Integration of animal health and public health surveillance sources to exhaustively inform the risk of zoonosis: An application to echinococcosis in Rio Negro, Argentina

• Autores: Lawson, Andrew; Boaz, Robertr; Corberan Vallet, Ana; Arezo, Marcos; Larrieu, Edmundo; Vigilato, Marcos; Del Rio, Vilas
• Año de publicación: 2020
• Idioma: inglés
• Tipo de recurso: artículo
• Materia: Ciencias Médicas y de la Salud; Echinococosis; Control; Surveillance; Ciencias Médicas y de la Salud
• Institución: Universidad Nacional de Río Negro

Fil: Lawson, Andrew. Medical University of South Carolina, Charleston, South Carolina, United States of America.
Fil: Boaz, Robertr. Medical University of South Carolina, Charleston, South Carolina, United States of America.
Fil: Corberan Vallet, Ana. University of Valencia, Valencia, Spain.
Fil: Arezo, Marcos. Ministerio de Salud, Viedma, Rio Negro, Argentina.
Fil: Larrieu, Edmundo. Universidad Nacional de Río Negro, Río Negro, Argentina.
Fil: Vigilato, Marcos. Organización Panamericana de la Salud, San Salvador, El Salvador.
Fil: Del Rio, Vilas. Centre for Universal Health,Chatham House, London, United Kingdom.
The analysis of zoonotic disease risk requires the consideration of both human and animal geo-referenced disease incidence data. Here we show an application of joint Bayesian analyses to the study of echinococcosis granulosus (EG) in the province of Rio Negro, Argentina. We focus on merging passive and active surveillance data sources of animal and human EG cases using joint Bayesian spatial and spatio-temporal models. While similar spatial clustering and temporal trending was apparent, there appears to be limited lagged dependence between animal and human outcomes. Beyond the data quality issues relating to missingness at different times, we were able to identify relations between dog and human data and the highest 'at risk' areas for echinococcosis within the province.
El análisis del riesgo de enfermedades zoonóticas requiere la consideración de datos de incidencia de enfermedades georreferenciados tanto en humanos como en animales. Aquí mostramos una aplicación de análisis bayesianos conjuntos al estudio de la equinococosis granulosus (EG) en la provincia de Río Negro, Argentina. Nos enfocamos en fusionar fuentes de datos de vigilancia pasiva y activa de casos de EG animales y humanos utilizando modelos espaciales y espacio-temporales conjuntos bayesianos. Si bien fue evidente una agrupación espacial y una tendencia temporal similares, parece haber una dependencia rezagada limitada entre los resultados animales y humanos. Más allá de los problemas de calidad de los datos relacionados con la falta de datos en diferentes momentos, pudimos identificar las relaciones entre los datos de perros y humanos y las áreas de mayor 'riesgo' de equinococosis dentro de la provincia.