Simple Science

Scienza all'avanguardia spiegata semplicemente

# Scienze della salute# Epidemiologia

Migliorare i Metodi di Indagine per i Vermi Trasmettitori del Suolo in Kenya

I nuovi modelli puntano a migliorare il monitoraggio e il controllo delle infezioni da STH.

― 6 leggere min


Innovazioni nei sondaggiInnovazioni nei sondaggiper il controllo delleSTHgestire meglio le infezioni da STH.Nuovi metodi mirano a tenere traccia e
Indice

I vermi trasmessi dal suolo (STH) sono tipi di vermi che infettano gli intestini degli esseri umani e si diffondono attraverso la terra contaminata dalle loro uova. I STH più comuni includono l'ascari (Ascaris lumbricoides), il tricocefalo (Trichuris trichiura) e varie specie di ancilostomi (come l'Ancylostoma duodenale e il Necator americanus). Questi vermi vengono spesso raggruppati insieme perché condividono modi simili di diffusione, metodi di diagnosi e modi per controllare e prevenire le infezioni. Molte persone, soprattutto i bambini nelle aree più povere, possono contrarre infezioni da più di un tipo di STH contemporaneamente. In tutto il mondo, oltre un miliardo di persone sono infettate da questi vermi, rendendoli una delle malattie tropicali trascurate più comuni. La maggior parte delle infezioni si verifica in aree con scarse condizioni igieniche, specialmente nell'Africa subsahariana e nel sud-est asiatico, creando un significativo problema di salute pubblica.

Raccomandazioni dell'Organizzazione Mondiale della Sanità

L'Organizzazione Mondiale della Sanità (OMS) suggerisce un approccio combinato per ridurre i problemi di salute causati dai STH. Questo include migliorare l'accesso ai servizi igienici, fornire educazione sull'igiene e offrire trattamenti preventivi ai bambini in età scolastica tramite programmi scolastici. L'obiettivo è ridurre il numero di infezioni moderate e severe in questi bambini a meno del 2% entro l'anno 2030. Per monitorare i progressi in questo sforzo, vengono condotti sondaggi nelle scuole per stimare quanti studenti sono infettati prima e dopo i cicli di trattamento.

La necessità di una migliore progettazione dei sondaggi

Nelle aree in cui i STH sono comuni, i fondi per i programmi di salute possono essere limitati. Condurre sondaggi regolari per controllare i Tassi di infezione può essere costoso, quindi è essenziale progettare questi sondaggi con attenzione. L'obiettivo è misurare i tassi di infezione con precisione mantenendo i costi bassi. Ricerche precedenti mostrano che l'uso di modelli statistici può migliorare l'accuratezza di questi sondaggi rispetto ai metodi tradizionali. Questo studio esamina se combinare questi modelli con altri possa prevedere meglio i tassi di infezione futuri e aiutare a progettare sondaggi più efficaci.

Raccolta di dati in Kenya

I dati sui tassi di infezione da STH e sulla copertura dei trattamenti sono stati raccolti da 16 distretti in Kenya. Queste informazioni sono state raccolte per monitorare i cambiamenti nei tassi di infezione a causa di un programma annuale di sverminazione scolastica che si è svolto tra il 2012 e il 2017. I tassi di copertura per i trattamenti in ciascun distretto si basavano su sondaggi effettuati prima di ogni ciclo di trattamento e sono stati registrati per ciascuna area. Questi dati sono accessibili pubblicamente attraverso piattaforme online dedicate alle infezioni da elmintici.

Passi nell'analisi dello studio

Lo studio ha incluso tre passaggi principali:

  1. Modellazione dei Dati del sondaggio: Il primo passo ha coinvolto la creazione di modelli statistici per stimare i tassi di infezione da STH basati sui dati dei sondaggi raccolti prima del trattamento. Sono stati inclusi fattori ambientali, come la vegetazione e l'umidità del suolo, per migliorare la precisione del modello.

  2. Proiezione della prevalenza futura: Il secondo passo ha preso i tassi di infezione di base e li ha proiettati in avanti utilizzando due metodi diversi: un Modello di Markov e un modello meccanicistico. Il modello di Markov ha utilizzato i dati dei sondaggi esistenti, mentre il modello meccanicistico si è basato su dati iniziali e tassi di copertura dei trattamenti per fare previsioni.

  3. Studio di simulazione: Infine, è stato condotto uno studio di simulazione per testare come diversi design di sondaggio si sarebbero comportati nell'identificare accuratamente le aree con vari livelli di infezioni da STH. Lo studio ha esplorato cosa succede quando vengono campionati diversi numeri di scuole e bambini in questi sondaggi.

Modellazione dei dati del sondaggio

Nel primo passo, sono stati adattati modelli statistici ai dati dei sondaggi per ciascun tipo di STH. Questi modelli hanno aiutato a creare un quadro dettagliato dei tassi di infezione nelle diverse regioni. I ricercatori hanno esaminato fattori ambientali noti per influenzare la trasmissione dei vermi, migliorando la precisione del modello. I risultati hanno fornito una comprensione di base dei tassi di infezione.

Proiezione dei tassi di infezione futuri

Il secondo passo ha coinvolto la previsione dei tassi di infezione futuri. Sono stati utilizzati due metodi per questo scopo:

  1. Modello di Markov: Questo metodo stima come i tassi di infezione cambiano tra i sondaggi, utilizzando la storia dei trattamenti per prevedere le future categorie di infezione. I ricercatori hanno utilizzato i tassi provenienti dai sondaggi di base e intermedi per fare queste previsioni.

  2. Modello meccanicistico (WORMSIM): Questo modello simula come i vermi infettano gli esseri umani nel tempo e incorpora gli effetti dei trattamenti. Non richiede dati intermedi, rendendolo più facile da usare in aree dove tali dati potrebbero non essere disponibili.

Risultati dei modelli di previsione

Entrambi i modelli hanno cercato di prevedere con precisione i tassi di infezione ma avevano delle limitazioni. Il modello di Markov generalmente ha performato meglio nelle aree con tassi di infezione più bassi, mentre il modello meccanicistico ha avuto problemi nelle aree con prevalenza più alta. Entrambi i modelli hanno perso alcuni hotspot dove le infezioni non sono diminuite dopo i trattamenti.

Risultati per specie di STH

  • Ascaris lumbricoides: Il modello di Markov ha spesso sottovalutato i tassi di infezione nelle aree dove la prevalenza era più alta.
  • Trichuris trichiura: Entrambi i modelli hanno faticato a prevedere accuratamente la prevalenza in alcune regioni, con il modello meccanicistico che ha performato leggermente meglio.
  • Specie di ancilostoma: Entrambi i modelli sono stati migliori nel prevedere la prevalenza dell'ancilostoma perché i tassi sono costantemente diminuiti dopo il trattamento.

Studio di simulazione per la progettazione dei sondaggi

Lo studio di simulazione ha valutato quanto bene diversi design di sondaggio potessero classificare le aree in base ai livelli di infezione. I risultati chiave includevano:

  • Maggiore campionamento di bambini per scuola e un numero più alto di scuole portavano a una migliore accuratezza di classificazione.
  • I sondaggi basati sulle migliori informazioni disponibili (previsioni del modello geostatistico) hanno performato meglio complessivamente.
  • La performance dei sondaggi che utilizzano i modelli di Markov e meccanicistici era generalmente inferiore, specialmente per il modello di Markov.

Conclusione

Lo studio ha confrontato due metodi diversi per prevedere i tassi di infezione da STH in Kenya, focalizzandosi su quanto bene potessero guidare la progettazione dei sondaggi. È stato riscontrato che il modello meccanicistico fornisce previsioni migliori, il che potrebbe portare a progettazioni di sondaggi più efficaci. Questi risultati hanno implicazioni più ampie anche per altre malattie tropicali trascurate, poiché evidenziano l'importanza di utilizzare modelli affidabili e dati per guidare le decisioni di salute pubblica.

In sintesi, migliorare i design dei sondaggi attraverso modelli migliori può potenziare la nostra capacità di controllare e prevenire le infezioni da STH, specialmente in aree dove le risorse sono limitate. La ricerca sottolinea la necessità di previsioni accurate e di un uso efficiente delle risorse per affrontare le sfide di salute pubblica presentate dai STH.

Fonte originale

Titolo: A comparison of Markov and mechanistic models for soil-transmitted helminth (STH) prevalence projections in the context of survey design

Estratto: Globally, there are over one billion people infected with soil-transmitted helminths (STHs), mostly living in marginalised settings with inadequate sanitation in sub-Saharan Africa and Southeast Asia. The WHO recommends an integrated approach to STH morbidity control through improved access to sanitation and hygiene education, and the delivery of preventive chemotherapy (PC) to school age children delivered through schools. Progress of STH control programmes is currently estimated using a baseline (pre-PC) school-based prevalence survey and then monitored using periodical school-based prevalence surveys, known as Impact Assessment Surveys (IAS). We investigated whether integrating geostatistical methods with a Markov model or a mechanistic transmission model for projecting prevalence forward in time from baseline can improve IAS design strategies. To do this, we applied these two methods to prevalence data collected in Kenya, before evaluating and comparing their performance in accurately informing optimal survey design for a range of IAS sampling designs. We found that although both approaches performed well, the mechanistic method more accurately projected prevalence over time and provided more accurate information for guiding survey design. Both methods performed less well in areas with persistent STH hotspots where prevalence did not reduce despite multiple rounds of PC. Our findings show that these methods can be useful tools for more efficient and accurate targeting of PC. The general framework built in this paper can also be used for projecting prevalence and informing survey design for other NTDs.

Autori: Claudio Fronterre, M. T. Eyre, C. A. Bulstra, O. Johnson, S. J. de Vlas, P. J. Diggle, L. E. Coffeng

Ultimo aggiornamento: 2023-10-03 00:00:00

Lingua: English

URL di origine: https://www.medrxiv.org/content/10.1101/2023.10.02.23296429

Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.10.02.23296429.full.pdf

Licenza: https://creativecommons.org/licenses/by/4.0/

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia medrxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Altro dagli autori

Articoli simili