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

Este estudo desenvolveu e validou um quadro que combina aprendizado de máquina e análise geoestatística para prever a incidência de HIV pediátrico e identificar pontos críticos estatisticamente significativos em todo o Quênia, permitindo assim uma alocação de recursos mais equitativa e baseada em dados para a busca de casos.

O essencial

A Visão Geral: Encontrando os "Ondes Ocultos"

Imagine a luta do Quênia contra o HIV em crianças como um enorme jogo de esconde-esconde. Os trabalhadores de saúde sabem que o jogo está sendo jogado em certos bairros (condados), mas nem sempre sabem exatamente onde as crianças estão se escondendo ou quantas há em cada local específico. Às vezes, os relatórios oficiais são como uma foto desfocada: mostram a área geral, mas perdem os detalhes finos.

Este artigo trata de uma equipe de pesquisadores que construiu um detetive digital inteligente para afinar essa foto. Eles combinaram duas ferramentas poderosas:

1. Aprendizado de Máquina (A Bola de Cristal): Um programa de computador que aprende com dados passados para adivinhar onde novos casos podem surgir.
2. Geostatística (O Mapa de Calor): Uma maneira de olhar para o mapa para ver onde os casos estão "agrupados" juntos como ímãs.

O objetivo deles era criar uma imagem mais clara de onde as crianças com HIV estão vivendo, para que os recursos de saúde (como testes e medicamentos) pudessem ser enviados exatamente onde são mais necessários.

---

Como Eles Fizeram: A Receita

1. Reunindo os Ingredientes
Os pesquisadores não olharam apenas para os números do HIV. Eles reuniram uma enorme tigela de ingredientes de duas fontes principais:

• Os Resultados dos Testes: Dados de testes reais de HIV realizados em crianças entre outubro de 2022 e junho de 2023.
• O Contexto: Dados de uma pesquisa nacional (a Pesquisa Demográfica e de Saúde do Quênia de 2022) sobre coisas como:
  • Quantas mulheres grávidas foram testadas para HIV?
  • Quantas crianças têm desnutrição (não estão crescendo bem)?
  • Quantas pessoas tiveram múltiplos parceiros?
  • Quanto medicamento contra malária (Fansidar) foi usado?

2. Treinando o Detetive (Aprendizado de Máquina)
Eles alimentaram esses dados em um computador e pediram que ele aprendesse os padrões. Eles tentaram três "algoritmos" diferentes (receitas matemáticas) para ver qual era o melhor adivinhador.

• O Vencedor: Um método chamado Regressão Lasso. Pense nisso como um editor muito rigoroso que olha para todas as pistas e diz: "Ok, estas três coisas importam mais; ignore o resto."
• O Resultado: O computador previu 3.160 novos casos. Os relatórios oficiais reais disseram 3.092. Isso é uma correspondência muito próxima (como adivinhar 3.160 balas de gelatina em um pote quando na verdade há 3.092).

3. Desenhando o Mapa (Geostatística)
Depois que o computador fez suas previsões, os pesquisadores não olharam apenas para os números brutos. Eles ajustaram pelo tamanho da população.

• Analogia: Se o Condado A tem 1 milhão de crianças e o Condado B tem 10.000 crianças, encontrar 50 casos no Condado A não é tão assustador quanto encontrar 50 casos no Condado B.
• Eles calcularam a "incidência" (casos por 10.000 crianças) para fazer uma comparação justa.
• Então, usaram uma ferramenta estatística especial (Getis-Ord Gi*) para encontrar Pontos Quentes.
  • Pontos Quentes: Áreas onde os casos estão agrupados juntos significativamente mais do que por acaso (como uma pilha de carvões quentes).
  • Pontos Frios: Áreas onde os casos estão surpreendentemente baixos (como uma brisa fresca).

---

O Que Eles Encontraram: O Mapa Revelado

Os "Suspeitos de Sempre"
O mapa confirmou o que os oficiais de saúde já suspeitavam: o Oeste do Quênia (especificamente Homa Bay, Siaya e Kisumu) é um grande ponto quente. Essas áreas têm altas taxas de HIV, e o computador concordou com os relatórios humanos.

As "Surpresas"
O computador encontrou algo que os relatórios humanos perderam. Em algumas áreas, o computador previu altas taxas, mas os relatórios oficiais estavam baixos.

• Analogia: Imagine um detector de fumaça que dispara em um quarto onde você ainda não vê fumaça. O computador está dizendo: "Algo está sendo preparado aqui; dê uma olhada nisso."
• Isiolo (no norte) mostrou a maior taxa de infecção por criança.
• Tana River, Lamu e Vihiga foram sinalizados pelo modelo como tendo riscos mais altos do que os relatórios atuais sugeriam. Isso pode significar que essas áreas estão perdendo casos porque ainda não estão testando o suficiente de crianças.

O Efeito de "Agrupamento"
O estudo provou que os casos de HIV não estão espalhados aleatoriamente como gotas de chuva. Eles se agrupam. Se uma criança em uma vila tem HIV, é estatisticamente mais provável que uma criança na próxima vila também tenha. Isso ajuda a explicar por que os recursos precisam ser direcionados para regiões específicas, em vez de serem distribuídos uniformemente em todos os lugares.

---

A Verificação de "Incerteza"

Os pesquisadores tiveram cuidado para não dar apenas um número único. Eles construíram uma "rede de segurança" ao redor de suas previsões.

• A Analogia: Em vez de dizer "Há exatamente 50 casos", eles disseram: "Temos 95% de certeza de que o número está entre 40 e 60."
• Eles descobriram que, para quase todos os condados, o número real caiu dentro de sua rede de segurança.
• Duas Exceções:
  1. Homa Bay: O número real foi maior que a rede de segurança. Isso sugere que seus programas de teste lá estão funcionando tão bem que estão encontrando mais casos do que o modelo esperava.
  2. Siaya: O número real foi menor que a rede de segurança. Isso sugere que eles podem estar perdendo casos, ou que o modelo superestimou o risco lá.

---

A Conclusão

Este artigo não inventou uma nova droga ou um novo teste. Em vez disso, construiu um mapa melhor.

Ao combinar um palpite inteligente de computador com uma olhada detalhada na geografia, os pesquisadores criaram uma estrutura que ajuda os líderes de saúde a ver os "pontos ocultos" do HIV pediátrico. Isso permite que eles digam: "Sabemos dos grandes agrupamentos no Oeste, mas vamos também verificar essas outras áreas onde o computador acha que pode haver casos ocultos."

O estudo conclui que usar essa mistura de Aprendizado de Máquina (para prever) e Análise Espacial (para mapear) é uma maneira poderosa de garantir que nenhuma criança seja deixada para trás na luta contra o HIV.

Resumo técnico

1. Declaração do Problema

Apesar do robusto programa nacional de HIV do Quênia e da priorização dos condados de alta carga, existe uma lacuna crítica de evidências na vigilância preditiva para o HIV pediátrico. As estratégias atuais dependem fortemente de dados retrospectivos e agregados, o que limita a capacidade de:

• Prever objetivamente as cargas de HIV pediátrico em tempo quase real.
• Identificar clusters espaciais estatisticamente significativos (hotspots) que podem ser perdidos pelo relato tradicional.
• Comparar equitativamente a carga da doença entre condados com tamanhos populacionais drasticamente diferentes.

Há uma necessidade de um quadro analítico integrado que combine Aprendizado de Máquina (ML) para previsão com Geoestatística para validação espacial, a fim de orientar intervenções de precisão e alocação de recursos.

2. Metodologia

O estudo empregou uma abordagem analítica dual, integrando aprendizado de máquina supervisionado com modelagem geoestatística em todos os 47 condados do Quênia.

Fontes de Dados

• Dados de Desfecho: Dados dos Serviços de Testagem de HIV (HTS) nacionais de 1º de outubro de 2022 a 30 de junho de 2023, rastreando especificamente crianças recém-diagnosticadas (idade de 0 a 14 anos).
• Dados Preditores: Indicadores ao nível do condado da Pesquisa Demográfica e de Saúde do Quênia (KDHS) de 2022.
• Variáveis: 19 preditores candidatos abrangendo saúde materna (ex.: soropositividade para EMTCT, frequência ao pré-natal), saúde infantil (ex.: desnutrição, profilaxia contra malária), comportamento sexual, violência baseada em gênero e fatores socioeconômicos.
• Denominador Populacional: Projeções populacionais de 2023 do Escritório Nacional de Estatística do Quênia para crianças de 0 a 14 anos.

Fluxo de Trabalho de Aprendizado de Máquina

• Pré-processamento: Valores ausentes foram imputados usando Correspondência de Média Preditiva (PMM). Variáveis com alta multicolinearidade (VIF > 5) foram excluídas.
• Algoritmos: Três modelos de regressão penalizada foram treinados e comparados: Ridge (L2), Lasso (L1) e Elastic Net. Estes foram escolhidos por sua capacidade de lidar com multicolinearidade e realizar seleção de variáveis em dados de alta dimensão.
• Treinamento: O conjunto de dados foi dividido em 70:30 (treinamento/teste). Os hiperparâmetros foram ajustados via validação cruzada de 10 dobras usando busca em grade.
• Métricas de Desempenho: Os modelos foram avaliados usando Erro Quadrático Médio Raiz (RMSE) e Erro Absoluto Médio (MAE).

Análise Geoestatística

• Cálculo de Incidência: As contagens de casos previstas foram convertidas em incidência por 10.000 crianças para normalizar o tamanho da população.
• Autocorrelação Espacial: Estatísticas Moran's I foram usadas para quantificar o agrupamento espacial global.
• Detecção de Hotspots: Estatísticas Getis-Ord Gi* foram aplicadas para identificar clusters estatisticamente significativos de alta densidade de casos (hotspots) e baixa densidade (coldspots).
• Quantificação de Incerteza: Um procedimento de bootstrap baseado em resíduos (2.000 iterações) foi usado para gerar intervalos de previsão de 95% para estimativas ao nível do condado.

Validação

• Frequentista: O teste t de duas amostras de Welch e o tamanho do efeito Hedges' g compararam distribuições previstas versus relatadas.
• Bayesiana: Análise de sensibilidade usando uma priori Cauchy Jeffreys–Zellner–Siow (JZS) para calcular o Fator Bayesiano ($BF_{01}$) apoiando a hipótese nula de nenhuma diferença.

3. Resultados Principais

Desempenho do Modelo

• Melhor Modelo: O modelo de regressão Lasso demonstrou precisão preditiva superior com as métricas de erro mais baixas (RMSE = 0,122, MAE = 0,099).
• Precisão Preditiva: O modelo previu 3.160 novos casos de HIV pediátrico, correspondendo estreitamente aos 3.092 casos relatados nacionalmente (uma diferença de 2,2%).
• Validação Estatística:
  • Nenhuma diferença significativa foi encontrada entre as distribuições previstas e relatadas (t de Welch = 0,11, p = 0,911).
  • A análise bayesiana produziu um Fator Bayesiano ($BF_{01}$) de ~4,57, fornecendo evidência moderada a favor da hipótese nula (nenhuma diferença).
  • Calibração de Incerteza: 45 dos 47 condados (95,7%) tiveram contagens de casos relatadas caindo dentro dos intervalos de previsão bootstrap de 95% do modelo, indicando limites de incerteza bem calibrados.

Principais Preditores

A análise de importância de características identificou a soropositividade para HIV no EMTCT como o preditor positivo mais forte. Outros fatores significativos incluíram:

• Associações positivas: Desnutrição grave, número de doses de Fansidar e múltiplos parceiros sexuais.
• Associações negativas: Consultas de pré-natal (ANC), testagem de HIV do parceiro masculino e posse de propriedade por mulheres.

Descobertas Espaciais

• Agrupamento: A autocorrelação espacial significativa foi confirmada tanto para dados relatados (Moran's I = 0,22, p = 0,001) quanto para dados previstos (Moran's I = 0,37, p < 0,001).
• Hotspots: 13 condados foram identificados como hotspots estatisticamente significativos (confiança de 95–99%), predominantemente no Oeste do Quênia (Migori, Siaya, Homa Bay, Busia, Kisii, Bungoma, Kakamega, Kisumu, Bomet, Vihiga, Nandi, Kericho, Trans Nzoia).
• Coldspots: Laikipia e Nyeri foram identificados como coldspots.
• Disparidades de Incidência:
  • Maior Incidência Relatada: Isiolo (11,2/10k), Homa Bay (7,7/10k).
  • Diferenças Previstas vs. Relatadas: O modelo identificou possível subdetecção em condados como Tana River (Previsto 4,2 vs. Relatado 1,0) e Lamu (Previsto 4,2 vs. Relatado 2,8), sugerindo áreas para expansão direcionada de testagem.

Análise de Valores Atípicos

Dois condados caíram fora de seus intervalos de previsão de 95%, oferecendo insights programáticos distintos:

1. Homa Bay: Casos relatados (399) excederam o limite superior (380). Isso sugere sucesso programático intensificado (ex.: testagem de índice eficaz) detectando casos além das expectativas demográficas.
2. Siaya: Casos relatados (148) ficaram abaixo do limite inferior (189). Isso sugere subdetecção ou lacunas na cobertura de testagem em relação à carga subjacente.

4. Contribuições Principais

1. Quadro Metodológico: Validou com sucesso um quadro híbrido combinando ML penalizado (Lasso) com análise geoestatística de hotspots para vigilância de HIV pediátrico.
2. Incidência Ajustada à População: Demonstrou a necessidade de converter contagens brutas de casos para incidência por 10.000 crianças para permitir comparações equitativas entre condados de tamanhos variados, prevenindo o mascaramento de áreas de alto risco e baixa população.
3. Quantificação de Incerteza: Introduziu intervalos de previsão derivados de bootstrap para a tomada de decisão operacional, permitindo que as autoridades de saúde distingam entre variação aleatória e outliers programáticos genuínos (ex.: Homa Bay vs. Siaya).
4. Vigilância Preditiva: Mudou o paradigma de relato retrospectivo para epidemiologia preditiva, identificando potenciais hotspots "ocultos" nas regiões Oriental e Setentrional onde a vigilância rotineira pode estar defasada.

5. Significado e Implicações

• Otimização de Recursos: O quadro permite que as autoridades de saúde avancem de um direcionamento amplo e retrospectivo para intervenções de precisão, direcionando recursos de testagem e tratamento para hotspots validados estatisticamente e zonas de subdetecção.
• Escalabilidade: A abordagem é replicável e escalável para outras doenças infecciosas e contextos da África Subsaariana onde os dados são agregados ao nível administrativo.
• Integração de Políticas: O estudo defende a integração desses modelos preditivos em sistemas nacionais como o DHIS2, o Armazém Nacional de Dados (NDW) e a Vigilância Baseada em Casos (CBS) para apoiar respostas epidêmicas adaptativas e em tempo real.
• Equidade: Ao destacar disparidades na detecção (ex.: subdetecção em Siaya), o modelo apoia uma alocação mais equitativa de recursos para garantir que nenhuma comunidade de alta carga fique para trás.

Conclusão: Este estudo fornece uma ferramenta robusta e baseada em dados para aprimorar a vigilância de HIV pediátrico no Quênia, provando que a integração de aprendizado de máquina com estatísticas espaciais pode melhorar significativamente a precisão da estimativa de carga e a eficiência das intervenções de saúde pública.