Modelling the effects of seasonal malaria chemoprevention 1on malaria transmission dynamics in the presence of existing interventions in Nigeria

Resumen Técnico: Modelado de los Efectos de la Quimioprevención Estacional de la Malaria en la Dinámica de Transmisión de la Malaria en Nigeria

Planteamiento del Problema
La Quimioprevención Estacional de la Malaria (SMC, por sus siglas en inglés) es una intervención crítica para reducir la carga de malaria en áreas con transmisión altamente estacional, dirigida específicamente a niños de 3 a 59 meses con sulfadoxina-pirimetamina más amodiaquina (SPAQ). Si bien los ensayos clínicos y los estudios observacionales han establecido la eficacia de la SMC en la reducción de la incidencia dentro de este grupo pediátrico objetivo, existe una brecha significativa en la comprensión de su impacto más amplio a nivel poblacional. La literatura existente en gran medida no captura explícitamente las dinámicas de transmisión de la malaria en Nigeria ni cuantifica cómo la SMC afecta a la población general no objetivo en presencia de otras intervenciones como los Mosquiteros Tratados con Insecticida de Larga Duración (LLINs) y la Terapia Combinada basada en Artemisinina (ACT). Este estudio aborda la necesidad de evaluar el impacto general a nivel poblacional de la SMC e identificar los factores epidemiológicos que influyen en su efectividad en seis estados de alta transmisión en Nigeria.

Metodología
El estudio emplea un modelo matemático compartimental determinista (ShMcEhAhIh-SvEvIv) para simular la dinámica de transmisión de la malaria. El modelo estratifica la población humana en clases de susceptibles ($S_h$), administrados con SMC ($M_c$), pre-infecciosos ($E_h$), asintomáticos infecciosos ($A_h$) e infecciosos sintomáticos ($I_h$). La población de mosquitos se divide en compartimentos de susceptibles ($S_v$), pre-infecciosos ($E_v$) e infecciosos ($I_v$).

Características clave del marco de modelado incluyen:

• Integración de Intervenciones: El modelo incorpora la SMC como una intervención de pulso dependiente del tiempo ($\xi_t$) que mueve a los niños elegibles de las clases susceptibles o pre-infecciosas/asintomáticas a la clase protegida $M_c$. También tiene en cuenta el debilitamiento de la protección de la SMC ($\eta$) y la eficacia parcial de la SMC ($\tau$), reconociendo que la SMC no ofrece una protección del 100%.
• Intervenciones Basales: El modelo incluye parámetros para LLINs (reducción de la probabilidad de transmisión $u$) y ACT (tasa de recuperación $\alpha$).
• Estacionalidad: Se aplica una función de forzamiento estacional $b(t)$ a la tasa de picadura de los mosquitos para reflejar los patrones de la temporada de lluvias observados en los datos.
• Datos y Calibración: El modelo se ajustó a datos rutinarios de malaria (enero de 2015 – diciembre de 2024) y datos de cobertura de SMC de seis estados: Bauchi, Yobe, Kebbi, Zamfara, Plateau y Nasarawa. La estimación de parámetros utilizó el método de mínimos cuadrados no lineales.
• Incertidumbre y Sensibilidad: Se utilizó un método de bootstrap paramétrico (500 realizaciones) para cuantificar las incertidumbres en las estimaciones de los parámetros y las trayectorias del modelo. Se realizó un Análisis de Sensibilidad Global (GSA) utilizando el Muestreo de Hipercubo Latino (LHS) y el Coeficiente de Correlación de Rango Parcial (PRCC) para identificar los principales impulsores de la prevalencia de la malaria.

Contribuciones Clave y Resultados

1. Impacto a Nivel Poblacional: El estudio cuantifica la reducción de los casos confirmados de malaria no complicada en la población general (más allá de los niños objetivo) tras la implementación de la SMC. Las reducciones estimadas oscilaron entre un 14.5% en Nasarawa y un 26.9% en Yobe. En términos absolutos, el modelo estimó que la SMC evitó millones de casos, siendo el estado de Zamfara el que registró el mayor impacto (2,258,356 casos evitados) y Nasarawa el menor (232,597 casos evitados) dentro de sus respectivos periodos de implementación.
2. Ajuste del Modelo: El modelo demostró un alto grado de concordancia con los datos observados, con valores de Índice de Acuerdo ($d$) superiores a 0.75 en todos los seis estados (oscilando entre 0.7625 en Yobe y 0.9151 en Kebbi). El análisis de residuos confirmó un patrón aleatorio, lo que indica un buen ajuste.
3. Impulsores de la Transmisión (GSA): El análisis de sensibilidad reveló que la prevalencia de la malaria está impulsada principalmente por parámetros relacionados con el vector.
   • Correlaciones Positivas: La tasa de picadura basal de los mosquitos ($b_0$), la tasa de reclutamiento de mosquitos ($\Lambda_v$) y las probabilidades de transmisión ($\beta_{vh}, \beta_{hv}$) mostraron fuertes correlaciones positivas con la prevalencia de la malaria.
   • Correlaciones Negativas: La tasa de mortalidad natural de los mosquitos ($\mu_v$) exhibió una fuerte correlación negativa, indicando que un aumento en la mortalidad de los mosquitos reduce significativamente la transmisión.
4. Efectos de Interacción: El análisis de mapas de calor de efectos combinados mostró que, si bien el aumento de la cobertura de la SMC reduce consistentemente los casos de malaria, su efectividad está fuertemente limitada por altas tasas de picadura de mosquitos y una baja mortalidad de estos. Con tasas de picadura muy altas (20–25 picaduras al mes), la alta cobertura de la SMC por sí sola fue insuficiente para reducir drásticamente la incidencia.

Significancia y Reivindicaciones
Los autores afirman que el estudio proporciona evidencia de que la SMC reduce significativamente la morbilidad por malaria más allá de la población pediátrica objetivo, ofreciendo beneficios indirectos a la comunidad en general. Sin embargo, el documento enfatiza modestamente que la efectividad de la SMC no es independiente; depende fuertemente de la dinámica subyacente de los vectores.

El estudio concluye que para lograr un control sostenido de la malaria en entornos de alta transmisión, la SMC debe integrarse con intervenciones complementarias de control de vectores (como LLINs o la Aspersión de Residuos en Interiores) que reduzcan directamente las tasas de picadura de los mosquitos y aumenten la mortalidad de estos. Los hallazgos ofrecen una hoja de ruta basada en datos para los responsables de la formulación de políticas en Nigeria, sugiriendo que la escala continua de la SMC debe coordinarse con el fortalecimiento de las medidas de control de vectores para maximizar su impacto.

Limitaciones Reconocidas por los Autores
Los autores señalan varias limitaciones:

• Los datos dependen de casos confirmados de instituciones de salud pública, lo que podría subestimar la carga total debido a los casos no reportados en el sector privado.
• Los datos de cobertura de la SMC a veces superaron el 100% de la población objetivo; el modelo limitó esto al 90%, lo que puede no reflejar perfectamente los niveles reales de cobertura.
• El modelo no incorporó explícitamente factores climáticos (lluvia, temperatura), lo que podría limitar la precisión para capturar la variabilidad estacional.

A pesar de estas limitaciones, el estudio afirma su valor para guiar las políticas de salud pública hacia estrategias de intervención integradas.