Pediatric HIV Hotspots in Kenya: Machine Learning and Geostatistical Analysis for Enhanced Case Finding

Este estudio desarrolló y validó un marco que combina el aprendizaje automático y el análisis geoestadístico para predecir la incidencia del VIH en niños y identificar focos de alta transmisión estadísticamente significativos en todo Kenia, permitiendo así una asignación de recursos más equitativa y basada en datos para la búsqueda de casos.

Lo esencial

La Gran Imagen: Encontrar los "Lugares Ocultos"

Imagina que la lucha de Kenia contra el VIH en niños es como un enorme juego de escondite. Los trabajadores de salud saben que el juego se está llevando a cabo en ciertos vecindarios (condados), pero no siempre saben exactamente dónde se están escondiendo los niños ni cuántos hay en cada lugar específico. A veces, los informes oficiales son como una foto borrosa: muestran el área general, pero pasan por alto los detalles finos.

Este artículo trata sobre un equipo de investigadores que construyó un detective digital inteligente para enfocar esa foto. Combinaron dos herramientas poderosas:

1. Aprendizaje Automático (La Bola de Cristal): Un programa informático que aprende de datos pasados para adivinar dónde podrían aparecer nuevos casos.
2. Geoestadística (El Mapa de Calor): Una forma de observar el mapa para ver dónde los casos se "agrupan" juntos como imanes.

Su objetivo era crear una imagen más clara de dónde viven los niños con VIH, para que los recursos de salud (como pruebas y medicamentos) pudieran enviarse exactamente donde más se necesitan.

---

Cómo lo Hicieron: La Receta

1. Reunir los Ingredientes
Los investigadores no solo miraron los números del VIH. Reunieron un enorme tazón de ingredientes de dos fuentes principales:

• Los Resultados de las Pruebas: Datos de pruebas reales de VIH administradas a niños entre octubre de 2022 y junio de 2023.
• El Contexto: Datos de una encuesta nacional (la Encuesta Demográfica y de Salud de Kenia de 2022) sobre cosas como:
  • ¿Cuántas mujeres embarazadas se hicieron la prueba del VIH?
  • ¿Cuántos niños tienen desnutrición crónica (no crecen bien)?
  • ¿Cuántas personas han tenido múltiples parejas?
  • ¿Cuánto medicamento contra la malaria (Fansidar) se utilizó?

2. Entrenando al Detective (Aprendizaje Automático)
Introdujeron estos datos en una computadora y le pidieron que aprendiera los patrones. Probaron tres "algoritmos" diferentes (recetas matemáticas) para ver cuál era el mejor adivinador.

• El Ganador: Un método llamado Regresión Lasso. Piensa en esto como un editor muy estricto que examina todas las pistas y dice: "Muy bien, estas tres cosas son las más importantes; ignora el resto".
• El Resultado: La computadora predijo 3.160 casos nuevos. Los informes oficiales reales indicaron 3.092. Esa es una coincidencia muy cercana (como adivinar 3.160 frijoles en un frasco cuando en realidad hay 3.092).

3. Dibujando el Mapa (Geoestadística)
Una vez que la computadora hizo sus predicciones, los investigadores no solo miraron los números crudos. Ajustaron según el tamaño de la población.

• Analogía: Si el Condado A tiene 1 millón de niños y el Condado B tiene 10.000 niños, encontrar 50 casos en el Condado A no es tan alarmante como encontrar 50 casos en el Condado B.
• Calcularon la "incidencia" (casos por cada 10.000 niños) para hacer una comparación justa.
• Luego, utilizaron una herramienta estadística especial (Getis-Ord Gi*) para encontrar Puntos Calientes.
  • Puntos Calientes: Áreas donde los casos se agrupan significativamente más de lo que ocurriría por azar (como un montón de brasas calientes).
  • Puntos Fríos: Áreas donde los casos son sorprendentemente bajos (como una brisa fresca).

---

Lo Que Encontraron: El Mapa Revelado

Los "Sospechosos Habituales"
El mapa confirmó lo que las autoridades sanitarias ya sospechaban: el oeste de Kenia (específicamente Homa Bay, Siaya y Kisumu) es un punto caliente importante. Estas áreas tienen altas tasas de VIH, y la computadora estuvo de acuerdo con los informes humanos.

Las "Sorpresas"
La computadora encontró algo que los informes humanos pasaron por alto. En algunas áreas, la computadora predijo altas tasas, pero los informes oficiales eran bajos.

• Analogía: Imagina un detector de humo que se activa en una habitación donde aún no ves humo. La computadora está diciendo: "Algo se está cocinando aquí; revisen esto".
• Isiolo (en el norte) mostró la tasa más alta de infección por niño.
• Tana River, Lamu y Vihiga fueron señalados por el modelo como áreas con riesgos más altos de lo que sugerían los informes actuales. Esto podría significar que estas áreas están perdiendo casos porque aún no están probando a suficientes niños.

El Efecto de "Agrupación"
El estudio demostró que los casos de VIH no están dispersos aleatoriamente como gotas de lluvia. Se agrupan. Si un niño en una aldea tiene VIH, es estadísticamente más probable que un niño en la siguiente aldea también lo tenga. Esto ayuda a explicar por qué los recursos deben dirigirse a regiones específicas en lugar de distribuirse uniformemente en todas partes.

---

La Verificación de "Incertidumbre"

Los investigadores tuvieron cuidado de no dar solo un número único. Construyeron una "red de seguridad" alrededor de sus predicciones.

• La Analogía: En lugar de decir "Hay exactamente 50 casos", dijeron: "Estamos un 95% seguros de que el número está entre 40 y 60".
• Descubrieron que para casi todos los condados, el número real cayó dentro de su red de seguridad.
• Dos Excepciones:
  1. Homa Bay: El número real fue mayor que la red de seguridad. Esto sugiere que sus programas de pruebas allí funcionan tan bien que están encontrando más casos de los que el modelo esperaba.
  2. Siaya: El número real fue menor que la red de seguridad. Esto sugiere que podrían estar perdiendo casos, o que el modelo sobreestimó el riesgo allí.

---

La Conclusión

Este artículo no inventó un nuevo medicamento ni una nueva prueba. En cambio, construyó un mejor mapa.

Al combinar una predicción informática inteligente con una mirada detallada a la geografía, los investigadores crearon un marco que ayuda a los líderes de salud a ver los "lugares ocultos" del VIH pediátrico. Les permite decir: "Sabemos de los grandes grupos en el oeste, pero también vamos a revisar estas otras áreas donde la computadora piensa que podría haber casos ocultos".

El estudio concluye que usar esta mezcla de Aprendizaje Automático (para predecir) y Análisis Espacial (para mapear) es una forma poderosa de asegurarse de que ningún niño quede atrás en la lucha contra el VIH.

Resumen técnico

A continuación se presenta un resumen técnico detallado del preimpreso "Puntos calientes de VIH pediátrico en Kenia: Aprendizaje Automático y Análisis Geostatístico para la Detección Mejorada de Casos".

1. Planteamiento del Problema

A pesar del sólido programa nacional de VIH de Kenia y de la priorización de los condados de alta carga, existe una brecha crítica de evidencia en la vigilancia predictiva del VIH pediátrico. Las estrategias actuales dependen en gran medida de datos retrospectivos y agregados, lo que limita la capacidad para:

• Predecir objetivamente las cargas de VIH pediátrico en tiempo casi real.
• Identificar conglomerados espaciales estadísticamente significativos (puntos calientes) que pueden pasar desapercibidos para la notificación tradicional.
• Comparar equitativamente la carga de la enfermedad entre condados con tamaños de población muy diferentes.

Existe la necesidad de un marco analítico integrado que combine el Aprendizaje Automático (ML) para la predicción con la Geostatística para la validación espacial, a fin de orientar intervenciones de precisión y la asignación de recursos.

2. Metodología

El estudio empleó un enfoque analítico dual que integra el aprendizaje automático supervisado con el modelado geostatístico en los 47 condados de Kenia.

Fuentes de Datos

• Datos de Resultado: Datos de los Servicios de Pruebas de VIH (HTS) a nivel nacional desde el 1 de octubre de 2022 hasta el 30 de junio de 2023, rastreando específicamente a niños recién diagnosticados (de 0 a 14 años).
• Datos Predictores: Indicadores a nivel de condado de la Encuesta Demográfica y de Salud de Kenia (KDHS) de 2022.
• Variables: 19 predictores candidatos que abarcan salud materna (por ejemplo, seropositividad para la TASP, asistencia a las consultas prenatales), salud infantil (por ejemplo, desnutrición crónica, profilaxis contra la malaria), comportamiento sexual, violencia de género y factores socioeconómicos.
• Denominador Poblacional: Proyecciones poblacionales de 2023 del Buró Nacional de Estadística de Kenia para niños de 0 a 14 años.

Flujo de Trabajo de Aprendizaje Automático

• Preprocesamiento: Los valores faltantes se imputaron utilizando Emparejamiento de Medias Predictivas (PMM). Se excluyeron las variables con alta multicolinealidad (VIF > 5).
• Algoritmos: Se entrenaron y compararon tres modelos de regresión penalizada: Ridge (L2), Lasso (L1) y Red Elástica. Se eligieron por su capacidad para manejar la multicolinealidad y realizar la selección de variables en datos de alta dimensión.
• Entrenamiento: El conjunto de datos se dividió en una proporción 70:30 (entrenamiento/prueba). Los hiperparámetros se ajustaron mediante validación cruzada de 10 pliegues utilizando búsqueda en cuadrícula.
• Métricas de Rendimiento: Los modelos se evaluaron utilizando el Error Cuadrático Medio Raíz (RMSE) y el Error Absoluto Medio (MAE).

Análisis Geostatístico

• Cálculo de Incidencia: Los conteos de casos predichos se convirtieron en incidencia por 10.000 niños para normalizar según el tamaño de la población.
• Autocorrelación Espacial: Se utilizaron estadísticas de Moran's I para cuantificar la agrupación espacial global.
• Detección de Puntos Calientes: Se aplicaron estadísticas Getis-Ord Gi* para identificar conglomerados estadísticamente significativos de alta densidad de casos (puntos calientes) y baja densidad (puntos fríos).
• Cuantificación de la Incertidumbre: Se utilizó un procedimiento de bootstrap basado en residuos (2.000 iteraciones) para generar intervalos de predicción del 95% para las estimaciones a nivel de condado.

Validación

• Frecuentista: La prueba t de dos muestras de Welch y el tamaño del efecto g de Hedges compararon las distribuciones predichas frente a las reportadas.
• Bayesiana: Análisis de sensibilidad utilizando un prior Cauchy Jeffreys–Zellner–Siow (JZS) para calcular el Factor Bayesiano ($BF_{01}$) que respalda la hipótesis nula de ninguna diferencia.

3. Resultados Clave

Rendimiento del Modelo

• Mejor Modelo: El modelo de regresión Lasso demostró una precisión predictiva superior con las métricas de error más bajas (RMSE = 0.122, MAE = 0.099).
• Precisión Predictiva: El modelo predijo 3.160 nuevos casos de VIH pediátrico, coincidiendo estrechamente con los 3.092 casos reportados a nivel nacional (una diferencia del 2,2%).
• Validación Estadística:
  • No se encontró diferencia significativa entre las distribuciones predichas y reportadas (t de Welch = 0,11, p = 0,911).
  • El análisis bayesiano arrojó un Factor Bayesiano ($BF_{01}$) de ~4,57, proporcionando evidencia moderada a favor de la hipótesis nula (sin diferencia).
  • Calibración de la Incertidumbre: 45 de los 47 condados (95,7%) tuvieron conteos de casos reportados que cayeron dentro de los intervalos de predicción bootstrap del 95% del modelo, lo que indica límites de incertidumbre bien calibrados.

Predictores Clave

El análisis de importancia de características identificó la seropositividad para el VIH en la TASP como el predictor positivo más fuerte. Otros factores significativos incluyeron:

• Asociaciones positivas: Desnutrición crónica severa, número de dosis de Fansidar y múltiples parejas sexuales.
• Asociaciones negativas: Visitas de atención prenatal (ANC), pruebas de VIH para la pareja masculina y propiedad de bienes por parte de las mujeres.

Hallazgos Espaciales

• Agrupación: Se confirmó la autocorrelación espacial significativa tanto para los datos reportados (Moran's I = 0,22, p = 0,001) como para los predichos (Moran's I = 0,37, p < 0,001).
• Puntos Calientes: Se identificaron 13 condados como puntos calientes estadísticamente significativos (confianza del 95–99%), predominantemente en el Oeste de Kenia (Migori, Siaya, Homa Bay, Busia, Kisii, Bungoma, Kakamega, Kisumu, Bomet, Vihiga, Nandi, Kericho, Trans Nzoia).
• Puntos Fríos: Laikipia y Nyeri se identificaron como puntos fríos.
• Disparidades de Incidencia:
  • Incidencia Reportada Más Alta: Isiolo (11,2/10k), Homa Bay (7,7/10k).
  • Brechas Predichas vs. Reportadas: El modelo identificó una posible subdetección en condados como Tana River (Predicho 4,2 vs. Reportado 1,0) y Lamu (Predicho 4,2 vs. Reportado 2,8), sugiriendo áreas para la expansión dirigida de pruebas.

Análisis de Valores Atípicos

Dos condados cayeron fuera de sus intervalos de predicción del 95%, ofreciendo perspectivas programáticas distintas:

1. Homa Bay: Los casos reportados (399) superaron el límite superior (380). Esto sugiere un éxito programático intensificado (por ejemplo, pruebas de índice efectivas) que detecta casos más allá de las expectativas demográficas.
2. Siaya: Los casos reportados (148) cayeron por debajo del límite inferior (189). Esto sugiere subdetección o brechas en la cobertura de pruebas en relación con la carga subyacente.

4. Contribuciones Clave

1. Marco Metodológico: Se validó con éxito un marco híbrido que combina ML penalizado (Lasso) con análisis geostatístico de puntos calientes para la vigilancia del VIH pediátrico.
2. Incidencia Ajustada por Población: Se demostró la necesidad de convertir los conteos brutos de casos a incidencia por 10.000 niños para permitir comparaciones equitativas entre condados de tamaños variables, evitando el enmascaramiento de áreas de alto riesgo y baja población.
3. Cuantificación de la Incertidumbre: Se introdujeron intervalos de predicción derivados de bootstrap para la toma de decisiones operativas, permitiendo a las autoridades sanitarias distinguir entre la variación aleatoria y los valores atípicos programáticos genuinos (por ejemplo, Homa Bay vs. Siaya).
4. Vigilancia Predictiva: Se cambió el paradigma de la notificación retrospectiva a la epidemiología predictiva, identificando posibles puntos calientes "ocultos" en las regiones Oriental y Septentrional donde la vigilancia rutinaria podría estar rezagada.

5. Significado e Implicaciones

• Optimización de Recursos: El marco permite a las autoridades sanitarias pasar de un enfoque amplio y retrospectivo a intervenciones de precisión, dirigiendo los recursos de pruebas y tratamiento a los puntos calientes validados estadísticamente y a las zonas de subdetección.
• Escalabilidad: El enfoque es replicable y escalable a otras enfermedades infecciosas y contextos del África subsahariana donde los datos se agregan a nivel administrativo.
• Integración de Políticas: El estudio aboga por integrar estos modelos predictivos en sistemas nacionales como DHIS2, el Almacén Nacional de Datos (NDW) y la Vigilancia Basada en Casos (CBS) para apoyar una respuesta epidémica adaptativa y en tiempo real.
• Equidad: Al destacar las disparidades en la detección (por ejemplo, la subdetección en Siaya), el modelo apoya una asignación más equitativa de recursos para asegurar que ninguna comunidad de alta carga quede atrás.

Conclusión: Este estudio proporciona una herramienta robusta y basada en datos para mejorar la vigilancia del VIH pediátrico en Kenia, demostrando que la integración del aprendizaje automático con estadísticas espaciales puede mejorar significativamente la precisión de la estimación de la carga y la eficiencia de las intervenciones de salud pública.