Climate-driven host ecology as a framework for zoonotic disease risk: Understanding transferability across arenavirus systems.

چکیده اصلی

Mechanistic frameworks linking climate to zoonotic disease risk through host ecology remain rare, limiting transferable insights across systems. We develop a Bayesian framework combining an integral projection model of rodent demography with a compartmental disease model. Applied to capture-mark-recapture data from the Natal multimammate mouse (Mastomys natalensis; N = 20,249 captures, 1994-2023) and serological data on the Lassa virus-related Morogoro arenavirus (N = 7,850 tests, 2010-2017), the framework jointly estimates climatic, demographic, and transmission parameters. Rainfall was a dominant driver of rodent recruitment, with seasonal rainfall explaining 52.1% (95% CrI 2.1 to 79.0%) of modeled recruitment variation. In a field-first, we estimate that 79.1% (95% CrI 69.3 to 88.9%) of infected pregnancies result in vertical transmission, identifying this as the primary mechanism maintaining viral persistence between breeding seasons. We assess framework transferability to capture the seasonal dynamics of Lassa fever outbreaks in Nigeria (N = 6,469 laboratory-confirmed cases, 2018-2025), substituting model climate inputs without refitting any parameters. Predicted peaks in rodent subadult infections preceded observed outbreaks by 0.92 mo (95% CrI -2.76 to 0.92), with 83% of predicted and observed peaks falling within ±28 d [Pr(Δ ≤ 28d) = 0.83], substantially outperforming seasonal rainfall or rodent demography [Pr(Δ ≤ 28d) ≤ 0.11]. Infected adult peaks lagged observed outbreaks by 0.92 mo [Pr(Δ ≤ 28d) = 0.56], suggesting subadults might primarily be responsible for zoonotic hazard. Outbreak magnitude was not reproduced, likely reflecting human behavioral and surveillance factors beyond the model's scope. These results illustrate how mechanistic frameworks grounded in reservoir host ecology can yield transferable insights into zoonotic risk, with potential application across other climate-sensitive host-pathogen systems.

ترجمه فارسی چکیده

چارچوب‌های مکانیکی که اقلیم را از طریق اکولوژی میزبان به ریسک بیماری‌های زونوزی متصل می‌کنند نادر هستند که این امر درک انتقال‌پذیری بین سیستم‌ها را محدود می‌کند. ما یک چارچوب بیزی توسعه دادیم که یک مدل پروژه‌ای انتگرال جمعیت جوندگان را با یک مدل بیماری کابینت ترکیب می‌کند. این چارچوب بر داده‌های ضبط-علامت‌گذاری مجدد در موش ناتال چندشکمی (Mastomys natalensis؛ N = 20,249 ضبط، 1994-2023) و داده‌های سرولوژیک در مورد آرانویروس موروگورو مرتبط با ویروس لاسا (N = 7,850 تست، 2010-2017) کاربرد یافت تا پارامترهای اقلیمی، جمعیتی و انتقال را مشترکاً برآورد کند. بارش باران عامل غالب جذب جوندگان بود، با بارش فصلی که 52.1٪ (95% CrI 2.1 تا 79.0٪) از تغییرات مدل‌سازی شده جذب را توضیح داد. در یک مطالعه میدانی اول، برآورد کردیم که 79.1٪ (95% CrI 69.3 تا 88.9٪) از بارداری‌های آلوده منجر به انتقال عمودی می‌شوند که این را به عنوان مکانیسم اصلی حفظ پایداری ویروس بین فصل‌های زادآوری شناسایی کردیم. ما انتقال‌پذیری چارچوب را برای ارزیابی پویایی‌های فصلی شیوع تب لاسا در نیجریه (N = 6,469 مورد تأیید آزمایشگاهی، 2018-2025) ارزیابی کردیم، با جایگزینی ورودی‌های اقلیمی مدل بدون بازآموزی هیچ پارامتری. اوج‌های پیش‌بینی شده عفونت‌های جوان‌سال جوندگان 0.92 ماه (95% CrI -2.76 تا 0.92) قبل از شیوع‌های مشاهده‌شده پیش‌آمدند، با 83٪ از اوج‌های پیش‌بینی شده و مشاهده‌شده در محدوده ±28 روز [Pr(Δ ≤ 28d) = 0.83] قرار داشتند که عملکرد قابل توجهی نسبت به بارش فصلی یا جمعیت‌شناسی جوندگان داشت [Pr(Δ ≤ 28d) ≤ 0.11]. اوج‌های بزرگسالان آلوده 0.92 ماه (95% CrI -2.76 تا 0.92) پس از شیوع‌های مشاهده‌شده تاخیر داشتند [Pr(Δ ≤ 28d) = 0.56] که نشان می‌دهد جوان‌سالان ممکن است عمدتاً مسئول خطر زونوزی باشند. اندازه شیوع بازتولید نشد، که احتمالاً به عوامل رفتاری انسانی و نظارت بر بیماری‌هایی که فراتر از دامنه مدل است بازمی‌گردد. این نتایج نشان می‌دهند که چگونه چارچوب‌های مکانیکی مبتنی بر اکولوژی میزبان ذخیره‌کننده می‌توانند بینش‌های انتقال‌پذیری در مورد ریسک زونوزی به دست آورند و دارای کاربرد بالقوه در سایر سیستم‌های میزبان-عفونت حساس به اقلیم باشند.

متن کامل اصلی