Tomar decisiones basadas en la evidencia para la eliminación de la malaria aplicando el marco estadístico de Libertad...

Área de la Ciencia:

• Epidemiología
• Salud pública
• Modelado de enfermedades infecciosas

Sus antecedentes:

• La vigilancia de rutina es vital para los programas de control de la malaria, pero su eficacia en la medición de la carga de la enfermedad es a menudo limitada.
• Las inferencias a partir de datos de rutina pueden ser inexactas si no se comprende bien la sensibilidad del sistema de vigilancia.

Objetivo del estudio:

• Ampliar el marco de libertad de infección (FFI) para la vigilancia de la malaria específica de la especie.
• Estimar la sensibilidad del sistema de vigilancia y la probabilidad de estar libre de malaria.
• Integrar múltiples componentes de vigilancia y aplicar el modelo FFI en entornos de eliminación de la malaria.

Principales métodos:

• Se recogieron datos mensuales de rutina sobre Plasmodium falciparum y Plasmodium vivax de 1515 instalaciones en cinco países.
• Datos incorporados de trabajadores comunitarios de la salud y encuestas transversales (detección de casos activos).
• Datos analizados utilizando modelos FFI que tienen en cuenta múltiples especies de malaria y componentes de vigilancia.

Principales resultados:

• Los sistemas de vigilancia sólidos requieren suministros adecuados de pruebas y tratamientos, personal capacitado e instalaciones accesibles.
• Solo la mitad de las instalaciones logró una sensibilidad suficiente para la eliminación de la malaria mediante la detección pasiva de casos sola o combinada con la detección de casos activos.
• Se generaron estimaciones de sensibilidad específicas de cada especie para Plasmodium falciparum y Plasmodium vivax.

Conclusiones:

• El modelo FFI proporciona información específica de la especie para la toma de decisiones en materia de vigilancia de la malaria.
• Los sistemas robustos de vigilancia rutinaria son suficientes para lograr y mantener la libertad de la malaria.
• La integración de la gestión de casos comunitarios y la detección de casos activos mejora la confianza en la eliminación cuando los datos de rutina son insuficientes.