L’epidemia di influenza aviaria H5N1 ad alta patogenicità verificatasi tra il 2021 e il 2022 nel nord est Italia è stata una delle più gravi di sempre, con il coinvolgimento di 317 allevamenti avicoli e oltre 14 milioni di animali. La maggior parte degli allevamenti colpiti dall’epidemia è localizzata in un’area considerata ad alta densità, dove viene allevato circa il 70% del pollame italiano. La diffusione dell’epidemia è stata estremamente rapida, coinvolgendo inizialmente la provincia di Verona per poi espandersi alle province e alle Regioni circostanti, con picchi di oltre 50 nuovi focolai a settimana.
La grande velocità con cui l’epidemia si è diffusa sul territorio ha fatto emergere due ipotesi principali: 1) possibili fenomeni di contatto diretto tra allevamenti infetti e altre aziende avicole, oppure 2) la presenza di comuni fonti di infezione, che hanno determinato in breve tempo l’emergere di molteplici nuovi focolai.
La sfida per il Laboratorio epidemiologia e analisi del rischio in sanità pubblica (SCS4) dell’Istituto Zooprofilattico Sperimentale delle Venezie (IZSVe) è stato di riuscire a spiegare la dinamica dell’epidemia valutando l’impatto di potenziali fattori di diffusione dell’infezione e utilizzando i dati raccolti durante i sopralluoghi negli allevamenti e le informazioni genetiche ottenute dalle analisi biomolecolari sui virus isolati da ciascun focolaio. Lo studio è stato pubblicato sulla rivista Pathogens.
Network analysis ed epidemia di aviaria 2021-2022
Per condurre questo tipo di analisi è stato scelto di sfruttare la network analysis, una metodologia che trova applicazione in diversi ambiti, tra cui le scienze economiche, sociali, psicologiche, biologiche, ecc. Questo potente strumento di analisi permette di studiare le caratteristiche e le relazioni tra gli oggetti esistenti all’interno di un network: i nodi rappresentano delle entità, gli oggetti, mentre le connessioni rappresentano una relazione esistente tra queste entità.
Nel contesto dell’epidemia 2021-2022, le analisi filogenetiche condotte dal Centro di referenza nazionale per l’influenza aviaria e la malattia di Newcastle hanno rivelato l’esistenza di diversi cluster genetici virali che rafforzano l’ipotesi di una diffusione del virus tra gli allevamenti domestici. Le successive analisi virologiche si sono quindi concentrate a valutare il grado di similarità genetica dei virus sequenziati appartenenti allo stesso cluster.
Nello specifico, i genomi completi di 214 virus sono stati utilizzati per costruire il network filogenetico. In questo network, ogni nodo corrisponde ad un virus identificato in un singolo focolaio, mentre i link mettono in relazione nodi caratterizzati dalla massima similarità genetica. Il network filogenetico rappresenta la base dati di partenza dello studio, su cui è stata applicata la metodica di network analysis denominata Exponential Random Graph Model (ERGM). L’ERGM è un modello statistico capace di spiegare il motivo per cui esiste un link tra due nodi, sulla base di una serie di variabili epidemiologiche. Applicato ad un network filogenetico, l’ERGM mette in relazione le caratteristiche epidemiologiche degli allevamenti colpiti con quelle più strettamente genetiche dei virus trovati. Questo approccio ha quindi consentito di valutare l’impatto di tali variabili sulla possibilità di diffusione dell’infezione tra gli allevamenti.
Le variabili dei network di diffusione virale
Dalle analisi è emerso che solo alcune variabili hanno un effetto significativo nella definizione della struttura del network e, conseguentemente, nella possibile trasmissione della malattia. Tra queste, le più importanti sono risultate l’appartenenza degli allevamenti alla stessa filiera avicola, la durata dell’esposizione degli allevamenti a focolai attivi e la distanza geografica tra le aziende, che suggeriscono importanti implicazioni dal punto di possibili strategie di controllo, gestione e prevenzione di future epidemie di Influenza aviaria sul nostro territorio.
Lo studio dell’epidemia mediante l’applicazione della network analysis, normalmente utilizzata nelle scienze sociali, si è rivelato non solo innovativo ma anche valido per integrare efficacemente i dati virologici ed epidemiologici. Infatti, in molta letteratura scientifica spesso gli aspetti virologici ed epidemiologici di un’epidemia vengono presentati in maniera disgiunta, mentre in questo caso i dati epidemiologici sono stati utilizzati proprio per ‘spiegare’ la struttura dei dati virologici.
Ulteriori sviluppi di questo approccio sono già in cantiere. Per esempio, l’informazione relativa all’evoluzione di un’epidemia nel corso del tempo può essere integrata tramite la creazione di network ‘temporalizzati’, capaci di rappresentare con un quadro più dettagliato le dinamiche di diffusione spazio-temporale delle infezioni; oppure lo studio di malattie che coinvolgono diverse popolazioni (come, per esempio, le malattie trasmesse da vettori) potrebbe essere fatto tramite analisi dei cosiddetti multi-layer network, che integrano un maggior livello di complessità legato alla presenza di più ‘strati’ di entità che interagiscono tra loro all’interno dello stesso sistema.
Il potenziale applicativo della network analysis potrebbe in futuro aiutare gli epidemiologi a comprendere meglio la complessità delle malattie circolanti sul nostro territorio e fornire un efficace strumento di controllo e prevenzione delle epidemie.
Leggi l’articolo scientifico su Pathogens »