Il cambiamento climatico sta modificando la distribuzione e la stagionalità di numerosi vettori di interesse sanitario. Tra questi rientrano i flebotomi o pappataci (Diptera: Psychodidae, Phlebotominae), piccoli ditteri ematofagi coinvolti nella trasmissione della leishmaniosi e di altri patogeni.

In questo contesto si inserisce CLIMOS – Climate Monitoring and Decision Support Framework for Sand Fly-borne Diseases Detection and Mitigation (https://climos-project.eu/), progetto europeo che mira a sviluppare un sistema di Early Warning System (EWS) dedicato alle malattie trasmesse dai flebotomi. L'obiettivo è integrare informazioni climatiche, ambientali, entomologiche ed epidemiologiche per fornire strumenti utili alla sorveglianza e alla gestione del rischio secondo un approccio One Health.

Una delle componenti sviluppate nell’ambito del progetto CLIMOS è una piattaforma per la previsione, a breve e medio termine, della presenza delle specie di flebotomi vettori di Leishmania. Il sistema infatti stima la probabilità di presenza dei flebotomi vettori nei 7 giorni successivi e nel mese successivo, classificandola in tre livelli: bassa, media e alta.

Le previsioni sono ottenute attraverso modelli di machine learning sviluppati utilizzando dati entomologici storici raccolti in Europa, tra il 2009 e il 2023, insieme a variabili climatiche e ambientali. Il sistema utilizza quindi le previsioni meteorologiche dell'European Centre for Medium-Range Weather Forecasts (ECMWF) per elaborare una stima previsionale della probabilità di presenza dei vettori.

Attualmente il sistema si concentra sulle specie di flebotomi note per la capacità di trasmettere Leishmaniainfantum, L. major e L. tropica,  tra cui Phlebotomus perniciosus, P. perfiliewi, P. tobbi, P. major e P. ariasi.

La piattaforma non prevede il rischio di insorgenza di casi di leishmaniosi, ma stima esclusivamente la probabilità di presenza dei vettori in un determinato territorio e periodo stagionale.

In prospettiva, un sistema di questo tipo potrebbe essere integrato con i dati raccolti attraverso la sorveglianza regionale (IZSLER), permettendo di confrontare le previsioni del modello con le osservazioni dei casi di leishmaniosi.