Modeling of Human Rabies Cases in Brazil in Different Future Global Warming Scenarios.

Bat species have been observed to have the potential to expand their distribution in response to climate change, thereby influencing shifts in the spatial distribution and population dynamics of human rabies cases. In this study, we applied an ensemble niche modeling approach to project climatic suitability under different future global warming scenarios for human rabies cases in Brazil, and assessed the impact on the probability of emergence of new cases. We obtained notification records of human rabies cases in all Brazilian cities from January 2001 to August 2023, as reported by the State and Municipal Health Departments. The current and future climate data were sourced from a digital repository on the WorldClim website. The future bioclimatic variables provided were downscaled climate projections from CMIP6 (a global model ensemble) and extracted from the regionalized climate model HadGEM3-GC31-LL for three future socioeconomic scenarios over four periods (2021-2100). Seven statistical algorithms (MAXENT, MARS, RF, FDA, CTA, GAM, and GLM) were selected for modeling human rabies. Temperature seasonality was the bioclimatic variable with the highest relative contribution to both current and future consensus models. Future scenario modeling for human rabies indicated a trend of changes in the areas of occurrence, maintaining the current pace of global warming, population growth, socioeconomic instability, and the loss of natural areas. In Brazil, there are areas with a higher likelihood of climatic factors contributing to the emergence of cases. When assessing future scenarios, a change in the local climatic suitability is observed that may lead to a reduction or increase in cases, depending on the region.

Modeling the Climatic Suitability of COVID-19 Cases in Brazil.

Studies have shown that climate may affect the distribution of coronavirus disease (COVID-19) and its incidence and fatality rates. Here, we applied an ensemble niche modeling approach to project the climatic suitability of COVID-19 cases in Brazil. We estimated the cumulative incidence, mortality rate, and fatality rate of COVID-19 between 2020 and 2021. Seven statistical algorithms (MAXENT, MARS, RF, FDA, CTA, GAM, and GLM) were selected to model the climate suitability for COVID-19 cases from diverse climate data, including temperature, precipitation, and humidity. The annual temperature range and precipitation seasonality showed a relatively high contribution to the models, partially explaining the distribution of COVID-19 cases in Brazil based on the climatic suitability of the territory. We observed a high probability of climatic suitability for high incidence in the North and South regions and a high probability of mortality and fatality rates in the Midwest and Southeast regions. Despite the social, viral, and human aspects regulating COVID-19 cases and death distribution, we suggest that climate may play an important role as a co-factor in the spread of cases. In Brazil, there are regions with a high probability that climatic suitability will contribute to the high incidence and fatality rates of COVID-19 in 2020 and 2021.

Avaliação da inter-relação de casos de COVID-19 e letalidade com as características climáticas e efeitos da poluição atmosférica

Estudos sugerem que à incidência do SARS-CoV-2 pode ser influenciada por fatores ambientais, como as diferenças climáticas regionais. Para mais, a poluição do ar vem sendo estudada como cofator para mortalidade e letalidade da doença, uma vez que a maioria das condições preexistentes que aumentam o risco de morte pelo vírus, são as mesmas afetadas pela exposição a longo prazo à poluição do ar. O estudo propõe investigar as características climáticas regionais na incidência cumulativa do período, taxa de mortalidade e letalidade por COVID-19 e avaliar os possíveis efeitos da poluição atmosférica na taxa de mortalidade e letalidade por SARS-CoV-2 no Brasil. Trata-se de um estudo ecológico, no qual foram incluídos todos os municípios do Brasil que registraram casos e óbitos durante o período de 4 de março de 2020 à 31 de dezembro de 2021. Os dados relacionados às variáveis climáticas foram obtidos do WorldClim, e os relacionados a concentrações de PM2.5 foram disponibilizadas pelo satélite ERA5 disponível no site Copernicus Atmosphere Monitoring Service (CAMS). Para a realização da modelagem, foram calculados a incidência cumulativa do período, taxa de mortalidade e taxa de letalidade por 100 mil habitantes e realizadas análises de percentis. Ademais, foram utilizados a média da concentração de material particulado (PM2.5) do ano de 2020 e relacionadas as taxas de mortalidade e letalidade. Foi utilizado uma adaptação de modelos de distribuição de espécies (SDM). A escolha dos modelos foi realizada mediante avaliação da estatística ROC. Ao todo foram selecionados sete modelos com maior qualidade preditiva (MAXENT, MARS, RF, FDA, CTA, GAM e GLM). A relação foi estimada utilizando o pacote "biomod2" do software R e os mapas foram melhorados no software QGIS. A variável bioclimática que demonstrou maior contribuição relativa para os modelos preditivos em relação a alta incidência cumulativa e taxa de mortalidade foi a faixa anual de temperatura e letalidade foi a sazonalidade da precipitação. A modelagem indicou maior probabilidade e adequabilidade das condições climáticas em relação à alta incidência em municípios localizados nas regiões Norte e Sul e em alguns pontos da região Centro-Oeste (AUC = 0,85), alta mortalidade sobretudo nas regiões Norte, Centro-Oeste e Sudeste (AUC = 0,88) e alta letalidade em áreas localizadas nas regiões Centro-Oeste, Sul e Nordeste (AUC = 0,82). Análises da concentração de PM2.5 em relação à alta mortalidade (AUC = 0,63) e letalidade (AUC = 0,59) revelaram uma área, de elevada adequabilidade na Região Norte e Sudeste. Essa área coincide com a faixa de queimadas que ocorrem no Brasil e pontos equivalentes a áreas com intensa industrialização. Após modelagem, o estudo sugere que em relação à COVID 19, há regiões no Brasil com maior probabilidade dos fatores climáticos e da poluição atmosférica estarem contribuindo para os elevados indicadores de saúde investigados