Denguekuumeen leviämisen riskitekijöiden tunnistaminen maisema-analyysin avulla (IRDDENGUELA)
Denguekuumeen leviämisen riskitekijöiden tunnistaminen maisema-analyysin avulla naapurustossa "El Vergel", Tapachula, Chiapas
Tämän retrospektiivisen havainnointitutkimuksen tavoitteena on määrittää denguekuumeen tartuntariskin todennäköisyys epidemiologisiin, entomologisiin, sosioekonomisiin, demografisiin ja maisemamuuttujiin perustuvan mallin avulla El Vergelin naapurustossa Tapachulan kunnassa Chiapasissa Meksikossa.
Pääkysymys, johon se pyrkii vastaamaan, on:
1. Onko mahdollista tunnistaa denguekuumeen leviämisen riskitekijöitä kehittämällä epidemiologisten, entomologisten, sosiodemografisten ja maisemamuuttujien maisema-analyysiin perustuva todennäköisyysmalli Tapachulan kunnan endeemisellä kaupunkialueella, Chiapasissa, Meksikossa? Osallistujat valitaan terveysministeriltä saadusta denguekuume-tapausten rekisteristä, joka erotetaan entomologisista, sosioekonomisista, demografisista ja maisemamuuttujista El Vergelin alueella Tapachulassa, Chiapasissa, Meksikossa. Heihin ei oteta yhteyttä eikä oteta näytteitä biologista testausta varten missään muodossa tai muodossa, vaan käytetään vain terveyspalveluista jo kerättyjä tietoja.
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
Denguekuumeen leviämisen riskitekijöiden tunnistaminen maisema-analyysin avulla "El Vergel" -naapurustossa, Tapachula, Chiapas, Meksiko Dengue on pääasiassa Ae-viruksen levittämä tauti. Alueellamme esiintyvä aegypti, vektorivalvonnasta ja torjuntatoimista huolimatta, viruksen kierto on jatkuvaa ja tarvitaan uusia strategioita, jotka auttavat vähentämään taudin ilmaantuvuutta, joka voi olla kohtalokasta. Toisaalta droonit ovat työkaluja, joita käytetään jo mm. tarkkuus- ja turvallisuusmaataloudessa; niiden avulla on mahdollista saada korkearesoluutioisia kuvia suurista maa-alueista. Tässä työssä käytetään näitä kuvia yhdessä epidemiologisten, entomologisten, sosioekonomisten ja demografisten tietojen kanssa denguekuumeen leviämisen riskitekijöiden tunnistamiseksi Tapachulan kaupungin kaupunkialueella ja luodaan malli, jonka avulla voidaan määrittää alueen riskialueet. . opiskella.
Tavoite: Määrittää denguekuumeen tartuntariskin todennäköisyys epidemiologisiin, entomologisiin, sosioekonomisiin, demografisiin ja maisemamuuttujiin perustuvan mallin avulla El Vergelin alueella Tapachulan kunnassa Chiapasissa.
Materiaali ja menetelmät: El Vergelin alueella Tapachulassa Chiapasissa käytetään marraskuusta joulukuuhun 2019 saatuja tietoja. Epidemiologisen tiedon lisäksi denguekuumeen esiintyvyydestä ja ovitrappien sijoittamisesta tutkimusalueelle näytteenottojakson aikana, kuusi kuukautta ennen ja kuusi kuukautta sen jälkeen. Käytetään erikoiskarttografiaa, joka tehdään hienomittaisista ilmakuvista, jotka on otettu 100 metrin korkeudessa moniroottorisella dronilla, jossa on kuusi DJI Matrice 600 -mallin roottoria ja kahdentyyppisiä kameroita, Zenmuse X5 -malli, joka tallentaa kuvia näkyvällä spektrillä 16 MP:n tarkkuudella. ja monispektrikamera viidellä spektrikaistalla MicaSense RedEdge -MX RGB-sensorilla, jonka spatiaalinen resoluutio on 5 cm/piksel. Kuvat on otettu samanaikaisesti entomologisten, sosioekonomisten ja demografisten tutkimusten kanssa. Georeferoituja ortovalokarttografisia karttoja, digitaalisia pintamalleja, digitaalisia maastomalleja ja kasvillisuusindeksien erikoiskarttoja käytetään: Normalized Difference Vegetation Index (NDVI), Difference Vegetation Index Green Normalized (GNDVI), RedEdge Normalized Difference Vegetation Index (NDVIRel) ja Chlorophylel Indeksi (CIGreen), tutkimusalueella olevien puiden korkeus ja halkaisija, erilaisten maisemaan liittyvien muuttujien ottamiseksi (ympäristömuuttujat). Tietojen analysointi perustuu osittaisten pienimmän neliösumman periaatteeseen perustuvaan matemaattiseen malliin, jolla määritetään epidemiologisten indikaattorien (tapausten lukumäärä ja georeferenssi), entomologisen (Ae. aegyptin epäkypsät ja aikuiset vaiheet), kuntoindeksin välinen spatiaalinen yhteys. asumiseen, sosiodemografisiin ja maisematietoihin.
Kesto: 6 kuukautta Tutkimuksen tyyppi: Poikkileikkaus, retrospektiivinen, havainnollinen. Valintaperusteet: Tietokantojen rakentamisessa otetaan huomioon Colonia El Vergelin, Tapachulan ja Chiapasin talot, joissa sen täysi-ikäiset asukkaat hyväksyttiin tietoisella suostumuksella osallistua tutkimuksiin sekä entomologisten ja sosiodemografisten tietojen keräämiseen in situ sekä ilmakuvien keräämiseen. korkeus 100m päässä. Kodit, joissa ei ole asukkaita, ovat poissulkemisperusteita ja ne, joissa osallistujat eivät salli täydellisten tietojen keräämistä, poistetaan.
Otoskoko ja otanta: Asuntojen valinnassa käytetään monivaiheista ositettua otantaa. Otoskoko saadaan mittasuhteiden otoskaavan mukaan, joka laskettiin n=196 asunnossa.
Tulokset: Käytettyjen erityyppisten muuttujien perusteella luodaan todennäköisyyspohjainen riskimalli ja rakennetaan karttoja tunnistamaan denguekuumeen suurimman riskin alueet tutkimusalueella.
Johtopäätös: Luo tieteellistä näyttöä, joka mahdollistaa näiden edistysten maksimaalisen käytön väestön hyödyksi. Riskialueiden määrittäminen erikoiskartografialla, joka tehdään korkearesoluutioisella ilmakuvauksella droneilla, on jo esitelty ja julkaistu äskettäin.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
Chiapas
-
Tapachula, Chiapas, Meksiko, 30700
- Hospital General de Zona No. 1
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Mukaan otetaan epidemiologiset tiedot kaikista kesäkuun 2019 ja toukokuun 2020 välisenä aikana oireilevista epäillyistä dengue-tapauksista, joilla on ennätys Kansallisen epidemiologisen seurantajärjestelmän alustalla.
Poissulkemiskriteerit:
- Tietueet, joilla ei ole tarpeeksi tietoa georeferenssiin, suljetaan pois.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Main
El Vergelin alueella Tapachulassa Chiapasissa saatuja tietoja, jotka on saatu marraskuusta joulukuuhun 2019, käytetään entomologisista, asuinolosuhteista ja sosiodemografisista tutkimuksista.
|
Käytettyjen erityyppisten muuttujien perusteella luodaan todennäköisyyspohjainen riskimalli ja rakennetaan karttoja tunnistamaan tutkimusalueen suurimmat denguekuumeen tartuntariskit.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Riski
Aikaikkuna: Vuosi, kuusi kuukautta ennen tutkimushakemusta (marraskuu-joulukuu 2019) ja kuusi kuukautta sen jälkeen
|
Käytettyjen erityyppisten muuttujien perusteella luodaan todennäköisyyspohjainen riskimalli ja rakennetaan karttoja tunnistamaan tutkimusalueen suurimmat denguekuumeen tartuntariskit.
|
Vuosi, kuusi kuukautta ennen tutkimushakemusta (marraskuu-joulukuu 2019) ja kuusi kuukautta sen jälkeen
|
Yhteistyökumppanit ja tutkijat
Sponsori
Yhteistyökumppanit
Tutkijat
- Päätutkija: Héctor A Rincón León, PhD, Instituto Mexicano del Seguro Social
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Talavera JO, Rivas-Ruiz R, Bernal-Rosales LP. [Clinical research V. Sample size]. Rev Med Inst Mex Seguro Soc. 2011 Sep-Oct;49(5):517-22. Spanish.
- Bhatt S, Gething PW, Brady OJ, Messina JP, Farlow AW, Moyes CL, Drake JM, Brownstein JS, Hoen AG, Sankoh O, Myers MF, George DB, Jaenisch T, Wint GR, Simmons CP, Scott TW, Farrar JJ, Hay SI. The global distribution and burden of dengue. Nature. 2013 Apr 25;496(7446):504-7. doi: 10.1038/nature12060. Epub 2013 Apr 7.
- Brady OJ, Gething PW, Bhatt S, Messina JP, Brownstein JS, Hoen AG, Moyes CL, Farlow AW, Scott TW, Hay SI. Refining the global spatial limits of dengue virus transmission by evidence-based consensus. PLoS Negl Trop Dis. 2012;6(8):e1760. doi: 10.1371/journal.pntd.0001760. Epub 2012 Aug 7.
- Gubler DJ. Dengue and dengue hemorrhagic fever. Clin Microbiol Rev. 1998 Jul;11(3):480-96. doi: 10.1128/CMR.11.3.480.
- Bennett JE, Dolin R, Blaser MJ, editores. Mandell, Douglas, and Bennett's principles and practice of infectious diseases. Ninth edition. Philadelphia, PA: Elsevier; 2020. 1 p.
- World Health Organization. (2012). Global strategy for dengue prevention and control 2012-2020. World Health Organization. https://apps.who.int/iris/handle/10665/75303
- Kuhn RJ, Zhang W, Rossmann MG, Pletnev SV, Corver J, Lenches E, Jones CT, Mukhopadhyay S, Chipman PR, Strauss EG, Baker TS, Strauss JH. Structure of dengue virus: implications for flavivirus organization, maturation, and fusion. Cell. 2002 Mar 8;108(5):717-25. doi: 10.1016/s0092-8674(02)00660-8.
- Guzman MG, Harris E. Dengue. Lancet. 2015 Jan 31;385(9966):453-65. doi: 10.1016/S0140-6736(14)60572-9. Epub 2014 Sep 14.
- Pardo Martínez D, Ojeda Martínez B, Alonso Remedios A. Dinámica de la respuesta inmune en la infección por virus del dengue. MediSur. febrero de 2018;16:76-84.
- Avirutnan P, Matangkasombut P. Unmasking the role of mast cells in dengue. Elife. 2013 Apr 30;2:e00767. doi: 10.7554/eLife.00767.
- Orta-Pineda G, Abella-Medrano CA, Suzan G, Serrano-Villagrana A, Ojeda-Flores R. Effects of landscape anthropization on sylvatic mosquito assemblages in a rainforest in Chiapas, Mexico. Acta Trop. 2021 Apr;216:105849. doi: 10.1016/j.actatropica.2021.105849. Epub 2021 Jan 30.
- Tun-Lin W, Kay BH, Barnes A. Understanding productivity, a key to Aedes aegypti surveillance. Am J Trop Med Hyg. 1995 Dec;53(6):595-601. doi: 10.4269/ajtmh.1995.53.595.
- Scott TW, Morrison AC. Vector dynamics and transmission of dengue virus: implications for dengue surveillance and prevention strategies: vector dynamics and dengue prevention. Curr Top Microbiol Immunol. 2010;338:115-28. doi: 10.1007/978-3-642-02215-9_9.
- Reinhold JM, Lazzari CR, Lahondere C. Effects of the Environmental Temperature on Aedes aegypti and Aedes albopictus Mosquitoes: A Review. Insects. 2018 Nov 6;9(4):158. doi: 10.3390/insects9040158.
- Carrasco-Escobar G, Moreno M, Fornace K, Herrera-Varela M, Manrique E, Conn JE. The use of drones for mosquito surveillance and control. Parasit Vectors. 2022 Dec 16;15(1):473. doi: 10.1186/s13071-022-05580-5.
- Ferraguti M, Martinez-de la Puente J, Roiz D, Ruiz S, Soriguer R, Figuerola J. Effects of landscape anthropization on mosquito community composition and abundance. Sci Rep. 2016 Jul 4;6:29002. doi: 10.1038/srep29002.
- Mechan F, Bartonicek Z, Malone D, Lees RS. Unmanned aerial vehicles for surveillance and control of vectors of malaria and other vector-borne diseases. Malar J. 2023 Jan 20;22(1):23. doi: 10.1186/s12936-022-04414-0.
- Muñiz-Sánchez, V.; Valdez-Delgado, K.M.; Hernandez-Lopez, F.J.; Moo-Llanes, D.A.; González-Farías, G.; Danis-Lozano, R. Use of Unmanned Aerial Vehicles for Building a House Risk Index of Mosquito-Borne Viral Diseases. Machines 2022, 10, 1161. https://doi.org/10.3390/machines10121161
- Yin S, Ren C, Shi Y, Hua J, Yuan HY, Tian LW. A Systematic Review on Modeling Methods and Influential Factors for Mapping Dengue-Related Risk in Urban Settings. Int J Environ Res Public Health. 2022 Nov 18;19(22):15265. doi: 10.3390/ijerph192215265.
- Leandro AS, Ayala MJC, Lopes RD, Martins CA, Maciel-de-Freitas R, Villela DAM. Entomo-Virological Aedes aegypti Surveillance Applied for Prediction of Dengue Transmission: A Spatio-Temporal Modeling Study. Pathogens. 2022 Dec 20;12(1):4. doi: 10.3390/pathogens12010004.
- Hossain, M.S.; Raihan, M.E.; Hossain, M.S.; Syeed, M.M.M.; Rashid, H.; Reza, M.S. Aedes Larva Detection Using Ensemble Learning to Prevent Dengue Endemic. BioMedInformatics 2022, 2, 405-423. https://doi.org/10.3390/biomedinformatics2030026
- Case E, Shragai T, Harrington L, Ren Y, Morreale S, Erickson D. Evaluation of Unmanned Aerial Vehicles and Neural Networks for Integrated Mosquito Management of Aedes albopictus (Diptera: Culicidae). J Med Entomol. 2020 Sep 7;57(5):1588-1595. doi: 10.1093/jme/tjaa078.
- Stanton MC, Kalonde P, Zembere K, Hoek Spaans R, Jones CM. The application of drones for mosquito larval habitat identification in rural environments: a practical approach for malaria control? Malar J. 2021 May 31;20(1):244. doi: 10.1186/s12936-021-03759-2.
- Lee GO, Vasco L, Marquez S, Zuniga-Moya JC, Van Engen A, Uruchima J, Ponce P, Cevallos W, Trueba G, Trostle J, Berrocal VJ, Morrison AC, Cevallos V, Mena C, Coloma J, Eisenberg JNS. A dengue outbreak in a rural community in Northern Coastal Ecuador: An analysis using unmanned aerial vehicle mapping. PLoS Negl Trop Dis. 2021 Sep 27;15(9):e0009679. doi: 10.1371/journal.pntd.0009679. eCollection 2021 Sep.
- Sallam MF, Fizer C, Pilant AN, Whung PY. Systematic Review: Land Cover, Meteorological, and Socioeconomic Determinants of Aedes Mosquito Habitat for Risk Mapping. Int J Environ Res Public Health. 2017 Oct 16;14(10):1230. doi: 10.3390/ijerph14101230.
- Aswi A, Cramb SM, Moraga P, Mengersen K. Bayesian spatial and spatio-temporal approaches to modelling dengue fever: a systematic review. Epidemiol Infect. 2018 Oct 29;147:e33. doi: 10.1017/S0950268818002807.
- Rahman MS, Pientong C, Zafar S, Ekalaksananan T, Paul RE, Haque U, Rocklov J, Overgaard HJ. Mapping the spatial distribution of the dengue vector Aedes aegypti and predicting its abundance in northeastern Thailand using machine-learning approach. One Health. 2021 Dec 4;13:100358. doi: 10.1016/j.onehlt.2021.100358. eCollection 2021 Dec.
- Abdullah NAMH, Dom NC, Salleh SA, Salim H, Precha N. The association between dengue case and climate: A systematic review and meta-analysis. One Health. 2022 Oct 31;15:100452. doi: 10.1016/j.onehlt.2022.100452. eCollection 2022 Dec.
- Moloney JM, Skelly C, Weinstein P, Maguire M, Ritchie S. Domestic Aedes aegypti breeding site surveillance: limitations of remote sensing as a predictive surveillance tool. Am J Trop Med Hyg. 1998 Aug;59(2):261-4. doi: 10.4269/ajtmh.1998.59.261.
- Lorenz C, Castro MC, Trindade PMP, Nogueira ML, de Oliveira Lage M, Quintanilha JA, Parra MC, Dibo MR, Favaro EA, Guirado MM, Chiaravalloti-Neto F. Predicting Aedes aegypti infestation using landscape and thermal features. Sci Rep. 2020 Dec 10;10(1):21688. doi: 10.1038/s41598-020-78755-8.
- Arredondo-Jimenez JI, Valdez-Delgado KM. Aedes aegypti pupal/demographic surveys in southern Mexico: consistency and practicality. Ann Trop Med Parasitol. 2006 Apr;100 Suppl 1:S17-S32. doi: 10.1179/136485906X105480.
- Silver JB. Mosquito ecology: field sampling methods. springer science & business media; 2007.
- Valdez-Delgado KM, Moo-Llanes DA, Danis-Lozano R, Cisneros-Vazquez LA, Flores-Suarez AE, Ponce-Garcia G, Medina-De la Garza CE, Diaz-Gonzalez EE, Fernandez-Salas I. Field Effectiveness of Drones to Identify Potential Aedes aegypti Breeding Sites in Household Environments from Tapachula, a Dengue-Endemic City in Southern Mexico. Insects. 2021 Jul 21;12(8):663. doi: 10.3390/insects12080663.
- Valdez-Delgado KM. Aplicación del uso de drones a fina escala para la asociación de factores demográficos, socio-económicos y ambientales con la abundancia de mosquitos Aedes aegypti (Linnaeus) y Aedes albopictus (Skuse) Diptera: Culicidae, en áreas persistentes para la transmisión de dengue, chikungunya y Zika de la Ciudad de Tapachula, Chiapas". [Internet] [Tesis Doctoral]. [Monterrey, NL]: Universidad Autónoma de Nuevo León; 2023. Disponible en: http://eprints.uanl.mx/id/eprint/25097
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Arvioitu)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- F-CNIC-2023-060
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
IPD-suunnitelman kuvaus
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .