Modeling of the spatiotemporal distribution patterns and transmission dynamics of dengue, for an early warning surveillance system

Abstract

As doenças emergentes transmitidas por vetores representam um desafio significativo para a saúde pública global. Nos últimos tempos, os surtos de doenças como a dengue e a febre de chikungunya, aumentaram em frequência. Tal é facilitado pela globalização, pelo aumento do comércio e das viagens, e pela dispersão para novas áreas dos seus vetores invasores. Na Europa, este facto é exemplificado pela recente introdução e estabelecimento de espécies de mosquitos do género Aedes com a subsequente ocorrência de surtos de doenças como a dengue. Com a crescente disseminação da dengue em todo o mundo, a região europeia também tem vindo a registar um aumento de casos - a maioria destes relacionados com viagens. Da mesma forma, tem havido um aumento de eventos esporádicos de transmissão autóctone de dengue em áreas onde ocorre o vetor sob condições ambientais favoráveis. Assim, atualmente, a Europa enfrenta o desafio de avaliar o risco de importação de casos virémicos de dengue e a probabilidade de ocorrência de transmissão local deste vírus. Esta tese visa contribuir para a compreensão dos fatores relacionados com a importação do vírus da dengue na Europa e a sua transmissão neste território, nomeadamente na ilha da Madeira. Para tal foi implementado uma estrutura integrada de modelos computacionais da importação e transmissão da doença. A estrutura combina três submodelos: (i) um modelo explicativo de importação da doença assente em teoria de redes (ii) um modelo preditivo de aprendizagem automática e, (iii) um modelo compartimental de transmissão vetor-hospedeiro. Os modelos de teoria de redes e de aprendizagem automática foram parametrizados com recurso a dados históricos referentes a estimativas de casos importados de dengue em 21 países na Europa e índices que caracterizam parâmetros com relevância na importação da dengue: (i) tráfego de passageiros aéreos, (ii) atividade e sazonalidade da dengue, (iii) taxa de incidência, (iv) proximidade geográfica, (v) vulnerabilidade à epidemia, e, (vi) contexto económico do país de origem. O modelo compartimental de transmissão foi calibrado com parâmetros empíricos referentes ao ciclo de vida do mosquito, à transmissão viral e à variação anual de temperatura do Funchal, na ilha da Madeira. Os resultados dos modelos de teoria de redes e aprendizagem automática demonstram um maior risco de importação de casos virémicos de países com elevado tráfego de passageiros, elevadas taxas de incidência, situação económica débil e com maior proximidade geográfica em relação ao país de destino. O modelo de aprendizagem automática alcançou elevada performance preditiva, com uma pontuação AUC de 0,94. O modelo compartimental de transmissão demonstra a existência de um potencial de transmissão da dengue no Funchal nos períodos de verão e outono, com a data de chegada da pessoa infeciosa a afetar significativamente a distribuição no tempo e tamanho do pico da epidemia. Da mesma forma, a variação sazonal da temperatura afeta dramaticamente a dinâmica da epidemia, em que temperaturas iniciais mais quentes levam a surtos de maiores proporções, com o pico de casos a ocorrer mais cedo. A estrutura de modelação descrita nesta tese tem o potencial de servir como uma ferramenta integrada de vigilância de alerta precoce para a ocorrência de surtos de dengue na Europa. Este trabalho fornece orientação prática para auxiliar as autoridades de saúde pública na prevenção de surtos de dengue e na redução do risco de transmissão local, em áreas onde ocorrem os vetores. Essa estrutura, com os devidos reajustamentos, pode ser aplicada a outras doenças transmitidas por Aedes, como chikungunya e febre amarela.

Emerging vector-borne diseases pose a significant global public health challenge. In recent times, outbreaks of diseases, such as dengue and chikungunya fever, have increased in frequency. This is facilitated by globalization, increase in trade and travel, and the spread of invasive vectors into new areas. In Europe, this is exemplified by the recent introduction and establishment of Aedes mosquito species and subsequent outbreaks of diseases like dengue. With the increasing spread of dengue worldwide, the European region has also experienced increase in reported cases - majority being travel related. Likewise, there has been an increase in sporadic events of autochthonous dengue transmission, in areas with established vector presence and favourable environmental conditions. Europe is currently faced with the challenge of assessing its importation risk of viraemic cases of dengue, and the probability of local transmission. This thesis aims to study the dynamics of viraemic cases importation and virus transmission of dengue fever in Europe, namely in Madeira Island. This is achieved by establishing an importation and transmission modelling framework. The framework combines three sub-models: (i) a network connectivity importation model (ii) a machine learning predictive model and, (iii) a compartmental vector-host transmission model. The network connectivity and machine learning model were both parameterized using a historical dengue importation data for 21 countries in Europe, and indices that characterize important parameters for dengue importation: (i) the air passenger traffic, (ii) dengue activity and seasonality, (iii) incidence rate, (iv) geographical proximity, (v) epidemic vulnerability, and (vi) wealth of a source country. The transmission model was calibrated using empirical parameters for the mosquito life history traits, viral transmission, and temperature seasonality of Funchal, Madeira Island. The results of the network connectivity and machine learning models demonstrate a higher importation risk of a viraemic case from source countries with high passenger traffic, high incidence rates, lower economic status, and geographical proximity to a destination country. The machine learning model achieved high predictive accuracy with an AUC score of 0.94. The transmission model demonstrates the potential for summer and autumn season transmission of dengue in Funchal, with the arrival date of the infectious person significantly affecting the distribution of the timing and peak size of the epidemic. Likewise, seasonal temperature variation dramatically affects the epidemic dynamics, with warmer starting temperatures producing large epidemics with peaks occurring more rapidly. The modelling framework described in this thesis has the potential to serve as an integrated early warning surveillance tool for dengue in Europe. This work provides practical guidance to assist public health officials in preventing outbreaks of dengue and reducing the risk of local transmission in areas with vectors presence. This framework could be applied to other Aedes-borne diseases such as chikungunya and yellow fever.