Πιστωτική εικόνα: NASA
Πέρυσι περισσότεροι από ένα εκατομμύριο άνθρωποι πέθαναν από ελονοσία, κυρίως στην υποσαχάρια Αφρική. Τα κρούσματα πυρετού του δάγκειου πυρετού, του hantavirus, του πυρετού του Δυτικού Νείλου, του Rift Valley Fever και ακόμη και της πανώλης εξακολουθούν να χτυπούν περιστασιακά χωριά, πόλεις και ολόκληρες περιοχές. Για τους δεκάδες ή εκατοντάδες που υποφέρουν από οδυνηρούς θανάτους, και για τα αγαπημένα τους πρόσωπα, αυτές οι ασθένειες πρέπει να τους εμφανίζονται από το πουθενά.
Ωστόσο, αυτές οι ασθένειες δεν είναι χωρίς ποιήματα ή λόγο. Όταν συμβαίνει ένα ξέσπασμα, συχνά συμβαίνει επειδή οι περιβαλλοντικές συνθήκες όπως οι βροχοπτώσεις, οι θερμοκρασίες και η βλάστηση θέτουν το στάδιο για μια αύξηση του πληθυσμού στα παράσιτα που μεταφέρουν ασθένειες. Τα κουνούπια ή τα ποντίκια ή τα τσιμπούρια ευδοκιμούν και οι ασθένειες που μεταφέρουν εξαπλώνονται γρήγορα.
Γιατί λοιπόν να μην παρακολουθείτε αυτούς τους περιβαλλοντικούς παράγοντες και να προειδοποιείτε όταν οι συνθήκες είναι ώριμες για ένα ξέσπασμα; Οι επιστήμονες έχουν δελεαστεί από αυτήν τη δυνατότητα από τότε που η ιδέα εκφράστηκε για πρώτη φορά από τον Ρώσο επιδημιολόγο E. N. Pavlovsky στη δεκαετία του 1960. Τώρα η τεχνολογία και η επιστημονική τεχνογνωσία συμβαδίζουν με την ιδέα, και φαίνεται να είναι εφικτό ένα σύστημα έγκαιρης προειδοποίησης σε ολόκληρη την περιοχή.
Ο Ronald Welch από το Παγκόσμιο Κέντρο Υδρολογίας και Κλίματος της NASA στο Huntsville της Αλαμπάμα, είναι ένας από τους επιστήμονες που εργάζονται για την ανάπτυξη ενός τέτοιου συστήματος έγκαιρης προειδοποίησης. «Έχω πάει σε κακόβουλες περιοχές τόσο στη Γουατεμάλα όσο και στην Ινδία», λέει. «Συνήθως χτυπώ από τη φτώχεια σε αυτές τις περιοχές, σε επίπεδο που σπάνια παρατηρείται στις Ηνωμένες Πολιτείες. Οι άνθρωποι είναι ζεστοί και φιλικοί, και είναι ευγνώμονες, γνωρίζοντας ότι είμαστε εκεί για να βοηθήσουμε. Είναι πολύ ωραίο να γνωρίζεις ότι συμβάλλεις στην ανακούφιση της ασθένειας και στην πρόληψη του θανάτου, ειδικά των παιδιών. "
Η προσέγγιση που υιοθέτησε η Welch και άλλοι συνδυάζει δεδομένα από περιβαλλοντικούς δορυφόρους υψηλής τεχνολογίας με παλιομοδίτικα, χακί σορτς και σκονισμένες μπότες. Οι επιστήμονες πραγματικά αναζητούν και επισκέπτονται μέρη με κρούσματα ασθενειών. Στη συνέχεια, εξετάζουν τις δορυφορικές εικόνες για να μάθουν πώς φαίνονται οι ασθένειες από το διάστημα. Οι δορυφόροι μπορούν στη συνέχεια να παρακολουθήσουν αυτές τις συνθήκες σε μια ολόκληρη περιοχή, χώρα ή ακόμα και ήπειρο καθώς γλιστρούν σιωπηλά στον ουρανό μία φορά την ημέρα, κάθε μέρα.
Στην Ινδία, για παράδειγμα, όπου η Welch κάνει έρευνα, οι αξιωματούχοι της υγείας μιλούν για τη δημιουργία ενός συστήματος έγκαιρης προειδοποίησης για την ελονοσία μέσω δορυφόρου για ολόκληρη τη χώρα. Σε συνεργασία με τη μαθηματική Jia Li του Πανεπιστημίου της Αλαμπάμα στο Huntsville και το Ερευνητικό Κέντρο Ελονοσίας της Ινδίας, ο Welch ελπίζει να πραγματοποιήσει πιλοτική μελέτη στο Mewat, μια κυρίως αγροτική περιοχή της Ινδίας νότια του Νέου Δελχί. Η περιοχή φιλοξενεί περισσότερους από 700.000 ανθρώπους που ζουν σε 491 χωριά και 5 πόλεις, αλλά έχει μόνο τα δύο τρίτα του μεγέθους του Ρόουντ Άιλαντ.
«Αναμένουμε να μπορούμε να δώσουμε προειδοποιήσεις για υψηλό κίνδυνο ασθένειας για ένα συγκεκριμένο χωριό ή περιοχή έως και ένα μήνα νωρίτερα», λέει ο Welch. «Αυτές οι« κόκκινες σημαίες »θα επιτρέψουν στους υπαλλήλους της υγείας να εστιάσουν τα προγράμματα εμβολιασμού τους, τον ψεκασμό κουνουπιών και άλλες προσπάθειες καταπολέμησης των ασθενειών στις περιοχές που τα χρειάζονται περισσότερο, ίσως αποτρέποντας ένα ξέσπασμα πριν συμβεί.»
Οι εστίες προκαλούνται από μια εκπληκτική ποικιλία παραγόντων.
Για τα είδη κουνουπιών που μεταφέρουν ελονοσία στην περιοχή μελέτης του Welch, για παράδειγμα, ένα σημείο εστία εστίας θα είχε λίμνες στάσιμου νερού όπου τα ενήλικα κουνούπια μπορούν να αποθέσουν τα αυγά τους για να ωριμάσουν σε νέους ενήλικες. Αυτές θα μπορούσαν να παραμείνουν λακκούβες σε πυκνό έδαφος, σαν πηλό μετά από έντονες βροχές, πλημμύρες που βρίσκονται κοντά, ή ακόμη και κουβάδες με βροχή που συνήθως αφήνονται έξω από τους χωρικούς. Ένα hotspot της ελονοσίας θα ήταν πιο ζεστό από τους 18 ° C, διότι σε ψυχρότερες καιρικές συνθήκες, το μονοκύτταρο παράσιτο «πλασμωδίου» που πραγματικά προκαλεί την ελονοσία λειτουργεί πολύ αργά για να περάσει από τον κύκλο μόλυνσης πριν πεθάνει το κουνούπι του ξενιστή. Αλλά ο καιρός δεν πρέπει να είναι πολύ ζεστός, διαφορετικά τα κουνούπια θα πρέπει να κρυφτούν στη σκιά. Η υγρασία πρέπει να κυμαίνεται στο εύρος 55% έως 75% που χρειάζονται αυτά τα κουνούπια για επιβίωση. Κατά προτίμηση, θα υπήρχαν βοοειδή ή άλλα ζώα εντός της εμβέλειας 1 χιλιομέτρου των κουνουπιών, επειδή αυτά τα παράσιτα προτιμούν να τρέφονται με το αίμα των ζώων.
Εάν όλες αυτές οι συνθήκες συμπίπτουν, προσέξτε!
Η τεκμηρίωση ορισμένων από αυτούς τους παράγοντες, όπως ο τύπος του εδάφους και οι τοπικές συνήθειες αποχώρησης κάδου, απαιτεί αρχική έρευνα από ερευνητές στον τομέα, σημειώνει ο Welch. Αυτές οι πληροφορίες συνδέονται σε ένα μηχανογραφημένο σύστημα χαρτογράφησης που ονομάζεται βάση δεδομένων γεωγραφικών συστημάτων πληροφοριών (GIS). Απαιτείται επίσης εργασία πεδίου για να χαρακτηριστεί ο τρόπος συμπεριφοράς των τοπικών ειδών κουνουπιών. Δαγκώνει τους ανθρώπους σε εσωτερικούς ή εξωτερικούς χώρους ή και τα δύο; Άλλοι παράγοντες, όπως οι τοποθεσίες βοσκοτόπων και κατοικιών, εισάγονται στον χάρτη GIS με βάση δορυφορικές εικόνες εξαιρετικά υψηλής ανάλυσης από εμπορικούς δορυφόρους όπως το Ikonos και το QuickBird, οι οποίοι μπορούν να εντοπίσουν αντικείμενα στο έδαφος τόσο μικρά όσο 80 εκατοστά. Στη συνέχεια, οι μεταβλητές σε ολόκληρη την περιοχή όπως η θερμοκρασία, οι βροχοπτώσεις, οι τύποι βλάστησης και η υγρασία του εδάφους προέρχονται από δορυφορικά δεδομένα μέσης ανάλυσης, όπως από το Landsat 7 ή τον αισθητήρα MODIS στον δορυφόρο Terra της NASA. (Το MODIS σημαίνει Φασματόμετρο απεικόνισης ΜΕΤΡΗΣΗΣ ανάλυσης.)
Οι επιστήμονες τροφοδοτούν όλες αυτές τις πληροφορίες σε μια προσομοίωση υπολογιστή που τρέχει πάνω από έναν ψηφιακό χάρτη του τοπίου. Οι εξελιγμένοι μαθηματικοί αλγόριθμοι μασούν όλους αυτούς τους παράγοντες και εκτιμούν τον κίνδυνο εμφάνισης εστιών.
Η βασική ορθότητα αυτής της προσέγγισης για την εκτίμηση του κινδύνου ασθένειας έχει επιβεβαιωθεί από προηγούμενες μελέτες. Μια ομάδα από το Πανεπιστήμιο της Νεβάδας και το Ινστιτούτο Έρευνας Ερήμου κατάφεραν να «προβλέψουν» ιστορικά ποσοστά μόλυνσης από ελάφια-ποντίκια από τον ιό Sin Nombre με ακρίβεια έως και 80%, με βάση μόνο τον τύπο και την πυκνότητα της βλάστησης, την ανύψωση και την κλίση του γη και υδρολογικά χαρακτηριστικά, όλα προέρχονται από δορυφορικά δεδομένα και χάρτες GIS. Μια κοινή μελέτη της NASA Ames / University of California στο Davis πέτυχε ποσοστό επιτυχίας 90% στον εντοπισμό των ορυζώνων στην κεντρική Καλιφόρνια που θα αναπαράγουν μεγάλο αριθμό κουνουπιών και ποια θα αναπαράγουν λιγότερα, με βάση τα δεδομένα Landsat. Ένα άλλο έργο Ames προέβλεπε το 79% των χωριών με υψηλό κουνούπια στην περιοχή Chiapas του Μεξικού βάσει των χαρακτηριστικών του τοπίου που παρατηρούνται σε δορυφορικές εικόνες.
Οι τέλειες προβλέψεις δεν θα είναι ποτέ πιθανές. Όπως ο καιρός, το φαινόμενο της ανθρώπινης νόσου είναι πολύ περίπλοκο. Ωστόσο, αυτά τα ενθαρρυντικά αποτελέσματα υποδηλώνουν ότι μπορούν να επιτευχθούν εύλογες ακριβείς εκτιμήσεις κινδύνου συνδυάζοντας παλιομοδίτικες επιτόπιες εργασίες με τις νεότερες δορυφορικές τεχνολογίες.
«Όλα τα απαραίτητα κομμάτια του παζλ είναι εκεί», λέει ο Welch, προσφέροντας την ελπίδα ότι σύντομα τα κρούσματα της νόσου που φαίνεται να προέρχονται «από το πουθενά» θα τραβήξουν τους ανθρώπους απρόσεκτα πολύ λιγότερο συχνά.
Πρωτότυπη πηγή: Επιστημονική ιστορία της NASA
