Sviluppo e analisi di un modello spazialmente esplicito di trasmissione del colera integrato con previsioni di precipitazione : applicazione all'epidemia di Haiti

In this work we propose an epidemiological model to study the current Haiti cholera outbreak, began in October 2010. In particular, the spread of Vibrio cholerae is described via a spatially explicit Susceptible-Infected-Recovered-Bacteria model, accounting for hydrological transport and for the mobility of susceptible and infected individuals among different communities. Given the correspondence between the epidemic resurgence and the beginning of rainy season, we propose a variant of the model to explicitly account for rainfall as a driver increasing the baseline contamination rate. The aim of this work is to generate rainfall forecasts to utilize them as an input of the epidemiological model. In this way it is possible to study different scenarios for the evolution of the disease. We propose different options to perform rainfall forecasts, specifically we analyze methods based on statistical properties of the time series (mean, 25th percentile and 75th percentile), on typical year’s rainfall, on ARX models and on point rainfall Poisson’s generators. The epidemiological model, calibrated until 28th May 2011, is used to predict the evolution of the cholera outbreak up to December 2013. We show that, by introducing precipitation as an epidemiological driver, it is possible to describe also the observed pattern of cholera cases until September 2011, which in particular increase in correspondence of the rainy season, starting in June. Moreover, when used as a predictor the model shows a resurgence of cholera in September 2012 and in September 2013. The intrinsic value of this analysis consists in the generation of a large number of possible rainfall scenarios and therefore also epidemiological ones, which permit to implement intervention policies and strategies appropriated to the expected development of the disease, both in the short and in the long term.

In questo lavoro si propone un modello epidemiologico per descrivere l’epidemia di colera diffusasi ad Haiti da ottobre 2010 e tuttora in corso. In particolare, si utilizza un modello Sucettibili-Infetti-Ristabiliti-Batteri spazialmente esplicito, che descrive la diffusione di Vibrio cholerae attraverso il trasporto idrologico e gli spostamenti sia degli individui suscettibili che di quelli infetti tra le diverse comunità. Dopo aver osservato una relazione tra la risorgenza dell’epidemia e l’inizio della stagione delle piogge, si propone una variante al modello che considera esplicitamente la precipitazione come una forzante esterna, che modifica il tasso di contaminazione da Vibrio cholerae. L’obiettivo di questo lavoro è quello di effettuare delle previsioni di precipitazione da inserire come ingresso nel modello epidemiologico suddetto, per poter generare degli scenari di diffusione dell’epidemia. Si propongono diverse alternative per prevedere le precipitazioni, in particolare si analizzano metodi che si basano sulle statistiche della serie storica (media, 25-esimo percentile e 75-esimo percentile), sulle precipitazioni dell’anno tipico, su modelli ARX e su generatori puntuali di precipitazione poissoniani. Il modello, che è stato calibrato fino al 28 maggio 2011, viene utilizzato per simulare l’evoluzione dell’epidemia di colera fino a dicembre 2013. Si mostra che, con l’introduzione di previsioni di precipitazione, è possibile predire anche l’andamento dei casi di colera che, nella fattispecie, aumentano in corrispondenza della stagione piovosa verificatasi tra giugno e settembre 2011. Il modello prevede inoltre delle risorgenze della malattia in corrispondenza di settembre 2012 e di settembre 2013. Il valore intrinseco di questa analisi risiede principalmente nel gran numero di possibili scenari di precipitazione generati e, di conseguenza, anche epidemiologici, che permettono di implementare delle politiche di intervento adeguate allo sviluppo previsto della malattia, sia nel breve che nel lungo periodo.