Avaliação de impacto do uso da modelagem preditiva MATCH AI para identificação de pontos críticos para descoberta de casos ativos de TB (SPOT-TB)

Apesar do progresso significativo nas últimas décadas, estima-se que 10,6 milhões de pessoas adoeceram com tuberculose (TB) em 2021 e a doença causou 1,6 milhões de mortes em todo o mundo. O Paquistão é classificado como o 5º país com maior carga de TB no mundo e a TB causa 42.000 mortes anualmente no país. Um desafio fundamental na resposta do Paquistão à TB é garantir o diagnóstico e o tratamento de todos os indivíduos com TB. Em 2020, dos 573 mil casos, foram notificados 276.736 (48%). Colmatar esta lacuna na detecção de casos é um objectivo crítico para o Programa Nacional de TB (NTP). A detecção activa de casos (ACF) é uma estratégia potencial para aumentar a detecção de casos através do rastreio sistemático de TB nas comunidades. Evidências recentes indicam que a ACF também pode reduzir a incidência e prevalência da TB ao nível da população através da detecção precoce. Embora as intervenções da ACF tenham demonstrado eficácia em ensaios comunitários e estejam agora a ser conduzidas em grande escala no Paquistão, permanecem preocupações relativamente aos seus rendimentos e à relação custo-eficácia em contextos programáticos.

O objetivo principal deste estudo é investigar se uma abordagem direcionada para a triagem baseada na comunidade usando MATCH-AI, um software de inteligência artificial que modela a prevalência de TB em subdistritos, pode melhorar o rendimento das intervenções ACF no Paquistão. No braço de intervenção, a equipa de campo realizará atividades ACF baseadas na comunidade (chamadas acampamentos peitorais), principalmente em locais previstos pelo MATCH-AI como tendo uma maior prevalência de TB. No braço de controlo, as equipas de campo continuarão a utilizar as abordagens existentes para a selecção do local de acampamento. O ensaio será realizado em 65 distritos do Paquistão, em colaboração com parceiros de implementação do NTP.