- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05893134
Identification des déterminants du risque de transmission de la dengue par l'analyse du paysage (IRDDENGUELA)
Identification des déterminants du risque de transmission de la dengue grâce à l'analyse du paysage dans le quartier "El Vergel", Tapachula, Chiapas
Cette étude observationnelle rétrospective vise à déterminer la probabilité du risque de transmission de la dengue à travers un modèle basé sur des variables épidémiologiques, entomologiques, socio-économiques, démographiques et paysagères dans le quartier El Vergel de la municipalité de Tapachula, Chiapas, Mexique.
La principale question à laquelle il vise à répondre est la suivante :
1. Est-il possible d'identifier les déterminants du risque de transmission de la dengue en développant un modèle probabiliste basé sur l'analyse paysagère de variables épidémiologiques, entomologiques, sociodémographiques et paysagères dans une zone urbaine endémique de la municipalité de Tapachula, Chiapas, Mexique ? Les participants seront sélectionnés à partir d'un registre obtenu auprès du Secrétariat à la Santé des cas de dengue, qui sera mis en contraste avec les variables entomologiques, socio-économiques, démographiques et paysagères du quartier El Vergel à Tapachula, Chiapas, Mexique. Ils ne seront pas contactés ou échantillonnés pour des tests biologiques sous quelque forme que ce soit, seules les données déjà collectées auprès des services de santé seront utilisées.
Aperçu de l'étude
Description détaillée
Identification des déterminants du risque de transmission de la dengue à travers l'analyse du paysage dans le quartier "El Vergel", Tapachula, Chiapas, Mexique La dengue est une maladie transmise principalement par les Ae. aegypti présent dans notre région, malgré les activités de surveillance et de contrôle des vecteurs, la circulation du virus est constante et de nouvelles stratégies sont nécessaires pour contribuer à réduire l'incidence de la maladie, qui peut être mortelle. D'autre part, les drones sont des outils déjà utilisés dans l'agriculture de précision et de sécurité, entre autres ; grâce à eux, il est possible d'obtenir des images à haute résolution de vastes étendues de terres. Ce travail utilisera ces images en combinaison avec des données épidémiologiques, entomologiques, socio-économiques et démographiques pour identifier les facteurs de risque de transmission de la dengue dans une zone urbaine de la ville de Tapachula et générera un modèle qui permettra de définir les zones à risque dans la zone . étude.
Objectif : Déterminer la probabilité du risque de transmission de la dengue à travers un modèle basé sur des variables épidémiologiques, entomologiques, socio-économiques, démographiques et paysagères dans le quartier El Vergel de la municipalité de Tapachula, Chiapas.
Matériel et méthodes : Les informations des enquêtes entomologiques, sur les conditions de logement et sociodémographiques du quartier El Vergel, Tapachula, Chiapas, obtenues au cours de la période de novembre à décembre 2019, seront utilisées. En plus des informations épidémiologiques sur l'incidence de la dengue et le placement des ovitraps dans la zone d'étude pendant la période d'échantillonnage, six mois avant et six mois après. Une cartographie spécialisée sera utilisée, réalisée à partir de photographies aériennes à échelle fine prises à une hauteur de 100 m par un drone multirotor avec six rotors modèle DJI Matrice 600 avec deux types de caméras, un modèle Zenmuse X5 qui capture des images dans le spectre visible à 16 MP et une caméra multispectrale à cinq bandes spectrales MicaSense RedEdge -MX avec capteur RVB avec une résolution spatiale de 5 cm par pixel. Les images ont été prises simultanément avec les enquêtes entomologiques, socio-économiques et démographiques. Des cartes cartographiques orthophotographiques géoréférencées, des modèles numériques de surface, des modèles numériques de terrain et une cartographie spécialisée des indices de végétation seront utilisés : indice de végétation par différence normalisée (NDVI), indice de végétation par différence vert normalisé (GNDVI), indice de végétation par différence normalisé RedEdge (NDVIRe) et chlorophylle Indice (CIGreen), hauteur et diamètre des arbres présents dans la zone d'étude, pour prendre diverses variables liées au paysage (variables environnementales). L'analyse des données s'appuiera sur un modèle mathématique basé sur le principe des moindres carrés partiels, pour déterminer l'association spatiale entre les indicateurs épidémiologiques (nombre et géoréférencement des cas), entomologiques (stades immatures et adultes d'Ae. aegypti), indice de condition logement, données sociodémographiques et paysagères.
Durée : 6 mois Type d'étude : Transversale, rétrospective, observationnelle. Critères de sélection: La construction de bases de données prendra en compte les maisons de Colonia El Vergel, Tapachula, Chiapas, où ses habitants majeurs, ont accepté par consentement éclairé de participer aux enquêtes et à la collecte de données entomologiques et sociodémographiques in situ et de photographies aériennes à un hauteur de 100 m. Les foyers qui n'ont pas de résidents seront des motifs d'exclusion, et ceux dans lesquels les participants ne permettent pas la collecte d'informations complètes seront éliminés.
Taille de l'échantillon et échantillonnage : Un échantillonnage stratifié à plusieurs degrés sera utilisé pour sélectionner les logements. La taille de l'échantillon sera obtenue selon la formule d'échantillonnage pour les proportions, qui a été calculée en n=196 logements.
Résultats : Un modèle de risque probabiliste sera généré sur la base des variables de différentes natures utilisées et des cartes seront construites pour identifier les zones les plus à risque de transmission de la dengue dans la zone d'étude.
Conclusion : Générer des preuves scientifiques permettant d'utiliser au maximum ces avancées au profit des populations. La détermination des zones à risque à l'aide d'une cartographie spécialisée réalisée à l'aide de photographies aériennes à haute résolution à l'aide de drones, a déjà été démontrée et récemment publiée.
Type d'étude
Inscription (Réel)
Contacts et emplacements
Lieux d'étude
-
-
Chiapas
-
Tapachula, Chiapas, Mexique, 30700
- Hospital General de Zona No. 1
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Les informations épidémiologiques de tous les cas suspects de dengue avec apparition des symptômes dans la période de juin 2019 à mai 2020 qui ont un dossier sur la plate-forme du système national de surveillance épidémiologique seront incluses.
Critère d'exclusion:
- Les enregistrements qui ne disposent pas d'informations suffisantes pour leur géoréférencement seront exclus.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Principal
Les informations des enquêtes entomologiques, sur les conditions de logement et sociodémographiques du quartier El Vergel, Tapachula, Chiapas, obtenues au cours de la période de novembre à décembre 2019, seront utilisées
|
Un modèle de risque probabiliste sera généré sur la base des variables de différentes natures utilisées et des cartes seront construites pour identifier les zones les plus à risque de transmission de la dengue dans la zone d'étude
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Risque
Délai: Un an, six mois avant la demande d'enquête (novembre-décembre 2019) et six mois après
|
Un modèle de risque probabiliste sera généré sur la base des variables de différentes natures utilisées et des cartes seront construites pour identifier les zones les plus à risque de transmission de la dengue dans la zone d'étude
|
Un an, six mois avant la demande d'enquête (novembre-décembre 2019) et six mois après
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Héctor A Rincón León, PhD, Instituto Mexicano del Seguro Social
Publications et liens utiles
Publications générales
- 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
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Estimé)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- F-CNIC-2023-060
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .