W artykule przedstawiono model predykcyjny do identyfikacji obszarów ryzyka zachorowania na kleszczowe zapalenie mózgu (KZM) w Polsce. Wykorzystując kombinację czynników meteorologicznych, środowiskowych i społeczno-ekonomicznych, model zidentyfikował regiony o podwyższonym ryzyku KZM, w tym obszary, w których wcześniej nie odnotowano żadnych zachorowań. Stwierdziliśmy, że wyższe temperatury, zwiększone opady i bliskość terenów leśnych były kluczowymi czynnikami związanymi ze zwiększonym ryzykiem KZM. Badanie sugeruje, że zwiększenie świadomości wśród lekarzy w tych regionach wysokiego ryzyka i poprawa dostępu do badań diagnostycznych mogłyby wzmocnić nadzór nad chorobami i ich profilaktykę.
Analiza ta stanowiła kulminację prawie dekady interdyscyplinarnych prac, obejmujących gromadzenie danych, współpracę ekspertów i liczne dyskusje. Model uwzględniał najlepsze dostępne dane w najwyższej możliwej rozdzielczości (NUTS-5). Zmienne meteorologiczne zostały opracowane przy użyciu metod interpolacji przestrzennej przez profesora Ustrnula i jego zespół. Zmienne dotyczące użytkowania gruntów zostały opracowane przez geografa Jakuba Bratkowskiego na podstawie danych z europejskiego projektu CORINE Land Cover 2006, a pozostałe dane społeczno-ekonomiczne uzyskaliśmy z Głównego Urzędu Statystycznego. Sam model predykcyjny został opracowany przez studentkę matematyki Basię Rubikowską pod nadzorem Magdy Rosińskiej. Mieliśmy nadzieję, że nasz model znajdzie zastosowanie w krajowych instytucji zdrowia publicznego w przyszłości.