A Influenza Aviária Altamente Patogênica (HPAI) ameaça aves selvagens e domésticas, mamíferos e humanos. A propagação global da HPAI através de aves selvagens requer detecção oportuna e espacialmente precisa para medidas preventivas aprimoradas. No entanto, detectar surtos na vida selvagem é desafiador devido à dependência da amostragem oportuna e do teste de pequenos números de animais selvagens, resultando em dados insuficientes sobre a distribuição temporal e geográfica das infecções. Nosso objetivo foi criar um modelo de previsão de pontos quentes de HPAI para a Holanda, usando relatos de mortalidade de aves selvagens e incidentes confirmados de HPAI de 2016 a 2022. Variáveis para humanos, aves selvagens e densidade de amostragem foram usadas como ajustes estatísticos em várias combinações. O modelo binomial bayesiano empregou um design de caso-cruzado, onde os incidentes de HPAI em aves selvagens foram os casos, e os controles usaram a mesma data e localização que o caso, mas transpostos para 2019, quando nenhuma HPAI foi relatada na Holanda. Testamos 24 modelos em um design de validação cruzada de dez vezes. O melhor modelo teve uma área sob a curva de 0,68, sensibilidade de 0,47 e especificidade de 0,79, e incluiu mortalidade e densidade de aves selvagens. A distribuição espacial anual das áreas de surto de HPAI prevista para aves selvagens geralmente correspondia aos casos de HPAI confirmados em laboratório, especialmente a partir de 2020, exceto por uma área amostrada de maneira atípica intensiva a oeste de Amsterdã antes de 2020. A maioria das previsões de surto de HPAI ocorreu de outubro a março. Nosso modelo destaca áreas potenciais de surto de HPAI ao longo do tempo e pode ser usado para direcionar esforços de amostragem, potencialmente aumentando tanto a eficácia quanto a oportunidade.
Petie et al. (qui,) estudaram essa questão.