Ny modell visar att H5N1 är oupptäckt i amerikanska mjölkbesättningar

Ny modell visar att H5N1 är oupptäckt i amerikanska mjölkbesättningar

En kraftfull simulering av H5N1-överföring över 35 974 amerikanska besättningar visar att viruset är mycket mer utbrett än vad som rapporterats, vilket väcker brådskande krav på bättre jordbruksövervakning och starkare kontroll av sjukdomarna.

I en nyligen publicerad studie publicerad i tidskriftenNaturkommunikationForskare utvecklade och testade en ny modell för överföring av stokastisk metapopulation för att tillhandahålla skalan, epidemiologiska nyckeldata och högsta riskförhållanden i den pågående H5N1-influensaepidemin hos amerikansk mjölkboskap. Modellen simulerar H5N1-överföring mellan 35 974 besättningar i USA, med nötkreatursrörelser informerade av probabilistiska utdata från United States Animal Movement Model (USAMM) och verifierad med Interstate-certifikat för veterinärinspektionsdata.

Modellresultat förutspår att västkuststaterna har den högsta sjukdomsbördan, med Arizona och Wisconsin med den högsta risken för framtida utbrott. Studien belyser luckor i nuvarande biosäkerhetsövervakningssystem och antyder att mejeriutbrott är i prognosen 2025, vilket kräver brådskande insatser för att åtgärda dessa luckor.

bakgrund

Förenta staternas (USA) mejeriindustri står för en betydande del av landets BNP (3%). För sin rutinmässiga funktion kräver industrin frekvent förflyttning av de 9 miljoner mjölkkorna. Tyvärr bidrar denna praxis ofta till överföring av smittsamma sjukdomar (som fågelinfluensa) mellan annars isolerade boskapsbesättningar.

Den amerikanska mejeriindustrin står för närvarande inför ett allvarligt hot – högpatogen aviär influensa H5N1. Utbrottet förde sjukdomen i rampljuset på gårdar i Texas, Kansas och New Mexico (februari 2024). I december 2024 hade detta utbrott överträffat 720 djurbesättningsinfektioner och 35 mänskliga infektioner i USA. Nyligen genomförd fylogenetisk forskning och strukturella analyser av den ansvariga H5N1-stammen tyder på att en specifik enstaka mutation kan räcka för att tillåta bindning av den mänskliga receptorn, vilket väcker oro över landets mjölkvirusreservoar och ökar risken för virusanpassning till människor.

Tyvärr finns det inga forskningsuppskattningar av storleken eller förutsägelserna av H5N1-epidemin eller förutsägelser om framtida hotspots.

"I tidigare utbrott av nötkreaturssjukdomar som spongiform encefalopati och orala sjukdomar i Storbritannien har folkhälsosvaren fått avsevärt stöd av modellstudier för att uppskatta underrapporteringsfrekvensen. Uppskattning av viktiga epidemiologiska mekanismer och kvantifiering av effekten av kontrollpolitik."

Om studien

Den aktuella studien tar itu med dessa kunskapsluckor genom att designa och utveckla en stokastisk metapopulationsöverföringsmodell (SEIR) för att simulera H5N1-överföring i 9 308 707 mjölkkor (35 974 besättningar) över det kontinentala USA (48 stater; 2022 års folkräkningsdata). Den använder en Bayesian evidenssyntesmetode för att uppskatta epidemiologiska parametrar som motsvarar rapporterade utbrott.

Modellsimuleringen initierades genom att infektera fem kor i Texas baserat på fylogenetiska analyser som tyder på en första spridning i december 2023, med ytterligare sådd som speglar tidiga utbrott. Nötkreaturs migration mellan besättningar uppskattades med hjälp av en sannolikhetsfunktion beräknad med hjälp av data från United States Animal Movement Model (USAMM). Modellparametrarna anpassades med Markov-kedjans Monte Carlo-simuleringar.

Modellens mål var att bedöma rätt storlek på H5N1-epidemin, bedöma effekten av nuvarande begränsningsåtgärder på framtida utbrott, identifiera kritiska epidemiologiska data som behövs för att förbereda sig för framtida utbrott och förutsäga framtida hotspots för utbrott.

Studieresultat

Susceptible Infected Infected Infection Dynamics (SEIR) modeller (20 000 stokastiska simuleringar) visade att de flesta nuvarande H5N1-infektioner hos mjölkboskap är koncentrerade till landets västkust. Medan modellen observerades att överskatta falldensiteten i vissa förutspådda utbrott (Texas, Ohio och New Mexico), simulerade modellen framgångsrikt utbrott för stater med frekvent rapportering som Kalifornien, även om den överskattade utbrott i vissa andra stater (Texas, Ohio och New Mexico) som potentiella utbrott där forskare befinner sig i dessa stater.

Oroväckande nog hade bara 16 av de 26 stater där modellen indikerar att en majoritet av simuleringarna skulle ha registrerat ett H5N1-utbrott den 2 december 2024 faktiskt rapporterat ett, vilket tyder på en hög nivå av underrapportering. Arizona och Wisconsin förväntas bli framtida hotspots för H5N1-utbrott. Indiana och Florida har också en betydande risk för H5N1-utbrott.

Forskning om aktuella begränsningsåtgärder visar att de inte är tillräckliga för att kontrollera förekomsten av H5N1 i landet. Noterbart är att den enda nuvarande begränsningsåtgärden som tillämpas i staterna är exporterade nötkreatur (screening upp till 30 kor/besättning för H5N1). Modellförutsägelser visade att en ökning av denna screening till ens 100 kor/besättning endast skulle resultera i en liten minskning av medelutbrott och inte i grunden förändra epidemins bana.

Notera att SEIR-infektionsmodellen inte tar hänsyn till andra zoonotiska virala reservoarer i modellförutsägelser. Den pågående epidemin för influensa och möjligheten att dessa fåglar infekterar boskap kan förvärra modellförutsägelser.

Slutsatser

Den aktuella studien och SEIR-modellen som den presenterar tyder på att aktuella rapporter om H5N1 mjölkboskapsprevalens är en underrepresentation av den verkliga koncentrationen av sjukdomen i USA. Aktuella anti-H5N1-överföringsinsatser är inte tillräckliga för att förhindra ytterligare utbrott under hela 2025. Med den högsta risken för framtida utbrott kräver Arizona, Wisconsin, Florida och Indiana ytterligare övervakningsinsatser.

"Betydande ökningar av tester behövs omgående för att minska osäkerheten i modellprognoser och ge beslutsfattare en mer korrekt bild av den verkliga omfattningen av den nationella epidemin."

Källor: