Published November 20, 2009
| Version v1
Publication
Open
The risks of malaria infection in Kenya in 2009
Creators
- 1. Kenyatta National Hospital
- 2. Kenya Medical Research Institute
- 3. University of Oxford
- 4. Ministry of Health
Description
To design an effective strategy for the control of malaria requires a map of infection and disease risks to select appropriate suites of interventions. Advances in model based geo-statistics and malaria parasite prevalence data assemblies provide unique opportunities to redefine national Plasmodium falciparum risk distributions. Here we present a new map of malaria risk for Kenya in 2009.Plasmodium falciparum parasite rate data were assembled from cross-sectional community based surveys undertaken from 1975 to 2009. Details recorded for each survey included the month and year of the survey, sample size, positivity and the age ranges of sampled population. Data were corrected to a standard age-range of two to less than 10 years (PfPR2-10) and each survey location was geo-positioned using national and on-line digital settlement maps. Ecological and climate covariates were matched to each PfPR2-10 survey location and examined separately and in combination for relationships to PfPR2-10. Significant covariates were then included in a Bayesian geostatistical spatial-temporal framework to predict continuous and categorical maps of mean PfPR2-10 at a 1 x 1 km resolution across Kenya for the year 2009. Model hold-out data were used to test the predictive accuracy of the mapped surfaces and distributions of the posterior uncertainty were mapped.A total of 2,682 estimates of PfPR2-10 from surveys undertaken at 2,095 sites between 1975 and 2009 were selected for inclusion in the geo-statistical modeling. The covariates selected for prediction were urbanization; maximum temperature; precipitation; enhanced vegetation index; and distance to main water bodies. The final Bayesian geo-statistical model had a high predictive accuracy with mean error of -0.15% PfPR2-10; mean absolute error of 0.38% PfPR2-10; and linear correlation between observed and predicted PfPR2-10 of 0.81. The majority of Kenya's 2009 population (35.2 million, 86.3%) reside in areas where predicted PfPR2-10 is less than 5%; conversely in 2009 only 4.3 million people (10.6%) lived in areas where PfPR2-10 was predicted to be > or =40% and were largely located around the shores of Lake Victoria.Model based geo-statistical methods can be used to interpolate malaria risks in Kenya with precision and our model shows that the majority of Kenyans live in areas of very low P. falciparum risk. As malaria interventions go to scale effectively tracking epidemiological changes of risk demands a rigorous effort to document infection prevalence in time and space to remodel risks and redefine intervention priorities over the next 10-15 years.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يتطلب تصميم استراتيجية فعالة لمكافحة الملاريا وضع خريطة لمخاطر العدوى والأمراض لاختيار مجموعات مناسبة من التدخلات. يوفر التقدم في الإحصائيات الجغرافية القائمة على النماذج وتجميعات بيانات انتشار طفيليات الملاريا فرصًا فريدة لإعادة تعريف التوزيعات الوطنية لمخاطر المتصورة المنجلية. نقدم هنا خريطة جديدة لمخاطر الملاريا في كينيا في عام 2009. تم تجميع بيانات معدل طفيليات المتصورة المنجلية من الدراسات الاستقصائية المجتمعية المستعرضة التي أجريت من 1975 إلى 2009. تضمنت التفاصيل المسجلة لكل استبيان شهر وسنة الاستبيان وحجم العينة والإيجابية والفئات العمرية للسكان الذين تم أخذ عينات منهم. تم تصحيح البيانات إلى نطاق عمر قياسي يتراوح بين سنتين إلى أقل من 10 سنوات (PfPR2 -10) وتم تحديد الموقع الجغرافي لكل موقع مسح باستخدام خرائط التسوية الرقمية الوطنية وعبر الإنترنت. تمت مطابقة المتغيرات البيئية والمناخية مع كل موقع مسح PfPR2 -10 وفحصها بشكل منفصل ومختلط للعلاقات مع PfPR2 -10. ثم تم تضمين متغيرات مشتركة كبيرة في إطار زمني مكاني جغرافي إحصائي بايزي للتنبؤ بالخرائط المستمرة والفئوية لمتوسط PfPR2 -10 بدقة 1 × 1 كم في جميع أنحاء كينيا لعام 2009. تم استخدام بيانات الصمود النموذجية لاختبار الدقة التنبؤية للأسطح المعينة وتم تعيين توزيعات عدم اليقين الخلفي. تم اختيار ما مجموعه 2682 تقديرًا لـ PfPR2 -10 من المسوحات التي أجريت في 2095 موقعًا بين عامي 1975 و 2009 لإدراجها في النمذجة الإحصائية الجغرافية. كانت المتغيرات المشتركة المختارة للتنبؤ هي التحضر ؛ درجة الحرارة القصوى ؛ هطول الأمطار ؛ مؤشر الغطاء النباتي المعزز ؛ والمسافة إلى المسطحات المائية الرئيسية. كان للنموذج الإحصائي الجغرافي البايزي النهائي دقة تنبؤية عالية مع متوسط خطأ قدره -0.15 ٪ PfPR2 -10 ؛ متوسط خطأ مطلق قدره 0.38 ٪ PfPR2 -10 ؛ وارتباط خطي بين PfPR2 -10 المرصود والمتوقع من 0.81. يقيم غالبية سكان كينيا لعام 2009 (35.2 مليون، 86.3 ٪) في المناطق التي يتوقع أن يكون فيها PfPR2 -10 أقل من 5 ٪ ؛ على العكس من ذلك، في عام 2009، كان 4.3 مليون شخص فقط (10.6 ٪) يعيشون في المناطق التي كان من المتوقع أن يكون فيها PfPR2 -10 > أو =40 ٪ وكانوا يقعون إلى حد كبير حول شواطئ بحيرة فيكتوريا. يمكن استخدام الأساليب الإحصائية الجغرافية القائمة على النماذج لاستقراء مخاطر الملاريا في كينيا بدقة ويظهر نموذجنا أن غالبية الكينيين يعيشون في مناطق ذات مخاطر منخفضة للغاية من المتصورة المنجلية. مع اتساع نطاق التدخلات المتعلقة بالملاريا، يتطلب تتبع التغيرات الوبائية للمخاطر بشكل فعال بذل جهد صارم لتوثيق انتشار العدوى في الزمان والمكان لإعادة تشكيل المخاطر وإعادة تحديد أولويات التدخل على مدى السنوات العشر إلى الخمس عشرة القادمة.Translated Description (French)
Pour concevoir une stratégie efficace de lutte contre le paludisme, il faut une carte des risques d'infection et de maladie afin de sélectionner les séries d'interventions appropriées. Les progrès de la géostatistique basée sur des modèles et des ensembles de données sur la prévalence du parasite du paludisme offrent des opportunités uniques de redéfinir les distributions nationales du risque de Plasmodium falciparum. Nous présentons ici une nouvelle carte du risque de paludisme pour le Kenya en 2009. Les données sur le taux de parasite Plasmodium falciparum ont été rassemblées à partir d'enquêtes communautaires transversales menées de 1975 à 2009. Les détails enregistrés pour chaque enquête comprenaient le mois et l'année de l'enquête, la taille de l'échantillon, la positivité et les tranches d'âge de la population échantillonnée. Les données ont été corrigées en fonction d'une tranche d'âge standard de deux à moins de 10 ans (PfPR2-10) et chaque lieu d'enquête a été géolocalisé à l'aide de cartes de règlement numériques nationales et en ligne. Les covariables écologiques et climatiques ont été appariées à chaque site d'enquête PfPR2-10 et examinées séparément et en combinaison pour les relations avec PfPR2-10. Des covariables significatives ont ensuite été incluses dans un cadre géostatistique spatio-temporel bayésien pour prédire des cartes continues et catégoriques de la PfPR2-10 moyenne à une résolution de 1 x 1 km à travers le Kenya pour l'année 2009. Les données de maintien du modèle ont été utilisées pour tester la précision prédictive des surfaces cartographiées et les distributions de l'incertitude postérieure ont été cartographiées. Un total de 2 682 estimations de PfPR2-10 provenant d'enquêtes menées sur 2 095 sites entre 1975 et 2009 ont été sélectionnées pour inclusion dans la modélisation géostatistique. Les covariables sélectionnées pour la prédiction étaient l'urbanisation ; la température maximale ; les précipitations ; l'indice de végétation amélioré ; et la distance aux principaux plans d'eau. Le modèle géostatistique bayésien final avait une précision prédictive élevée avec une erreur moyenne de -0,15 % PfPR2-10 ; une erreur absolue moyenne de 0,38 % PfPR2-10 ; et une corrélation linéaire entre la PfPR2-10 observée et prédite de 0,81. La majorité de la population du Kenya en 2009 (35,2 millions, 86,3 %) réside dans des zones où la PfPR2-10 prévue est inférieure à 5 % ; à l'inverse, en 2009, seulement 4,3 millions de personnes (10,6 %) vivaient dans des zones où la PfPR2-10 était prévue pour être > ou =40 % et étaient en grande partie situées autour des rives du lac Victoria. Des méthodes géostatistiques basées sur des modèles peuvent être utilisées pour interpoler les risques de paludisme au Kenya avec précision et notre modèle montre que la majorité des Kényans vivent dans des zones à très faible risque de P. falciparum. À mesure que les interventions contre le paludisme s'étendent, le suivi efficace des changements épidémiologiques des risques exige un effort rigoureux pour documenter la prévalence de l'infection dans le temps et l'espace afin de remodeler les risques et de redéfinir les priorités d'intervention au cours des 10 à 15 prochaines années.Translated Description (Spanish)
Para diseñar una estrategia eficaz para el control de la malaria se requiere un mapa de los riesgos de infección y enfermedad para seleccionar los conjuntos apropiados de intervenciones. Los avances en las geoestadísticas basadas en modelos y los conjuntos de datos de prevalencia de parásitos de la malaria brindan oportunidades únicas para redefinir las distribuciones nacionales de riesgo de Plasmodium falciparum. Aquí presentamos un nuevo mapa del riesgo de malaria para Kenia en 2009. Los datos de la tasa de parásitos de Plasmodium falciparum se recopilaron a partir de encuestas comunitarias transversales realizadas entre 1975 y 2009. Los detalles registrados para cada encuesta incluyeron el mes y el año de la encuesta, el tamaño de la muestra, la positividad y los rangos de edad de la población muestreada. Los datos se corrigieron a un rango de edad estándar de dos a menos de 10 años (PfPR2-10) y cada ubicación de la encuesta se geoposicionó utilizando mapas de asentamientos digitales nacionales y en línea. Las covariables ecológicas y climáticas se emparejaron con cada ubicación de la encuesta PfPR2-10 y se examinaron por separado y en combinación para determinar las relaciones con PfPR2-10. Luego se incluyeron covariables significativas en un marco geoestadístico espacio-temporal bayesiano para predecir mapas continuos y categóricos de PfPR2-10 medio a una resolución de 1 x 1 km en Kenia para el año 2009. Los datos de retención del modelo se utilizaron para probar la precisión predictiva de las superficies mapeadas y se mapearon las distribuciones de la incertidumbre posterior. Se seleccionaron un total de 2,682 estimaciones de PfPR2-10 de encuestas realizadas en 2,095 sitios entre 1975 y 2009 para su inclusión en el modelado geoestadístico. Las covariables seleccionadas para la predicción fueron urbanización; temperatura máxima; precipitación; índice de vegetación mejorado; y distancia a los principales cuerpos de agua. El modelo geoestadístico bayesiano final tuvo una alta precisión predictiva con un error medio de -0,15% de PfPR2-10; un error absoluto medio de 0,38% de PfPR2-10; y una correlación lineal entre PfPR2-10 observado y predicho de 0,81. La mayoría de la población de Kenia en 2009 (35,2 millones, 86,3%) reside en áreas donde se predijo que PfPR2-10 es inferior al 5%; por el contrario, en 2009 solo 4,3 millones de personas (10,6%) vivían en áreas donde se predijo que PfPR2-10 sería > o =40% y se ubicaban en gran medida alrededor de las orillas del lago Victoria. Los métodos geoestadísticos basados en modelos se pueden utilizar para interpolar los riesgos de malaria en Kenia con precisión y nuestro modelo muestra que la mayoría de los kenianos viven en áreas de muy bajo riesgo de P. falciparum. A medida que las intervenciones contra la malaria se amplían, el seguimiento efectivo de los cambios epidemiológicos de riesgo exige un esfuerzo riguroso para documentar la prevalencia de la infección en el tiempo y el espacio para remodelar los riesgos y redefinir las prioridades de intervención en los próximos 10-15 años.Files
1471-2334-9-180.pdf
Files
(2.7 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:e3c76c4450aa9c4de0b7941566c94fbb
|
2.7 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- مخاطر الإصابة بالملاريا في كينيا عام 2009
- Translated title (French)
- Les risques d'infection palustre au Kenya en 2009
- Translated title (Spanish)
- Los riesgos de la infección por malaria en Kenia en 2009
Identifiers
- Other
- https://openalex.org/W2104248532
- DOI
- 10.1186/1471-2334-9-180
References
- https://openalex.org/W1245938035
- https://openalex.org/W1530599454
- https://openalex.org/W1538198101
- https://openalex.org/W1554799332
- https://openalex.org/W1584480503
- https://openalex.org/W1778614273
- https://openalex.org/W1976619878
- https://openalex.org/W1985149691
- https://openalex.org/W1990365193
- https://openalex.org/W1996558251
- https://openalex.org/W2001165477
- https://openalex.org/W2003771070
- https://openalex.org/W2028626843
- https://openalex.org/W2032255465
- https://openalex.org/W2036428942
- https://openalex.org/W2049167632
- https://openalex.org/W2051796655
- https://openalex.org/W2073189420
- https://openalex.org/W2108522763
- https://openalex.org/W2110243445
- https://openalex.org/W2113510423
- https://openalex.org/W2114746714
- https://openalex.org/W2117674045
- https://openalex.org/W2120463581
- https://openalex.org/W2121986789
- https://openalex.org/W2123650481
- https://openalex.org/W2135490630
- https://openalex.org/W2142673846
- https://openalex.org/W2156484790
- https://openalex.org/W2159582058
- https://openalex.org/W2159942121
- https://openalex.org/W2163697153
- https://openalex.org/W2164409574
- https://openalex.org/W2168330471
- https://openalex.org/W2171449727
- https://openalex.org/W4241516881