预测莱姆病热点可以帮助公共卫生官员引导资源并主动向公众传达信息。但这种疾病的生态学是复杂的，涉及各种宿主动物、作为疾病载体的黑腿蜱、致病因子本身、伯氏疏螺旋体细菌以及它们所生活的环境。

该研究发表在《应用生态学杂志》上，阐明了莱姆病生态学中这两个参与者之间的关系：细菌和环境。由获得博士学位的TamTran领导在宾夕法尼亚大学艺术与科学学院的生物系，与导师达斯汀布里森、该系教授、沃顿商学院的ShaneJensen以及纽约州卫生部的同事一起，研究调查了变量如何由于景观干扰和气候影响B.burgdorferi的分布和丰度。结果是一个强大的分析模型，可以准确地预测莱姆病细菌在景观中的流行和分布，这可能是帮助减轻疾病传播的有用的公共卫生工具。

“我们知道莱姆病对公共健康的威胁越来越大，但我们还没有找到解决它的好方法。病例数量不断增加，”现为弗吉尼亚联邦大学医学生的Tran说。“这里令人兴奋的是，通过了解环境如何影响蜱系统和细菌，我们可以预测景观中何时何地会有更多的病原体。”

在当前的研究中，Tran、Brisson、Jensen和同事主要关注影响B.burgdorferi的因素，他们通过确定他们采样的黑腿蜱感染细菌的比例来测量其流行率。Tran说，较早的在莱姆病和环境变量之间建立联系的尝试导致了混合、不清楚甚至有时甚至是相互矛盾的结果，部分原因是“环境”的贡献可以如此多方面。

为了建立他们的模型，研究团队从2009年至2018年间在纽约州数百个地点收集的近19,000只黑腿蜱的数据。他们评估了十多年来数百个地点的受感染和未受感染的蜱数量如何与当地环境特征保持一致，分为四大类：

景观因素，例如海拔、火灾历史以及与道路等基础设施的距离;

脊椎动物宿主种群大小，包括人、熊、鸟和鹿;

监测条件，包括采集时的当地温度和湿度以及采集标本的努力;和

气候措施，例如月平均温度、降水量和低于冰点温度的天数。

通过强大的计算机模型对这些变量进行各种分组，研究人员可以梳理出哪些变量对确定感染率影响最大。

“主要发现是气候是模型中的一个压倒性特征，”Tran说。“栖息地干扰也很重要，我们发现在某些情况下与早期研究的结果相反。”

虽然之前的分析发现，干扰的增加——比如火灾、穿过森林的道路和支离破碎的栖息地——导致了伯氏疏螺旋体数量的增加，但宾夕法尼亚大学领导的团队发现，干扰更少、更完整的栖息地通常与感染细菌的蜱虫数量更多。

在使用2009-18年收集的数据开发模型后，他们测试了该模型在预测2019年收集的数据中发现的流行率和分布的能力。

“我们发现它非常准确，”Tran说。“很棒的是，我们用来创建模型的许多数据都是免费的，这意味着其他地方可能能够复制这些发现来帮助预测莱姆病风险，特别是在气候和景观与新约克。”

干预措施可以是公共卫生信息，警告公园游客，例如疾病风险，“提醒他们做蜱检查，”Tran说。这些发现还可以帮助指导未来的土地管理，利用生态的力量来潜在地降低莱姆病的风险。