regresi konvensional
metode, memungkinkan spesifikasi bentuk fungsional yang fleksibel
dengan derajat non-linearitas yang diperkirakan langsung dari data
[21]. Karakteristik GAM ini menyelesaikan tugas halus
menentukan fleksibilitas model a priori [21].
Kami menunjukkan bahwa cuaca secara signifikan mempengaruhi demam berdarah
kejadian di Meksiko. Namun, semua hubungan ini sangat tinggi
tidak linier. Tmin1: 2 memiliki dampak terbesar pada dengue hampir
nol risiko di bawah 5uC, sedikit peningkatan risiko di atas ini
suhu, dan peningkatan risiko yang cepat ketika rata-rata minimum
suhu naik di atas 18uC. Peningkatan tajam demam berdarah
insidensi pada suhu minimum di atas 18uC menyediakan a
penjelasan parsial untuk musim yang kuat yang diamati di tropis
provinsi di mana variasi suhu musiman tidak lebih besar
dari beberapa derajat [39]. Efek ini konsisten dengan
biologi dari kedua vektor dengue dan virus dengue karena
meningkatnya suhu memperpendek periode inkubasi ekstrinsik (EIP) dari
virus, serta waktu pengembangan dan gonotropik
siklus nyamuk menghasilkan kemungkinan peningkatan
transmisi dengue [8,39,40].
Suhu maksimum juga memiliki efek secara independen
Tmin. Risiko demam berdarah meningkat ketika Tmax1: 2 meningkat di atas
20uC ke puncak sekitar 32uC setelah risiko menurun. Itu
pembusukan dalam respon dengue ke tingkat tinggi Tmax1: 2 mungkin
dijelaskan oleh efisiensi transmisi maksimum A. aegypti
mencapai di atas 32uC [40], dan oleh nyamuk dewasa secara bertahap
mati pada suhu di atas 36uC [39].
Ada juga peningkatan risiko karena Precipitation1: 2 naik ke sekitar
550 mm melampaui risiko mana yang menurun. Peningkatan progresif
pada insidensi dengue pada level rendah Precipitation1: 2 menunjukkan
penciptaan situs pembiakan yang dipenuhi oleh hujan (di luar rumah), sedangkan pembusukan
diamati pada tingkat tinggi, mungkin karena pembersihan seperti itu
situs pemuliaan [37].
Temuan kami mengenai dampak cuaca terhadap risiko demam berdarah
konsisten dengan hasil penelitian lain menggunakan empiris
pemodelan (misalnya, [10,41,42,43]). Namun, penelitian sebelumnya
menggunakan OLS, GLM, atau metode ARIMA tidak mungkin sepenuhnya
menangkap non-linearitas yang telah kami tunjukkan. Juga,
karena database yang lebih besar di zona iklim yang lebih, kami punya
mampu memodelkan hubungan ini selama seluruh rentang
variasi iklim cenderung terlihat di bawah perubahan iklim di masa depan.
Oleh karena itu hasil kami harus dapat digeneralisasikan ke wilayah lain dan
zona iklim dan memberikan dasar yang lebih baik untuk pemodelan dampak
perubahan iklim di masa depan. Yang juga menarik adalah hubungan yang signifikan antara
demam berdarah
insiden dan proporsi penduduk dengan akses ke
air ledeng. Temuan ini bertentangan dengan pengamatan sebelumnya
menunjukkan bahwa suplai air leding bersifat protektif [15]. Schmidt
dan rekan menyarankan bahwa risiko demam berdarah lebih tinggi pada orang
tanpa akses ke pasokan air leding karena kebutuhan
menyimpan air, dan nyamuk kemudian bisa berkembang biak di air yang disimpan ini.
Namun, secara paradoks mereka menunjukkan bahwa orang menggunakan air hujan
panen memiliki risiko tersesuaikan terendah, dan yang diharapkan
orang-orang ini untuk menyimpan sebagian besar air. Mungkin itu di Meksiko orang
bergantung pada air leding memiliki pembuatan pengiriman air berselang
penyimpanan air diperlukan, maka menyediakan situs penangkaran nyamuk.
Hubungan antara pasokan air dan risiko demam berdarah tidak
sederhana dan mungkin berbeda dari satu lokalitas ke yang lain.
Kami memproyeksikan peningkatan hingga 40% pada insiden dengue di Indonesia
Meksiko pada 2080 karena perubahan iklim, memegang mengemudi lainnya
faktor konstan. Estimasi ini dihitung mengingat
perubahan yang diproyeksikan dalam suhu rata-rata dan curah hujan bulanan.
Proyeksi Downscaled pada intensitas dan variabilitas
peristiwa hujan di Meksiko, sepengetahuan kami, saat ini
tidak tersedia pada titik waktu ini.
Berdasarkan jumlah kasus yang dilaporkan setiap tahun dalam kumpulan data,
ini akan setara dengan sekitar 7.000 kasus tambahan yang dilaporkan setiap tahun.
Namun, kelebihan beban penyakit yang sebenarnya akan lebih besar dari ini
nilai akan menyarankan. Penelitian sebelumnya telah menunjukkan bahwa untuk setiap orang
laporan dengue resmi yang termasuk dalam pengawasan, ada 10—27
kasus tidak dilaporkan [44,45]. Konsekuensinya, peningkatan nyata mungkin
dari urutan 70.000 hingga 189.000 kasus tambahan per tahun. Sebagai tambahan,
mungkin ada lebih banyak infeksi asimtomatik. Ada sebuah
bahkan kekhawatiran yang lebih besar dalam hal ini peningkatan infeksi, keduanya
simtomatik dan asimtomatik dapat meningkatkan kejadian
bentuk demam berdarah yang lebih parah. Penelitian sebelumnya di lapangan
telah menunjukkan bahwa infeksi sekunder dengan serotipe baru
meningkatkan risiko dengue berat (lihat misalnya [3,46,47]).
Oleh karena itu, jika insiden demam berdarah meningkat akibat perubahan iklim, maka
dengue berat: rasio dengue berpotensi meningkat.
Meskipun proyeksi kami menunjukkan bahwa insiden demam berdarah dapat terjadi
meningkat dalam jangka panjang, mereka telah dihitung untuk menunjukkan
dampak potensial dari perubahan iklim pada insiden demam berdarah sementara
memegang kekuatan pendorong lainnya konstan. Karena itu, yang diproyeksikan
meningkatnya tren insiden demam berdarah mungkin berbeda di
Adanya strategi adaptasi (misalnya perubahan dalam penyimpanan air
teknologi, serta praktik dan sistem pasokan air)
meringankan dampak buruk perubahan iklim. Penilaiannya
hipotesis ini berada di luar ruang lingkup penelitian ini.
Sebagai kesimpulan, kami telah melaporkan tentang hubungan antara
insiden dengue di Meksiko dan variabel iklim menggunakan salah satu dari
DAS terpanjang dan lebih beragam secara spasial dan data iklim belum
dirakit. Kami berpendapat bahwa hasil kami memberikan banyak perbaikan
model empiris dari hubungan antara dengue dan
iklim dari yang telah disajikan hingga saat ini, karena banyak
set data yang lebih panjang dan penggunaan regresi GAM untuk model yang lebih baik
sifat nonlinier dari hubungan. Seperti model yang ditingkatkan
sangat penting untuk membantu membuat perkiraan yang lebih baik tentang dampak iklim
mengubah demam berdarah ke masa depan. Akibatnya, kami berpendapat lebih lanjut
bahwa dataset ini dapat digunakan untuk menarik kesimpulan tentang hubungan antara dengue
dan wilayah cuaca dengan yang serupa
fitur iklim dan sosial ekonomi. Kami telah memperkirakan
dampak perubahan iklim di masa depan akan meningkatkan insiden demam berdarah
sekitar 40%, tetapi peningkatan proporsional pada dengue berat
bentuknya mungkin lebih besar.
informasi pendukung
Gambar S1 Diamati vs rata-rata demam berdarah yang diperkirakan GAM
insidensi. Gambar tersebut menunjukkan perbandingan antara yang diamati
dan perkiraan rata-rata insiden dengue bulanan GAM di seluruh dunia
Meksiko sepanjang tahun (atas), musim hujan (tengah), dan
musim kemarau (lebih rendah). Musim hujan terjadi antara bulan November–
April, dan musim kemarau antara Mei – Oktober. Insiden itu
diekspresikan dalam kasus / 100.000 orang.
(BERTENGKAR)
Table S1 Model estimasi menggunakan representasi berbeda dari
tren jangka panjang dan musiman. Nilai dalam huruf tebal adalah signifikan
di level 0,001. Model asli adalah seperti dalam Persamaan 1. Model 2
menggantikan variabel waktu halus (Persamaan 1) dengan kategori
variabel untuk tahun kalender dan bulan. Model 3 menggunakan kategori
variabel untuk tahun dan musim kalender. Model 4 termasuk a
variabel kategori untuk tahun kalender dan istilah sinusoidal untuk
musim. Istilah sinusoidal dapat dinyatakan sebagai dosa (26p6 kali /
12) + cos (26p6time / 12), di mana waktu adalah indeks variabel 1, ..., n.
Model 5 mencakup tren linier dan fungsi sinusoidal identik
itu untuk Model 4.
(DOKTER)
Tabel S2 Rata-rata estimasi tahunan rata-rata GAM provinsi
insiden dengue (per 100.000 orang) di bawah perubahan iklim.
Nilai tahunan rata-rata nasional dimasukkan sebagai referensi.
Interval keyakinan dihasilkan dengan 5.000 Monte Carlo
pengulangan.
(DOKTER)
Ucapan terima kasih
Artikel ini mendapat manfaat dari komentar bijak Dr. Corinne Le
Que´re´ (Pusat Penelitian Perubahan Iklim Tyndall, School of
Ilmu Lingkungan, Universitas East Anglia, Norwich, Inggris), dan
komentar yang berguna dari tiga wasit anonim. Nasional Meksiko
Layanan Meteorologi (SMN) berbaik hati memberikan suhu dan
data curah hujan untuk melakukan penelitian ini.
Kontribusi Penulis
Diciptakan dan dirancang eksperimen: FJCG CF. Analisis data:
FJCG CF. Alat peraga / bahan / analisis yang disumbangkan: FJCG CF IRL
PRH. Menulis makalah: FJCG. Mengumpulkan data: FJCG. Mengawasi
proyek: IRL PRH. Membahas hasil dan implikasinya: FJCG CF IRL
PRH. Mengomentari manuskrip di semua tahapan: FJCG CF IRL PRH