HS#2017-3512、マラリア対策を最適化するための適応的介入: クラスター無作為化 SMART 試験

過去 10 年間で、アフリカでの長持ちする殺虫剤処理ネット (LLIN) と屋内残留噴霧 (IRS) の大規模なスケールアップにより、マラリアの死亡率と移動性が大幅に減少しました。 しかし、現在の第一選択の介入は、ほとんどの国でマラリアを根絶するのに十分ではありません。 ピレスロイド系殺虫剤が広く使用された結果、耐性を持つベクター集団が発生し、LLIN と IRS が広く普及したことで、屋外での人間の摂食行動と休息行動が増加しました。 ベクターの生態と行動におけるこれらの変化は、屋内の刺咬蚊と休息蚊を対象とする現在の第一選択介入の有効性を大幅に制限しています。 さらに、生態系の変化と介入措置の結果として、地域のマラリアリスクは動的であり、マラリア介入ツールの有用性は、新しいツールが承認され導入されるにつれて変化する可能性があり、各ツールのコストは場所と時間の経過とともに異なります。 マラリアのリスク、ベクターの生態学、および介入ツールの有用性におけるこのような変化は、地域のマラリアのリスク、ベクターの生態学、およびサプライ チェーンに合わせた最適な適応介入を開発する必要性を示しています。 このアプリケーションの主な目的は、地域のマラリア感染リスク、ベクター生態学の変化、および各対象国の保健省によって承認された利用可能な介入の組み合わせに基づいて、マラリア負荷の削減を最大化するためのベクター制御介入の最適な適応的組み合わせを設計することです。 中心的な仮説は、地域のマラリア リスクとベクター生態系の変化に基づく適応アプローチが、マラリアの発生率と伝染リスクの大幅な削減につながるというものです。 この目的を達成するために、以下の 3 つの具体的な目的を提案します。

1. マラリアの発生率を測定し、環境、生物学、社会、気候の特徴を機械学習アプローチで使用してリスクを予測します。 仮説: マラリアのリスク予測は、環境、生物学、社会経済、気候の特徴を含む機械学習技術を使用することで改善できます。 アプローチ: 各サイトは、コミュニティ調査を通じて、マラリアの発生率、有病率、および社会経済的要因を測定します。 分類ベースおよび回帰ベースのアプローチを使用してマラリア リスク予測モデルを開発し、モデルのパフォーマンスを検証します。 成果: この目的は、改善されたマラリア リスク予測モデルを確立し、強化された機械学習アプローチを使用して、ローカル ベクター エコロジーと将来のマラリア リスクに適応する介入戦略を開発するための重要な基盤を築きます。
2. 最適な適応介入戦略を開発するために、クラスター無作為化逐次複数割り当て無作為化試験 (SMART) 設計を使用します。 仮説: 地域のマラリア リスクとベクターの生態に適応し、費用対効果の高いマラリア制御介入は、クラスター無作為化された SMART デザインを使用して特定できます。 アプローチ: クラスターランダム化された SMART 設計は、ケニアの高感染地域で使用され、次世代ネットの連続的および組み合わせた使用、非ピレスロイド系殺虫剤の屋内噴霧、およびマラリアの幼虫発生源管理を含む適応的介入の影響を評価します。コントロール。
3. マラリアのリスクと伝染に関連する二次的エンドポイントに対する適応介入アプローチの費用対効果と影響を評価します。 仮説: 地域のマラリア リスクとベクター生態学に適応した介入戦略は、現在使用されている LLIN 介入よりも、マラリアの発生率と伝染リスクの低減において費用対効果が高くなります。 アプローチ: 個々の介入またはその組み合わせの経済的コストは、標準的な経済評価方法論を使用して、提供者と社会の両方の観点から評価されます。 費用対効果は、保護される 1 人あたりの費用で測定されます。 この研究では、適応介入に起因する薬剤耐性と殺虫剤耐性、および感染率の変化を調べます。

急速に変化するマラリアのリスクとベクター生態系に適応したマラリア対策は、マラリア対策の有効性を改善するために非常に必要です。 この研究では、最適な適応マラリア介入戦略を開発するために、機械学習や新しいクラスターランダム化 SMART デザインなどの新しい技術を使用します。