HS # 2017-3512, Interventi adattivi per l'ottimizzazione del controllo della malaria: uno studio SMART randomizzato a cluster

Nell'ultimo decennio, il massiccio aumento delle reti trattate con insetticidi di lunga durata (LLIN) e l'irrorazione residua interna (IRS) in Africa hanno portato a riduzioni significative della mortalità e della mobilità dovute alla malaria. Tuttavia, gli attuali interventi di prima linea non sono sufficienti per eliminare la malaria nella maggior parte dei paesi. L'uso diffuso di insetticidi piretroidi ha portato a popolazioni di vettori resistenti e un'elevata copertura di LLIN e IRS ha portato a un aumento del comportamento alimentare umano all'aperto e del comportamento a riposo. Questi cambiamenti nell'ecologia e nei comportamenti dei vettori hanno limitato in modo significativo l'efficacia degli attuali interventi di prima linea che prendono di mira le punture indoor e le zanzare a riposo. Inoltre, come risultato dei cambiamenti ecologici e delle misure di intervento, il rischio di malaria in una località è dinamico e l'utilità degli strumenti di intervento contro la malaria può variare man mano che vengono approvati e introdotti nuovi strumenti e il costo di ciascuno strumento varia a seconda delle località e nel tempo. Tali variazioni nel rischio di malaria, nell'ecologia del vettore e nell'utilità degli strumenti di intervento esemplificano la necessità di sviluppare interventi adattivi ottimali su misura per i rischi locali di malaria, l'ecologia del vettore e le catene di approvvigionamento. L'obiettivo centrale di questa applicazione è progettare combinazioni adattive ottimali di interventi di controllo dei vettori per massimizzare le riduzioni del carico di malaria in base ai rischi di trasmissione locale della malaria, al cambiamento dell'ecologia dei vettori e al mix disponibile di interventi approvati dal Ministero della Salute in ciascun paese target. L'ipotesi centrale è che un approccio adattivo basato sul rischio di malaria locale e sul cambiamento dell'ecologia del vettore porterà a riduzioni significative dell'incidenza della malaria e del rischio di trasmissione. Per raggiungere questo obiettivo, proponiamo i seguenti tre obiettivi specifici:

1. Misura l'incidenza della malaria e prevedi il rischio utilizzando caratteristiche ambientali, biologiche, sociali e climatiche con approcci di machine learning. Ipotesi: la previsione del rischio di malaria può essere migliorata attraverso l'uso di tecniche di apprendimento automatico che includono caratteristiche ambientali, biologiche, socio-economiche e climatiche. Approccio: ogni sito misurerà l'incidenza, la prevalenza ei fattori socio-economici della malaria attraverso indagini comunitarie. Approcci basati sulla classificazione e sulla regressione saranno utilizzati per sviluppare modelli predittivi del rischio di malaria e le prestazioni del modello saranno convalidate. Risultato: questo obiettivo stabilirà modelli di previsione del rischio di malaria migliorati e getterà una base importante per lo sviluppo di strategie di intervento adattabili all'ecologia dei vettori locali e ai futuri rischi di malaria utilizzando approcci di apprendimento automatico rafforzati.
2. Utilizzare un progetto di sperimentazione randomizzata sequenziale randomizzata a grappolo con assegnazione multipla (SMART) per sviluppare una strategia di intervento adattivo ottimale. Ipotesi: gli interventi di controllo della malaria che sono adattati al rischio di malaria locale e all'ecologia del vettore e sono convenienti possono essere identificati utilizzando un progetto SMART randomizzato a cluster. Approccio: il design SMART randomizzato a cluster verrà utilizzato in aree ad alta trasmissione in Kenya per valutare l'impatto di interventi adattivi che comportano l'uso sequenziale e combinatorio di reti di nuova generazione, irrorazione indoor di insetticidi non piretroidi e gestione delle fonti larvali per la malaria controllo.
3. Valutare l'efficacia in termini di costi e l'impatto di un approccio di intervento adattivo sugli endpoint secondari relativi al rischio e alla trasmissione della malaria. Ipotesi: le strategie di intervento adattate al rischio di malaria locale e all'ecologia del vettore saranno più convenienti nel ridurre l'incidenza della malaria e il rischio di trasmissione rispetto all'intervento LLIN attualmente utilizzato. Approccio: i costi economici dei singoli interventi o delle loro combinazioni saranno valutati sia dal punto di vista del fornitore che della società utilizzando metodologie di valutazione economica standard. Il rapporto costo-efficacia sarà misurato in termini di costo per persona protetta. Lo studio esaminerà i cambiamenti nella resistenza ai farmaci e agli insetticidi e nella prevalenza delle infezioni attribuibili agli interventi adattativi.

Gli interventi contro la malaria adattati al rischio di malaria in rapida evoluzione e alle ecologie dei vettori sono fondamentali per migliorare l'efficacia delle misure di controllo della malaria. Questo studio utilizzerà nuove tecniche, tra cui l'apprendimento automatico e un nuovo design SMART randomizzato in cluster, per sviluppare strategie di intervento adattive ottimali contro la malaria.