||
巴克等人引用了在南美洲高风险环境中由普通吸血蝙蝠传播的人类狂犬病发病率为每100,000人中有960人死亡,这一估计最初由施耐德及其同事公布。这个令人震惊的数字引发了蝙蝠研究人员和倡导者之间的通信交流,强调了吸血蝙蝠传播人类狂犬病的主要知识差距,以及这些不确定性对蝙蝠保护和人类健康构成的挑战。在这里,贝克和他的同事们详细阐述了紧急问题。我们的目标是促进关于狂犬病从吸血蝙蝠传播到人类的有效沟通。
施耐德等人对风险的估计来自巴西的一个社区,该社区是专门选择的,因为蝙蝠吸食人血的发生率很高(23%的居民在前一年被咬过)。人类被蝙蝠咬伤的相似和更高频率(23,27,41,70和88%的居民)并不罕见,但这种调查的性质——总是无组织的,而且经常是在人类狂犬病爆发之后——意味着经常遭受蝙蝠袭击的社区的真实频率大部分是未知的。
第二个阻碍人类狂犬病传播的因素是吸血蝙蝠狂犬病流行病学的直接结果。这种病毒偶尔出现在当地的蝙蝠种群中,可能是通过灭绝-再定居动力学或其他复杂的时空过程维持的,这些过程在很大程度上仍是未知的。因此,蝙蝠种群中爆发的频率和蝙蝠被感染的比例是评估人类风险所需的关键变量。尽管数据有限,但爆发的频率似乎很低。影响同一社区的人类狂犬病反复爆发的例子很少被记录,表明没有局部病毒循环的时间很长。在疾病爆发期间被感染的蝙蝠的比例也不为人所知,但是据报道估计高达10%的蝙蝠群落,这就有可能导致大量的人类死亡。在研究的村庄中,有1到39人在疫情爆发期间被感染。由于疫情通常发生在只有几百人的偏远社区,相当大的比例(总人口的1-7%)可能会受到直接影响。很明显,当爆发时,当地风险和健康影响很大,需要采取行动。
从空间和时间上来看,任何一个人感染人类狂犬病的可能性都非常低。这造成了一个明显的沟通问题,可能会在公共卫生和蝙蝠保护之间产生冲突。时空平均值不能很好地捕捉当地风险,这损害了正在进行的预防高风险地区蝙蝠叮咬(例如,分发蚊帐)和狂犬病(即大规模暴露前疫苗接种运动)的公共卫生倡议。仅仅关注疾病爆发的风险估计会让人们害怕蝙蝠,这有三个负面影响。首先,它不必要地提醒人们。其次,它放大了蝙蝠的负面公众形象。第三,它给保护蝙蝠的努力蒙上了一层阴影。
通过讨论所有可用估计的局限性,我们希望鼓励对人类狂犬病进行更细致的讨论,包括公共卫生从业者和蝙蝠保护者。展望未来,评估吸血蝙蝠传播人类狂犬病负担的另一种方法是使用报告给国际卫生机构(如泛美卫生组织或世界卫生组织)的病例数据。要做到这一点,可靠的统计模型需要使用辅助数据,以适应疾病发病率报告不足的情况。虽然狗传播的狂犬病和从吸血蝙蝠传播到牲畜的狂犬病已经实现了这一点,但我们还不知道将这种方法用于推断吸血蝙蝠传播的人类狂犬病的负担的努力,在这种情况下,报告可能会受到文化、社会经济、教育和地理因素的阻碍。理解生活在高风险条件下的人类社区的优势部分(例如,通过地理上随机的问卷调查)和蝙蝠种群中狂犬病爆发的频率和规模(通过对野生蝙蝠的纵向监测)是必须填补的关键知识空白,以使这种估计有意义。
Nat Ecol Evol
Actions
. 2020 Apr;4(4):517-518.
doi: 10.1038/s41559-020-1144-3. Epub 2020 Mar 16.
M Brock Fenton 1 , Daniel G Streicker 2 3 , Paul A Racey 4 , Merlin D Tuttle 5 , Rodrigo A Medellin 6 , Mark J Daley 7 , Sergio Recuenco 8 , Kevin M Bakker 9
Affiliations Expand
· 1 Department of Biology, University of Western Ontario, London, Ontario, Canada. bfenton@uwo.ca.
· 2 MRC-University of Glasgow Centre for Virus Research, Glasgow, UK.
· 3 Institute of Biodiversity, Animal Health and Comparative Medicine & College of Medical Veterinary and Life Sciences, University of Glasgow, Glasgow, UK.
· 4 Centre for Ecology and Conservation, University of Exeter, Penryn, UK.
· 5 Merlin Tuttle's Bat Conservation, Austin, TX, USA.
· 6 Institute of Ecology, UNAM, Mexico City, Mexico.
· 7 University of Western Ontario & The Vector Institute for Artificial Intelligence, London, Ontario, Canada.
· 8 Centro de Investigaciones Tecnolόgicas, Biomédicas y Medioambientales, Universidad Nacional Mayor de San Marcos, Ciudad Universitaria UNMSM, Lima, Peru.
· 9 Department of Statistics, University of Michigan, Ann Arbor, MI, USA.
· PMID: 32203471
· DOI: 10.1038/s41559-020-1144-3
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-11-24 10:42
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社