為了減緩蜱傳疾病的快速蔓延，理想的公共衛生策略是預測害蟲可能集中在哪裡——並立即將此資訊傳遞給醫療專業人員和公眾。這就是研究人員試圖開發一種準確預測危險蜱蟲可能出現地點的方式的原因。理想情況下，這樣的程式可以像天氣地圖一樣用於預測危險區域。
在蜱傳疾病方面，預警就是預備。例如，如果徒步旅行者收到預報，表明他們將要穿過的樹林很可能存在危險蜱蟲，他們可以採取額外的措施來保護自己，例如使用驅蟲劑、穿長袖衣服和紮緊褲腳。當地的醫療保健提供者可以確保他們關注蜱傳疾病的症狀。地方官員可以建議市民在危險季節如何在戶外做好防護。但是，做出準確的預測是很複雜的。許多因素，並非所有因素都為科學家所充分理解，影響著攜帶疾病的蜱蟲物種將在何時何地繁衍生息——以及它們是否可能攜帶病原體。
每年都有人被診斷出並接受治療蜱傳疾病，例如萊姆病、無形體病和落基山斑疹熱。僅萊姆病一項，每年的病例就接近 50 萬，根據美國疾病控制與預防中心 (CDC) 的估計。而且，隨著許多蜱蟲物種繼續擴大其活動範圍，預計這一數字還會上升。個人防護措施——例如長袖、驅蟲劑以及定期檢查人和伴侶動物——是目前可用的對抗攜帶這些疾病的蜱蟲的最佳防禦措施。但是，實施這些措施需要大量的持續個人工作——正如 COVID-19 大流行清楚地表明的那樣，僅僅告訴人們風險的存在往往不足以促使他們採取行動。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的有影響力的故事的未來。
疾病生態學家理查德·奧斯特費爾德 (Richard Ostfeld) 在凱瑞生態系統研究所表示，由於某些蜱蟲防護措施令人討厭且難以堅持，“您不一定想在任何時候任何地方都採用這些方法。但您可能想在高風險地區採用它們。” 這就是蜱蟲預報可以派上用場的地方：一張“熱圖”顯示哪些地區在特定時間可能會出現大量攜帶疾病的蜱蟲，這將使居民和遊客能夠在必要時做好準備，並在條件更安全時放鬆警惕。“所有這些個人防護措施都極大地受益於瞭解您何時何地處於危險之中，”奧斯特費爾德說。
風險級別隨著攜帶疾病的蜱蟲數量的增減而變化。科學家們已經知道一些可能導致這些數量增加的因素，例如適宜的動物宿主數量充足、冬季溫暖、夏季潮溼以及植被豐富但植物多樣性低的棲息地。研究人員還了解了一些可以降低蜱蟲數量的因素：寒冷的冬天、炎熱乾燥的夏天以及某些生活在土壤中並攻擊昆蟲的微小真菌。
但這些因素中每一個的影響因所涉及的蜱蟲種類而異，並且還會根據每種物種偏好的棲息地型別而變化，國家新興和人畜共患傳染病中心的生物學研究員麗貝卡·艾森說。例如，美洲犬蜱（Dermacentor variabilis）傳播落基山斑疹熱等疾病，在草地地區繁衍生息。鹿蜱（Ixodes scapularis）是萊姆病和其他感染的媒介，更可能生活在林地棲息地。
最初可能看起來無關的環境因素也可能對蜱蟲數量產生強烈但間接的影響。例如，凱瑞研究所對紐約州達奇斯縣的田地進行了數十年的研究，發現了一個強烈而奇特的關聯：噹噹地的橡樹在某一年產生大量橡子時，第二年鹿蜱的數量就會激增。其聯絡是：小型、以橡子為食的齧齒動物，特別是白足鼠（Peromyscus leucopus），它們的數量在橡子豐收的年份也會激增——而它們毛茸茸的身體是蜱蟲在若蟲階段所需的血液的絕佳來源。
還有其他因素可能對蜱傳疾病的傳播產生重大影響，但不一定對蜱蟲種群本身產生重大影響。例如，白足鼠是萊姆病的重要疾病儲存宿主，也是可能傳播給人類的其他疾病的攜帶者。巴德學院疾病生態學家費利西亞·基辛說，如果蜱蟲叮咬了一隻受感染的白足鼠，那麼蜱蟲有 90% 的機會感染引起萊姆病的細菌。基辛和奧斯特費爾德是夫妻，經常合作。相反，如果同一只蜱蟲叮咬了一隻受感染的負鼠，感染的機率只有 3% 左右。這是為什麼呢？基辛說，這是個好問題。當談到疾病如何離開動物儲存宿主並透過蜱蟲傳播給人類時，“我們不知道為什麼，”她說。“我們只知道它會發生。”
還有許多其他未解答的問題。奧斯特費爾德的首要問題是天氣：儘管研究人員大致瞭解可能促進蜱蟲繁殖的氣象條件，但他說，一些具體因素仍然知之甚少。例如，洪水、熱浪或寒流等事件可能會在蜱蟲生命週期的早期殺死它們——或者促使種群激增。“這是一個很大的未知數，”奧斯特費爾德說。
除了處理這些未知因素外，將所有這些因素組合到一個模型中還會帶來其他問題。科學家們正在努力完善模型，將已知的蜱蟲因素結合起來，並輸出類似於天氣預報但用於預測蜱蟲丰度的東西。波士頓大學生態預測實驗室的一項此類舉措涉及使用凱瑞研究所的長期蜱蟲資料來訓練一種稱為貝葉斯網路的機率模型。該實驗室向其模型輸入了許多變數，包括天氣條件和以前的宿主動物種群，以及在寄生蟲尋找宿主的所有三個生命階段（幼蟲、若蟲和成蟲）的估計蜱蟲數量。接下來，研究人員記錄該程式預測實際發生情況的準確程度，並根據已知的蜱蟲資料對其進行檢查。“模型預測會根據先前的預測與實際資料的吻合程度不斷更新，”奧斯特費爾德說。但他補充說，這個專案和其他類似的專案仍處於早期階段。
這種建模的一個主要限制是資料的可用性：雖然凱瑞研究所的蜱蟲記錄詳細而漫長，但它們僅涵蓋了紐約州北部哈德遜河谷的一小部分。美國大多數地方都不存在此類資訊。而且由於蜱蟲種群非常依賴於地點，因此要對其進行準確預測，就需要非常具體的當地資料。為了開始填補這一空白，自 2018 年以來，CDC 一直在釋出全國性的蜱蟲監測資料，以查明幾種具有醫學重要性的蜱蟲的當前分佈範圍。最近，它開始釋出關於七種主要蜱傳疾病的資料。這些資訊可以作為基辛和奧斯特費爾德等科學家以及 CDC 自身研究人員的資源。基辛說，這是“我們應該擁有的那種背景基礎資訊”。
艾森說，CDC 還開始開發自己的機率模型，以預測在何處可能發現大量蜱蟲——以及它們可能在何處傳播感染。“我們生成這些統計模型來找出定義蜱蟲或病原體良好棲息地的因素，”她說。這些模型有助於政府機構分配其有限的資源，並重點關注現在或將來可能發現蜱蟲的新地點。它們主要使用縣級地理、氣候和植被資料。“由此產生的地圖幫助我們確定環境條件看起來適合蜱蟲或病原體持續存在的區域，”艾森補充說，“但在這些區域，我們尚未發現蜱蟲或病原體的記錄。” 然後，他們去這些地點尋找蜱蟲和蜱傳疾病的證據。
這些努力很有幫助，但大多數從事此問題的研究人員都承認，真正的預測——不僅可以預測蜱蟲可能在哪裡，還可以預測這些特定蜱蟲是否可能傳播疾病——仍然遙不可及。資料收集是解決這一難題的一個方面，另一方面是更好地瞭解蜱蟲如何與宿主物種（包括人類和非人類）相互作用，以及節肢動物如何充當疾病的傳播媒介。
即使沒有預測模型，過去的蜱蟲活動記錄也可以指示未來潛在的疾病熱點地區。CDC 已與其他組織和個人合作，製作地圖突出顯示蜱傳疾病正在上升的地區。儘管如此，與天氣預報可能用來顯示高溫或降雨風險區域的地圖不同，這些蜱蟲地圖僅指示已經發現疾病的地區——而不是可能已經在未被發現的情況下傳播的地區。