Изменение колимата может ускорить распространение лихорадки денге

Новое исследование предупреждает о потенциальном ускорении распространения трансмиссивных заболеваний из-за климатической изменчивости. Ученые призывают правительства усилить меры наблюдения и готовности к возможным вспышкам.

Согласно данным исследования, внутренняя изменчивость климата представляет собой значительный источник неопределенности в прогнозировании распространения заболеваний, переносимых комарами, пишет Planet Today. Популяции комаров Aedes, переносящих лихорадку денге, уже расширяют ареал в Европе и Северной Америке. В 2023 году впервые зафиксированы локальные случаи передачи заболевания near Лос-Анджелеса и Парижа, а также обнаружены комары Aedes albopictus в Великобритании.

Ученые проанализировали три основных источника неопределенности климатических прогнозов: различия в моделях циркуляции, сценарии выбросов парниковых газов и естественную изменчивость климата. Исследование показывает, что последний фактор часто недооценивается при оценке рисков распространения заболеваний.

На примере Лондона исследователи продемонстрировали, что к 2080 году 38% прогнозной неопределенности среднегодовой температуры и 48% неопределенности в количестве дней, благоприятных для передачи денге, могут быть обусловлены естественной климатической изменчивостью.

Анализ пяти других городов подтвердил существенный вклад климатической изменчивости в прогнозы распространения заболеваний. Ученые отмечают, что межгодовые колебания температуры могут привести к более раннему появлению благоприятных условий для вспышек заболеваний.

Авторы исследования рекомендуют включить оценку климатической изменчивости в системы прогнозирования рисков распространения заболеваний. Они подчеркивают необходимость упреждающих мер, включая наблюдение за переносчиками, контроль мест размножения комаров, развитие клинической диагностики и информирование населения.

Исследование также указывает на необходимость учета дополнительных климатических факторов и социально-экономических параметров в будущих моделях для повышения точности прогнозов.