Latar Belakang
Plasmodium vivax membebankan besar morbiditas dan mortalitas beban di zona
endemik. pemahaman rinci tentang distribusi spasial kontemporer parasit ini
diperlukan untuk memerangi itu. Kami menggunakan geostatistik model berbasis
(MBG) teknik untuk menghasilkan peta kontemporer risiko Plasmodium malaria
vivax di Indonesia pada tahun 2010.
metode
Data Plasmodium vivax Annual Parasite Incidence (2006-2008) dan masker suhu
yang digunakan untuk memetakan batas transmisi P. vivax. Sebanyak 4.658
survei komunitas tingkat parasit P. vivax (PvPR) diidentifikasi (1985-2010) untuk
memetakan perkiraan kuantitatif endemisitas kontemporer dalam batas-batas.
Setelah pengecekan error total 4.457 poin dimasukkan ke dalam database
nasional 1-99 tahun Data PvPR usia tua-standar. Prosedur Bayesian MBG
menciptakan permukaan endemisitas PvPR1-99 diprediksi dengan perkiraan
ketidakpastian. Penduduk di estimasi risiko berasal dengan mengacu pada
permukaan populasi manusia 2010.
hasil
Kami memperkirakan 129.600.000 orang di Indonesia hidup pada risiko
penularan vivax P. pada tahun 2010. Di antaranya, 79,3% dihuni daerah
transmisi stabil dan 20,7% tinggal di daerah transmisi stabil. Di Indonesia barat,
diperkirakan prevalensi P. vivax adalah seragam rendah. Lebih dari 70% dari
populasi berisiko di wilayah ini tinggal di Jawa dan Bali, di mana penularan
malaria sedikit terjadi. daerah prevalensi diperkirakan tinggi diamati di Nusa
Tenggara, Maluku dan Papua. Secara umum, ketidakpastian prediksi relatif
rendah di barat dan tinggi di timur.
Kesimpulan
Kebanyakan orang Indonesia yang hidup dengan endemik pengalaman P. vivax
risiko yang relatif rendah infeksi. Namun, survei darah untuk parasit ini
cenderung relatif tidak sensitif dan tentu saja tidak mendeteksi reservoir hati
stadium dorman infeksi. Prospek untuk P. vivax eliminasi akan ditingkatkan
dengan pemahaman yang lebih defisiensi glukosa-6-fosfat dehidrogenase
(G6PDd) distribusi, praktek terapi anti-kambuh dan pengelolaan risiko importasi
P. vivax, terutama di Jawa dan Bali.
Kutipan: Elyazar IRF, Gething PW, Patil AP, Rogayah H, Sariwati E, Palupi NW, et
al. (2012) Plasmodium vivax Endemisitas Malaria di Indonesia pada tahun 2010.
PLoS ONE 7 (5): e37325. doi: 10.1371 / journal.pone.0037325
Editor: Erika Martins Braga, Universidade Federal de Minas Gerais, Brasil
Menerima: 21 Februari 2012; Diterima: April 18, 2012; Diterbitkan: 17 Mei 2012
Copyright: 2012 Elyazar et al. Ini adalah sebuah artikel akses terbuka
didistribusikan di bawah persyaratan Lisensi Creative Commons Attribution, yang
memungkinkan penggunaan tak terbatas, distribusi, dan reproduksi dalam media
apapun, asalkan penulis asli dan sumber dikreditkan.
Pendanaan: IE didanai oleh hibah dari University of Oxford - Program Kesehatan
Li Ka Shing Yayasan Global dan Oxford Tropical Jaringan. SIH didanai oleh Senior
Research Fellowship dari Wellcome Trust (# 095066), yang juga mendukung
PWG. SIH juga mengakui dukungan dana dari program RAPIDD dari Science &
Technology Direktorat, Department of Homeland Security, dan Fogarty
International Center, National Institutes of Health. APP didanai oleh hibah dari
Wellcome Trust (# 091835). HR, ES, NWP, SNT, dan RK didanai oleh Departemen
Kesehatan Republik Indonesia. JKB didanai oleh hibah dari Wellcome Trust (#
B9RJIXO). Ini bentuk kerja bagian dari output dari Atlas Project Malaria (MAP,
http://www.map.ox.ac.uk), terutama yang didanai oleh Wellcome Trust, UK The
penyandang dana tidak memiliki peran dalam desain penelitian, pengumpulan
data dan analisis, keputusan untuk mempublikasikan, atau penyusunan naskah.
Bersaing kepentingan: Para penulis telah menyatakan bahwa tidak ada
kepentingan bersaing ada.
pengantar
Plasmodium vivax adalah spesies yang paling banyak didistribusikan
malaria manusia, mengancam hampir 3 miliar orang di 95 negara mulai
dari sedang ke tropis di Amerika, Afrika, dan Asia [1], [2]. Berbeda dengan
penyebab umum lainnya malaria, Plasmodium falciparum, tahap hati aktif
dari P. vivax menyebabkan kambuh malaria akut [3]. Meskipun reputasi P.
vivax sebagai infeksi jinak dengan risiko yang sangat rendah kematian,
studi kontemporer menunjukkan angka kesakitan [4], [5], [6], [7] dan
kematian [8], [9], [10 ], [11] beban di zona endemik.
resistensi obat dan mengabaikan penelitian di P. vivax memperburuk
ancaman infeksi ini. Terapi lini pertama melawan serangan akut, klorokuin,
telah gagal di Indonesia [12], [13] dan bagian dari Oseania [14], dan
ketahanan sekarang mengancam wilayah Mekong [15], [16], [17], [18 ]
dan sub-benua India [19], di mana> 90% dari P.vivax malaria terjadi [20].
Meskipun beberapa terapi kombinasi artemisinin (ACT) telah menunjukkan
efikasi yang baik terhadap akut P. vivax [21], hanya primakuin dapat
menghilangkan reservoir hypnozoite infeksi [22], [23]. Keamanan dan
kemanjuran primakuin, terutama bila digunakan dengan ACT, hampir tidak
dikenal pada tahun 2012 [24]. Distribusi risiko infeksi ini muncul sebagai
pertimbangan penting dalam mengembangkan strategi yang dapat
mengurangi ancaman yang serius ini. Ini mungkin terutama berlaku di
tempat-tempat seperti jumlah besar pulau yang tersebar dalam kepulauan
Indonesia, dan mereka dengan sumber daya yang sangat terbatas untuk
menangani masalah tersebut.
vektor anopheles [37]. Kami lebih lanjut diubah aturan keputusan untuk
transmisi stabil. Dalam batas-batas transmisi stabil, piksel diprediksi
dengan pasti tinggi (probabilitas> 90%) menjadi kurang dari 1% PvPR1-99
diturunkan dari stabil ke kelas tidak stabil. Prediksi yang sangat rendah ini
disebabkan oleh kelimpahan besar data survei melaporkan nol prevalensi
di daerah tersebut.
kovariat lingkungan
Satu set minimal kovariat dimasukkan untuk menginformasikan prediksi
fungsi rata, berdasarkan pada harapan apriori faktor lingkungan utama
modulasi transmisi. Ini adalah (i) variabel indikator mendefinisikan daerah
perkotaan atau pedesaan berdasarkan GRUMP produk sejauh perkotaan
[32], [33]; (Ii) jangka panjang rata indeks vegetasi produk sebagai
indikator ketersediaan air secara keseluruhan untuk vektor oviposisi dan
kelangsungan hidup [38], [39]; dan (iii) indeks tertentu P. vivax kesesuaian
suhu berasal dari model yang sama yang digunakan untuk
menggambarkan daerah yang cocok atas dasar kelangsungan hidup
vektor dan sporogoni [37].
Bayesian ruang-waktu modeling geostatistik
Bayesian ruang-waktu modeling geostatistik untuk pemetaan prevalensi
penyakit telah sepenuhnya dijelaskan [29] dan dilaksanakan di tingkat
nasional [40] dan skala global [29]. Nilai yang mendasari PvPR1-99 pada
tahun 2010,, di setiap lokasi yang dimodelkan sebagai transformasi dari
bidang spatiotemporally terstruktur ditumpangkan dengan tidak
terstruktur (acak) variasi. Jumlah tanggapan P. vivax positif dari sampel
total individu pada setiap lokasi survey dimodelkan sebagai variabel
binomial bersyarat independen diberi teramati mendasari standarisasiumur nilai PvPR1-99 [41]. Prosedur usia standardisasi [42], [43]
dilaksanakan untuk memungkinkan survei yang dilakukan peserta dari
setiap rentang usia yang akan dikonversi ke epidemiologi informatif
rentang usia 1 sampai 99 tahun menggunakan algoritma berbasis model
konversi katalitik pertama diadaptasi untuk malaria oleh tarik dan Ambil
[44]. Prosedur usia standarisasi ini sebelumnya telah diadopsi untuk P.
falciparum [29], [40], tetapi bentuk model telah reparameterised
menggunakan dirakit survei PvPR usia bertingkat. Setiap survei
direferensikan temporal menggunakan titik tengah (di tahun desimal)
antara awal dan akhir bulan direkam. Komponen spatio-temporal diwakili
oleh proses Gaussian stasioner dengan mean dan kovariansi didefinisikan
oleh versi spasial anisotropik dari fungsi kovarians ruang-waktu yang
diusulkan oleh Stein [45]. Modifikasi dibuat untuk fungsi kovarians Stein
untuk memungkinkan model waktu-marginal memasukkan komponen
periodik panjang gelombang 12 bulan, memberikan kemampuan untuk
model efek musiman dalam struktur kovarians temporal teramati. Efek ini
muncul ketika penelitian dilakukan di tahun yang berbeda tapi selama
bulan kalender yang sama memiliki kecenderungan untuk menjadi lebih
mirip satu sama lain dari yang diharapkan tanpa adanya musiman.
Komponen berarti dimodelkan sebagai fungsi linear dari vektor suite yang
dipilih dari kovariat lingkungan,. Komponen terstruktur diwakili sebagai
Gaussian dengan mean nol dan varians. inferensi Bayesian dilaksanakan
menggunakan Markov Chain Monte Carlo untuk menghasilkan 100.000
sampel dari distribusi posterior dari: bidang Gaussian di setiap lokasi data,
parameter tidak teramati, dan V seperti yang dinyatakan di atas dan
parameter tidak teramati lebih lanjut mendefinisikan struktur dan
anisotropi dari ruang eksponensial fungsi kovarians-waktu. Jarak antara
lokasi dihitung dalam jarak lingkaran besar untuk menggabungkan efek
kelengkungan Bumi, yang menjadi penting bagi sebuah bangsa besar
seperti Indonesia. Sampel yang dihasilkan dari rata-rata tahunan 2010 dari
distribusi posterior pada setiap lokasi prediksi. Untuk masing-masing
sampel dari posterior sendi, prediksi yang dibuat menggunakan ruangwaktu simulasi kondisional selama 12 bulan tahun 2010 {t = 2010Jan, ...,
2010Dec}. Prediksi ini dibuat pada titik-titik pada 1 1 km jaringan
spasial biasa. Oleh karena itu keluaran Model terdiri dari sampel dari
distribusi posterior prediksi dari 2010 PvPR1-99 rata-rata tahunan di setiap
lokasi grid, yang digunakan untuk menghasilkan titik perkiraan.
Ketidakpastian metrik dihitung dengan menghitung rasio distribusi
posterior kisaran interkuartil untuk mean. metrik standar ini menghasilkan
indeks ketidakpastian yang kurang dipengaruhi oleh tingkat prevalensi
yang mendasarinya.
Mengevaluasi kinerja Model
Sebuah model penilaian empiris dilakukan dengan terlebih dahulu memilih
satu set validasi. Sepuluh persen (n = 445) dari titik data lengkap yang
dipilih menggunakan algoritma stratified random sampling spasial deberkerumun, dijelaskan sebelumnya [29]. Mereka survei yang terletak di
luar batas stabil transmisi dikecualikan dari pilihan. Menggunakan 90%
sisanya (n = 4012) dari titik data model kemudian kembali menjalankan
untuk membuat prediksi di lokasi ruang-waktu ini data yang dimiliki-out.
kinerja model kemudian dievaluasi menggunakan dua kriteria:
kemampuan model untuk (1) memprediksi nilai titik PvPR1-99 di lokasi
validasi, dan (2) untuk menghasilkan interval kredibel (CI) yang
menangkap dengan tepat ketidakpastian terkait dengan prediksi di setiap
lokasi.
Kemampuan model untuk memprediksi nilai titik PvPR1-99 di lokasi
validasi kemudian dievaluasi dengan membandingkan nilai-nilai diamati
dengan yang diprediksikan (menggunakan posterior mean) oleh model di
lokasi yang sesuai. Penilaian dilakukan dengan menggunakan tiga
ringkasan statistik [29], [46] termasuk (1) kesalahan berarti prediksi, (2)
prediksi rata-rata kesalahan mutlak, dan (3) koefisien korelasi linear.
Kesalahan prediksi rata-rata mengukur bias prediksi dan mean prediksi
tindakan kesalahan mutlak akurasi prediksi. Koefisien korelasi
menunjukkan hubungan linear antara nilai prediksi dan diamati, yang juga
hasil
Batas-batas spasial transmisi vivax Plasmodium
2010 Plasmodium limit risiko vivax malaria di Indonesia ditunjukkan pada Gambar 1.
Kami telah memperkirakan bahwa 1,7 juta km2 (89,8%) dari total luas lahan 1,9 juta
km2 yang endemik untuk P. vivax malaria (Tabel 1). Daerah-daerah endemik, lahan
seluas 0.695.000 km2 (40,7%) yang zona transmisi stabil dan 1.014.000 km2 (59,3%)
yang zona transmisi stabil. zona transmisi vivax stabil lebih umum di timur dari
Indonesia bagian barat (83,5% vs 33,7%).
Ringkasan P. malaria vivax data survei prevalensi
Sebanyak 80 sumber yang berbeda dari antara tahun 1985 dan 2010
didokumentasikan total 4.658 survei komunitas independen PvPR dari 33
P. malaria vivax provinsi endemik (Gambar 2). Provinsi Papua / Papua
Barat (n = 1.021), Nusa Tenggara Timur (n = 734) dan Aceh (n = 434)
menyumbang 47% dari total titik data. Setelah cek Database kesetiaan,
total 201 lokasi survei dikeluarkan dari pemodelan karena mereka data
poligon (n = 6), tidak bisa geo-strategis (n = 87), survei tidak dapat
Permukaan diprediksi terus menerus P. vivax endemisitas dalam batasbatas transmisi stabil disajikan pada Gambar 3. Rerata diprediksi PvPR199 adalah 1,6% dengan tingkat heterogenitas yang tinggi mulai dari 0,2%
sampai 11%. Di Indonesia barat, diperkirakan prevalensi P. vivax adalah
seragam rendah. Bintik-bintik PvPR1-99 prevalensi sedang diamati di
Kalimantan Timur. daerah PvPR1-99 tinggi diamati di Lesser Sunda, Maluku
dan Papua. Ketidakpastian di PvPR1-99 diprediksi relatif rendah di daerah
dengan endemisitas rendah dan kelimpahan survei, seperti di bagian
Sumatera dan Kalimantan (Gambar 4). Namun di daerah dengan
variabilitas tinggi prevalensi, seperti Papua, kepastian diprediksi PvPR1-99
relatif lebih rendah dibanding pulau-pulau barat utama lainnya (Gambar
4.).
Estimasi populasi berisiko Plasmodium malaria vivax
Tabel 1 menunjukkan perkiraan populasi berisiko P. vivax malaria di
Indonesia pada tahun 2010. Kami telah memperkirakan bahwa
129.600.000 orang (55,7%) tinggal di risiko penularan vivax P.. Dari jumlah
tersebut, 102.800.000 (79,3%) dan 26800000 (20,7%) dihuni daerah
transmisi stabil dan stabil masing-masing. Perkiraan tingkat provinsi lebih
Peta yang disajikan dalam laporan ini merupakan bagian dari rangkaian
alat GIS ditujukan untuk memberikan pihak berwenang di Indonesia
bertanggung jawab untuk contol malaria dengan cara berbasis bukti
memfokuskan sumber daya mereka ke tempat mereka yang paling
dibutuhkan dan dapat secara efektif diterapkan. Peta endemisitas dari
kedua spesies penting dari parasit, ditambah dengan perkiraan populasi
berisiko dan beban klinis, bersama dengan distribusi geografis prevalensi
G6PDd dan pola penulisan migrasi internal yang dibayangkan suite.
informasi pendukung
Area dan populasi berisiko Plasmodium malaria vivax di Indonesia
menurut provinsi, pulau utama dan tingkat daerah pada tahun 2010.
doi: 10.1371 / journal.pone.0037325.s001
(DOCX)
Ucapan Terima Kasih
Majelis nasional survei prevalensi parasit tergantung pada kontribusi
dermawan data oleh sejumlah besar orang dalam masyarakat penelitian
malaria dan kontrol. Individu-individu yang tercantum di website MAP.
(Http://www.map.ac.uk/acknowledgements/). Kami berterima kasih kepada
Katherine Pertempuran dan David Pigott untuk mengoreksi naskah
makalah ini. Para penulis tambahan mengakui dukungan dari rekan-rekan
dari Sub-Direktorat Pengendalian Malaria Indonesia termasuk Achmad
Farchanny, Adhi Sambodo, Ali Romzan, Aris Munanto, Budi Pramono, akhir
Charles Tobing, Nur Asni dan Saktiyono. Kami juga berterima kasih kepada
Trihono dan Suparmi dari Health Institute Nasional Penelitian dan
Pengembangan untuk kontribusi mereka data Riset Kesehatan Dasar.
penulis Kontribusi
Disusun dan dirancang percobaan: IE SIH. Melakukan percobaan: PWG AP.
Menganalisis data: IE. Kontribusi reagen / bahan / alat analisis: PWG APP.
Menulis kertas: IE PWG SIH JKB. Dirakit dan berhasil data PvAPI: HR IE.
Tersedia konteks mengenai strategi pengendalian malaria Indonesia: ES
NWP SNT RK. Mengomentari draft akhir naskah: IE PWG APP HR ES NWP
SNT RK JKB SIH