Voorspellen van het importrisico van dengue in Brazilië met deep learning en mobiliteitsnetwerken

Waarom het volgen van dengue-reizen van belang is

Dengue koorts verspreidt zich wereldwijd en Brazilië behoort tot de zwaarst getroffen landen. Dengue reist echter niet alleen met muggen mee; het reist ook met mensen die van de ene stad naar de andere gaan. Deze studie stelt een eenvoudige maar cruciale vraag: kunnen we week na week voorspellen waar geïnfecteerde reizigers dengue het meest waarschijnlijk naartoe brengen, in heel Brazilië? Het antwoord kan volksgezondheidsfunctionarissen helpen om in te grijpen voordat uitbraken uit de hand lopen, door niet alleen naar lokale gevalsaantallen te kijken, maar ook naar hoe menselijke verplaatsing het risico op de kaart herschikt.

Een nieuwe manier om risico in beweging te zien

De auteurs bouwen een voorspellingskader dat in twee fasen werkt. Ten eerste voorspellen ze hoeveel dengue-gevallen elk van de 5.570 gemeenten van Brazilië in de nabije toekomst zal zien, met een deep learning-model dat leert van 14 jaar aan wekelijkse casusrapporten en lokale klimaatomstandigheden. Ten tweede voeren ze die voorspellingen in een gedetailleerd netwerk dat beschrijft hoe mensen zich tussen steden verplaatsen via weg, rivier en lucht. Door “hoeveel infecties hier waarschijnlijk zijn” te combineren met “hoe sterk deze plaats met anderen verbonden is”, schat het systeem in hoeveel dengue-druk elke stad waarschijnlijk van elders zal ontvangen, en creëert het zo een dynamische kaart van importrisico gedurende 2024.

Seizoensgolven zien over een uitgestrekt land

Wanneer de onderzoekers naar de 27 staten van Brazilië in de tijd kijken, zien ze sterke seizoensgolven: dengue-activiteit piekt gewoonlijk van februari tot mei, maar het tijdstip en de intensiteit variëren sterk per regio en jaar. De voorspellingen voor 2024 wijzen op een uitzonderlijk grote nationale toename, met bijzonder zware lasten in het Zuidoosten en delen van het Noorden. Deze patronen zijn belangrijk omdat een regio met vroeg in het seizoen stijgende gevallen een krachtige bron kan worden die geïnfecteerde reizigers via transportcorridors naar nog niet piekende gebieden stuurt. Het kader maakt deze “upstream”- en “downstream”-relaties zichtbaar, in plaats van elke staat als een geïsoleerd eiland te behandelen.

Onzichtbare snelwegen van infectie in kaart brengen

Met behulp van het mobiliteitsnetwerk onthult de studie intrigerende paden waarlangs dengue-risico tussen steden stroomt. De importdruk neemt snel toe van het einde van de zomer naar de herfst en neemt daarna weer af, wat het gebruikelijke seizoen weerspiegelt maar met een ruimtelijke wending: sommige steden liggen op kruispunten. Grote stedelijke centra en transithubs in São Paulo, Rio de Janeiro, Goiás, het Federaal District en andere regio's vertonen aanhoudend hoge inkomende druk. Sommige van deze knooppunten sturen ook veel risico naar buiten, waardoor dikke corridors van tweerichtingsuitwisseling ontstaan, terwijl meer afgelegen dorpen — vooral in delen van het Amazonegebied en het verre zuiden — relatief geïsoleerd blijven.

Bronnen, sinks en verborgen afhankelijkheden

Door te vergelijken hoeveel risico een stad exporteert versus hoeveel ze importeert, identificeren de auteurs “bron”-steden die de nationale verspreiding aansturen en “sink”-steden die voornamelijk infecties van elders ontvangen. Ongeveer twee derde van de gemeenten gedraagt zich als sinks, terwijl een minderheid van sterk verbonden stedelijke gebieden als sterke bronnen fungeert. Op staatsniveau zijn sommige gebieden, zoals São Paulo en Minas Gerais, grotendeels zelfvoorzienend: het merendeel van hun importdruk komt van binnen hun eigen grenzen. Andere, zoals het Federaal District of bepaalde noordelijke staten, zijn sterk afhankelijk van een paar externe leveranciers van risico. Dit bron–sinkbeeld benadrukt waar beheersing stroomopwaarts het meest effectief kan zijn om downstream-uitbraken te verminderen.

Voorspellingen omzetten in actie

Voor volksgezondheidsfunctionarissen is de kernboodschap dat alleen naar lokale casusaantallen kijken een belangrijk deel van het verhaal mist. Een stad met momenteel lage incidentie maar sterke inkomende verbindingen met gebieden met hoge lasten kan aan de rand van een toekomstige uitbraak zitten, vooral als het klimaat en de muggenpopulaties gunstig zijn. Het kader probeert niet elk detail van muggenbiologie of menselijk gedrag te modelleren; in plaats daarvan scheidt het duidelijk twee risicocomponenten: de externe druk van binnenkomende infecties en de lokale omstandigheden die bepalen of die infecties een epidemie ontketenen. Door deze importkaarten bijna in realtime bij te werken, biedt de aanpak een praktische manier om surveillance te prioriteren, responsen tussen staten te coördineren en in principe soortgelijke tools uit te breiden naar andere ziekten die meevaren op menselijke verplaatsing.

Bronvermelding: Chen, X., Moraga, P. Forecasting of dengue importation risk in Brazil using deep learning and mobility networks. npj Digit. Public Health 1, 11 (2026). https://doi.org/10.1038/s44482-026-00015-9

Trefwoorden: dengue-voorspelling, menselijke mobiliteit, openbare gezondheid Brazilië, deep learning, ziekte-importrisico