Eidgenössisches Volkswirtschaftsdepartement EVD Bundesamt für Veterinärwesen BVET Sensitivität der Überwachung der Aviären Influenza Anwendung der Szenariobaum-Methode Ruth Hauser, Annette Sauter, J. Danuser, M. Reist, Daniela Hadorn Bundesamt für Veterinärwesen, Bern DVG-Fachtagung Epidemiologie & Dokumentation Graz 3. 5. September 2008
Szenariobaum-Methode Entwickelt von: Tony Martin, Angus Cameron und Matthias Greiner Referenz: P.A.J. Martin, A.R. Cameron, M. Greiner Preventive Veterinary Medicine 79 (2007) 71 97 Demonstrating freedom from disease using multiple complex data sources 1: A new methodology based on scenario trees http://www.ausvet.com.au/freedom/ 2
Szenariobaum-Methode Was kann sie? Die Sensitivität einer Überwachungskomponente schätzen Den Prozess einer Überwachungskomponente modellieren Alle Faktoren, die die WK einer Infektion oder des Erkennens beeinflussen, einbeziehen Populationen in kleinere Gruppen mit gleicher WK aufteilen Die Wahrscheinlichkeit einer Einheit (Tier/Herde), ein positives Resultat zu erhalten, berechnen 3
Arbeitsschritte der Szenariobaum-Methode Risikofaktoren definieren: Population wird unterteilt in Subpopulationen gemäss ihren Risiken für Infektion und Erkennen der Krankheit Überwachungskomponenten definieren Daten zusammentragen Annahme Wissen Modell: Excel und @RISK Wahrscheinlichkeitsverteilung Simulieren Ergebnisse analysieren und vergleichen 4
Elemente der AI-Überwachung Risikofaktoren Überwachungskomponente Überwachungsziel Risikogebiet Klinik Früherkennung Wirtschaft/ Hobby Geflügelherde Stichprobe Risikogebiete Prävalenz Freilandhaltung Serologie Prävalenz Legehennen Mast Enten Gänse Totfunde Früherkennung hreszeit Wildvogel gd/reuse/ Beifänge Prävalenz Vogelart Sentinellaenten Übertragung 5
Szenariobaum klinische Überwachung Geflügel Freiland Wirtschaft sgeflügel Herde infiziert Indoor Geflügel herde Tiere zeigen Symptome Hobbygeflügel Tierhalter erkennt Kranke US auf AI wird gemacht Fall verpasst Test ist positiv 6
Klinische Überwachung Geflügel Eingabewerte und Resultate Inputwert Berechnung 1 Berechnung 2 Herdenprävalenz P*H 0.01 0.001 Tiere zeigen klinische Symptome Wirtschaftsgeflügel Tiere zeigen klinische Symptome Hobby Tierhalter erkennt kranke Tiere Wirtschaftsgeflügelhaltung Tierhalter erkennt kranke Tiere Hobbyhaltung Tiere werden auf AI untersucht Testsensitivität Pert(0.95;0.99;1.0) Pert(0.01;0.05;0.1) Pert(0.62;0.75;0.9) Pert(0.01;0.02;0.05) Pert(0.95;0.98;1.0) Pert(0.70;0.85;0.99) SSe Klinik 0.999 0.55 7
Überwachungskomponenten beim Geflügel P*= 0.01 Überwachungskomponente Sensitivität Klinik 0.999 Stichprobe Risikogebiete 0.95 Legehennen / Mastpoulets 0.699 8
Elemente der AI-Überwachung Risikofaktoren Überwachungskomponente Überwachungsziel Risikogebiet Klinik Früherkennung Wirtschaft/ Hobby Geflügelherde Stichprobe Risikogebiete Prävalenz Freilandhaltung Serologie Prävalenz Legehennen Mast Enten Gänse Totfunde Früherkennung hreszeit Wildvogel gd/reuse/ Beifänge Prävalenz Vogelart Sentinellaenten Übertragung 9
Kombination passive + aktive Überwachung bei Wasservögel Wasservogel Vogel lebend Vogel gestorben Vogel mit AI infiziert Vogel mit AI infiziert Test positiv Proben erhoben Vogel gejagt, in Reuse Fall verpasst Kadaver gefunden Proben erhoben Test positiv 10
Kombination passive + aktive Überwachung bei Wasservögel Eingabewerte und Resultate Inputwert Winter 05/06 Winter 07/08 Relatives Risiko Totfunde Pert(2.35;3.19;4.13) Prävalenz P* 0.01 WK Kadaver wird gefunden WK Proben erhoben und untersucht werden Pert(0.1;0.2;0.3) Pert(0.5;0.7;0.9) WK Vogel gejagt oder in Reuse 0.0169 WK Vogel untersucht 0.0803 # untersuchte Totfunde 883 56 # aktiv untersuchte 0 681 SSe Winter 05/06 resp. 07/08 0.956 0.195 11
Diskussionspunkte Szenariobaum: Risikofaktoren, relative Risiken, Datenquellen Risikogruppen, Populationsdaten, Epidemiologie der Krankheit Wahl der Design Prävalenz: Krankheitsfreiheit, internationale Vorgaben Früherkennung, Ziel: erster Fall Prävalenzschätzung, Definition des akzeptierten Risikos? 12
Diskussionspunkte Inputwerte: genaue Zahl aus Registern, Untersuchungszahlen, Publikationen Annahmen aus Expertenmeinung, Berechnungen mit Extremwerten Verteilungen nach Gefühl? Sensitivitätsanalyse Einblick in das Modell Annahmen bei Inputwerten beeinflussen Sensitivitätsanalyse 13
Vielen Dank 14