Mauricio canals enfermedades transmitidas por vectores  como respuesta a  cambio climático

884 views
610 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
884
On SlideShare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
28
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Mauricio canals enfermedades transmitidas por vectores  como respuesta a  cambio climático

  1. 1. Enfermedades transmitidas por vectores como respuesta a cambio climático Dr. Mauricio Canals L. Departamento de Medicina,Facultad de Medicina, Universidad de Chile. Departamento de Cs Ecológicas,Facultad de Ciencias, Universidad de Chile.
  2. 2. El impacto en la salud humana Enfermedad/Agente Infectados (WHO, 1976) Infectados actuales Región Vectores Malaria/Plasmodiu m sp. 365 millones + de 300 millones (WHO, 2000) Africa, Asia, América Anopheles sp. Oncocercosis/Onch ocercus volvulus 40 millones 20 millones (WHO, 2002) Africa, Centro y Sudamérica Simulium sp. Filariasis/Wurcherer ia bancrofti y Brugia Malayi 90 millones 120 millones (WHO, 2000) Africa, Asia, Sudamérica Culex sp.; Aedes sp. Etc Tripanosomiasis africana/Trypa nosoma brucei 20 mil 300 a 500 mil (WHO, 2001) Africa Glossina sp. Enfermedad de Chagas/Trypan osoma cruzi 15 millones 6 millones (INCOSUR, 2003) América Reduviidae
  3. 3. Efectos del cambio climático en hospederos y vectores Crecimiento, reproducciíón y desarrollo (Cambio metabólico) Tasa de reproducciób, generaciones por estación (Anopheles gambiae : ciclos gonotróficos más cortos en sitios abiertos más cálidos que en sitios forestados Patrones de actividad Elección de parejas y de hospedero Disponibilidad de sitios de apareamiento Supervivencia: (eventos extremos, límites de tolerancia, disponibilidad de agua, congelamiento, stress térmico) Gubler et al., 2001 Gillooly et al. 2001 Masa (mg) 0 10000 20000 30000 40000 50000 60000 A/M 0 20 40 60 80 100 120
  4. 4. Platz & Olson, 2006
  5. 5. Clima Distribución y abundancia de hospederos y vectores Cambios climáticos (T,HR,Pp) provocan cambios en zonas haciéndolas mas o menos favorables para reproducción y supervivencia Ejemplos: – Mosquitos: Fiebre del valle Rift (arbovirus)(Linthicum et al. 1999) – Malaria (protozoos) (muchos autores) – Pequeños mamíferos: roedores y la Plaga (Kausrud et al. 2007) – Garrapatas: Ixodes ricinus (Sweden)(Lindgren, Talleklint and Polfeldt 2002, Talleklint and Jaenson 1998) – Dermacentor variabilis (Colorado) (Eisen, Meyer and Eisen 2007)
  6. 6. Efectos en el desarrollo de los patógenos Reeves et al., 1994
  7. 7. Período extrínseco de incubación Infectividad Habilidad para desarrollarse en el vector
  8. 8. Efectos en la transmisión: Eficiencia vectorial El primer concepto, eficiencia vectorial, involucra tres eventos: que el vector “i” porte al agente (Ai), que el vector “i” pique al hospedero (Bi) y que el hospedero resulte infectado (C). Considerando estos eventos, la eficiencia vectorial (Ei) se puede escribir como: )()/( iiii APBACPE
  9. 9. Cuántas picadas potencialmente infectantes puede distribuir la población de un vector, a partir de la picada sobre un caso índice?: La capacidad vectorial (CVi) fue definida por Garret- Jones (20-22,25) como el producto de a) la tasa de picada poblacional de un vector (αi), b) el tiempo promedio de vida en que el vector es infectante (esperanza de vida infectante: Γi) y la tasa de picada individual de un vector o hábito de picar de un vector sobre un hospedero particular (ai). Se puede notar que αi = aimi, donde mi es la abundancia del vector, y que ai es el producto de la tasa de picada general (bi) por el índice de sangre humana (human blood index: hi) o proporción de sangre humana en la dieta del vector. Así, la capacidad vectorial se puede expresar como: iiii amCV 2
  10. 10. Impacto vectorial En esta relación cji corresponde a la razón entre la probabilidad de ser picado por otro vector (“j”) y la probabilidad de ser picado por “i”: cji = P(Bj)/P(Bi) (chance u odds) y ERji corresponde a la razón entre las eficiencias entre los otros vectores (“j”) y el vector “i”: ERji = Ej/Ei (10). De esta manera, el impacto que causa un vector es una medida relativa a los otros vectores. Así, si el resto de los vectores son muy eficientes o tienen una alta tasa de picada, el impacto del vector es pequeño, y a la inversa. El impacto vectorial se encuentra relacionado con la eficiencia vectorial a través de ERji y con la capacidad vectorial. Se puede demostrar que si un vector tiene mayor capacidad vectorial que otro, también tiene mayor chance cji. ji jiji i ERc I 1 1
  11. 11. La tasa reproductiva y el teorema de umbral ))(( )/( 2211 12 2 0 NN R 2 2211 12 ))(( / NNDv Canals et al., 2012
  12. 12. DENGUE Bajas temperaturas matan larvas y huevos de Aedes aegypti (Chandler 1945) Temperatura afecta la replicación del patógeno, maduración y la esperanza de vida infectante en el vector (Reiter 1988, Watts et al. 1987) Las epidemias de Dengue están correlacionadas con la pluviosidad en Trinidad (Chadee et al. 2006) Incidencia de Dengue está negativamente correlacionada con la desviación de la temperatura mensual y humedad relativa (Wu 2007) Temperaturas crecientes incrementarán la temporada de transmisión en regiones temperadas (Jetten and Focks 1997)
  13. 13. We predict dengue to be ubiquitous throughout the tropics, with local spatial variations in risk influenced strongly by rainfall, temperature and the degree of urbanization We estimate there to be 390 million (95% credible interval 284–528) dengue infections per year, of which 96 million (67–136) manifest apparently. This infection total is more than three times the dengue burden estimate of the World Health Organization.
  14. 14. MALARIA Africa: epidemias después de sequía. Lluvias sept-Feb explican 2/3 variación casos en Botswana (De-Silva et al. 2004). Temperaturas superficiales del mar relacionadas con ciclos El Niño- La Niña (Thomson et al. 2005, 2006). Otras anomalís climáticas relacionadas con epidemias en Colombia (Poveda et al. 2001) Incidencia se eleva post La Niña en SudAfrica (Mabaso et al. 2006, 2007a, b) Uganda: Incidencia y El Niño (Lindblade et al. 1999) SudAfrica: temperaturas máximas de la estación anterior correlacionadas con los casos de malaria (Craig et al. 2004) Kenya y Etiopia: Lluvias abundantes asociadas con brotes (Lindsay and Martens 1998) Burkina Faso: Temperatura es el mejor predictor de malaria clínica en < 5 años (Ye et al. 2007)
  15. 15. Africa: La incidencia podría disminuir en áreas de alta temperatura y aumentar en otras (lluvias) (Small, Goetz & Hay 2003) Disminución en Africa Tropical (alta T y baja PP). Incremento en Africa al Sur del Sahara. Incremento en Africa Este. Disminución en tierras altas (Emert et al. 2012) 16-28% de incremento en la exposición (persona-mes) (Tanser, Sharp & le Sueur 2003) Podrían existir factores locales que se confunden con efectos climáticos (Reiter et al. 2004) No encontró asociación entre tendencias a largo plazo y brotes de malaria en Africa Este (Hay et al. 2002) No encontró asociación entre lluvia e incidencia annual de malaria en India (Dev 2007).
  16. 16. En Chile: Anopheles pseudopunctipennis En el período 1980-2001 solamente en los años 1984, 1985, 1998 y 2001 se detectaron focos de A. pseudopunctipennis. Dichos focos fueron hallados en las localidades de Lluta, Azapa, Chaca, Camarones, Pachica, Tar apacá y Huarasiña. En 2001 sólo fueron detectados focos en las cuatro primeras localidades antes mencionadas, los cuales estaban relacionados con desborde de ríos en la época estival, consecuencia del invierno altiplánico En 2012: Lluta 76%, Azapa 48%, Chaca 36%, Camarones 7% Aguas tranquilas: riachuelos, acequias, pantanos, etc.. 25-27oC. Desde 0 a 2800msnm.
  17. 17. LEISHMANIASIS Bahia, Brasil : relación entre ïndice El Niño e incidencia de Leishmaniasis visceral. Aumentos post-El Niño en 1989 (+38.7%) y 1995 (+33.5%). El Niño-3 index y la tendencia temporal dan cuenta del 50% de la varianza temporal de la incidencia de LV (Franke et al. 2002). Colombia. Durante El Niño 85-2002, aumentan casos lo inverso en la Niña (Cardenas et al. 2002)
  18. 18. Parasitologia al día 2013
  19. 19. CHAGAS La distribución de los vectores de la E. de Chagas disease vectors se encuentra asociada a altas temperaturas (n días >20°C), baja HR y a asociaciones vegetales particulares (Carcavallo 1999, Lorenzo and Lazzari 1999, Dumonteil et al. 2002). La dispersión es mayor a altas temperaturas y es estacional (Vasquez-Prokopec et al. 2006, 2006, Abraham et al. 2011) Schofield CJ, Lehane MJ, McEwan P, Catalá SS, Gorla DE: Dispersive flight by Triatoma infestans under natural climatic conditions in Argentina. Med Vet Entomol 1992, 6:313–317. Distribucion de vectores en Chile bien explicada por factores climáticos a macro escala, a microescala la distribución responde a variaciones microambientales y disposición de recursos (Hernández et al. 2013)
  20. 20. Fluctuaciones estacionales en mortalidad y fecundidad T. infestans (Canals et al. 1991) Cambios en la prop adultos, por cambios en m y f en T. infestans (Canals et al. 1991) Variabilidad ambiental induce aumento t de desarrollo y G y reducción de r y Ro en T. infestans (Canals et al. 1992) M mat. Dinámica de la e de Chagas, umbral 0.5 v/H (Canals & Cattan 1992) Estimaciones de CV, E e impacto V (Canals et al. 1993) Reproducción y supervivencia de M. spinolai en ambiente habitacional (Canals et al. 1994) Variación estacional en proporción de infectados en M. spinolai (Ordenes et al. 1996) Temperaturas preferidas de 24 °C en T. infestans y M. spinolai. Una diurna, otra nocturna (Canals et al. 1997) Condiciones variables aumentan mortalidad, 25 °C parece ser crítico para la población de M. spinolai (Ehrenfeld et al. 1998) Estimación de tasas de picada M. spinolai y T. infestans, M. spinolai en gral no emite deyecciones sobre presa (Canals et al. 1999) M. spinolai en grupo peridomiciliario por alimentación (Canals et al. 2000) El hombre en la dieta de M. spinolai, amplitud del nicho aumenta en verano (Canals et al. 2001) Aumentos de densidad en verano de M. spinolai (Pinochet et al. 2002) Aumento del ámbito de hogar en verano de M. spinolai (Botto-Mahan et al. 2005) Hallazgo de focos silvestres de T. infestans (Bacigalopo et al. 2006) Mayor supervivencia en cohortes alimentadas con O. cuniculus (Acuña-Retamar et al. 2009) Epidemiologia molecular (Coronado et al. 2009) Nuevos focos silvestres (Bacigalupo et al. 2010) Mapa de riesgo (Hernandez et al. 2013)
  21. 21. WEST NILE VIRUS La temperatura mínima es el mejor predictor de la aparición del virus (Paz 2006) Casos más correlacionados con temperatura extrema que con alta humedad (Cage, CDC, 2013) En Rumania y NY casos asociados a ondas de calor (Cage, CDC 2013) Abundancia de vectores correlacionada con T (Pecoraro et al. 2007)
  22. 22. HANTA Hipótesis de la cascada trófica (Yates et al. 2002) El Niño-Aumento de productividad vegetal-Respuesta densodependiente retardada de la población de roedores- Incremento de casos humanos. La relación entre número de roedores, prevalencia de hanta en ratones e incremento de hanta en humanos varía de región en región (Mills 2005)
  23. 23. Muchas gracias por su atención

×