Foto: Intesal.

Crean herramienta para estudiar la distribución de SRS entre centros

Chile: La herramienta de planificación y gestión espacial podría ayudar en la identificación de centros ubicados en áreas de alta diseminación o la selección de nuevas ubicaciones con baja conectividad.

En un estudio asociado al Programa para la Gestión Sanitaria de la Acuicultura (PGSA), científicos chilenos y australianos descubrieron que la conectividad hidrodinámica, temperatura y salinidad del agua eran los principales impulsores de la transmisión de la piscirickettsiosis entre centros de cultivo.

“Revisando las estadísticas de prevalencia de SRS en la región de Los Lagos (de 2015 y 2016) nos dimos cuenta de que las estrategias de prevención y control de la enfermedad tenían una baja efectividad, el 98% de los ciclos de producción analizados habían presentado piscirickettsiosis previo a la cosecha”, comenta a Salmonexpert, el Dr. Francisco Bravo, investigador de Csiro Chile, sobre la problemática desde donde surge investigación.

Adicionalmente, el experto señala que también descubrieron que estas estrategias no consideraban el riesgo de exposición a centros infectados y la transmisión acuática de la enfermedad, una información crítica para anticipar nuevos brotes y aumentar la efectividad de tratamientos con antibióticos.

Por lo mismo, decidieron abordar el problema mediante un trabajo colaborativo entre epidemiólogos, oceanógrafos, estadísticos. Caracterizando cómo la prevalencia de la enfermedad, en cada centro, estaba modulada por el estado sanitario de la red completa de centros, la conectividad hidrodinámica entre centros de cultivo, la temperatura del agua y la salinidad, lograron crear un modelo estadístico que explicara las interacciones.

Dr. Francisco Bravo, investigador de Csiro Chile. Foto: Francisco Bravo.

Detectamos que existen centros con alto potencial de ser infectados y de dispersar enfermedades a otros centros. Esto, producto de su elevada conectividad hidrodinámica con otros centros (“aguas arriba” y “aguas abajo”). A nivel de ACS, encontramos que existen ACSs altamente expuestas a transmisiones de enfermedades desde centros ubicados fuera de las ACSs, un hecho ya descrito anteriormente en términos hidrodinámicos, pero ahora confirmado en términos epidemiológicos”, describe el Dr. Bravo.

Aplicabilidad

Consultado por la aplicación del modelo y recomendaciones para las empresas y autoridades, el investigador señala que “la operacionalización y el empleo habitual de los modelos desarrollados en esta investigación contribuye a refinar estrategias de control de la enfermedad, siendo este el siguiente paso para la adopción efectiva del nuevo conocimiento por parte de la industria y los reguladores”.

“Las herramientas de planificación y gestión espacial se pueden utilizar de manera efectiva para reducir los riesgos de enfermedad en ausencia de información sólida específica de la enfermedad. Esto llama a estudiar mecanismos para mejorar incrementar la distribución de los centros de producción, tarea compleja que requiere un alto nivel de consenso y cooperación entre la industria y la autoridad”, agrega el experto.

Aplicación práctica

De acuerdo con el Dr. Bravo, con el modelo ya validado es posible preguntar por ejemplo: ¿cuál es la probabilidad de que mi centro se infecte hoy en día, considerando que existen 10 centros infectados con SRS “aguas arriba”, y que la salinidad promedio en mi centro en las últimas semanas es de 25 PSU y la temperatura de 10°C? En este caso la probabilidad de infección a la semana 25 es de alrededor de 55% (Bravo y col 2020).

Asimismo, según el biólogo marino, a escala regional el modelo desarrollado podría ayudar en la identificación de centros ubicados en áreas de alta diseminación de enfermedades o la selección de nuevas ubicaciones con baja conectividad.

Adicionalmente, en el caso de un brote de enfermedad, la herramienta también podría ayudar en la designación de zonas de cuarentena basadas en criterios de conectividad y dispersión hidrodinámica en lugar de distancia alrededor de los centros.

“La operacionalización de estos modelos (para que trabajen con datos en tiempo real) y su integración con otros esfuerzos de detección temprana de enfermedades (e.g. basado en signos clínicos y test in-situ), podrían generar potentes herramientas de alerta de riesgo de transmisión acuática de enfermedades y optimizar tratamientos (vacunas y antibióticos) administrados a las poblaciones de cultivo. De nuevo, la operacionalización de los modelos es el siguiente paso crítico”, finaliza el especialista.