Vigilancia Integrada de Brucelosis Humana y Animal en Kenia: Un Análisis Predictivo

Área de la Ciencia:

• Salud Pública Veterinaria
• Epidemiología
• Investigación de Enfermedades Zoonóticas

Sus antecedentes:

• La brucelosis es una importante enfermedad zoonótica mundial, que afecta significativamente la salud pública y las economías en Kenia.
• La enfermedad causa una morbilidad y unas pérdidas económicas considerables tanto en las poblaciones humanas como en las animales dentro de Kenia.

Objetivo del estudio:

• Analizar los patrones espaciotemporales de la brucelosis humana y animal en Kenia de 2014 a 2022.
• Investigar la asociación entre la incidencia de brucelosis humana y animal.
• Pronosticar la incidencia de brucelosis humana utilizando modelos de series temporales.

Principales métodos:

• Se utilizaron datos de vigilancia mensual de bases de datos oficiales de salud humana y animal (2014-2022).
• Se realizaron análisis espaciotemporales y modelos lineales de series temporales para evaluar las asociaciones de brucelosis humano-animal.
• Se emplearon modelos SARIMA (Seasonal Autoregressive Integrated Moving Average) para la predicción de la incidencia de brucelosis humana.

Principales resultados:

• Se observó una disparidad significativa, con 4.688.787 casos humanos frente a 1.214 casos animales.
• La incidencia de brucelosis humana se mantuvo relativamente estable, mientras que la brucelosis bovina y de camélidos mostró picos esporádicos.
• Solo la brucelosis bovina demostró una asociación significativa con la brucelosis humana (estimación: 0,355; IC del 95%: 0,004 a 0,707).
• Los modelos SARIMA predijeron la incidencia humana con una precisión razonable, pero los datos animales no mejoraron el rendimiento predictivo.

Conclusiones:

• Los sistemas de vigilancia existentes para la brucelosis en Kenia presentan debilidades.
• Existe una necesidad crítica de evaluación e implementación integrales de sistemas de vigilancia integrados.
• La mejora de la vigilancia es esencial para abordar las lagunas de datos, mejorar la precisión predictiva y facilitar la detección temprana de enfermedades zoonóticas.