Valutazione della proteinuria e del follow-up clinico e clinicopatologico in cani affetti da Leishmaniosi canina

Introduzione: la leishmaniosi canina (CanL) è una malattia infettiva, trasmessa da vettore e sostenuta da un protozoo, la Leishmania infantum. La CanL ha assunto sempre più importanza sia in medicina veterinaria che in medicina umana. La leishmaniosi è fortemente associata allo sviluppo di una nefropatia cronica. Disegno dello studio: studio di coorte retrospettivo. Obiettivo: individuare le alterazioni clinico-patologiche prevalenti al momento dell’ammissione e durante il follow-up del paziente, per identificare quelle con un valore prognostico maggiore. Materiali e metodi: 167 cani, per un totale di 187 casi trattati, con diagnosi sierologica e/o citologica di Leishmaniosi e dati ematobiochimici completi, elettroforesi sierica, analisi delle urine e biochimica urinaria comprensiva di proteinuria (UPC) ed albuminuria (UAC), profilo coagulativo (ATIII, d-Dimeri, Fibrinogeno) e marker d’infiammazione (CRP). Dei pazienti inclusi è stato seguito il follow-up clinico e clinicopatologico per un periodo di tempo di due anni e sono stati considerati. Risultati: Le alterazione clinicopatologiche principali sono state anemia (41%), iperprotidemia (42%), iperglobulinemia (75%), ipoalbuminemia (66%), aumento della CRP (57%), incremento dell’UAC (78%), aumento dell’UPC (70%), peso specifico inadeguato (54%) e riduzione dell’ATIII (52%). Il 37% dei pazienti non era proteinurico e di questi il 27% aveva già un’albuminuria patologica. Il 38% dei pazienti aveva una proteinuria nefrosica (UPC>2,5) e il 22% era iperazotemico. I parametri clinicopatologici hanno mostrato una tendenza a rientrare nella normalità dopo il 90° giorno di follow-up. La creatinina sierica, tramite un analisi multivariata, è risultata essere il parametro correlato maggiormente con l’outcome del paziente. Conclusione: i risultati ottenuti in funzione dell’outcome dei pazienti hanno mostrato che i soggetti deceduti durante il follow-up, al momento dell’ammissione avevano valori di creatinina, UPC e UAC più elevati e ingravescenti. Inoltre l’UAC può venire considerato un marker precoce di nefropatia e la presenza di iperazotemia all’ammissione, in questi pazienti, ha un valore prognostico negativo.

Data surveillance for infectious diseases: models, complex networks and machine learning

In this thesis, we investigate the role of applied physics in epidemiological surveillance through the application of mathematical models, network science and machine learning. The spread of a communicable disease depends on many biological, social, and health factors. The large masses of data available make it possible, on the one hand, to monitor the evolution and spread of pathogenic organisms; on the other hand, to study the behavior of people, their opinions and habits. Presented here are three lines of research in which an attempt was made to solve real epidemiological problems through data analysis and the use of statistical and mathematical models. In Chapter 1, we applied language-inspired Deep Learning models to transform influenza protein sequences into vectors encoding their information content. We then attempted to reconstruct the antigenic properties of different viral strains using regression models and to identify the mutations responsible for vaccine escape. In Chapter 2, we constructed a compartmental model to describe the spread of a bacterium within a hospital ward. The model was informed and validated on time series of clinical measurements, and a sensitivity analysis was used to assess the impact of different control measures. Finally (Chapter 3) we reconstructed the network of retweets among COVID-19 themed Twitter users in the early months of the SARS-CoV-2 pandemic. By means of community detection algorithms and centrality measures, we characterized users’ attention shifts in the network, showing that scientific communities, initially the most retweeted, lost influence over time to national political communities. In the Conclusion, we highlighted the importance of the work done in light of the main contemporary challenges for epidemiological surveillance. In particular, we present reflections on the importance of nowcasting and forecasting, the relationship between data and scientific research, and the need to unite the different scales of epidemiological surveillance.