Abstrak

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.

negara-negara lain telah mengembangkan peta tersebut. Brooker et al.

[25] dikembangkan peta P. vivax untuk Afghanistan pada tahun 2006 pada
resolusi spasial 8 8 km dengan menggunakan model regresi logistik dan
survei malaria dari 269 desa endemis. Manh et al. [26] berasal peta
distribusi P. vivax di Vietnam untuk tahun 2010 menggunakan zeroinflated Poisson model regresi dalam kerangka Bayesian dari 12 bulan dari
P. vivax melaporkan kasus dari 670 kabupaten. Reid et al. [27]
menghasilkan P. vivax peta prevalensi di Pulau Tanna, Vanuatu pada tahun
2008 pada 1 1 resolusi km menggunakan 220 desa geo-referenced dan
model regresi logistik geostatistik Bayesian. Dogan et al. [28]
dikembangkan peta P. kejadian malaria vivax di 0,4 0,4 km resolusi di
Turki menggunakan data malaria dari 81 provinsi selama lebih dari 34
tahun (1975-2008) menggunakan metode kriging.

Laporan ini menjelaskan penggunaan pertama dari Bayesian model

berbasis geostatistik pendekatan (MBG) [29] untuk memprediksi risiko P.
vivax malaria di Indonesia pada tahun 2010 pada resolusi spasial 1 1
km, menggunakan terbesar dirakit bukti empiris kontemporer untuk setiap
negara di Asia. upaya kolaborasi antara Departemen Kesehatan di
Republik Indonesia dan Atlas Project Malaria (MAP,
http://www.map.ox.ac.uk) bertujuan untuk membekali mereka yang
bertanggung jawab untuk perencanaan dan implementasi pengendalian
malaria dan eliminasi nasional strategi dengan dasar bukti untuk distribusi
risiko malaria vivax di Indonesia.
metode
Perakitan database nasional data Plasmodium vivax Annual Parasite
Incidence
Sub-Direktorat Pengendalian Malaria di Direktorat Penyakit Vector-borne,
Indonesia Kementerian Kesehatan di Jakarta secara rutin dikumpulkan P.
vivax Annual Parasite Incidence (PvAPI) di tingkat kabupaten antara tahun
2006 dan 2008. melaporkan kasus dikonfirmasi P. vivax malaria per 1.000
orang dihitung untuk setiap tahun oleh kabupaten dan rata-rata lebih dari
jumlah pelaporan tahun. Masing-masing perkiraan Ringkasan PvAPI
dipetakan oleh pencocokan ke yang sesuai pertama (provinsi) dan kedua
tingkat (kabupaten) unit administrasi dalam sistem informasi geografis
(GIS; ArcView GIS 9.3, ESRI, 2008).
Perakitan database nasional Plasmodium vivax prevalensi malariometrik
Proses perakitan survey parasit data prevalensi berbasis masyarakat yang
dilakukan sejak tahun 1985 telah dijelaskan sebelumnya [30]. pencarian
data untuk tingkat parasit P. vivax (PvPR) bertujuan untuk mengambil data
dari sumber-sumber yang diterbitkan dan dipublikasikan. Pencarian
tersebut adalah suatu kegiatan yang sedang berlangsung dari Atlas
Project Malaria (MAP, http://www.map.ox.ac.uk) dan diselesaikan untuk
iterasi saat ini pada 25 November 2011. Database selesai diperiksa

melalui berbagai tingkatan kriteria eksklusi untuk mendapatkan masukan

akhir kumpulan data untuk pemodelan sebagai berikut: menghapus survei
terletak hanya besar (> 100 km2) dan poligon kecil (> 25 km2),
menghapus survei mereka yang tidak bisa tepat geo-strategis dan
menghapus orang-orang yang tidak bisa temporal dibedakan ke dalam
survei independen atau yang tanggal survei itu diketahui. Seluruh
database kemudian diperiksa untuk memastikan semua situs survei yang
terletak tepatnya di kotak kotak diidentifikasi sebagai tanah dan di dalam
perbatasan negara. Akhirnya, database diperiksa untuk setiap duplikat
spatio-temporal. dataset kemudian dikelompokkan menjadi dua wilayah
untuk tujuan deskriptif, karena Indonesia barat dan timur yang
biogeografis daerah yang berbeda dari nusantara, biasanya ditandai saja
oleh Garis Wallace [31].
Perakitan data populasi manusia Indonesia
jumlah penduduk grid dan estimasi kepadatan penduduk pada resolusi 1
1 km spasial untuk tahun 1990, 1995 dan 2000, baik disesuaikan dan
disesuaikan perkiraan populasi nasional PBB yang disediakan oleh The
Global Pedesaan Perkotaan Proyek Pemetaan (GRUMP) versi beta [ 32],
[33]. The jumlah penduduk yang disesuaikan untuk tahun 2000
diproyeksikan 2.010 dengan menerapkan tingkat pertumbuhan perkotaan
dan pedesaan nasional yang relevan dengan negara [34] menggunakan
metode yang dijelaskan sebelumnya [35]. Tingkat pertumbuhan perkotaan
yang diterapkan untuk penduduk yang berada dalam GRUMP ditentukan
luasan perkotaan [33], dan tingkat pedesaan diterapkan di tempat lain.
Nasional 2010 jumlah kemudian disesuaikan untuk mencocokkan mereka
diperkirakan oleh PBB [36]. jumlah populasi ini kemudian dikelompokkan
secara nasional oleh kelompok umur menggunakan PBB-didefinisikan [36]
struktur umur penduduk untuk tahun 2010 untuk mendapatkan
permukaan menghitung populasi untuk 0-5 tahun, 5-14 tahun dan 15
tahun kelompok usia. Permukaan populasi ini diekstraksi untuk Indonesia
dan sejalan dengan semua grid data spasial lainnya yang digunakan
dalam analisis.
Mendefinisikan batas-batas transmisi vivax Plasmodium
Data Parasite Incidence tahunan di tingkat kabupaten di 33 provinsi
endemik yang bersumber untuk menentukan batas-batas spasial transmisi
vivax P. 2010. Setelah protokol didefinisikan sebelumnya [1], klasifikasi
risiko berdasarkan data PvAPI ditugaskan daerah tanpa risiko (nol kejadian
tahunan lebih dari tiga tahun), tidak stabil (berarti kejadian tahunan
kurang dari 0,1 per 1.000 orang per tahun) atau risiko yang stabil (berarti
kejadian tahunan lebih tinggi dari 0,1 per 1.000 orang per tahun). data
berbasis polygon ini kemudian rasterised ke 1 1 km grid spasial. Sebuah
masker suhu kemudian diterapkan pada PvAPI batas-defined data
transmisi [29]. Ini biologi mask digambarkan daerah di mana suhu rendah
kemungkinan besar akan menghambat perkembangan parasit dalam

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

divisualisasikan menggunakan plot pencar [47].

Sampel semi-variogram dihitung dari standar model yang residual untuk
menilai keberadaan autokorelasi spasial residual terjelaskan oleh keluaran
model. residu Pearson Standarisasi dihitung untuk setiap lokasi validasi
[48], [49]. Ini sampel semi-variograms dibandingkan dengan amplop
Monte Carlo dihitung dari 99 permutasi acak dari himpunan sisa yang
sama [50]. Dimana semi-variogram model standar Pearson residual
terletak sepenuhnya dalam amplop ini, dapat dianggap sebagai tidak
adanya tata ruang.
Kemampuan model untuk menghasilkan interval kredibel sesuai diuji
melalui plot cakupan. Bekerja melalui 100 interval semakin sempit
kredibel, dari 99% CI ke 1% CI, masing-masing diuji dengan menghitung
proporsi yang sebenarnya dimiliki pengamatan prevalensi yang jatuh
dalam CI diprediksi. Merencanakan ini proporsi yang sebenarnya terhadap
satu sama diprediksi tingkat CI memungkinkan kesetiaan keseluruhan dari
distribusi probabilitas posterior diprediksi di lokasi data diadakan-out yang
akan dinilai.
Mengukur daerah dan populasi berisiko
Kuantifikasi daerah dalam ada risiko, kategori tidak stabil dan stabil
dilakukan dengan terlebih dahulu memproyeksikan peta kelas diprediksi
dari geografis untuk Mollweide proyeksi wilayah yang sama di ArcGIS 9.3.
Wilayah yang dicakup oleh masing-masing kategori kemudian dihitung
dalam km2. Untuk menurunkan populasi berisiko dalam setiap zona, peta
kategoris ini dilapis dengan GRUMP-beta 2010 permukaan populasi grid
menggunakan algoritma dipesan lebih dahulu yang tepat ditulis dalam
Fortran90, dan jumlah penduduk yang tinggal di setiap kategori risiko
dihitung. total tersebut lebih lanjut dibedakan oleh tingkat provinsi.

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

dipisahkan temporal (n = 39), adalah duplikat spatio-temporal (n = 50)

atau yang hilang informasi tentang bulan survei (n = 19).
Tabel 2 merangkum tersisa 4.457 titik data PvPR menurut wilayah. Lebih
survei PvPR dilakukan di wilayah timur dibandingkan dengan wilayah barat
(58% vs 42%). Lebih dari setengah dari total titik data (57,4%)
mendokumentasikan kehadiran P. vivax. Di Indonesia bagian timur, 73,4%
dari survei melaporkan catatan kehadiran, dibandingkan dengan 35,6% di
wilayah barat. Berarti PvPR lebih tinggi di timur dari wilayah barat (5,6%
vs 1,5%). Sebagian besar data PvPR (91,8%) diperoleh dari karya yang
tidak dipublikasikan. sumber peer-review hanya menyumbang sekitar 6%
dari total titik data. Sebanyak 92% dari jumlah penuh catatan PvPR
diperoleh dari komunikasi langsung dengan spesialis malaria di seluruh
Indonesia, Program Pengendalian Malaria Nasional Indonesia dan Institut
Kesehatan Nasional Penelitian dan Pengembangan. Sebagian besar data
dimasukkan hasil survei PvPR dilakukan antara tahun 2005 dan 2010
(88,4%). Sebagian besar survei termasuk usia atas> 20 tahun (94,3%).
Sekitar tujuh persen dari survei yang geo-strategis dengan Global
Positioning System (GPS) sementara lebih dari 70% dari situs survei yang
geo-strategis menggunakan kombinasi sumber kertas, peta dan teknik
geo-referensi. Survei dengan ukuran sampel yang kecil (n <50) mewakili
8,95% dari total data. Ukuran sampel rata-rata adalah 136. ukuran sampel
yang paling umum di wilayah barat adalah 50-100 orang (38,8%)
sementara di wilayah timur itu 100-500 orang (48,9%). Teknik yang paling
umum yang tercatat malaria diagnostik dalam survei PvPR ini adalah
metode mikroskop (54%).
Distribusi P. survei malaria vivax adalah tidak seragam antara pulau utama
di kepulauan (Gambar 2). Pulau-pulau Sumatera (barat), Papua (timur) dan
Sunda Kecil (timur) dilaporkan sebagai tiga pulau PvPR data yang terkaya
dengan proporsi 32,8%, 22,4% dan 19,1%, masing-masing. Kalimantan
dilaporkan sebagai pulau dengan data PvPR sparsest (3%) diikuti oleh
Sulawesi (4,6%). Di Jawa, di mana lebih kabupaten melaporkan tidak ada
risiko malaria vivax, 6,5% dari data yang PvPR dikumpulkan antara tahun
1985 dan 2010.
Distribusi spasial dari Plasmodium endemisitas malaria vivax

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

lanjut dari populasi yang berisiko disediakan pada Tabel S1.

Di wilayah barat, 108.100.000 orang (52,8%) tinggal di risiko penularan
vivax P..
Di Jawa dan Bali, (mewakili 7% dari luas daratan Indonesia) hampir 77 juta
orang tinggal di daerah P. vivax tranmisi, akuntansi untuk 71% dari semua
orang yang berisiko di wilayah barat. Lebih banyak orang di Indonesia
Barat tinggal di transmisi tidak stabil dibandingkan transmisi stabil (89,3%
vs.10.7%). Proporsi penduduk yang hidup di stabil dibandingkan resiko
stabil adalah vs 1% di Jawa, 63% vs 37% di Sumatera dan 62% vs 38% di
Kalimantan 99%.
Di wilayah timur, 21,5 juta (77,7%) orang tinggal di risiko penularan vivax
P..

Kurang orang tinggal di transmisi tidak stabil daripada transmisi stabil

(28,8% vs 71,2%). Semua 10,8 juta orang hidup di risiko penularan vivax
P. di Sulawesi, diikuti oleh 6,7 juta di Nusa Tenggara, 1,9 juta masingmasing kedua Maluku dan Papua. Proporsi penduduk yang hidup di stabil
dibandingkan resiko stabil adalah vs 51% di Sulawesi, 8% vs 92% di
Maluku, 9% vs 91% di Nusa Tenggara dan 3% vs 97% di Papua 49%.
kinerja Model

Dalam memprediksi titik-nilai PvPR1-99 di lokasi validasi, kesalahan

prediksi rata-rata adalah -0,43% (dalam satuan PvPR1-99), menunjukkan
bias rendah di diprediksi PvPR. Nilai ini juga mewakili tendecy untuk
meremehkan P. prevalensi vivax dengan hanya di bawah 0,5%. Berarti
prediksi mutlak kesalahan, yang diukur model presisi, diperkirakan 3,4%
PvPR1-99. Nilai ini mewakili varians antara diprediksi dan diamati
endemisitas di setiap pixel, yang mungkin karena heterogenitas dari
prevalensi di daerah jarak pendek atau sparsity titik data. Koefisien
korelasi antara nilai prediksi dan diamati adalah 0,58, menunjukkan
perjanjian linear yang kuat (lihat juga plot pencar sesuai, Gambar 5A).
Semi-variograms dari model standar Pearson residual seluruhnya berada
Monte Carlo amplop (Gambar 5B) yang menunjukkan tidak ada tata ruang
yang signifikan. Gambar 5C menunjukkan plot cakupan yang
membandingkan diprediksi interval kredibel yang sebenarnya. Jalur ini
diplot dekat ideal 1:01 garis sepanjang rentang menunjukkan bahwa
interval kredibel diprediksi tersedia ukuran yang tepat model
ketidakpastian.
Diskusi
Laporan ini menjelaskan batas spasial dan tingkat endemisitas
Plasmodium vivax di Indonesia. Permukaan kontinyu P. vivax peta malaria
endemisitas pada resolusi spasial 1 1 km yang dihasilkan dari basis
bukti hampir 4.500 perkiraan independen dari prevalensi malaria P. vivax
di seluruh nusantara ini dan penggunaan platform spasial-temporal
geostatistik model berbasis Bayesian , mirip dengan yang diterapkan
untuk P. falciparum [29], [40]. Perkiraan ini dari daerah dan populasi
berisiko P. vivax mewakili ditingkatkan dan diperbarui perkiraan dari yang
dibuat untuk 2009 [1]. Deteksi P. vivax menggunakan Rapid Diagnostic Tes
(RDT) menyumbang 46% dari dirakit survei prevalensi malaria. RDT
diketahui kurang sensitif dibandingkan mikroskop ahli dan deteksi

molekuler, terutama pada kepadatan parasit rendah, yang cenderung

menghasilkan tingkat negatif palsu yang lebih tinggi dan, dengan
demikian, diamati lebih rendah PvPR [51], [52], [53], [ 54]. Namun,
penyesuaian kuantitatif yang tepat untuk faktor-faktor ini tidak tersedia
dan kami belum menilai dampak dari sensitivitas ini rendah RDT estimasi
endemisitas kami.
tantangan Indonesia untuk mengontrol dan eliminasi
Pilihan untuk tindakan pencegahan malaria [55] untuk mengurangi risiko P.
vivax malaria di Indonesia terbatas. Tidak ada karya kontemporer telah
menunjukkan dampak kabupaten atau implementasi nasional larvasida,
ikan larvivorous, atau pengurangan sumber oleh pengelolaan lingkungan
pada transmisi malaria. tarif rendahnya cakupan kelambu berinsektisida
(ITN) dan penggunaannya, proporsi rendah rumah dengan screening di
zona endemik, praktek variabel dalam perlindungan pribadi merupakan
hambatan untuk upaya untuk menghilangkan penularan malaria di
Indonesia. Tantangannya adalah lebih rumit oleh campuran biasa beragam
dari 20 vektor Anopheles dengan berbagai bionomik [56] dan distribusi
diselingi, seperti yang baru-baru ini ditunjukkan oleh peta distribusi yang
luas dari vektor malaria dominan [57]. masalah lain yang penting adalah
ketersediaan diagnostik yang handal, yang mungkin saat ini
mengidentifikasi kurang dari 20% dari serangan malaria [12]. Diagnosis
klinis di Indonesia meminta terapi dengan klorokuin atau sulfadoksinpyramethamine, meskipun resistensi luas terhadap obat ini dengan baik P.
falciparum dan P. vivax [12]. pemerintah Indonesia mengakui diagnosa
sebagai tantangan utama mereka dalam pengendalian malaria.
Dalam konteks mengendalikan atau, terutama menghilangkan endemik P.
vivax, serangan kemoterapi pada reservoir hypnozoite infeksi dapat
menjadi pertimbangan utama. Namun, satu-satunya obat yang tersedia
untuk tujuan ini, primakuin, mengancam untuk berpotensi serius
membahayakan pasien dengan G6PDd [58]. skrining laboratorium dari
mereka yang berisiko bahaya ini saat ini tidak praktis sebagai bagian dari
perawatan rutin di Indonesia. The G6PDd prevalensi didokumentasikan
antara 1-8% di Nusantara ini [59], [60], [61], [62], [63]. Meskipun
sebagian besar lembaga otoritatif merekomendasikan dosis harian
primakuin 0,5 mg / kg selama 14 hari [64], terutama di Asia Tenggara [65],
[66], rejimen ini relatif mengancam tanpa screening G6PDd, dan pihak
berwenang Indonesia sehingga merekomendasikan 0.25 mg / kg selama
14 hari [67]. Bahkan dosis yang lebih rendah ini, bagaimanapun, adalah
berpotensi berbahaya dan banyak penyedia di Indonesia mungkin enggan
untuk meresepkannya, apalagi mendorong pasien untuk menjadi patuh.
Hal demikian dapat dipahami bahwa G6PDd merupakan tantangan yang
sangat signifikan kepada pihak berwenang Indonesia berusaha untuk
mencapai tujuan penghapusan menyatakan mereka [68].
peta risiko ini dari P. vivax malaria di Indonesia menyediakan dasar bukti
yang pihak berwenang Indonesia bisa merujuk ke ketika mengembangkan
strategi untuk penghapusan sistematis penularan malaria. Tantangan
curam dikenakan oleh diagnosis, resistensi terhadap klorokuin, dan
potensi bahaya yang disebabkan oleh primakuin dapat secara rasional
dianggap melampaui solusi nasional. Sebaliknya, sumber daya yang
diperlukan untuk mengatasi tantangan-tantangan ini dapat difokuskan
pada situs tertentu di mana langkah-langkah pengendalian yang paling

dibutuhkan atau di mana penghapusan mungkin realistis dalam

jangkauan. Selanjutnya, peta prevalensi G6PDd, dan beberapa
pemahaman tentang distribusi varian paling rentan, juga dapat memandu
keseimbangan risiko dan manfaat dengan strategi primakuin, kebijakan
dan praktek dibawa untuk menanggung oleh otoritas [69].
Pekerjaan selanjutnya
Malaria Atlas Project mengembangkan teknik kartografi untuk
memperkirakan beban klinis P. falciparum malaria dengan menggunakan
model hubungan yang berkelanjutan antara dipasangkan P. prevalensi
falciparum dan kejadian klinis [70], [71]. Sebuah inferensi Bayesian nonparametrik dipilih untuk menentukan hubungan ini [71]. Ruang-waktu
simulasi gabungan kemudian digunakan untuk mengukur ketidakpastian
ini perkiraan beban klinis [70]. Untuk mencapai perkiraan yang sama
untuk P. vivax, penelitian lebih lanjut diperlukan untuk menyelesaikan
hubungan antara prevalensi P. vivax dan kejadian klinis. Hal ini terutama
menantang dengan dimensi tambahan kambuh dan serangan klinis lebih
lanjut dari acara menular tunggal. Meskipun demikian, perkiraan tersebut
merupakan bukti penting dalam alokasi sumber daya rasional terbatas di
negara menghadapi berbagai ancaman penyakit menular terhadap
kesehatan masyarakat.
Sekilas geografi Indonesia mengungkapkan tantangan lain yang dihadapi
oleh otoritas dalam mewujudkan dan mempertahankan eliminasi malaria
dari setiap pulau tertentu. Orang-orang dari pulau-pulau padat penduduk
Jawa dan Bali merupakan proporsi yang signifikan dari mereka yang
terlibat dalam pengembangan ekonomi dari banyak pulau-pulau terluar
yang jarang penduduknya nusantara dan tidak diketahui berapa banyak
wisata bolak-balik antara pulau-pulau ini. Gerakan-gerakan ini dikenakan
risiko besar mengimpor dan membangun kembali transmisi malaria di
Jawa dan Bali. MAP dan mitra Indonesia yang akan mengeksplorasi teknik
untuk memperkirakan pola dan jumlah gerakan manusia di antara pulaupulau tertentu untuk mengidentifikasi ancaman prioritas tertentu dan
tinggi untuk eliminasi. Kelayakan eksplorasi tersebut telah difasilitasi oleh
kemajuan sistem informasi geografis, statistik spasial, dan anonimized
catatan telepon seluler [72], [73], [74] yang memungkinkan untuk
pelacakan gerakan ponsel di antara tiang-tiang komunikasi yang melayani
mereka.
kesimpulan

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