Accounting for bias in prevalence estimation: The case of a globally emerging pathogen - Archive ouverte HAL
Article Dans Une Revue Journal of Applied Ecology Année : 2023

Accounting for bias in prevalence estimation: The case of a globally emerging pathogen

Résumé

Abstract Accurate quantification of infection parameters is necessary to ensure effective surveillance, investigation and mitigation of infectious diseases. However, hosts and pathogens are often imperfectly observed and key epidemiological parameters, such as infection prevalence, can be biased if this observational uncertainty is not properly accounted for. Here, we evaluated the combined effects of imperfect pathogen detection and host pseudoreplication on the estimation of infection prevalence of the pathogen Batrachochytrium dendrobatidis (Bd) in the southern Darwin's frog ( Rhinoderma darwinii ). This pathogen causes amphibian chytridiomycosis, a panzootic disease responsible for the greatest documented loss of biodiversity due to an infectious disease. From November 2018 to March 2019, we made 1085 captures of 641 R. darwinii individuals in two areas of Southern Chile. Captured frogs were individually identified to eliminate host pseudoreplication, skin‐swabbed twice in sequence, and each swab was analysed in duplicate using a real‐time polymerase chain reaction (qPCR) assay to detect Bd. To provide a robust estimate of period prevalence, we used a Bayesian multiscale occupancy model that considers pathogen imperfect detection arising from both sampling and diagnostic testing processes. Finally, using a deterministic matrix population model, we illustrated how the method chosen to estimate prevalence influenced our conclusions regarding the impact of Bd infection on host population trajectories. Our results showed that Bd prevalence could be underestimated by 55% if false negatives and host pseudoreplication were not accounted for. Host pseudoreplication had a greater impact on prevalence underestimation than pathogen imperfect detection in our study. This underestimation in prevalence changed our interpretation of the impacts of Bd infections on our model species, from a nearly stable population using the naïve period prevalence to a declining one using our robust estimate. Synthesis and applications . These results highlight the importance of using robust inferences to inform disease risk assessments and to efficiently allocate limited resources during mitigation strategies of infectious diseases. The methods used here can be applied to a wide range of host–pathogen systems, and will be of interest to both researchers and practitioners aiming to investigate and mitigate the impacts of infectious diseases on free‐ranging populations.
Una cuantificación precisa de parámetros epidemiológicos es necesaria para garantizar una eficiente vigilancia, investigación y mitigación de las enfermedades infecciosas. Sin embargo, los hospederos y patógenos suelen observarse de manera imperfecta lo que puede causar que parámetros epidemiológicos claves (p. ej. prevalencia de la infección) estén sesgados si no se considera adecuadamente esta incertidumbre observacional. 2. En este trabajo evaluamos los efectos combinados de la detección imperfecta del patógeno y la pseudoreplicación del hospedero en la estimación de la prevalencia de la infección con el patógeno Batrachochytrium dendrobatidis (Bd) en la ranita de Darwin del sur ( Rhinoderma darwinii ). Este patógeno causa la quitridiomicosis de los anfibios, una enfermedad panzoótica responsable de la mayor pérdida documentada de biodiversidad debida a una enfermedad infecciosa. Entre noviembre de 2018 y marzo de 2019, realizamos 1.085 capturas de 641 individuos de R. darwinii en dos zonas del sur de Chile. Las ranas capturadas se identificaron individualmente para eliminar la pseudoreplicación del hospedero, se les tomaron dos hisopados cutáneos de manera consecutiva, y cada hisopado se analizó en duplicado utilizando un ensayo de reacción en cadena de la polimerasa en tiempo real (qPCR) para detectar Bd. Para proporcionar una estimación robusta de la prevalencia del periodo, se utilizó un modelo Bayesiano de ocupación multiescala que considera la detección imperfecta del patógeno derivada tanto del proceso de muestreo como de la prueba diagnóstica. Por último, utilizando un modelo matricial poblacional determinístico, ilustramos cómo el método escogido para estimar la prevalencia puede influenciar nuestras conclusiones sobre el impacto de la infección con Bd en las trayectorias de la población hospedera. 3. Nuestros resultados mostraron que la prevalencia de Bd podría subestimarse en un 55% si no se tiene en cuenta los falsos negativos y la pseudoreplicación del hospedero. La pseudoreplicación del hospedero tuvo un mayor impacto en la subestimación de la prevalencia que la detección imperfecta del patógeno. Esta subestimación de la prevalencia modificó nuestra interpretación de los efectos de la infección con Bd en nuestra especie modelo, de una población casi estable cuando utilizamos la prevalencia no corregida a una población en declinación cuando utilizamos nuestra estimación robusta de la prevalencia. 4. Síntesis y aplicaciones . Estos resultados destacan la importancia de utilizar métodos robustos al momento de proveer información que pueda utilizarse en la evaluación del riesgo de enfermedades o para asignar eficientemente recursos limitados a estrategias de mitigación de enfermedades infecciosas. Los métodos utilizados en este estudio pueden aplicarse a una amplia variedad de sistemas hospedero‐patógeno, resultando de interés tanto para investigadores como para profesionales que deseen investigar y mitigar los impactos de las enfermedades infecciosas en las poblaciones silvestres.
Fichier principal
Vignette du fichier
published.pdf (2.65 Mo) Télécharger le fichier
Origine Publication financée par une institution
Licence

Dates et versions

hal-04210944 , version 1 (19-09-2023)

Licence

Identifiants

Citer

Hugo Sentenac, Andrés Valenzuela-Sánchez, Natashja Haddow-Brown, Soledad Delgado, Claudio Azat, et al.. Accounting for bias in prevalence estimation: The case of a globally emerging pathogen. Journal of Applied Ecology, 2023, 60 (9), pp.2007-2017. ⟨10.1111/1365-2664.14457⟩. ⟨hal-04210944⟩
36 Consultations
16 Téléchargements

Altmetric

Partager

More