medigraphic.com

2015, Number 1

<< Back Next >>

Rev Med MD 2015; 6.7 (1)

Mixed ecological study in Mexico of the distribution of Aedes aegypti. Public policy implications

Candelario-Mejía G, Rodríguez-Rivas A, Muñoz-Urias A, Ibarra-Montoya JL, Chavéz-Lopez C, Mosso-González C, Cruz-Bastida JM, Ramírez-García SA

Language: Spanish
References: 27
Page: 13-19
PDF size: 1041.56 Kb.


ABSTRACT

Introduction. Dengue is a public health problem in Mexico and the main vector is Aedes aegypti. It may approached by ecological niche modeling, BIOCLIM and MaxEnt. These models include within the analysis biotic and abiotic factors. There are a limited number of these types of studies in Mexico. The aim of this work is to predict the potential niche of Aedes aegypti in the country by using MaxEnt.
Material y Methods. This study is developed on a data base that takes in account 51 registries of Aedes aegipty occurrence in 51 Mexican locations. Four new registries were added from the 2011 and 2012 period. In order to determine the Aedes aegypti niche potential we used the MaxEnt 3.3.3. algorithm. We added to this model a total of 55 referenced points from the species and bioclimatic variables with a 30 second resolution format. Determination was done using the Receiver Operating Characteristic technique, which is used in distribution models based on presence algorithms. The most important climatic variables associated to species were determined using the Jackknife test.
Results. The frequency analysis revealed the potential niche of Aedes aegypti in the entire coastline of Jalisco, Nayarit and Colima. The model demonstrated a good adjust with the training and testing data. We obtained values near one, 0.904 for sensibility and 0.827 for specificity.
Discussion. Our results show a good adjustment of the model to the data with AUC values of 0.904 and 0.827 for training and testing data. This shows that the model is correct and represents current suitability and predictive characteristics for this species in Jalisco.


REFERENCES

  1. 1.-Borja-Aburto VH. Estudios ecológicos. Salud Pública de México2000;4(6):533-538. 2.Guzmán MG, Kourí G. Dengue: anupdate. Lancet Infect Dis 2002; 2:33–42. 3.Regis L, Monteiro AM, Varjal MA, Silveira JC, Freire A, et al. Developing new approaches for detecting and preventing Aedesaegypti population outbreaks: basis for surveillance, alert and control system. Mem Inst Oswaldo Cruz 2008;103:50-59.

  2. A catalog of the Iposquitoes of the world (Diptera: Culicidae) (Eds). Knight KL, Stone A. 2a. edición. Baltimore, The Thomas Say Foundation 1977; vol 6, pp 611.

  3. Aedes aegypti: Biología y ecología (Eds). Nelson MJ. Washington, D.C, Organización Panamericana de la Salud, 1986 .pp36.

  4. Carrada BT, Vázquez L. Ecología del dengue y del A. aegypti. Investigación preliminar: 2a. parte. Salud Publica Mex 1984;26(2):170-189.

  5. 7 . Gorrochotegui-Escalante N, Muñoz ML, Fernández-Salas I,Beaty BJ, Black.Genetic isolation by distance among Aedesaegypti populations along the northeastern coast of México.Am J Trop Med Hyg 62: 200–209.

  6. Garcia C, García L.December 2011. Abundancia y distribución de Aedes aegypti (Diptera: Culicidae). Rev. Biol. Trop 2011. Vol. 59 (4): 1609-1619

  7. Badii M,Landeros J. Ecology and history of dengue in Americas. Daena: International Journal of Good Conscience 2007; 2(2): 248-273.

  8. Cenaprece. Programa de acción especifico 2007- 2012 dengue. Disponible en: http://www.cenave.gob.mx/progaccion/dengue.pd f

  9. Barrera RY, Zaragoza F. Geomorfología del estado de Jalisco proyecto”ordenamiento ecológico del estado” las estructuras del relieve del estado de Jalisco. 2007. Disponible en: http://siga.jalisco.gob.mx/moet/SubsistemaNatur al/GeologiaYGeomorfologia/sintgeo.htm

  10. Bonet GFJ. Modelos algorítmicos. In: Réplica del III Taller sobre modelización de nichos ecológicos de GIF. 14-16 marzo de 2007. Madrid, España. http://www.gbif.es/formaciondetalles.php?IDFor m=22#ad-image-0.

  11. Benito de Pando B, Peñas de Giles J. Aplicación de mo d e los de distribución de especies a la conservación de la biodiversidad en el sureste de la PeninsulaIberica. Geofocus 2007;7 100-119.

  12. Benito de Pando B. Peñas de Giles J. Modelos predictivos aplicados a la conservación de la flora amenazada invernaderos vs Linaria nigricans en el sureste árido Ibérico (Eds). Departamento de botánica, Universidad de Granada, Granada, España. 2007. pp. 33-47.

  13. Contreras MR, Luna V,. Rios M. Distribución de Taxus globosa (Taxaceae) en México. Modelos ecológicos de nicho, efectos del cambio del uso de suelo y conservación. Revista Chilena de Historia Natural 2010; 83: 421-433.

  14. Black IV, William C, Bennett KE, Gorrochótegui- Escalante N. Flavivirus Susceptibility in Aedesaeg ypti. Archives of Medical Research 2002:33379–388.

  15. Bennett KE, Olson KE, Muñoz ML. Variation In Vector Competence for Dengue 2 Virus Among 24 Collections of Aedesaegypti from Mexico and The United States. Am J Trop Med Hyg 2002; 67(1).85–92.

  16. Garcıa GP, Flores AE, Fernandez-Salas I, Saavedra-Rodríguez K, Reyes-Solis G, Solano- Fuentes S, et al. Recent Rapid Rise of a Permethrin Knock Down Resistance Allele in Aedes aegypti in Mexico. PLoS Negl Trop Dis2009;3(10): e531.

  17. 19 . Micieli M, Casas M, . Orozco B, Bond CJ. Diversidad y distribución geográfica de las especies de culícidos de importancia médica en la región centro occidental de México. Instituto Nacional de Salud Pública. Centro Regional de Investigación en Salud Pública. Informe final SNIBCONABIO. Proyecto No. FE009. México,D.F.2012.

  18. Algoritmos para el Alerta Temprana de Dengue en un Ambiente Geomático. Instituto de Altos Estudios Espaciales Mario Gulich (Eds).Lanfri S, Frutos N, Porcasi X, Rotela C. Comisión Nacional de Actividades Espaciales. Centro Espacial Teófilo Tabanera, Córdoba, Argentina. 40JAIIO - CAIS. 2011.pp 89.

  19. 21.Candelario-Mejía G, Rodríguez-Rivas A, Muñoz- Urias A, González-Carcamo J, Candelario VA, Mosso-González C, et al. Estudio observacional de la fluctuación espacial y temporal de Aedes aegypti, en el área metropolitana de Guadalajara, México. Rev Méd MD, 2014 6(1): 5-12.

  20. 22.Phillips SJ, Dudik M. Modeling of species distributions with Maxent, new extensions and a comprehensive evaluation. Ecography 2008;31: 162- 175.

  21. García M. Modelos predictivos de riqueza de diversidad vegetal. Comparación y optimización de métodos de modelado ecológico. Memoria de Tesis Doctoral Universidad Complutense de Madrid, Facultad de Ciencias Biológicas. Departamento de Biología Vegetal. Madrid, España. 2008. pp188.

  22. Hurtado A. Uso de modelos de predicción como herramienta para estimar el área de distribución potencial de la especie Anibaperutilis Hemsley (Comino Crespo) en el Departamento del Valle del Cauca. Tesis de Pregrado. Fundación Universitaria de Popayán, Facultad de Ciencias Naturales. Programa de Ecología Popayan, Colombia 2007. pp 57.

  23. Scott R, Larson JP, Degroot LC. Ecological niche modeling of potencial. West Nile virus vector mosquito species in Iowa. J insect Science 2010;10:110.

  24. Pearson RG, Raxworthy CJ, Nakamura M, Peterson AT. Predicting species distributions from small numbers of occurrence records: A test case using cryptic geckos in Madagascar. J Biogeography 2007;34(1): 102-117.

  25. Micieli MV, Garcia JJ, Achinelly MF, Marti GA. Dinámica poblacional de los estadios inmaduros del vector del dengue Aedes aegypti (Diptera: Culicidae): un estudio longitudinal (1996-2000). Rev Biol Trop 2006;.54(3):979-983.

  26. De la Cruz FV, Veda-Moreno D, Valdés-MurilloA. Aspectos ecológicos de la incidencia larval de mosquitos (Diptera: Culicidae) en Tuxpan, Veracruz, México. Rev Colomb Entomol 2012; 38(1): 128-133.

  27. De la Cruz FV, Veda-Moreno D. Aspectos ecológicos de la incidencia larval de mosquitos (Díptera: Culícidae) en Tuxpan, Veracruz, México. Revista Colombiana de Entomología 2012;38(1):128-133.




2020     |     www.medigraphic.com