Mechanistyczny model wielogatunkowy pojawienia się i kontroli afrykańskiego pomoru świń w Rumunii

Dlaczego to ma znaczenie dla rolników i bezpieczeństwa żywnościowego

Afrykański pomór świń to śmiertelna choroba świń, która zdziesiątkowała miliony zwierząt na całym świecie, zagrażając utrzymaniu rolników i podnosząc ceny wieprzowiny. Rumunia była jednym z krajów Europy najmocniej dotkniętych, z ogniskami zarówno w przyzagrodowych trzodach w wsiach, jak i w populacjach dzików w pobliskich lasach. W tym badaniu użyto szczegółowego modelu komputerowego, aby rozplątać, jak wirus przemieszczał się między gospodarstwami a dziką fauną podczas pierwszej dużej fali epidemii w 2018 roku — oraz sprawdzić, które środki kontrolne mogłyby rzeczywiście pomóc opanować takie ognisko.

Dwa powiązane światy: świnie wiejskie i dziki

Rumuńska wieś jest usiana wsiach, gdzie wiele gospodarstw domowych trzyma kilka świń w prostych zagrodach. W pobliskich lasach i na polach żyją dziki. Gdy afrykański pomór świń pojawił się w południowo-wschodniej Rumunii w 2018 r., przypadki szybko pojawiły się w obu tych środowiskach. Badacze potraktowali każdą wieś jako jedno duże gospodarstwo i podzielili krajobraz na heksagonalne płaty, które mogły obejmować populacje dzików. Następnie wykorzystali oficjalne raporty o zakażonych gospodarstwach i znalezionych zwłokach dzików od czerwca do grudnia 2018 r., aby odtworzyć, w jaki sposób choroba prawdopodobnie przeskakiwała z miejsca na miejsce i między typami gospodarzów.

Budowanie cyfrowej epidemii na mapie

Zespół stworzył model „mechanistyczny”, co oznacza, że opiera się na prostych zasadach dotyczacych rozprzestrzeniania się zakażenia: które gospodarstwa lub płaty z dzikami mogą się kontaktować, jak szybko wykrywane są zakażone miejsca i jak długo pozostają zakaźne. Przetestowali 256 różnych wariantów modelu, zmieniając założenia takie jak to, czy gospodarstwa głównie zarażają najbliższych sąsiadów, czy rozprzestrzeniają chorobę szerzej, oraz czy do lokalnego rozprzestrzeniania trzeba dodać wprowadzania na duże odległości do populacji dzików. Następnie zachowali tylko wersje, które najlepiej odtwarzały rzeczywiste krzywe epidemiczne — ile nowych zakażonych gospodarstw i płatów z dzikami pojawiało się każdego tygodnia w każdym z sześciu powiatów.

Kto kogo zarażał?

Gdy znaleziono model najlepiej dopasowany, badacze użyli go do oszacowania najbardziej prawdopodobnego źródła każdego nowego zakażenia. Dla gospodarstw z trzodą obliczyli, że około trzy na pięć zakażonych gospodarstw było powiązanych z innymi gospodarstwami objętymi ogniskiem, nieco ponad jedna na cztery była powiązana z obszarami zakażonych dzików, a pozostałe przypadki wynikały z zakażeń pochodzących spoza modelowanego systemu, na przykład ruchów na duże odległości. W przypadku płatów zajętych przez dziki większość zakażeń pochodziła od innych zakażonych obszarów dzików, ale znaczna część pochodziła od gospodarstw. Zalesione płaty o dostatecznym pokryciu drzew stanowiły ogniska: te obszary były wielokrotnie bardziej podatne na zakażenie i przekazywanie infekcji niż tereny bardziej otwarte. Razem te wzorce pokazują, że dwie populacje gospodarzy tworzyły silnie powiązaną sieć, a nie odrębne epidemie.

Testowanie strategii kontroli typu „co jeśli”

Rumunia już stosowała standardowe zasady kontroli podczas fali w 2018 r., w tym uśmiercanie świń na wykrytych gospodarstwach i ustanawianie stref nadzoru o promieniu 10 km. Model pozwolił autorom przeanalizować kilka scenariuszy „co jeśli”: szybsze usuwanie zwłok dzików, poprawę pasywnego nadzoru w gospodarstwach, aby zakażenia były wykrywane wcześniej, oraz bardziej agresywne strategie uboju, które albo natychmiast usuwają całe gospodarstwo, albo prewencyjnie uśmiercają sąsiednie gospodarstwa, gdy w pobliżu wykryto przypadki u dzików. Chociaż te interwencje zwykle zmniejszały medianę rozmiaru epidemii w symulacjach, korzyści były umiarkowane i bardzo niepewne, i żadna z nich nie miała silnego wsparcia statystycznego wskazującego wyraźne przewyższenie odpowiedzi bazowej. Realia społeczne, takie jak opór wobec masowych prewencyjnych ubojów trzód przyzagrodowych, dodatkowo ograniczają, co można praktycznie zrobić.

Ograniczenia modelu i danych

Badanie podkreśla również trudności związane z modelowaniem choroby zwierząt gospodarskich w rzeczywistym świecie. Nadzór nad dzikami był niejednolity i prawdopodobnie nie wykrył wielu przypadków, zwłaszcza na odległych terenach. W obrębie wsi dostępne były ograniczone informacje o tym, ile gospodarstw trzyma świnie i jak ze sobą współdziałają, więc każda wieś musiała być traktowana jako jedna jednostka. Na wczesnym etapie epidemii wysiłki wykrywające mogły szybko wzrosnąć, ale model zakładał stały poziom nadzoru. Te luki oznaczają, że choć ogólne wzorce są solidne — w szczególności znaczenie transmisji międzygatunkowej — to precyzyjne procenty obarczone są szerokimi pasmami niepewności.

Co to oznacza dla przyszłych ognisk

Dla osób nienależących do specjalistów najważniejsze przesłanie jest takie, że kontrola afrykańskiego pomoru świń w miejscach takich jak Rumunia nie może koncentrować się wyłącznie na gospodarstwach lub wyłącznie na dzikiej faunie. Świnie przyzagrodowe i dziki nieustannie się nawzajem zarażają, zwłaszcza na obszarach leśnych i wokół nich. Model sugeruje, że nawet dość silne wersje obecnych strategii prawdopodobnie nie wykorzenią wirusa, chyba że stanowić będą część szerszego przemyślenia obejmującego obie grupy gospodarzy, lepszy nadzór nad dziką fauną oraz realistyczne uwzględnienie lokalnej kultury i ekonomii. Zamiast obiecywać szybkie wytępienie, władze mogą potrzebować planować długoterminowe zarządzanie niskopoziomowym krążeniem wirusa w populacjach dzików, równocześnie stosując poprawioną bioasekurację i monitorowanie, by zapobiegać ponownym wdarciom do stad domowych.

Cytowanie: Hayes, B., Vergne, T., Rose, N. et al. A multi-host mechanistic model of African swine fever emergence and control in Romania. Nat Commun 17, 2659 (2026). https://doi.org/10.1038/s41467-026-70769-6

Słowa kluczowe: Afrykański pomór świń, rumuńskie gospodarstwa świni, transmisja dzików, modelowanie chorób, kontrola chorób zwierząt gospodarskich