Опубликовано через 5 минут

Фермы и леса: где на Корсике чаще всего сталкиваются домашние и дикие свиньи

Свиноводческий сектор Корсики представлен широким спектром систем ведения хозяйства, в основном характеризующихся традиционными экстенсивными методами, которые способствуют контактам между дикими и домашними особями. Предполагается, что эти контакты влияют на поддержание и передачу общих инфекционных заболеваний между обеими популяциями. Поэтому важно разрабатывать методы, позволяющие понимать и прогнозировать их возникновение.

Моделирование таких взаимодействий требует точных данных о наличии, расположении и землепользовании свиноводческих ферм, а также о методах ведения хозяйства, однако такие данные зачастую недоступны, неполны или устаревши. В данном исследовании мы предлагаем метод сбора и анализа информации о свиноводстве, который объединяет подходы из социальных наук и эпидемиологии и позволяет создать пространственное представление индекса потенциального взаимодействия (ИПВ) между дикими и домашними свиньями на уровне муниципалитетов на территории Корсики. В качестве первого этапа процесса были проведены интервью для сбора информации от 103 свиноводческих ферм. Затем, используя иерархическую кластеризацию, мы выделили пять различных кластеров методов ведения свиноводства, которые были оценены и подтверждены местными экспертами с помощью инструментов участия. Пять кластеров свиноводства с их соответствующими расчетными уровнями прямого и непрямого взаимодействия с кабанами были объединены в линейное уравнение с плотностью поголовья свиней для оценки гипотетического индекса потенциального взаимодействия (ИПВ) в 155 муниципалитетах. Наши результаты выявили разнообразие методов ведения свиноводства по всему острову Корсика и указали на потенциальные очаги взаимодействия. Наш метод показал себя как эффективный способ сбора и обновления информации о наличии и типологии свиноводческих ферм, который может быть использован для обновления официальной статистики животноводства. Пространственное представление ИПВ между кабанами и домашними свиньями на территории Корсики могло бы способствовать разработке региональных стратегий и политики управления болезнями для улучшения контроля над некоторыми общими для свиней патогенами на свиноводческих фермах Корсики.

Недавние эпизоды возникновения, повторного возникновения или персистенции инфекционных болезней животных привлекли внимание науки к интерфейсу «дикая природа – домашний скот» как ключевому фактору для улучшения нашего понимания динамики общих патогенов (1–3). Интерес к взаимодействиям между кабанами и домашними свиньями особенно возрос в связи с глобальным распространением африканской чумы свиней по всему миру (4–7). Однако другие болезни, общие для кабанов и домашних свиней, ставят под угрозу усилия по искоренению заболеваний в свиноводческом секторе, одновременно влияя на здоровье популяций кабанов и представляя потенциальную угрозу для общественного здравоохранения (8–13). Более того, недавний рост потребительского спроса на продукцию свободновыгульного фермерства в развитых экономиках вызвал обеспокоенность по поводу биобезопасности открытых производственных систем в целом и потенциальных взаимодействий между домашними и дикими/одичавшими свиньями (2, 9, 14–17). Понимание различных движущих факторов взаимодействий между популяциями диких и домашних свиней требует анализа инфекционного интерфейса с использованием подходов из разных дисциплин (3). Такие подходы часто включают экологические, эпидемиологические или социологические методологии, ориентированные на периметр фермы, водные точки или границу охраняемой территории, тогда как меньшее число исследований рассматривало риск взаимодействий между дикой природой и домашним скотом и передачу патогенов в более крупном географическом масштабе (18–21).

Из-за своей многовековой традиции свободновыгульного свиноводства средиземноморские местообитания особенно предрасположены к взаимодействиям между домашними свиньями, одичавшими свиньями и кабанами. Например, системы свободного выпаса на Сардинии считаются ответственными за персистенцию африканской чумы свиней в течение десятилетий (5, 22, 23), тогда как на Пиренейском полуострове сосуществование иберийских свиней с многочисленной популяцией кабанов в обширных хозяйствах рассматривается как риск повторного возникновения болезни Ауески или поддержания туберкулеза крупного рогатого скота (18, 20, 24). Французский остров Корсика является примером специфического социально-экологического контекста, благоприятствующего различным типам прямых и непрямых половых, трофических и антагонистических взаимодействий между дикими и домашними свиньями и последующему распространению общих для свиней патогенов среди этих популяций (16, 25). К ним относятся эндемичные болезни, а также повторно возникающие или новые заболевания, которые могут оказывать серьезное воздействие на продуктивность животноводства и общественное здравоохранение, такие как классическая чума свиней (26), болезнь Ауески (15), трихинеллез (27), токсоплазмоз (28) или вирус гепатита Е (8).

Некоторые авторы охарактеризовали тип, частоту, интенсивность и местоположение взаимодействий между кабаном и домашней свиньей, на которые существенно влияют охотничьи и животноводческие практики (8, 15). Однако весь спектр открытых систем содержания свиноводства и потенциальное влияние их пространственного распределения на вероятность взаимодействия с кабанами до настоящего времени на Корсике хорошо не охарактеризованы. Учитывая разнообразие ландшафтов и распределение ресурсов на Корсике, мы выдвигаем гипотезу, что некоторые регионы острова с определенными экологическими особенностями или формами землепользования предрасположены к определенным типам методов управления свиноводством, которые облегчают эти взаимодействия. Тем не менее, изучение такого сложного интерфейса на территориальном уровне является сложной задачей, поскольку данные о методах ведения хозяйства и конкретном расположении систем земледелия часто неточны. Возможный подход к решению этой проблемы — опираться на местные знания и экспертизу (29, 30) с применением методов партисипативной эпидемиологии (31, 32). Поскольку ряд эпидемиологических и зоотехнических данных на Корсике уже был доступен из предыдущих исследований (15–17, 25), мы решили объединить различные географические, эпидемиологические и зоотехнические подходы для проведения пространственного анализа систем ведения хозяйства, который можно было бы использовать как индикатор пространственных паттернов потенциального взаимодействия.

Конкретная цель нашей работы состояла в изучении новых методологий, сочетающих партисипативные подходы и анализ зоотехнических данных, для отображения распределения методов управления свиноводством в масштабе некоторых корсиканских микрорегионов и их потенциального риска взаимодействия с кабаном на основе свиноводства.

2.1 Район исследования и контекст

Остров Корсика расположен в Средиземном море у побережья Южной Франции и занимает площадь 8722 квадратных километра. Его высота над уровнем моря (от 0 до 2706 м и в среднем 568 м) и ландшафтные характеристики являются символичными для корсиканской идентичности (33). Изменчивость почв и рельефа на острове позволяет применять разнообразные системы растениеводства и животноводства (34). В 2015 году Министерство сельского хозяйства и продовольствия Франции определило 16 микрорегионов в результате агрегирования 30 малых природных регионов, первоначально определенных в сельскохозяйственной переписи 1979 года (35) и основанных на критериях однородности и естественных границ (см. Агрегированные малые природные регионы, Дополнительный материал S1). Основываясь на этих критериях, мы определили термин «микрорегион» как деление территории на основе определенных однородных географических характеристик, которые влияли на ее землепользование и практику сельскохозяйственного производства, и использовали эту классификацию на протяжении всей статьи.

В прошлом свиноводство было широко распространено на Корсике. Традиционная корсиканская система свиноводства, которая в основном состояла из систем свободного выпаса приусадебных животных для семейного потребления, основана на использовании лесо-пастбищных ресурсов местной породой медленно растущих свиней. Свиней в возрасте 18–24 месяцев забивают зимой после периода свободного выпаса осенью и зимой для завершения откорма желудями и каштанами (36). В некоторых районах фермеры также содержат своих свиней на горных пастбищах летом (17, 25, 37). Свиноводческий сектор Корсики, следовательно, имеет прочную связь с определенными микрорегионами, характеризующимися особыми экологическими ландшафтами, такими как горные пастбища или каштановые леса. Сегодня, особенно благодаря сертификации PDO (Защищенное наименование места происхождения) и использованию породы «Nustrale», производство корсиканских вяленых мясных продуктов (шаркутери) ценится как за свое качество, так и за вкус.

На Корсике популяции домашних и диких свиней широко представлены с точки зрения их распространения и предполагаемой численности (38, 39), охватывая интересное генетическое разнообразие, состоящее из различных пород домашних свиней, одичавших свиней, кабанов и особей с примесью кровей. Хотя доля особей с примесью кровей в этой популяции не была точно оценена количественно, по оценкам, в 1980-х годах она достигала 55% в некоторых регионах (11, 40).

2.2 Дизайн исследования

Учитывая разнообразие и неоднородность методов ведения хозяйства, мы выдвинули гипотезу, что потенциальный вклад свиноводства в вероятность возникновения взаимодействий с кабаном является многофакторным (41). Основываясь на предыдущих работах на Корсике (16) и в других местах свиноводства (42–44), мы сначала определили ключевые зоотехнические практики, участвующие в возникновении различных типов взаимодействия, и определили метод, основанный на кластеризации методов ведения хозяйства. Основными этапами для выполнения этого процесса были следующие: (i) Проведение интервью с ключевыми информаторами для сбора региональных данных о формальном и неформальном производстве свинины; (ii) Создание надежной базы данных, объединяющей информацию, собранную в ходе интервью, с существующими данными и техническими знаниями; (iii) Иерархическая кластеризация на основе главных компонент (HCPC) на основе множественного корреспондентского анализа (MCA) для выявления предварительной типологии систем ведения хозяйства (кластеров), основанной на использовании различных практик свиноводства; (iv) Корректировка нашей предварительной типологии ферм группой местных экспертов (38) для определения основных факторов, описывающих кластеры, и определение ИПВ, связанного с каждым кластером; (v) Валидация новой классификации кластеров, проведенная с участием местных заинтересованных сторон и методом классификационного дерева; (vi) Оценка и картирование ИПВ, связанного со свиноводством, на муниципальном уровне с использованием плотности свиней и ИПВ в каждом кластере. Сводка методологии показана на Рисунке 1.

Рисунок 1 Сводка использованной методологии и количество охваченных ферм.

2.2.1 Сбор данных

Сбор данных был организован в виде полуструктурированных интервью с ключевыми информаторами (30, 45) в два разных периода: первый — с февраля по апрель 2019 года и второй — с сентября 2019 года по февраль 2020 года. Анкета была разработана для сбора региональной информации о формальных и неформальных данных о фермах по производству свинины у местных ключевых информаторов, включая плотность поголовья свиней, площадь земли, занятую свиньями, и основные методы ведения свиноводства. Все полуструктурированные интервью проводились одним и тем же интервьюером по месту жительства или работы ключевых информаторов. Ключевые информаторы отбирались на основе их опыта в животноводстве, участия в местных фермерских организациях и по рекомендации других информаторов или заинтересованных сторон в свиноводстве. Интервью позволили составить окончательный список из 176 ферм (106 ферм в первый период и 70 ферм во второй). После первого периода только 103 из этих ферм имели достаточное количество и качество данных для проведения анализа HCPC, при этом 84 фермы из первого периода сбора данных и 19 ферм из данных, доступных из предыдущего исследования (16), были сохранены (Рисунок 1).

2.2.2 Отбор практик ведения хозяйства

Мы сосредоточили наш выбор факторов на свиноводстве со свободным выпасом, проницаемости ограждений и управлении кормами и отходами, принимая во внимание прямые и непрямые взаимодействия между дикими и домашними свиньями (25). Поскольку прямые взаимодействия часто обусловлены половым и антагонистическим поведением, мы сосредоточились на методах ведения хозяйства, связанных с управлением воспроизводством, таких как кастрация или стерилизация свиней, не предназначенных для разведения.

Для анализа MCA мы отобрали 16 категориальных факторов среди методов ведения хозяйства, предположительно влияющих на взаимодействия с кабанами (9, 12, 15, 46). Критерии отбора и категориальные факторы, использованные для этих переменных, приведены в Дополнительном материале S2.

2.2.3 Район исследования и пространственные масштабы

С административной точки зрения Корсика — это регион, разделенный на два департамента: «Верхняя Корсика» (Северная Корсика) и «Южная Корсика» (Южная Корсика). Мы собрали данные в двух микрорегионах Южной Корсики, включая «От-Гравон» и «Сектор Аяччо», и в шести микрорегионах Северной Корсики, включая «Кап-Корс», «Неббью», «Балань», «Внутренняя Верхняя Корсика», «Кастаникча» и «Восточная равнина» (Дополнительный материал S1). Выбор этих микрорегионов был основан не только на возможности сбора информации из разных географических точек, но и на возможности проверить наш подход на репрезентативной и разнообразной выборке систем ведения хозяйства, землепользования и типов растительности острова.

Во Франции муниципалитеты представляют собой самый низкий административный уровень. Хотя это не идеально, потому что земля, используемая свиньями, не всегда совпадает с административными границами, мы сочли муниципальный масштаб наиболее практичным и подходящим для отображения распределения популяции свиней. Данные, собранные по каждой свиноводческой ферме, были преобразованы в муниципальный масштаб на основе соотношения площади земли, используемой каждым стадом в каждом муниципалитете, к общей площади земли, используемой каждым стадом. Объединяя это соотношение с размером стада, мы рассчитали количество свиней в каждом стаде в каждом муниципалитете.

2.3 Изучение разнообразия систем свиноводства на Корсике

Разнообразие систем ведения хозяйства на основе зарегистрированных практик изучалось в три этапа.

2.3.1 Идентификация кластеров

MCA был выполнен на 16 категориальных факторах (Дополнительный материал S2), описывающих практики систем ведения хозяйства, для обобщения информации в евклидовом пространстве меньшей размерности (пять измерений), где расстояния представляют сходство (16). Затем, используя метод Уорда, была выполнена иерархическая кластеризация результатов MCA для выявления групп фермеров, использующих схожие практики, в дальнейшем называемых «H-кластерами». Обе операции были выполнены в R версии 3.5.3 с использованием пакета FactoMineR для MCA (47) и HCPC (48). В процессе иерархической кластеризации мы рассматривали коэффициент прироста инерции как параметр, определяющий прирост дисперсии при увеличении числа кластеров.

2.3.2 Валидация и ранжирование кластеров местными экспертами

Было организовано совещание с группой из девяти экспертов по свиноводству из разных микрорегионов для представления нашей методологии и результатов и подтверждения соответствия нашей классификации ферм. Группа состояла из четырех животноводов и пяти техников из организаций, связанных со свиноводством, обладающих глубокими фоновыми знаниями корсиканского свиноводческого сектора, основанными на их деятельности, опыте и подготовке. В ходе совещания мы объединили три типа партисипативных упражнений, выбранных за их взаимодополняемость (49) и способность собирать и использовать местные знания и опыт (50): обсуждение в фокус-группе (51), ранжирование кластеров и пропорциональное пилингование (32). Подробности об этих партисипативных методах можно найти в Дополнительном материале S3.

2.3.3 Классификационное дерево для классификации кластеров

Мы выполнили классификационное дерево (52), названное «T-кластером», с помощью R-пакета Rpart (53) для классификации особей, не включенных в первоначальный анализ HCPC, и ферм, выявленных в других сборах данных, по конкретным кластерам. Мы рассмотрели комбинации деревьев из различных факторов, упомянутых экспертами как имеющих наибольшее влияние на взаимодействия, и сравнили их процент соответствия с атрибуцией HCPC (называемой «H-кластером»). Таким образом, мы отобрали деревья с наименьшим расхождением между классификациями «H-кластер» и «T-кластер».

2.4 Количественная оценка индекса потенциального взаимодействия (ИПВ) на муниципальный уровень

Мы отобрали 155 муниципалитетов, для которых у нас было достаточно данных для характеристики по крайней мере 50% ферм, что охватывало 144 фермы и 21 807 свиней. Для количественной оценки индекса потенциального взаимодействия (Y), обусловленного свиноводством, на основе его наличия и практик в каждом муниципалитете, мы использовали средневзвешенное значение пяти специфических для кластеров плотностей свиней (X1–X5):

Y = Σ wi Xi

где набор весов w1,…,w5, удовлетворяющих условию Σ wi = 1, определенный экспертами, зависел от того, является ли взаимодействие Y прямым или непрямым. Таким образом, ИПВ можно интерпретировать как эффективное количество животных, находящихся в группе риска, и использовать для сравнения муниципалитетов с различным распределением систем ведения хозяйства.

2.5 Характеристика муниципалитетов

Был выполнен анализ главных компонент (PCA) по численности и плотности свиней в каждом из пяти кластеров и по площади поверхности 155 муниципалитетов, включенных в исследование (всего 11 переменных), для выявления их основных паттернов вариации. PCA обеспечил сокращенное представление профилей муниципалитетов в двумерном евклидовом пространстве и позволил нам изучать и исследовать случаи с различными характеристиками, но схожими уровнями риска взаимодействия между домашними свиньями и кабанами.

3.1 Типология свиноводческих ферм

На основе результатов MCA распределение измерений объясняло 38,9% общей дисперсии, причем каждое измерение вносило вклад не менее 5% в это значение. В нашем случае оценка межкластерного прироста инерции показала, что наилучшими пороговыми значениями были три и пять. Основываясь на этой статистической оценке и наших полевых наблюдениях, мы выбрали пять кластеров (Дополнительный материал S4). Все переменные в анализе были определены как значимые (p-значение <10⁻³), за исключением периода кастрации домашних кабанов (p = 0,0068). Среди 103 изученных ферм 16 находились в H-кластере 1, 21 — в H-кластере 2, 20 — в H-кластере 3, 39 — в H-кластере 4 и семь — в H-кластере 5.

В Таблице 1 обобщены основные характеристики пяти выявленных типов ферм. Подробное описание доступно в Дополнительном материале S5. Кластеры с 1 по 3 представляли фермы, где свиньям разрешался свободный выпас в течение всего года или его части. Напротив, кластеры 4 и 5 представляли фермы, где свиньи круглый год содержались в загоне, либо на открытом воздухе для кластера 4, либо в помещении для кластера 5. Основные различия между кластерами 1 и 3 заключались во времени свободного выпаса (частичном для кластера 3) и управлении воспроизводством, которое в кластере 2 было более контролируемым, чем в кластере 1.

Таблица 1 Сводка пяти типов методов ведения хозяйства, использованных в типологии.

3.2 Использование местных знаний для валидации нашей типологии ферм и оценки взаимодействий между дикими и домашними свиньями

3.2.1 Валидация типологии ферм с использованием местных знаний

В ходе сессий фокус-групп эксперты легко согласовали определение и репрезентативность пяти кластеров систем свиноводства, существующих на Корсике. Обсуждая H-кластеры и интересующие факторы, эксперты склонялись к прямым половым взаимодействиям, но при рассмотрении более широкого спектра взаимодействий они обратили внимание на три основных фактора, включая воспроизводство свиноматок, управление ограждениями и управление тушами:

– Управление воспроизводством: Ключевым фактором для минимизации половых взаимодействий была доступность рецептивных самок в системах свободного выпаса. Эксперты рассматривали пространственное разделение репродуктивных самок и хирургическую стерилизацию животных, не предназначенных для разведения, как две основные стратегии, которые могут положительно повлиять на снижение привлекательности кабанов к фермерским свиноматкам и, следовательно, потенциальных взаимодействий.

– Управление ограждениями: эксперты подчеркнули, что используемый материал ограждения и его обслуживание являются двумя основными ограничивающими факторами для предотвращения проникновения кабанов. По их мнению, только сварные сетчатые и электрические заборы, хотя и не идеальные, при регулярном обслуживании потенциально могут сдерживать проникновение кабанов на ферму и предотвращать их взаимодействие с домашними свиньями. Использование адекватных и хорошо обслуживаемых материалов считалось важным для предотвращения необходимости стерилизации самок, не предназначенных для разведения. Во всех остальных случаях отсутствие стерилизации неизбежно приводило к проникновениям и последующим взаимодействиям, особенно половым.

– Управление тушами и субпродуктами: эксперты сожалели, что на Корсике этот аспект упускается из виду и становится все более актуальной проблемой, поскольку некоторые части свиных туш больше не перерабатываются, а мясо кабана реже употребляется охотниками.

Что касается систем свободного выпаса, эксперты выявили сильное влияние сезона, в течение которого животные широко содержались на свободном выпасе (осень), на количество и продолжительность взаимодействий.

Эти местные знания и опыт позволили нам уточнить нашу классификацию и согласовать окончательную типологию кластеров в отношении зоотехнических практик.

3.2.2 Окончательная классификация T-кластеров

Отобранное дерево на основе вышеупомянутых критериев включало 19 результатов, расходящихся с результатами HCPC из общего числа 103 ферм (Рисунок 2). Такой показатель был признан приемлемым, учитывая, что наиболее часто наблюдаемое число расхождений для деревьев, полученных с помощью Rpart, составляло 15 из 103. Более того, в отличие от исходного дерева (9/15 случаев), наше разработанное дерево соблюдало принцип предосторожности в 17 из 19 случаев, то есть в случае расхождения фермы классифицировались в T-кластер с более высоким риском, чем исходный H-кластер. В дальнейшем все представленные результаты основаны на классификации T-кластеров.

Рисунок 2 Окончательная классификация кластеров, объединяющая типологию и валидацию местных экспертов. Эти пять кластеров представляют собой T-кластеры.

Как показано на Рисунке 3, кластер 4 является самым крупным, представляя 37% популяции свиней, тогда как кластер 5 составляет лишь 2%; кластеры 2 и 3 представляют эквивалентные доли (23 и 22%), а кластер 1 составлял 16% популяции свиней. Хотя не все муниципалитеты в отобранных микрорегионах были учтены, охват основных микрорегионов разведения из нашей выборки — Кастаникчи и От-Гравона — был почти полным.

Рисунок 3 Распределение количества свиней и ферм в каждом кластере (T-кластеры). Кластеры 1, 3 и 4 показывают определенную однородность между количеством ферм и количеством свиней в каждом кластере. Разница в процентах между количеством ферм и количеством свиней для кластеров 2 и 5 указывает на больший средний размер фермы по сравнению с кластерами 1, 3 и 4.

3.2.3 Взвешивание индекса потенциального взаимодействия (ИПВ) для каждого кластера

Консенсус по ранжированию H-кластеров был легко достигнут фокус-группами в случае прямых взаимодействий. Однако концепция непрямых взаимодействий потребовала большего обсуждения для достижения консенсуса по результатам ранжирования. Результаты фокус-группы по основным факторам, определяющим кластеры (см. раздел 1.2), были впоследствии подтверждены в обсуждениях, касающихся ранжирования.

Что касается прямых взаимодействий (Таблица 2), более высокие числовые значения были выявлены для кластеров 1 и 3 по сравнению с другими кластерами. Основными факторами, влиявшими на ранжирование и пилингование экспертами, были управление воспроизводством, стерилизация свиноматок и сезонность животных на свободном выпасе. Более того, хотя кластер 3 имел меньшую вероятность взаимодействий в период свободного выпаса, чем кластер 2, эксперты согласились, что стерилизация свиноматок, не предназначенных для разведения, была наиболее важным фактором, влияющим на прямые взаимодействия, что объясняет, почему кластер 3 считался имеющим больше прямых взаимодействий, чем кластер 2.

Таблица 2 Взвешивание и ранжирование кластеров местными экспертами на основе возникновения прямых и непрямых взаимодействий на свиноводческих фермах.

Что касается непрямых взаимодействий (Таблица 2), двое экспертов не согласились с порядком, предложенным в упражнении по пропорциональному пилингованию. По их мнению, кластеры 1 и 2 имели одинаковый вес, поскольку свободный выпас и практика управления отходами оказывали сходное влияние на взаимодействия. Однако все они согласились, что свободный выпас облегчает совместное использование пищевых ресурсов, таких как пастбища (а также туш или субпродуктов) и водных точек. Это объясняет более низкое значение для кластера 3 и сходные значения для кластеров 4 и 5.

3.3 Визуализация данных

3.3.1 Пространственное распределение свиней и типов практик

Плотности поголовья свиней и абсолютные числа были тесно скоррелированы и независимы от площади в первой факторной плоскости PCA, что означает, что высокие плотности, как правило, объясняются большими числами, а не малыми площадями. Напротив, плотность свиней в кластере 3 в значительной степени объяснялась меньшими площадями. Таким образом, плотность позволяла точно отобразить количество свиней в масштабе острова. Ряд муниципалитетов можно было отличить по количеству свиней, особенно в случае микрорегиона Кастаникча (Рисунки 4A, B).

Рисунок 4 Карты количества (A) и плотности (B) свиней на исследованный муниципалитет. Более высокая концентрация свиней наблюдается в микрорегионах От-Гравон и Кастаникча. (C) Карта профилей муниципалитетов согласно главным компонентам 1 и 2. Фиолетовые оттенки показывают преобладание ферм кластера 4 или 5, тогда как красные оттенки показывают преобладание ферм кластера 1 или 2.

Различные типы практик ведения хозяйства были распределены по острову, хотя некоторые муниципалитеты выделялись среди доминирующих кластеров. Кластеры 1 и 2, характеризующиеся круглогодичным свободным выпасом, чаще встречались в горных и предгорных муниципалитетах (Кастаникча, Восточная равнина), тогда как кластеры 3 и 4 встречались в большинстве регионов, но особенно в муниципалитетах с высокой плотностью свиней, таких как Кастаникча и От-Гравон. Кластеры 3 и 4 доминировали в От-Гравоне, тогда как меньшее количество ферм, в основном соответствующих типам кластеров 4 и 5, располагалось в Кап-Корсе.

Результаты PCA показали, что 42% изменчивости плотностей и количества свиней в каждом кластере и площади муниципалитетов могут быть объяснены в двух измерениях. Первая главная компонента (PC1) измеряла объем (т.е. количество и плотность свиней независимо от кластера), тогда как вторая компонента (PC2) измеряла специфичность (т.е. концентрацию либо в кластерах 1 и 2, либо в кластерах 4 и 5). Муниципалитеты можно было достаточно хорошо охарактеризовать, используя только две количественные переменные, такие как плотности свиней в кластерах 1–2 и 4–5, или, что эквивалентно, главные компоненты один и два. Различные цвета на Рисунке 4C идентифицировали муниципалитеты со сходными профилями с точки зрения распределения кластеров. Заметный контраст между различными агрегациями муниципалитетов предполагает эффект соседства или использование сходных практик в зависимости от характеристик местности, например, долины в отличие от гор. Этот эффект особенно актуален в От-Гравоне и в западной части Кастаникчи, где преобладали кластеры 4 и 5, тогда как в центральной части Кастаникчи профили муниципалитетов в основном состояли из кластеров 1 и 2.

3.3.2 Пространственное распределение ИПВ на основе практик свиноводства

В целом, прямые и непрямые ИПВ совместно эволюционировали в пределах муниципалитетов, как показано на Рисунке 5. Пространственная проекция (логарифмическая шкала) этих индексов на муниципалитет позволила квалифицировать их по ИПВ и выделить очаги потенциального взаимодействия между домашними свиньями и кабанами.

Рисунок 5 Карта ИПВ на основе потенциальных прямых и непрямых взаимодействий, оцененных с помощью специальных средневзвешенных значений плотностей кластеров.

Эти очаги в основном касаются муниципалитетов или групп муниципалитетов как с высокой плотностью ферм, так и с большим количеством свиней, выращиваемых в них. Крупный очаг располагался в северной центральной части Кастаникчи, которая также показывала более вариабельный ИПВ, чем другие более однородные микрорегионы, такие как От-Гравон.

3.3.3 Неоднородные профили ферм, несмотря на сходный ИПВ

В наших результатах ИПВ, казалось, примерно коррелировал с плотностью свиней. Однако методы ведения хозяйства через принадлежность к кластеру могли оказывать значительное влияние на значения ИПВ. Например, муниципалитет Лано включал 315 свиней, выращенных на ферме кластера 4, и, хотя плотность свиней была высокой (61,3 свиньи/км²), ИПВ оставался относительно низким (9,04).

Рисунок 5 показал, что взаимодействия варьировались от одного муниципалитета к другому. В этом случае одного ИПВ было недостаточно для квалификации взаимодействия, поскольку некоторые муниципалитеты имели сходные значения ИПВ, но различную конфигурацию с точки зрения кластеров и, следовательно, практик (Дополнительный материал S6). Таким образом, карта, показанная на Рисунке 5, позволила выявить очаги высокого риска взаимодействия на свиноводческих фермах, несмотря на то, что профиль распределения кластеров муниципалитета обеспечивал лучшее понимание параметров, которые могли влиять на взаимодействия.

4.1 Определение разнообразия практик фермеров для оценки взаимодействия

Исследования по пониманию интерфейса «дикая природа – домашний скот» привлекают все большее внимание в последние десятилетия (54). Такие интерфейсы представляют собой сложные и динамичные социально-экологические системы, на которые влияют несколько компонентов, включая патогены, хозяев и поведение человека. Учитывая, что окружающая среда и землепользование могут влиять на деятельность человека и что практики свиноводства могут оказывать существенное влияние на взаимодействия кабана и домашней свиньи, наша работа предлагает подход на крупном территориальном масштабе для обеспечения индекса риска взаимодействий на основе преобладающих практик свиноводства. Преимущество нашего подхода заключается в том, что он позволяет разрабатывать различные варианты управления инфекционными взаимодействиями как с точки зрения региональной политики (идентификация очагов), так и с точки зрения системы ведения хозяйства (основные движущие факторы взаимодействий в практиках свиноводства). Наконец, пространственное представление наших результатов потребовало выбора на административном уровне (муниципальный масштаб), что может быть полезно для принятия решений при управлении общими инфекционными болезнями, затрагивающими свиноводческую отрасль или общественное здравоохранение.

Как основано на предыдущей литературе (29, 41), практика ведения хозяйства — это не просто простой технический выбор, изолированный от общей логики фермера. Конкретная практика часто связана с внедрением других практик, преследующих ту же цель. Например, в нашем исследовании фермеры, которые хотели избежать проникновения кабанов на свою ферму, могли выбирать между улучшением биобезопасности путем строительства ограждения, стерилизацией всех молодых свиноматок, не предназначенных для разведения, или комбинацией обоих методов. Выбранные кластеры позволили уловить это разнообразие практик, направленных на достижение одной цели, а не серию разрозненных практик. Однако в нашем анализе разделение практик на кластеры, сформированные ключевыми практиками, могло скрыть общую логику выбора фермеров. Логика фермеров лучше рассматривается с использованием концепции «систем практик», подчеркнутой в некоторых новаторских работах по сельской социологии прошлого века (55). Более поздние публикации показали, что подход «систем практик» позволяет лучше понять сложность ферм в регионе, поскольку он связывает объект исследования (здесь биобезопасность) с другими измерениями систем ведения хозяйства и общей логикой фермеров (56). Таким образом, в нашем исследовании фермеры определили сезонные кормовые ресурсы и воспроизводство как основные движущие факторы, на которые должны быть направлены их практики для управления индивидуальным риском. Одно из возможных объяснений состоит в том, что осенью наличие обильных ресурсов, таких как каштаны и желуди, совпадает с периодом гона взрослых кабанов и периодом эструса свиноматок. Таким образом, осень представляет собой наиболее подходящий момент года для возникновения прямого взаимодействия. Это может объяснять важность практик воспроизводства, подчеркиваемую свиноводами, в отличие от наблюдений в более засушливых средиземноморских районах, где источники воды весной и летом выступают в качестве преобладающих движущих факторов взаимодействия (18). Оригинальность нашего подхода заключается в том, что количественная оценка нашего прокси взаимодействия (ИПВ) основана не на мерах и стандартах биобезопасности, как в других исследованиях, а на восприятии фермерами местных движущих факторов и доступных методов решения проблемы. В данном случае стерилизация свиноматок, не предназначенных для разведения, несмотря на то, что она не поощряется специалистами по здоровью животных и является спорной с точки зрения благополучия животных, часто практикуется на Корсике и воспринимается как важный фактор для смягчения половых взаимодействий с кабанами (16, 17, 25).

Некоторые авторы подчеркивали преимущество использования кластеризации для обработки местных знаний, собранных экспертами (57, 58), а также для организации информации в системы на основе их утверждений и/или противоположных восприятий (59). Кластерный анализ всегда является представлением реальности в ответ на конкретный исследовательский вопрос (в данном случае практики свиноводства). Другие попытки анализа и классификации свиноводства на Корсике дали различные представления одной и той же реальности, основанные на разных зоотехнических, санитарных или социально-экономических перспективах (16, 60, 61), причем типология Relun et al. была наиболее близка к нашим результатам. Сопоставимые адаптации свиноводства можно найти на других средиземноморских островах или в регионах (61), в некоторых случаях с приемлемым уровнем риска, о чем свидетельствуют регулярные вспышки африканской чумы свиней, регистрируемые в течение десятилетий на соседней Сардинии (5, 22, 62). Кластеры 2 и 3 можно отличить от кластера 1 по внедрению более ограничительных практик в отношении поведения домашних свиней и их взаимодействия с кабаном. По мнению местных экспертов, на классификацию кластеров могло влиять то, какой приоритет каждый фермер отдавал избеганию прямых (для кластера 2) или непрямых (для кластера 3) взаимодействий. Эти практики были распространены и часто связаны с занятием сельскохозяйственно заброшенных территорий. Наконец, оставшиеся типологии включали более стандартные кластеры, в которых пространственное поведение животных было умеренно (кластер 4) или сильно (кластер 5) ограничено. Кластер 4 позволял полностью контролировать стадо, избегать конфликтов между соседями, лучше использовать кормовые ресурсы, будучи при этом совместимым с сертификацией по происхождению (PDO). Он также позволял сочетать меры биобезопасности (контроль контактов с кабанами) с полуэкстенсивной системой свободного выпаса.

4.2 Методологические вклады и ограничения

Выбор партисипативных методов позволил нам справиться с двумя основными проблемами. С одной стороны, собранная информация компенсировала отсутствие официального исчерпывающего и обновленного списка фермеров — ситуация, довольно распространенная в некоторых регионах или странах и представляющая собой ограничение. С другой стороны, вклад ключевых информаторов компенсировал другие трудности в процессе сбора данных, такие как доступ к изолированным фермам, отсутствие надежного и полного списка доступных фермеров, пропуски данных или потенциальное отсутствие фермеров, желающих участвовать. Хотя он, возможно, не является исчерпывающим, список фермеров, который нам удалось составить с помощью наших методов, считался несколькими службами распространения знаний и здравоохранения самым полным списком фермеров, полученным на сегодняшний день. Более того, наш подход позволил перекрестно сопоставить информацию, собранную от разных информаторов в одном районе. Помимо собственных зоотехнических знаний, фермеры — ключевые информаторы предоставляли информацию о своем ближайшем окружении, представленном их неформальной сетью местных заинтересованных сторон. Несмотря на риск субъективности в информации, предоставленной ключевыми информаторами, это смещение компенсировалось триангуляцией информации из разных ферм в одном регионе. Более того, способ сбора данных пролил свет на проблемы, с которыми сталкиваются местные акторы в своих соответствующих ситуациях (63). Роль местных экспертов в качестве дополнительных поставщиков местных знаний представляет собой еще один инновационный аспект нашего подхода и, в более общем плане, демонстрирует актуальность применения партисипативных методов в таких контекстах (64). Такой подход находился где-то между двумя стандартизированными методами, такими как экспертный опрос и опрос мнений заинтересованных сторон. Как процесс экспертного опроса, их выбор можно было бы считать субъективным, поскольку он в основном основывался на местном социальном признании, основанном на их опыте в свиноводстве. Как опрос социальных заинтересованных сторон, размер выборки (n = 9) был ниже минимально требуемого порога. Тем не менее, несмотря на эти признанные недостатки методологии, комбинированная адаптация этих двух подходов позволила собрать соответствующую информацию для целей исследования.

Сильным допущением, сделанным в нашем подходе, было то, что вероятность взаимодействия в основном определяется практиками свиноводства, а не распределением и численностью популяций кабана. Местная численность популяций кабана, вероятно, влияет на возникновение и частоту проникновений кабанов на фермы с низким уровнем биобезопасности и, следовательно, на возникновение взаимодействий с домашними свиньями (9). Однако, поскольку информация о численности кабана в масштабе острова Корсика недоступна, наше пространственное представление ИПВ учитывало только перспективу свиноводства, а не влияние численности популяции кабана. Поэтому полученная карта является предварительной первой оценкой по этой теме и требует дополнения информацией об оценочной плотности кабанов и сравнения с другими полевыми данными, такими как генетическая интрогрессия популяций кабана (65) или распространение общих для свиней патогенов (8, 11, 15). Пространственное представление нашего индекса для успешной связи информации, полученной с помощью нашего партисипативного подхода, с разработкой стратегий управления рисками болезней на наших исследуемых участках является серьезной проблемой и целью в корсиканском контексте, которую относительно немногие исследования рассматривали в литературе на сегодняшний день (18, 44). Одной из первых трудностей, возникших при решении этой задачи, был выбор адекватного пространственного масштаба для картирования риска взаимодействия. Выбрав муниципальный масштаб, мы пожертвовали точностью и репрезентативностью. Однако эффекты соседства между фермами представляли собой неизбежное смещение. Кроме того, в случае небольших муниципалитетов фермерские угодья могли выходить за границы одного муниципалитета, и часто свиньи были распределены неравномерно, а концентрировались в частях муниципалитета, более богатых ресурсами. Другим источником смещения было, когда поверхность или периметр фермы располагались между двумя муниципалитетами или в другом административном делении, отличном от того, в котором она была зарегистрирована.

Пространственное распределение кластеров способствовало выявлению контрастных микрорегионов, которые могут быть информативными с точки зрения управления рисками. Действительно, расчет прокси взаимодействия диких и домашних свиней в районах свиноводства, таких как ИПВ, позволяет выявить региональные «очаги», а профиль муниципалитетов с точки зрения распределения кластеров предоставляет ключевую информацию для целевого развития свиноводства и усилий по биобезопасности. И последнее, но не менее важное: наше уравнение для расчета ИПВ чрезмерно акцентировало внимание на плотности свиней в ущерб практикам фермеров. Это ограничение необходимо устранить в будущих работах, особенно при рассмотрении муниципалитетов, в которых представлено широкое разнообразие систем ведения хозяйства.

Наша работа предлагает оригинальную методологию для сбора зоотехнической информации и классификации свиноводческих ферм для пространственного представления и сравнения прокси взаимодействия с кабанами среди 8 микрорегионов свиноводства на территории Корсики. Наш подход был особенно успешным для идентификации некоторых микрорегионов, особенно предрасположенных к экстенсивному свиноводству, в качестве потенциальных очагов взаимодействия с кабанами. Метод основан на комбинации подходов из различных дисциплин, включая социальные науки, эпидемиологию, зоотехнию, географию и экологию. Эта предварительная информация может помочь выявить приоритетные районы для внедрения регионально-адаптированных стратегий управления свиными болезнями, общими с дикими или одичавшими свиньями. Наш подход особенно применим в регионах, предрасположенных к экстенсивному животноводству, где отсутствует информация о методах ведения хозяйства. Наш метод имеет потенциал для улучшения и внедрения в более крупном территориальном масштабе не только на Корсике, но и в других регионах, сталкивающихся с аналогичными типами экстенсивного производства животных, подверженных взаимодействиям с дикой природой и проблемам рисков передачи болезней.

Дополнительные материалы к этой статье можно найти в интернете по адресу: https://www.frontiersin.org/articles/10.3389/fvets.2024.1253060/full#supplementary-material

1. Dohna HZ, Peck DE, Johnson BK, Reeves A, Schumaker BA. Wildlife–livestock interactions in a western rangeland setting: quantifying disease-relevant contacts. Prev Vet Med. (2014) 113:447–56. doi: 10.1016/j.prevetmed.2013.12.004. CrossRef. Google Scholar.

2. Jori F, Hernandez-Jover M, Magouras I, Dürr S, Brookes VJ. Wildlife–livestock interactions in animal production systems: what are the biosecurity and health implications? Anim Front. (2021) 11:8–19. doi: 10.1093/af/vfab045. CrossRef. Google Scholar.

3. Triguero-Ocaña R, Vicente J, Lavelle M, Acevedo P. Collecting data to assess the interactions between livestock and wildlife. In: Vicente J, Vercauteren KC, Gortázar C, editors. Diseases at the wildlife – livestock interface, research and perspectives in a changing world. Switzerland: Springer Nature. (2021). p. 307–38. Google Scholar.

4. Bergmann H, Schulz K, Conraths FJ, Sauter-Louis CM. A review of environmental risk factors for African swine fever in European wild boar. Animals. (2021) 11:2692. doi: 10.3390/ani11092692. CrossRef. Google Scholar.

5. Cappai S, Rolesu S, Coccollone A, Laddomada A, Loi F. Evaluation of biological and socio-economic factors related to persistence of African swine fever in Sardinia. Preven Vet Med. (2018) 152:1–11. doi: 10.1016/j.prevetmed.2018.01.004. CrossRef. Google Scholar.

6. Dixon LK, Stahl K, Jori F, Vial L, Pfeiffer DU. African swine fever epidemiology and control. Ann Rev Anim Biosci. (2020) 8:221–46. doi: 10.1146/annurev-animal-021419-083741. CrossRef. Google Scholar.

7. Scollo A, Valentini F, Franceschini G, Rusinà A, Calò S, Cappa V, et al. Semi-quantitative risk assessment of African swine fever virus introduction in pig farms. Front Vet Sci. (2023) 10:10. doi: 10.3389/fvets.2023.1017001. CrossRef. Google Scholar.

8. Jori F, Laval M, Maestrini O, Casabianca F, Charrier F, Pavio N. Assessment of domestic pigs, wild boars and feral hybrid pigs as reservoirs of hepatitis E virus in Corsica, France. Viruses. (2016) 8:8. doi: 10.3390/v8080236. CrossRef. Google Scholar.

9. Jori F, Petit G, Civil N, Decors A, Charrier F, Casabianca F, et al. A questionnaire survey for the assessment of wild-domestic pig interactions in a context oedema disease outbreaks among wild boars (Sus scrofa) in South-Eastern France. Transboundary Emerg Dis. (2022) 69:4009–15. doi: 10.1111/tbed.14704. CrossRef. Google Scholar.

10. Meng XJ, Lindsay DS, Sriranganathan N. Wild boars as sources for infectious diseases in livestock and humans. Philos Trans R Soc Lond B Ser Biol Sci. (2009) 364:2697–707. doi: 10.1098/rstb.2009.0086. CrossRef. Google Scholar.

11. Richomme C. Epidemiology of zoonosis in wild boar (Sus scrofa) from an insular Mediterranean area, Corsica. [PhD thesis]. Lyon, France: ENVL (2009). p. 320. Google Scholar.

12. Wu N, Abril C, Thomann A, Grosclaude E, Doherr MG, Boujon P, et al. Risk factors for contacts between wild boar and outdoor pigs in Switzerland and investigations on potential Brucella suis spill-over. BMC Vet Res. (2012) 8:116. doi: 10.1186/1746-6148-8-116. CrossRef. Google Scholar.

13. Hars J, Garin-Bastuji B, Richomme C, Payne A, Rossi S. De l'éradication à la réapparition des maladies infectieuses animales. Les dangers de la faune sauvage: contexte et outils de gestion. Epidémiologie et Santé Animale. (2013) 64:57–69. Google Scholar.

14. Maxime D, Pol F, Dufour B, Rose N, Fablet C. Pig farming in alternative systems: strengths and challenges in terms of animal welfare, biosecurity, animal health and pork safety. Agriculture. (2020) 20:261. Google Scholar.

15. Charrier F, Rossi S, Jori F, Maestrini O, Richomme C, Casabianca F, et al. Aujeszky's disease and hepatitis E viruses transmission between domestic pigs and wild boars in Corsica: evaluating the importance of wild/domestic interactions and the efficacy of management measures. Front Vet Sci. (2018) 5:1. doi: 10.3389/fvets.2018.00001. CrossRef. Google Scholar.

16. Relun A, Charrier F, Trabucco B, Maestrini O, Molia S, Chavernac D, et al. Multivariate analysis of traditional pig management practices and their potential impact on the spread of infectious diseases in Corsica. Prev Vet Med. (2015) 121:246–56. doi: 10.1016/j.prevetmed.2015.07.004. CrossRef. Google Scholar.

17. Trabucco B, Charrier F, Jori F, Maestrini O, Etter E, Molia S, et al. Stakeholder's practices and representations of contacts between domestic and wild pigs: a new approach for disease risk assessment? Acta Agric Slovenica. (2013) 4:119–22. Google Scholar.

18. Jiménez-Ruiz S, Laguna E, Vicente J, García-Bocanegra I, Martínez-Guijosa J, Cano-Terriza D, et al. Characterization and management of interaction risks between livestock and wild ungulates on outdoor pig farms in Spain. Porcine Health Manag. (2022) 8:2. doi: 10.1186/s40813-021-00246-7. CrossRef. Google Scholar.

19. Laguna E, Barasona JA, Carpio AJ, Vicente J, Acevedo P. Permeability of artificial barriers (fences) for wild boar (Sus scrofa) in Mediterranean mixed landscapes. Pest Manag Sci. (2022) 78:2277–86. doi: 10.1002/ps.6853. CrossRef. Google Scholar.

20. Martínez-Guijosa J, Lima-Barbero JF, Acevedo P, Cano-Terriza D, Jiménez-Ruiz S, Barasona J, et al. Description and implementation of an on-farm wildlife risk mitigation protocol at the wildlife-livestock interface: tuberculosis in Mediterranean environments. Prev Vet Med. (2021) 191:105346. doi: 10.1016/j.prevetmed.2021.105346. CrossRef. Google Scholar.

21. Triguero-Ocaña R, Laguna E, Jiménez-Ruiz S, Fernández-López J, García-Bocanegra I, Barasona J, et al. The wildlife-livestock interface on extensive free-ranging pig farms in Central Spain during the "montanera" period. Transbound Emerg Dis. (2021) 68:2066–78. doi: 10.1111/tbed.13854. CrossRef. Google Scholar.

22. Jurado C, Fernández-Carrión E, Mur L, Rolesu S, Laddomada A, Sánchez-Vizcaíno JM. Why is African swine fever still present in Sardinia? Transbound Emerg Dis. (2017) 65:557–66. doi: 10.1111/tbed.12740. CrossRef. Google Scholar.

23. Loi F, Laddomada A, Coccollone A, Marrocu E, Piseddu T, Masala G, et al. Socio-economic factors as indicators for various animal diseases in Sardinia. PLoS One. (2019) 14:e0217367. doi: 10.1371/journal.pone.0217367. CrossRef. Google Scholar.

24. Vicente J, Ruiz-Fons F, Vidal D, Höfle U, Acevedo P, Villanúa D, et al. Serosurvey of Aujeszky's disease virus infection in European wild boar in Spain. Vet Rec. (2005) 156:408–12. doi: 10.1136/vr.156.13.408. CrossRef. Google Scholar.

25. Jori F, Relun A, Trabucco B, Charrier F, Maestrini O, Chavernac D, et al. Questionnaire-based assessment of wild boar/domestic pig interactions and implications for disease risk management in Corsica. Front Vet Sci. (2017) 4:198. doi: 10.3389/fvets.2017.00198. CrossRef. Google Scholar.

26. Casabianca F, Picard P, Sapin JM, Gautier JF, Vallée M. Contribution à L'épidémiologie des Maladies Virales en Elevage Porcin Extensif. Application à la Lutte Contre la Maladie D'Aujeszky en Région Corse. Paris: Journées de Recherche Porcine (1989). Google Scholar.

27. Richomme C, Lacour SA, Ducrot C, Gilot-Fromont E, Casabianca F, Maestrini O, et al. Epidemiological survey of trichinellosis in wild boar (Sus scrofa) and fox (Vulpes vulpes) in a French insular region, Corsica. Vet Parasitol. (2010) 172:150–4. doi: 10.1016/j.vetpar.2010.04.026. CrossRef. Google Scholar.

28. Richomme C, Afonso E, Tolon V, Ducrot C, Halos L, Alliot A, et al. Seroprevalence and factors associated with toxoplasma gondii infection in wild boar (Sus scrofa) in a Mediterranean island. Epidemiol Infect. (2010) 138:1257–66. doi: 10.1017/S0950268810000117. CrossRef. Google Scholar.

29. Darré P, Mathieu A, Lasseur J. Le sens des pratiques: Conceptions d'agriculteurs et modèles d'agronomes. Versailles, France: INRA edition. (2006). p. 320. Google Scholar.

30. Tremblay M. The key informant technique: a nonethnographic application. Am Anthropol. (1957) 59:688–701. doi: 10.1525/aa.1957.59.4.02a00100. CrossRef. Google Scholar.

31. Mariner J, Hendrickx S, Pfeiffer D, Costard S, Knopf L, Okuthe S, et al. Integration of participatory approaches into surveillance systems. Revue Scientifique et Technique. (2011) 30:653–9. doi: 10.20506/rst.30.3.2065. CrossRef. Google Scholar.

32. Mariner JC, Paskin R. Manual on participatory epidemiology: methods for the collection of action-oriented epidemiological intelligence, UN food and agriculture organisation. Rome: Italy (2000). 87 p. Google Scholar.

33. Fabiani J. Sociologie de la Corse. Editions La Découverte, Paris. (2018):128. doi: 10.3917/dec.fabia.2018.01. CrossRef. Google Scholar.

34. PDRC. Programme de développement rural de la corse 2007–2013. Version 3. Collectivité Territoriale de Corse (2009). Google Scholar.

35. Agreste. Atlas Agricole Corse. résultats durecensement Agricole. (2010). Available at: https://www.corse-du-sud.gouv.fr/IMG/pdf/Atlas_Corse_2015_premiere_partie.pdf. Google Scholar.

36. De Sainte Marie C, Casabianca F, Poggi M. Les activités d'élevage porcin en Corse. Des difficultés de la transition entre économie souterraine et économie formelle. Corsica Isola problema tra Europa e Mediterraneo. Salerno: Salerno University, Italy. (1994). p. 263–286. Google Scholar.

37. INAO. Décret n° 2012–444 du 2 avril 2012 relatif à l'appellation d'origine contrôlée « Coppa de Corse » ou « Coppa de Corse – Coppa di Corsica. (2012). Available at: https://www.inao.gouv.fr/show_texte/3133. Google Scholar.

38. Agreste. Chiffres clés de l'agriculture corse. Bilan de campagne 2017 2018. (2018). Available at: https://draaf.corse.agriculture.gouv.fr/chiffres-cles-de-l-agriculture-corse-edition-2018-bilan-de-campagne-2017-a1062.html. Google Scholar.

39. ONCFS. Tableaux de Chasse Ongulés Sauvages. saison 2018–2019. Suplément Faune Sauvage. (2019). Available at: http://www.oncfs.gouv.fr/IMG/file/mammiferes/ongules/tableau/FS296_tableaux_chasse_ongules.pdf. Google Scholar.

40. Franceschi P. Quelques caractéristiques de la population de sangliers de Corse et analyses de ses échanges avec le porc domestique. Bulletin Mensuel de l'O.N.C. (1984). 85:25–35. Google Scholar.

41. Commandeur M, Grossetti Q. Caractériser les « styles d'élevage » dans l'espace d'information de l'éleveur porcin. Journées de la Recherche Porcine. (2005) 37:397–406. Google Scholar.

42. Costard S, Porphyre V, Messad S, Rakotondrahanta S, Vidon H, Roger F, et al. Multivariate analysis of management and biosecurity practices in smallholder pig farms in Madagascar. Prev Vet Med. (2009) 92:199–209. doi: 10.1016/j.prevetmed.2009.08.010. CrossRef. Google Scholar.

43. Beltrán-Alcrudo D, Kukielka EA, de Groot N, Dietze K, Sokhadze M, Martínez-López B. Descriptive and multivariate analysis of the pig sector in Georgia and its implications for disease transmission. PLoS One. (2018) 13:e0202800. doi: 10.1371/journal.pone.0202800. CrossRef. Google Scholar.

44. O'Hara KC, Beltrán-Alcrudo D, Hovari M, Tabakovski B, Martínez-López B. Descriptive and multivariate analysis of the pig sector in North Macedonia and its implications for African swine fever transmission. Front Vet Sci. (2021) 8:733157. doi: 10.3389/fvets.2021.733157. CrossRef. Google Scholar.

45. Marshall M. The key informant technique. Fam Pract. (1996) 13:92–7. doi: 10.1093/fampra/13.1.92. CrossRef. Google Scholar.

46. Martin C, Pastoret PP, Brochier B, Humblet MF, Saegerman C. A survey of the transmission of infectious diseases/infections between wild and domestic ungulates in Europe. Vet Res. (2011) 42:70. doi: 10.1186/1297-9716-42-70. CrossRef. Google Scholar.

47. Lê S, Josse J, Husson F. FactoMineR: an R package for multivariate analysis. J Stat Softw. (2008) 25:1–18. doi: 10.18637/jss.v025.i01. CrossRef. Google Scholar.

48. Husson F, Josse J, Pagès J. Principal component methods hierarchical clustering partitional clustering: why would we need to choose for visualizing data? Technical Report – Agrocampus (2010) Contract No. 17. Google Scholar.

49. Pretty JN. Participatory learning for sustainable agriculture. World Dev. (1995) 23:1247–63. doi: 10.1016/0305-750X(95)00046-F. CrossRef. Google Scholar.

50. Catley A, Alders RG, Wood JLN. Participatory epidemiology: approaches, methods, experiences. Vet J. (2012) 191:151–60. doi: 10.1016/j.tvjl.2011.03.010. CrossRef. Google Scholar.

51. Wong LP. Focus group discussion: a tool for health and medical research. Singapore Med J. (2008) 49:3. Google Scholar.

52. STATISTICA. Techniques exploratoires multivariées: arbres de classification. (2019). Available at: https://www.statsoft.fr/concepts-statistiques/arbres-de-classification/arbres-de-classification.php. Google Scholar.

53. Vidhya A. A Complete Tutorial on Tree Based Modeling from Scratch (in R & Python). (2016). Available at: https://www.analyticsvidhya.com/blog/2016/04/complete-tutorial-tree-based-modeling-scratch-in-python/. Google Scholar.

54. Wiethoelter AK, Beltrán-Alcrudo D, Kock R, Mor SM. Global trends in infectious diseases at the wildlife–livestock interface. Proc Natl Acad Sci. (2015) 112:9662–7. doi: 10.1073/pnas.1422741112. CrossRef. Google Scholar.

55. Cristofini B, Deffontaines J-P, Raichon C, de Verneuil B. Pratiques d'élevage en Castagniccia: Exploration d'un milieu naturel et social en Corse. Études Rurales. (1978) 71:89–109. doi: 10.3406/rural.1978.2423. CrossRef. Google Scholar.

56. Vanwindekens F, Baret P, Stilmant D. A new approach for comparing and categorizing farmers' systems of practice based on cognitive mapping and graph theory indicators. Ecol Model. (2014) 274:1–11. doi: 10.1016/j.ecolmodel.2013.11.026. CrossRef. Google Scholar.

57. Perrot C. Typologie d'exploitations construite par agrégation autour de pôles définis à dire d'experts: Proposition méthodologique et premiers résultats obtenus en Haute-Marne. INRAE Prod Anim. (1990) 3:51–66. doi: 10.20870/productions-animales.1990.3.1.4360. CrossRef. Google Scholar.

58. Landais E. Modelling farm diversity: new approaches to typology building in France. Agric Syst. (1998) 58:505–27. doi: 10.1016/S0308-521X(98)00065-1. CrossRef. Google Scholar.

59. Denzin N. The research act: a theoretical introduction to sociological methods. New York: Transaction Publishers (2017). 368 p. Google Scholar.

60. DRAAF. Compte rendu du Conseil Régional d'Orientation de la Politique Sanitaire Animale et Végétale (CROPSAV) – 2 mai. (2017). Available at: https://draaf.corse.agriculture.gouv.fr/IMG/pdf/20170502_CR_CROPSAV_animal__cle09ef47.pdf. Google Scholar.

61. Molenat M, Casabianca F. Contribution a la maîtrise de l'élevage porcin extensif en, vol. 32. Corse: INRAE Jouy-en-Josas (1979). Google Scholar.

62. Mur L, Atzeni M, Martínez-López B, Feliziani F, Rolesu S, Sanchez-Vizcaino JM. Thirty-five-year presence of African swine fever in Sardinia: history, evolution and risk factors for disease maintenance. Transbound Emerg Dis. (2014) 63:e165–77. doi: 10.1111/tbed.12264. CrossRef. Google Scholar.

63. Girard N, Duru M, Hazard L, Magda D. Categorising farming practices to design sustainable land-use management in mountain areas. Agron Sustain Dev. (2008) 28:333–43. doi: 10.1051/agro:2007046. CrossRef. Google Scholar.

64. Calba C, Antoine-Moussiaux N, Charrier F, Hendrikx P, Saegerman C, Peyre M, et al. Applying participatory approaches in the evaluation of surveillance systems: a pilot study on African swine fever surveillance in Corsica. Preven Vet Med. (2015) 122:389–98. doi: 10.1016/j.prevetmed.2015.10.001. CrossRef. Google Scholar.

65. Schleimer A, Richart L, Drygala F, Casabianca F, Maestrini O, Weigand H, et al. Introgressive hybridisation between domestic pigs (Sus scrofa domesticus) and endemic Corsican wild boars (S. s. meridionalis): effects of human-mediated interventions. Heredity. (2022) 128:279–90. doi: 10.1038/s41437-022-00517-1. CrossRef. Google Scholar.

Dupon L, Trabucco B, Muñoz F, Casabianca F, Charrier F, Laval M and Jori F (2024) A combined methodological approach to characterize pig farming and its influence on the occurrence of interactions between wild boars and domestic pigs in Corsican micro-regions. Front. Vet. Sci. 11:1253060. doi: 10.3389/fvets.2024.1253060

Перевод статьи «A combined methodological approach to characterize pig farming and its influence on the occurrence of interactions between wild boars and domestic pigs in Corsican micro-regions» авторов Dupon L, Trabucco B, Muñoz F, Casabianca F, Charrier F, Laval M and Jori F., оригинал доступен по ссылке. Лицензия: CC BY. Изменения: переведено на русский язык