Geosaúde: mapeamento da biologia das doenças vetoriais nas Américas utilizando dados de satélites da NASA
PDF

Palavras-chave

modelos geospaciais,
geosaúde
AmeriGEOSS

Como Citar

1.
Malone JB, Nieto P del M, Luvall JC, McCarroll JC, Christoferrson RC, Park S-J, Martins M, Fonseca ES, Bavia ME, Avery RH, Pulaski CN, Guimaraes RB. Geosaúde: mapeamento da biologia das doenças vetoriais nas Américas utilizando dados de satélites da NASA. Rev Inst Adolfo Lutz [Internet]. 29º de março de 2018 [citado 4º de dezembro de 2024];77:1-8. Disponível em: https://periodicos.saude.sp.gov.br/RIAL/article/view/34204

Resumo

A implementação de uma fonte de dados de vigilância e um sistema de resposta geoespacial para doenças transmitidas por vetores nas Américas (GeoHealth) será testada utilizando dados provenientes de satélites da NASA, sistemas de informações geográficas e modelagem do nicho ecológico, para caracterizar a suceptibilidade ambiental e o potencial de dispersão de doenças endêmicas e epizooticas transmitidas por vetores vetores. O foco inicial será o desenvolvimento de protótipos de modelos geoespaciais para a leishmaniose visceral, uma doença endêmica e em expansão na América Latina, e modelos geoespaciais para dengue e outros transmitidos pelo Aedes aegypti (zika, chikungunya), arbovírus emergentes com potencial para disseminação epizoótica pela América Latina e Caribe e estabelecimento na América do Norte. Sistemas de vigilância e resposta geoespacial e modelos de recursos em bases de dados abertas serão diponibilizados, com cursos de treinamento, para outros pesquisadores interessados em mapear e modelar outras doenças transmitidas por vetores no hemisfério ocidental e contribuir intermediando dados para uma fonte de dados GeoHealth em expansão, como parte da Iniciativa AmeriGEOSS, da NASA.

https://doi.org/10.53393/rial.2018.v77.34204
PDF

Referências

1. Tourre YM, Lacaux JP, Vignolles C, Lafaye M. Climate impacts on environmental risks evaluated from space: a conceptual approach to the case of Rift Valley Fever in Senegal. Glob Health Action. 2009;2:2053. http://dx.doi.org/10.3402/gha.v2i0.2053

2. Utzinger J, Rinaldi L, Malone JB, Krauth SJ, Kristensen TK, Cringoli G et al. Geospatial Health: the first five years. Geospat Health. 2011;6(1):137–54. http://dx.doi.org/10.4081/gh.2011.166

3. Machault V, Yébakima A, Etienne M, Vignolles C, Palany P, Tourre Y. Mapping entomological dengue risk levels in Martinique using high-resolution remotesensing environmental data. ISPRS Int J Geo-Inf. 2014;3(4):1352–71. https://dx.doi.org/10.3390/ijgi3041352

4. Malone JB, Tourre YM, Faruque F, Luvall JC, Bergquist R. Toward establishment of GeoHealth, an open data portal resource on health mapping and modelling based on Earth observations by remote sensing. Geospat Health. 2014;8(3):S599–602. https://doi.org/10.4081/gh.2014.291

5. Luvall JC. The power of the pixel - A thermodynamic paradigm for studying disease vector’s habitats & life cycles using NASA’s Remote sensing data: GNOSIS, the 8th International Symposium on Geospatial Health. New Orleans; 2014. 1–1

6. De Roeck E, Van Coillie F, De Wulf R, Soenen K, Charlier J, Vercruysse J et al. Fine-scale mapping of vector habitats using very high resolution satellite imagery: A liver fluke case-study. Geospat Health. 2014;8(3):S671–83. https://doi.org/10.4081/gh.2014.296

7. Capolupo A, Pindozzi S, Okello C, Boccia L. Indirect field technology for detecting areas object of illegal spills harmful to human health: application of drones, photogrammetry and hydrological models. Geospat Health. 2014;8(3):S699–707. https://doi.org/10.4081/gh.2014.298

8. Phillips SJ, Anderson RP, Schapire RE. Maximum entropy modeling of species geographic distributions. Ecol Modell. 2006;190:231–59. https://doi.org/10.1016/j.ecolmodel.2005.03.026

9. Mischler P, Kearney M, McCarroll JC, Scholte RGC, Vounatsou P, Malone JB. Environmental and socio-economic risk modelling for Chagas disease in Bolivia. Geospat Health. 2012;6(3):S59-66. https://doi.org/10.4081/gh.2012.123

10. Nieto P, Malone JB, Bavia ME. Ecological niche modeling for visceral leishmaniasis in the state of Bahia, Brazil, using genetic algorithm for ruleset prediction and a growing degree day-water budget model analysis. Geospat Health. 2006;115–26. https://doi.org/10.4081/gh.2006.286

11. Guzman MG, Halstead SB, Artsob H, Buchy P, Farrar J, Gubler DJ et al. Dengue: a continuing global threat. Nat Rev Microbiol. 2010;8(12 Suppl):S7–16. https://doi.org/10.1038/nrmicro2460

12. Rey JR. Dengue in Florida (USA). Insects. 2014;5(4):991–1000. https://doi.org/10.3390/insects5040991

13. Christofferson RC, Mores CN, Wearing HJ. Characterizing the likelihood of dengue emergence and detection in naïve populations. Parasit Vectors. 2014;7:282. https://doi.org/10.1186/1756-3305-7-282

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Copyright (c) 2018 John B Malone, Prixia del Mar Nieto, Jeffrey C Luvall, Jennifer C McCarroll, Rebecca C Christoferrson, Seung-Jong Park, Moara Martins, Elivelton S Fonseca, Maria E Bavia, Ryan H Avery, Cassan N Pulaski, Raul B Guimaraes

Downloads

Não há dados estatísticos.