HS#2017-3512, Adaptivní intervence pro optimalizaci kontroly malárie: Cluster-randomized SMART Trial

V posledním desetiletí vedlo masivní rozšíření dlouhotrvajících sítí ošetřených insekticidy (LLIN) a vnitřní zbytkový postřik (IRS) v Africe k významnému snížení úmrtnosti na malárii a mobility. Současné intervence v první linii však k odstranění malárie ve většině zemí nestačí. Široké používání pyrethroidních insekticidů vedlo k odolným populacím vektorů a vysoké pokrytí LLIN a IRS vedlo ke zvýšenému chování lidí při krmení venku a při odpočinku. Tyto změny v ekologii a chování vektorů významně omezily účinnost současných zásahů v první linii, které se zaměřují na komáry kousající v interiéru a odpočívající. Kromě toho je v důsledku ekologických změn a intervenčních opatření riziko malárie v dané lokalitě dynamické a užitečnost intervenčních nástrojů proti malárii se může lišit podle toho, jak se schvalují a zavádějí nové nástroje a náklady na každý nástroj se liší mezi lokalitami a časem. Takové variace v riziku malárie, ekologii vektorů a užitečnosti intervenčních nástrojů jsou příkladem potřeby vyvinout optimální adaptivní intervence přizpůsobené místním rizikům malárie, ekologii vektorů a dodavatelským řetězcům. Hlavním cílem této aplikace je navrhnout optimální adaptivní kombinace intervencí pro kontrolu vektorů pro maximalizaci snížení zátěže malárie na základě místních rizik přenosu malárie, měnící se ekologie vektorů a dostupné směsi intervencí schválených ministerstvem zdravotnictví v každé cílové zemi. Ústřední hypotézou je, že adaptivní přístup založený na místním riziku malárie a měnící se ekologii vektorů povede k významnému snížení výskytu malárie a rizika přenosu. K dosažení tohoto cíle navrhujeme následující tři konkrétní cíle:

1. Měřte výskyt malárie a předvídejte riziko pomocí environmentálních, biologických, sociálních a klimatických prvků s přístupy strojového učení. Hypotéza: Predikci rizika malárie lze zlepšit použitím technik strojového učení, které zahrnují environmentální, biologické, socioekonomické a klimatické rysy. Přístup: Každé pracoviště bude měřit výskyt malárie, prevalenci a sociálně ekonomické faktory prostřednictvím komunitních průzkumů. Přístupy založené na klasifikaci a regresi budou použity k vývoji modelů predikce rizika malárie a bude ověřena výkonnost modelu. Výsledek: Tento cíl vytvoří vylepšené modely předpovědi rizika malárie a položí důležitý základ pro vývoj intervenčních strategií přizpůsobených místní vektorové ekologii a budoucím rizikům malárie pomocí posílených přístupů strojového učení.
2. Použijte klastrově randomizovanou sekvenční, vícenásobnou randomizovanou studii (SMART) k vytvoření optimální adaptivní intervenční strategie. Hypotéza: Intervence kontroly malárie, které jsou přizpůsobeny místnímu riziku malárie a ekologii vektorů a jsou nákladově efektivní, lze identifikovat pomocí klastrově randomizovaného SMART designu. Přístup: Clusterově randomizovaný SMART design bude použit v oblastech s vysokým přenosem v Keni k vyhodnocení dopadu adaptivních intervencí, které zahrnují sekvenční a kombinované použití sítí nové generace, vnitřní postřiky nepyrethroidními insekticidy a řízení zdrojů larev pro malárii. řízení.
3. Vyhodnoťte nákladovou efektivitu a dopad adaptivního intervenčního přístupu na sekundární koncové body související s rizikem a přenosem malárie. Hypotéza: Intervenční strategie přizpůsobené místnímu riziku malárie a vektorové ekologii budou při snižování výskytu malárie a rizika přenosu nákladově efektivnější než v současnosti používaná intervence LLIN. Přístup: Ekonomické náklady jednotlivých intervencí nebo jejich kombinací budou posuzovány jak z hlediska poskytovatele, tak z hlediska společnosti za použití standardních metodik ekonomického hodnocení. Efektivita nákladů bude měřena z hlediska nákladů na chráněnou osobu. Studie bude zkoumat změny v rezistenci na léky a insekticidy a v prevalenci infekcí, které lze připsat adaptivním intervencím.

Zásahy proti malárii přizpůsobené rychle se měnícímu riziku malárie a ekologickým vektorům jsou kriticky potřebné pro zlepšení účinnosti opatření pro kontrolu malárie. Tato studie bude využívat nové techniky, včetně strojového učení a nového klastrově randomizovaného designu SMART, k vývoji optimálních adaptivních strategií intervence proti malárii.