Het aantal patiënten met een Puumalavirusinfectie varieert over de jaren. Dit wordt sterk bepaald door de grootte van de rosse woelmuispopulatie en het aantal muizen binnen de populatie dat besmet is met Puumalavirus (PUUV Puumala hantavirus (Puumala hantavirus)). Om beter te voorspellen of er in een jaar een verhoogd risico zal zijn op PUUV-infecties bij mensen, is een model gebouwd op basis van gegevens over de zaadproductie van bomen (mast) en buitentemperatuur. De bruikbaarheid van het model zal de komende jaren worden onderzocht.

IB februari 2018

Auteurs: 

Infectieziekten Bulletin, jaargang 29, nummer 2, februari 2018

Het Puumalavirus  is 1 van de 3 soorten hantavirus die in Nederland voorkomen. De andere 2 zijn het Tulavirus en Seoulvirus. De meeste hantavirusinfecties bij mensen worden veroorzaakt door PUUV Puumala hantavirus (Puumala hantavirus); vanaf 2016 tot heden zijn er 4 patiënten geweest die ziek werden door Seoulvirus. In Nederland zijn nog geen patiënten met een Tulavirusinfectie gemeld, ondanks dat het virus voorkomt bij veldmuizen. PUUV-infecties verlopen over het algemeen zonder symptomen. In enkele gevallen treden milde tot ernstige klinische verschijnselen op. Een bekend syndroom is nefropathia epidemica (NE), een milde vorm van hemorragische koorts met renaal syndroom. In Nederland zijn hantavirusinfecties bij mensen meldingsplichtig sinds december 2008. Gemiddeld worden er 15 patiënten per jaar gemeld, variërend van 4 tot 38 per jaar. Het is waarschijnlijk dat er sprake is van onderrapportage van het aantal patiënten met een PUUV-infectie. Een verhoogde alertheid bij huisartsen zou dit deels kunnen ondervangen.

De belangrijkste gastheer voor PUUV is de rosse woelmuis (Myodus glareolus), die zelf niet ziek wordt, maar wel het virus uitscheidt via feces, urine en speeksel. Mensen kunnen geïnfecteerd raken door direct contact met deze uitwerpselen en door inademen van aerosolen, afkomstig van ingedroogde uitwerpselen, bijvoorbeeld bij het schoonvegen van een schuur.

De kans op besmetting met PUUV is dus afhankelijk van de aanwezigheid van rosse woelmuizen en de prevalentie bij rosse woelmuizen. De populatiegrootte en PUUV-prevalentie kunnen per jaar sterk verschillen, waarmee het risico voor mensen om besmet te worden ook jaarlijks varieert. Het meten van de populatiegrootte en PUUV-prevalentie bij rosse woelmuizen is echter tijdrovend en duur.

In 2017 is een model gemaakt om het aantal patiënten met een PUUV-infectie te voorspellen op basis van informatie over mast en buitentemperatuur. (1) Aan de hand van dat model onderzochten we of de voorspellingen van het model overeenkwamen met het daadwerkelijke aantal patiënten. Hoewel de trends overeenkwamen, is het model nog op enkele punten aangepast. In dit artikel worden de resultaten van het aangepaste model getoond.

Methoden

Voor een gedetailleerde beschrijving van het model refereren we naar het gepubliceerde artikel. (1) Hieronder worden de belangrijkste variabelen en de aanpassingen besproken.

Model

De gegevens van het onderzoek zijn geanalyseerd met een Poisson regressiemodel. Regressie-analyse is een techniek om de invloed van voorspellende variabelen (covariaten) op een uitkomstvariabele te onderzoeken. Met het Poisson-regressiemodel kan de incidentie van infecties bij mensen gemodelleerd worden op basis van tijdsafhankelijke covariaten. Voor deze covariaten gebruiken wij een numerieke waarde voor mastintensiteit (per boomsoort) en buitentemperatuur, allen op maandniveau geaggregeerd. Gebruikmakend van de beschikbare gegevens tot een bepaald moment, kan het model worden gekalibreerd – dat wil zeggen dat de best passende parameters worden bepaald - en kan vervolgens een voorspelling voor de periode daarna worden gedaan. Hoe meer data beschikbaar zijn, hoe accurater het model. Hoe langer vooruit gekeken wordt, hoe onzekerder de voorspelling, omdat de gemeten waarden voor mast, buitentemperatuur en infecties bij mensen op een bepaald moment dynamisch variëren, en maar tijdelijk representatief blijven. Deze onzekerheid is duidelijk zichtbaar in figuur 2.

Inputvariabelen

De gegevens over mast zijn op verschillende locaties in Nederland verzameld, voor de beuk, eik en Amerikaanse eik (Figuur 1). De nootjes van deze bomen zijn de voornaamste voedselbron voor de rosse woelmuis. De gegevens worden per boomsoort gemodelleerd omdat de mastproductie van de verschillende boomsoorten niet altijd synchroon loopt. Mastgegevens komen elk jaar beschikbaar in april, en zijn het landelijk gemiddelde van metingen van september het jaar ervoor.

Mastscore van de verschillende typen bomen over de jaren

Figuur 1. Mastscore van de verschillende typen bomen over de jaren

Het model maakt gebruik van de gemiddelde maandelijkse buitentemperaturen, die worden verstrekt door het Koninklijk Nederlands Meteorologisch Instituut (KNMI Koninklijk Meteorologisch Instituut (Koninklijk Meteorologisch Instituut)). Voor iedere te voorspellen maand werd voor de temperatuur het gemiddelde genomen van dezelfde maand in de jaren ervoor (vanaf 2009 tot het voorlaatste jaar).

Uitkomstvariabele

Het model voorspelt de maandelijkse incidentie van patiënten met een PUUV-infectie.Voor de kalibratie van het model zijn alleen patiënten met een hantavirusinfectie geïncludeerd die de infectie hadden opgelopen in Nederland. Wanneer er binnen een periode van 2 weken meer dan 1 patiënt rond 1 besmettingsbron was, bijvoorbeeld  dezelfde schuur, dan werd 1 patiënt geïncludeerd. Patiënten werden toegewezen aan een maand en jaar op basis van hun eerste ziektedag. Als die onbekend was, op basis van de diagnosedatum. 

Resultaten

In de periode van december 2008 tot november 2017 zijn 153 patiënten met een PUUV-infectie  gemeld. De modelvoorspelling is weergegeven in figuur 2, samen met het aantal gerapporteerde patiënten met een hantavirusinfectie. Vanaf 2013 waren voldoende gegevens beschikbaar op basis waarvan het mogelijk was om voorspellingen te doen. Zoals verwacht, wordt de voorspelling beter als er meer gegevens beschikbaar zijn.

Voorspelling (blauwe lijn), met 95% onzekerheidsmarge van het aantal patiënten per maand. Het werkelijke aantal patiënten is aangegeven met grijze staven

Figuur 2. Voorspelling (blauwe lijn), met 95% onzekerheidsmarge van het aantal patiënten per maand. Het werkelijke aantal patiënten is aangegeven met grijze staven

Verder is retrospectief gekeken of in april ook het totaal aantal patiënten met een hantavirusinfectie van april tot en met oktober in dat jaar te voorspellen is. Voor de jaren 2014 tot en met 2017 zijn de voorspelde en gerapporteerde patiënten weergegeven in tabel 1. Deze tabel laat zien dat deze voorspelling ook met de jaren beter wordt, omdat steeds meer gegevens beschikbaar zijn. Wel is het doen van een voorspelling over een periode van een paar maanden minder goed dan die over 1 maand (Figuur 2). Dit komt omdat in het laatste geval de patiënten van iedere voorgaande maand worden geïncludeerd voor kalibratie, terwijl voor een voorspelling over een aantal maanden alleen de gegevens over patiënten tot april kunnen worden gebruikt om een voorspelling te doen over de maanden april tot en met oktober. (Figuur 2).

Tabel 1. Voorspelde en geobserveerde patiënten met een hantavirusinfectie. De aantallen zijn voorspeld met mastdata die in april van dat jaar beschikbaar waren

Jaar 2014 2015 2016 2017
Voorspeld 8,7 3,9 14,7 23,4
Werkelijk 23 5 21 29

Conclusie

Aan de hand van mast- en temperatuurgegevens is het goed mogelijk is om te voorspellen of er in het komende jaar veel of weinig patiënten met een hantavirusinfectie zullen zijn. Interessant is dat mast een goede voorspeller is van de jaar-tot-jaar-variatie in het aantal patiënten met een PUUV-infectie terwijl de temperatuur bepalend is voor de variatie binnen 1 jaar. Deze prognoses kunnen huisartsen en GGD Gemeentelijke Gezondheidsdienst (Gemeentelijke Gezondheidsdienst)’en  van nut zijn om, tijdens perioden waarin meer PUUV wordt voorspeld, patiënten met PUUV-infecties eerder te herkennen. 

In 2018 zal voor het eerst een werkelijke prognose gedaan worden van het aantal patiënten met een PUUV-infectie. Indien nodig zal het model nog verder worden aangepast.

De auteurs bedanken Vilmar Dijkstra van de Zoogdiervereniging voor zijn bijdrage aan de mastgegevens.

Auteurs

M. Maas, R. Pijnacker, A. Swart, Centrum Infectieziektenbestrijding, Rijksinstituut voor Volksgezondheid en Milieu, Bilthoven

Correspondentie

miriam.maas@rivm.nl

1.         Swart A, Bekker DL, Maas M, de Vries A, Pijnacker R, Reusken C, et al. Modelling human Puumala hantavirus infection in relation to bank vole abundance and masting intensity in the Netherlands. Infect Ecol Epidemiol. 2017;7(1):1287986.