Badanie przeprowadzone wśród migrantów we Włoszech pokazuje, że modelowanie statystyczne może znacząco poprawić identyfikację zakażeń wywołanych przez zaniedbane choroby tropikalne (NTD – Neglected Tropical Diseases).
NTD to grupa 21 chorób, które w sposób nieproporcjonalny dotykają społeczności żyjące w ubóstwie, głównie w regionach tropikalnych. Wraz ze wzrostem globalnej migracji, osoby zakażone NTD mogą przybywać do krajów, gdzie choroby te zwykle nie występują, co sprawia, że wczesna diagnostyka i leczenie stają się kluczowe.
Badanie zostało przeprowadzone przez doktorantkę Janę Purkiss pod kierunkiem dr. Emanuele Giorgiego ze Szkoły Medycznej Uniwersytetu w Lancaster we współpracy z Uniwersytetem Neapolitańskim im. Fryderyka II oraz Centrum Współpracy Światowej Organizacji Zdrowia ds. Diagnostyki Pasożytów Jelitowych.
Wyniki opublikowane w czasopiśmie PLOS Neglected Tropical Diseases koncentrują się na zakażeniach nicieniami przenoszonymi przez glebę (soil-transmitted helminths, STH), a jako przykład wykorzystano populację migrantów w regionie Kampania we Włoszech.
Zakażenia STH to infekcje wywoływane przez różne gatunki nicieni, głównie: Ascaris lumbricoides (glista ludzka), tęgoryjce oraz Trichuris trichiura (włosogłówka).
Zebrane dane obejmowały 3830 migrantów pochodzących z 64 krajów, z czego ponad 87% stanowili mężczyźni, a mediana wieku wynosiła 27 lat.
Naukowcy analizowali, jak dane publiczne – np. kraj pochodzenia migrantów – mogą być łączone z danymi indywidualnymi zebranymi w ośrodkach przesiewowych, aby za pomocą modelowania statystycznego skuteczniej identyfikować osoby zakażone.
Modele predykcyjne analizowano pod kątem zdolności do wykrywania zakażeń STH (łącznie A. lumbricoides, tęgoryjców i T. trichiura) w dwóch scenariuszach: wśród migrantów z krajów już obecnych w zbiorze danych oraz z nowych krajów.
Wyniki wskazują, że we wszystkich scenariuszach predykcyjnych – z wyjątkiem zakażeń T. trichiura – najlepsze rezultaty osiągają modele uwzględniające zarówno zmienne indywidualne, jak i wskaźniki dotyczące kraju pochodzenia. Co więcej, to właśnie wskaźniki kraju pochodzenia mają silniejszą moc predykcyjną niż dane indywidualne w przypadku zakażeń A. lumbricoides oraz ogólnych zakażeń STH.
W Afryce najwyższy odsetek zakażeń STH wśród migrantów odnotowano wśród osób pochodzących z Gwinei Bissau – 25%. W Azji Południowo-Wschodniej najwyższy wskaźnik zakażeń występował wśród migrantów z Bangladeszu – 18,6%.
Jana Purkiss komentuje: „Pokazujemy, w jaki sposób modele statystyczne mogą wspierać identyfikację osób potencjalnie zakażonych tymi pasożytniczymi chorobami. Skupiamy się na tym, jak informacje publicznie dostępne, takie jak kraj pochodzenia migrantów, mogą być łączone z danymi indywidualnymi zebranymi w ośrodkach przesiewowych, by zwiększyć skuteczność predykcji zakażeń.
„Podejście oparte na modelowaniu statystycznym, takie jak zaprezentowane w tym artykule, może stanowić skuteczne, oparte na danych narzędzie wspomagające kierowanie badań przesiewowych, co pozwala zmniejszyć obciążenie specjalistycznych laboratoriów parazytologicznych.”
Artykuł został wyróżniony w komentarzu eksperckim na łamach PLOS Neglected Tropical Diseases, gdzie pochwalono podejście oparte na analizie danych i zasugerowano możliwe ulepszenia mające lepiej uwzględniać ryzyko zakażenia. Planowana jest kontynuacja współpracy naukowej i dalszy rozwój zaprezentowanego podejścia.
Źródło: PLOS Neglected Tropical Diseases, Tackling neglected tropical diseases among migrant populations
DOI: http://dx.doi.org/10.1371/journal.pntd.0012577
