Applying Diagnostic Network Optimisation analysis to inform the introduction of G6PD testing into Indonesia for improved treatment of relapsing malaria

La malaria es una enfermedad que regresa. Mientras que algunas formas de la enfermedad pueden curarse con un solo ciclo de medicación, otras se esconden en el hígado, esperando a despertar semanas o meses después para causar una nueva infección. Para detener estas recaídas, los médicos utilizan una clase especial de fármacos que eliminan el parásito del hígado de forma permanente. Sin embargo, estos medicamentos conllevan un peligro oculto para algunas personas. Una pequeña parte de la población carece de una enzima específica en su sangre, una condición que hace que sus glóbulos rojos sean frágiles. Si una persona con esta condición toma el medicamento contra las recaídas, sus células sanguíneas pueden estallar, provocando una reacción grave y potencialmente fatal. Para prevenir esto, los médicos deben primero analizar a los pacientes para ver si tienen esta deficiencia enzimática. El desafío para los sistemas de salud es que estas pruebas son costosas y requieren equipos que muchas clínicas rurales no poseen. Colocar un kit de prueba en cada pequeña clínica suele ser demasiado costoso, pero colocar muy pocos significa que los pacientes deben viajar lejos, retrasando su tratamiento o haciendo que lo omitan por completo.

En Indonesia, donde la malaria sigue siendo un obstáculo significativo en el camino hacia la eliminación de la enfermedad, un grupo de investigadores se propuso resolver este enigma de dónde colocar las máquinas de prueba. Se centraron en tres regiones distintas: la isla de Sumba, donde la malaria es común; Sumatra del Norte, donde es menos frecuente; y Purworejo, donde los casos son raros. El equipo utilizó un modelo computacional diseñado para trazar la forma más eficiente de construir una red de centros de prueba. Imaginaron dos mundos diferentes. En el primero, cada clínica de salud pública tendría su propio dispositivo de prueba, asegurando que ningún paciente tuviera que abandonar su aldea local para realizarse una prueba. En el segundo, imaginaron un sistema más inteligente y austero, donde los dispositivos se colocarían solo en clínicas centrales específicas. En este segundo escenario, los pacientes de las aldeas cercanas llevarían sus muestras de sangre a la clínica central, pero solo si el viaje era lo suficientemente corto como para ser práctico. Los investigadores calcularon los costos del equipo, el precio de los kits de prueba y el combustible necesario para que el personal transportara las muestras, todo ello asegurando que ningún paciente tuviera que viajar más de quince kilómetros en un sentido para hacerse la prueba de sangre.

Los resultados revelaron que un enfoque generalizado de equipar cada clínica no era el uso más eficiente de los recursos. En Sumba, el modelo mostró que el sistema de salud podría ahorrar casi un treinta por ciento de su presupuesto del primer año colocando dispositivos de prueba en solo el treinta y nueve por ciento de las clínicas, en lugar de en todas ellas. Esta estrategia significaba que algunos pacientes viajarían más lejos, con el promedio del viaje de ida y vuelta para una muestra aumentando de menos de cinco kilómetros a casi diez kilómetros, pero el dinero ahorrado en la compra y el mantenimiento de docenas de máquinas adicionales era sustancial. En Sumatra del Norte, los ahorros fueron aún más dramáticos. Al colocar dispositivos en solo el diecinueve por ciento de las clínicas, el costo total cayó casi un sesenta por ciento en el primer año. El modelo identificó hospitales y clínicas específicos que se convertirían en los centros de estas redes, gestionando la carga de trabajo adicional de procesar las muestras de las áreas circundantes. Por ejemplo, un hospital en Sumatra del Norte vería a su personal dedicar cuatrocientas horas adicionales al año a la gestión de estas pruebas, un aumento significativo que requeriría una planificación cuidadosa para evitar sobrecargar a los trabajadores.

En la zona de muy baja transmisión de Purworejo, la situación era lo suficientemente distinta como para que no fuera necesaria una red compleja. Los investigadores descubrieron que colocar un único dispositivo en la clínica principal del distrito permitiría que más de la mitad de los pacientes fueran analizados en el acto, mientras que los pocos restantes tendrían que recorrer una distancia mayor. El estudio no solo analizó el dinero; también consideró el elemento humano. Los investigadores señalaron que, si bien las redes optimizadas ahorraban dinero, trasladaban la carga del viaje y del tiempo a los trabajadores de la salud, quienes debían recolectar y transportar las muestras. También destacaron que el modelo se basaba en datos de clínicas públicas y no tenía plenamente en cuenta las clínicas privadas donde mucha gente busca atención, sugiriendo que el plan en el mundo real podría necesitar incluir estos centros privados para asegurar que todos estén cubiertos.

En última instancia, el estudio sugiere que Indonesia no necesita elegir entre una cobertura universal costosa y un sistema que deja a la gente atrás. Al utilizar datos para ubicar estratégicamente un número menor de dispositivos de prueba, el país puede permitirse analizar a más personas de forma segura. Este enfoque permite que los médicos prescriban los medicamentos más fuertes y efectivos que previenen el regreso de la malaria, sin poner en riesgo la vida de aquellos que son sensibles a los fármacos. Los hallazgos ofrecen una hoja de ruta clara para los funcionarios de salud: una red de centros de prueba cuidadosamente diseñada puede hacer que la lucha contra la malaria recurrente sea tanto más segura para los pacientes como financieramente sostenible para el país, acercando a la nación a su objetivo de eliminar la enfermedad por completo.