Anopheles albimanus (Diptera: Culicidae) Ensemble Distribution Modeling: Applications for Malaria Elimination

Abstract

In the absence of entomological information, tools for predicting Anopheles spp. presence can help evaluate the entomological risk of malaria transmission. Here, we illustrate how species distribution models (SDM) could quantify potential dominant vector species presence in malaria elimination settings. We fitted a 250 m resolution ensemble SDM for Anopheles albimanus Wiedemann. The ensemble SDM included predictions based on seven different algorithms, 110 occurrence records and 70 model projections. SDM covariates included nine environmental variables that were selected based on their importance from an original set of 28 layers that included remotely and spatially interpolated locally measured variables for the land surface of Costa Rica. Goodness of fit for the ensemble SDM was very high, with a minimum AUC of 0.79. We used the resulting ensemble SDM to evaluate differences in habitat suitability (HS) between commercial plantations and surrounding landscapes, finding a higher HS in pineapple and oil palm plantations, suggestive of An. albimanus presence, than in surrounding landscapes. The ensemble SDM suggested a low HS for An. albimanus at the presumed epicenter of malaria transmission during 2018–2019 in Costa Rica, yet this vector was likely present at the two main towns also affected by the epidemic. Our results illustrate how ensemble SDMs in malaria elimination settings can provide information that could help to improve vector surveillance and control.

En ausencia de información entomológica, las herramientas para predecir la presencia de Anopheles spp. pueden ayudar a evaluar el riesgo entomológico de transmisión de la malaria. Aquí se ilustra cómo los modelos de especies (MDE) pueden cuantificar la posible presencia de especies vectoras dominantes en entornos de eliminación de la malaria. Ajustamos un SDM de conjunto de 250 m de resolución para Anopheles albimanus Wiedemann. El SDM de conjunto incluía predicciones basadas en siete algoritmos diferentes, 110 registros de ocurrencia y 70 proyecciones de modelos. Las covariables del SDM incluían nueve variables ambientales que se seleccionaron de un conjunto original de 28 capas que incluían variables medidas a distancia y espacialmente espacialmente interpoladas para la superficie terrestre de Costa Rica. La bondad de ajuste del para el conjunto SDM fue muy alta, con un AUC mínimo de 0,79. Utilizamos el SDM de conjunto resultante de hábitat (HS) entre las plantaciones comerciales y los paisajes circundantes. en las plantaciones de piña y palma aceitera, lo que sugiere la presencia de An. albimanus, que en los paisajes circundantes. que en los paisajes circundantes. El conjunto SDM sugirió una HS baja para An. albimanus en el presunto epicentro de la transmisión de la malaria durante 2018-2019 en Costa Rica, aunque este vector probablemente estuvo presente en las dos principales ciudades también afectadas por la epidemia. Nuestros resultados ilustran cómo los SDM de conjunto en entornos de eliminación de la malaria pueden proporcionar información que podría ayudar a mejorar la vigilancia y el control de vectores.