All’origine dell’epidemia di peste del 1347, che dall’Asia centrale dilagò in tutta Europa decimando almeno un terzo della popolazione, ci furono probabilmente condizioni climatiche particolarmente favorevoli di caldo e umidità. L’interdipendenza fra clima, ambiente e salute però non era ancora chiara; d’altronde i medici di allora non furono nemmeno in grado di capire che la trasmissione del patogeno era causata dalle pulci, propendendo piuttosto per la punizione divina.

dato ambientale temperatura

Dati ambientali come temperatura, quantità di precipitazioni o presenza di vegetazione possono contribuire a comprendere i meccanismi di diffusione di alcune malattie di interesse veterinario.

Oggi la disponibilità di dati ambientali come temperatura, quantità di precipitazioni o presenza di vegetazione può contribuire a comprendere i meccanismi di diffusione di alcune malattie di interesse veterinario. Nell’epoca dei big data e della sanità 4.0, dove la capacità di decodificare fenomeni complessi richiede approcci nuovi e interdisciplinari, anche lo studio di minime variazioni di una variabile ambientale può aiutare a spiegare effetti su vasta scala.

È questa l’idea alla base di EVE (Environmental data for Veterinary Epidemiology), il sistema unico semiautomatizzato sviluppato dai ricercatori del Laboratorio GIS dell’Istituto Zooprofilattico Sperimentale delle Venezie (IZSVe), in grado di trasformare dati numerici in informazioni utili, ad esempio, nella lotta contro le zoonosi. Il sistema al momento è applicato allo studio epidemiologico di West Nile Virus e influenza aviaria.

I cambiamenti climatici osservabili a diverse scale spaziali e storico/temporali sono valutabili anche attraverso le variazioni di parametri ambientali come appunto temperatura, precipitazioni, vegetazione, umidità, salinità dei mari, fino addirittura alla durata della luce diurna. Dal punto di vista epidemiologico, queste variazioni possono influire sulle dinamiche di diffusione di malattie in aree precedentemente non affette, o interferire nella programmazione di attività legate al loro controllo e prevenzione delle zoonosi.


Come funziona EVE?

I dati ambientali possono essere acquisiti tramite l’utilizzo di diversi strumenti o tecnologie, come stazioni meteo e/o satelliti in orbita attorno alla Terra, che registrano continuamente dati della superficie terrestre (remote sensing). Questi dati sono disponibili grazie a un numero di fonti in continua crescita, ma la loro eterogeneità richiede tempo e competenze tecniche per la loro acquisizione e preparazione.

EVE, sistema integrazione dati ambientali

Ricercatori del Laboratorio GIS dell’IZSVe hanno sviluppato un sistema semiautomatizzato per raccogliere, integrare ed estrarre informazioni utili da diverse fonti di dati ambientali, utilizzato nello studio epidemiologico di West Nile Virus e influenza aviaria.

EVE è stato progettato e sviluppato proprio per ridurre i tempi di acquisizione e i possibili errori, e armonizzare i dati per le analisi. Si occupa infatti di acquisire, elaborare, armonizzare, archiviare ed esportare informazioni ambientali direttamente utilizzabili per la valutazione di aspetti epidemiologici in campo veterinario.

La scelta delle fonti dati originali e delle estensioni spaziali è stata definita sulla base di tre scale di lavoro: Triveneto, Italia e Europa. I dati originali, dopo essere stati acquisiti, vengono pre-processati e armonizzati in termini di formato, risoluzione spaziale, risoluzione temporale, struttura dati, tipologia di sensore e unità di misura. Tutte le informazioni elaborate vengono archiviate internamente e possono essere rese disponibili per le analisi successive, secondo le necessità degli epidemiologi.

Attualmente in EVE sono disponibili diverse variabili ambientali ritenute importanti per le analisi epidemiologiche di West Nile Virus e influenza aviaria, per un arco temporale di circa 9 anni (2010-2018, e tuttora in prosecuzione) a tre diverse scale spaziali, in formato sia geografico (raster) che tabellare.

Una volta consolidato, l’utilizzo di queste informazioni , potrebbe servire a definire modelli statistico-matematici più precisi in grado di spiegare fenomeni complessi, o addirittura a rendere i sistemi di early warning più efficaci.