Nura Mohammad Rabiu Ahmad defensa la seva tesi sobre la modelització epidemiològica de la turberculosis a Nigeria

La tuberculosi (TB) és la malaltia infecciosa que ha causat més morts a la història de la humanitat. Actualment, hi ha més de 10 milions de nous casos de TB cada any i provoca més d’1.5 milions de morts anuals, segons estimacions de l’Organització Mundial de la Salut. Nigèria, amb una incidència persistent d’uns 219 casos per 100000 habitants l’any 2019, es troba entre els 8 països que van representar dos terços dels nous casos de tuberculosi el 2018. El control de la malaltia d’aquest país està coordinat pel Programa Nacional de Control de la Tuberculosi i la Lepra (NTBLCP). Malgrat els esforços, la prevalença estimada és la mateixa que s’estimava l’any 1990. Es poden utilitzar models per a un diagnòstic més precís de la situació de TB en determinats territoris, així com per ajudar en el disseny i avaluació de les accions de control.

En aquest projecte, s’han utilitzat dues estratègies de modelització per fer-ho. En primer lloc, una estratègia top-down a nivell de país (Nigèria) mitjançant el disseny, proves i adequació de diversos models de tipus SEIR, amb l’objectiu de proporcionar una imatge global de la situació i quantificar alguns dels paràmetres més rellevants. En segon lloc, una estratègia bottom-up estudiant una àrea més petita, l’Estat de Gombe, mitjançant el disseny, la prova i l’adequació d’un model basat en agents (ABM). El model ABM té per finalitat entendre en detall la situat particular de l’Estat de Gombe i ajudar en el disseny i quantificació de possibles accions de control. També es va realitzar un treball de camp per buscar els factors socioeconòmics particulars responsables de la situació epidemiològica de la TB; l’anàlisi estadística de les dades obtingudes és la tercera estratègia de treball d’aquest projecte.

L’aproximació mitjançant models top-down va confirmar una taxa de notificació molt baixa que varia del 16 al 20% durant els anys analitzats (2000-2010). Aquest factor es va revelar com el coll d’ampolla per al control de la malaltia en aquest país. Les prediccions del model no mostraven efectes rellevants de les accions de control sense un augment previ de la taxa de notificació. El treball de camp es va dissenyar en coordinació amb les autoritats locals NTBLCP amb l’objectiu d’analitzar els factors socioeconòmics que condicionen aquesta taxa de notificació a l’estat de Gombe. Va consistir en una recollida inicial de dades epidemiològiques, seguida d’un conjunt de 52 entrevistes amb pacients amb TB de diferents centres de salut. Les dades obtingudes i els resultats de les entrevistes es van analitzar mitjançant estadístiques inferencials i Anova, amb l’ajut de tècniques de Machine learning. Els resultats van ser devastadors: cap dels pacients entrevistats no coneixia els símptomes de la TB i el 90% no coneixia els mecanismes de transmissió de la TB després de parlar amb el personal sanitari. El retard mitjà de diagnòstic dels pacients va ser de 9.6 setmanes, i només el 10% dels entrevistats van acudir al metge durant el primer mes de sentir-se malalt.

La informació obtinguda amb l’estratègia top-down i els resultats derivats del treball de camp es van utilitzar per adaptar el model ABM en el context de l’Estat de Gombe. Es va ajustar amb èxit a l’evolució de la prevalença estimada i els casos diagnosticats del 2007 al 2016. A continuació, es va utilitzar per provar diferents intervencions destinades a augmentar la taxa de notificació, disminuir el retard de diagnòstic i augmentar la consciència de la població respecte a la TB transmissible.

La metodologia utilitzant diferents estratègies utilitzada en aquest projecte s’ha mostrat com una forma robusta d’afrontar el problema real. Ha fet possible proporcionar una imatge global i detallada de la situació de la TB en un determinat àmbit, relacionar els paràmetres i els resultats del model amb un context socioeconòmic real i generar una eina útil per ajudar en el disseny i l’avaluació d’accions de control de la TB.