Developing early warning systems using predictive models to identify Lassa fever threats in Ondo State, Nigeria

Sintesi Tecnica: Sviluppo di Sistemi di Allerta Precoce per la Febbre di Lassa nello Stato di Ondo, Nigeria

Problematica
La febbre di Lassa (LF), una grave malattia emorragica causata dal virus Lassa, rimane un persistente onere per la salute pubblica in Africa occidentale, in particolare in Nigeria. Lo Stato di Ondo è identificato come un importante hotspot, essendo responsabile di oltre il 30% dei casi nazionali confermati. La malattia presenta un distinto schema stagionale, con focolai che tipicamente raggiungono il picco durante la stagione secca (dicembre–marzo) a causa del maggiore contatto tra l'uomo e il serbatoio di roditori Mastomys natalensis. Nonostante gli esistenti sforzi di sorveglianza, sfide quali la sottostima dei casi, le diagnosi errate dovute alla sovrapposizione dei sintomi con la malaria e il ritardo nella rilevazione ostacolano un'efficace risposta ai focolai. Lo studio affronta la critica necessità di un sistema di allerta precoce efficace, capace di prevedere i modelli di epidemia per guidare un processo decisionale proattivo in materia di sanità pubblica e l'allocazione delle risorse nello Stato di Ondo.

Metodologia
Lo studio ha impiegato un approccio di previsione di serie temporali utilizzando dati di sorveglianza settimanali regolarmente raccolti relativi ai casi confermati di febbre di Lassa nello Stato di Ondo, coprendo 382 settimane da gennaio 2018 ad aprile 2025. I dati sono stati estratti dal Nigeria Centre for Disease Control and Prevention (NCDC).

1. Partizione dei Dati: Il set di dati è stato suddiviso in un set di addestramento (70%) per la stima dei parametri e un set di test (30%) per la valutazione del modello.
2. Selezione del Modello: I ricercatori hanno utilizzato il modello Seasonal Auto-Regressive Integrated Moving Average (SARIMA), specificamente progettato per catturare sia i comportamenti di trend che quelli stagionali nei dati di serie temporali. Data la natura settimanale dei dati e la stagionalità annuale della LF, è stato stabilito un periodo stagionale ($s$) di 52 settimane.
3. Identificazione e Stima del Modello: La funzione auto.arima() in R è stata utilizzata per automatizzare la selezione dei modelli candidati basandosi sul Criterio di Informazione di Akaike (AIC). Sei modelli candidati sono stati confrontati.
4. Metriche di Valutazione: L'accuratezza del modello è stata valutata utilizzando l'Errore Quadratico Medio (RMSE), l'Errore Assoluto Medio (MAE) e l'Errore Quadratico Medio (MSE).
5. Diagnostica: L'adeguatezza del modello selezionato è stata verificata attraverso l'analisi dei residui, inclusi i controlli di normalità e il test di Ljung-Box, per garantire l'assenza di autocorrelazione significativa nei residui.

Risultati Chiave

• Modello Ottimale: Il modello ARIMA(3,0,2)(1,0,1)[52] è stato identificato come il modello con il miglior adattamento, raggiungendo i valori più bassi in tutte le metriche di errore (RMSE, MAE, MSE) e il valore AIC più basso tra i candidati.
• Performance del Modello: I controlli diagnostici hanno confermato che i residui erano approssimativamente distribuiti normalmente e dispersi casualmente attorno allo zero, senza una significativa autocorrelazione (test di Ljung-Box $p > 0,05$), indicando che il modello ha catturato efficacemente la struttura temporale dei dati.
• Orizzonte di Previsione: Il modello è stato utilizzato per generare una previsione di 34 settimane (dalla 19ª alla 52ª settimana del 2025).
  • La previsione stima una media di circa 4 casi di febbre di Lassa a settimana.
  • Il modello proietta una tendenza di trasmissione relativamente stabile senza picchi catastrofici, con la maggior parte dei valori previsti compresi tra 5 e 15 casi a settimana.
  • Picchi Stagionali: La previsione indica che i picchi di trasmissione avverranno probabilmente tra la 48ª e la 52ª settimana dell'anno, allineandosi con il storico schema della stagione secca.
• Validazione Visiva: I confronti tra i valori stimati e i dati del set di test hanno dimostrato che il modello è riuscito a riprodurre i principali picchi stagionali e la tendenza epidemica generale della febbre di Lassa nella regione.

Significatività e Rivendicazioni
L'articolo sostiene che il modello SARIMA sviluppato fornisce un quadro statisticamente robusto per comprendere la dinamica di trasmissione della febbre di Lassa nello Stato di Ondo. Catturando sia le variazioni a breve termine che i modelli stagionali a lungo termine, il modello offre uno strumento affidabile per anticipare probabili focolai.

Gli autori sottolineano che i risultati supportano lo sviluppo di sistemi di allerta precoce proattivi. Nello specifico, lo studio suggerisce che:

• La trasmissione della febbre di Lassa nello Stato di Ondo è probabile che persista a livelli moderati con picchi stagionali prevedibili.
• I decisori politici della sanità pubblica possono utilizzare queste previsioni per rafforzare la sorveglianza e ottimizzare l'allocazione delle risorse prima dei periodi di picco (specificamente verso la fine dell'anno).
• Il modello funge da passo fondamentale verso l'operazionalizzazione di algoritmi predittivi per il controllo dei focolai in tempo reale, passando da un'analisi retrospettiva a una pianificazione della sanità pubblica orientata al futuro.

Lo studio conclude che, sebbene il modello preveda una trasmissione moderata in condizioni stabili, la ricorrente natura stagionale della malattia richiede una preparazione continua e interventi mirati durante le identificate finestre di alto rischio.