Une étude des migrants en Italie a montré comment la modélisation statistique peut aider à améliorer l’identification des infections à la maladie tropicale négligée (NTD).
Les MNT sont un groupe de 21 maladies qui affectent de manière disproportionnée les communautés pauvres, principalement dans les régions tropicales. À mesure que la migration mondiale augmente, les individus infectés par les MTN peuvent arriver dans les pays où ces maladies ne sont généralement pas trouvées, ce qui rend le diagnostic précoce et le traitement essentiel.
La recherche a été menée par le doctorat. L’étudiante Jana Purkiss avec le Dr Emanuele Giorgi de la Lancaster Medical School en collaboration avec l’Université de Naples Federico II, le Centre de collaboration de l’Organisation mondiale de la santé pour le diagnostic des helminthes intestinaux et des protozoaires.
Leurs recherches publiées dans PLOS a négligé les maladies tropicales axé sur les infections à helminthes transmissibles par les sols (STH) à l’aide d’une étude de cas des migrants dans la région de la Campanie italienne.
STH est un type d’infection à vers causée par différentes espèces de vers ronds avec trois types causés par A. lumbricoides, les ankylostomes et T. trichiura.
Les données comprenaient 3 830 migrants de 64 pays; Plus de 87% étaient des hommes avec un âge médian de 27 ans.
Les chercheurs ont exploré comment les données accessibles au public, telles que les pays d’origine des migrants, peuvent être combinées avec des informations au niveau individuel collectées dans les centres de dépistage pour améliorer l’identification des cas infectés en utilisant la modélisation statistique.
Les chercheurs ont étudié la puissance des modèles dans la prévision des infections globales de STH (A. lumbricoides, les ankylostomes et T. trichiura) dans deux scénarios principaux: pour les individus des pays existants et des nouveaux pays.
Ils ont conclu que dans tous les scénarios de prédiction, sauf pour prédire les infections à T. trichiura, le meilleur modèle comprend à la fois des variables au niveau individuel et des indicateurs au niveau du pays, et que les indicateurs au niveau du pays sont un prédicteur plus fort que le niveau individuel pour A. lumbricoides et les infections globales de STH.
En Afrique, le pays d’origine avec la prévalence la plus élevée de NTD est Guinée Bissau avec une prévalence de 25% parmi les migrants. En Asie du Sud-Est, le pays d’origine avec la prévalence la plus élevée est le Bangladesh avec une prévalence de 18,6% parmi les migrants.
Purkiss a déclaré: « Nous démontrons comment les modèles statistiques peuvent être utilisés pour aider à l’identification des personnes qui peuvent être infectées par ces maladies parasitaires. Notre objectif est de montrer comment les informations accessibles au public sur le pays d’origine des migrants peuvent être combinées avec des informations au niveau individuel collectées à partir des centres de dépistage, pour améliorer les performances prédictives dans l’identification des cas infectés.
« Une approche basée sur un modèle, comme celle décrite dans ce document, pourrait fournir une approche efficace basée sur les données pour éclairer le dépistage ciblé qui peut aider à réduire la charge placée aux laboratoires de parasitologie spécialisés. »
Le document a été reconnu dans un PLOS a négligé les maladies tropicales Article de point de vue, où les experts ont félicité l’approche basée sur les données et ont suggéré des raffinements pour mieux résoudre les risques d’infection. Il existe des plans pour une future collaboration pour s’appuyer sur cette recherche.
