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

Resumo Técnico: Modelagem dos Efeitos da Quimioprevenção Sazonal da Malária na Dinâmica de Transmissão da Malária na Nigéria

Problema
A Quimioprevenção Sazonal da Malária (SMC) é uma intervenção crítica para reduzir a carga da malária em áreas com transmissão altamente sazonal, visando especificamente crianças de 3 a 59 meses com sulfadoxina-pirimetamina mais amodiaquina (SPAQ). Embora ensaios clínicos e estudos observacionais tenham estabelecido a eficácia da SMC na redução da incidência dentro deste grupo pediátrico alvo, existe uma lacuna significativa na compreensão do seu impacto mais amplo ao nível populacional. A literatura existente falha amplamente em capturar explicitamente as dinâmicas de transmissão da malária na Nigéria ou quantificar como a SMC afeta a população geral não visada na presença de outras intervenções, como Redes Mosquiteiras Impregnadas com Inseticida de Longa Duração (LLINs) e Terapia Combinada à Base de Artemisinina (ACT). Este estudo aborda a necessidade de avaliar o impacto geral ao nível populacional da SMC e identificar os fatores epidemiológicos que influenciam a sua eficácia em seis estados de alta transmissão na Nigéria.

Metodologia
O estudo utiliza um modelo matemático compartimentado determinístico (ShMcEhAhIh-SvEvIv) para simular as dinâmicas de transmissão da malária. O modelo estratifica a população humana em classes de suscetíveis ($S_h$), administrados com SMC ($M_c$), pré-infecciosos ($E_h$), assintomáticos infecciosos ($A_h$) e sintomáticos infecciosos ($I_h$). A população de mosquitos é dividida nos compartimentos de suscetíveis ($S_v$), pré-infecciosos ($E_v$) e infecciosos ($I_v$).

As características principais da estrutura de modelagem incluem:

• Integração de Intervenções: O modelo incorpora a SMC como uma intervenção de pulso dependente do tempo ($\xi_t$) que move as crianças elegíveis das classes de suscetíveis ou pré-infecciosas/assintomáticas para a classe protegida $M_c$. Também contabiliza o enfraquecimento da proteção da SMC ($\eta$) e a eficácia parcial da SMC ($\tau$), reconhecendo que a SMC não oferece 100% de proteção.
• Intervenções de Linha de Base: O modelo inclui parâmetros para LLINs (reduzindo a probabilidade de transmissão $u$) e ACT (taxa de recuperação $\alpha$).
• Sazonalidade: Uma função de força sazonal $b(t)$ é aplicada à taxa de picada do mosquito para refletir os padrões da estação chuvosa observados nos dados.
• Dados e Calibração: O modelo foi ajustado a dados rotineiros de malária (janeiro de 2015 – dezembro de 2024) e dados de cobertura de SMC de seis estados: Bauchi, Yobe, Kebbi, Zamfara, Plateau e Nasarawa. A estimativa de parâmetros utilizou o método de mínimos quadrados não lineares.
• Incerteza e Sensibilidade: Um método de bootstrap paramétrico (500 realizações) foi usado para quantificar as incertezas nas estimativas de parâmetros e nas trajetórias do modelo. A Análise de Sensibilidade Global (GSA) usando Amostragem de Hipercubo Latino (LHS) e Coeficiente de Correlação de Posto Parcial (PRCC) foi realizada para identificar os principais impulsionadores da prevalência da malária.

Principais Contribuições e Resultados

1. Impacto ao Nível Populacional: O estudo quantifica a redução de casos confirmados de malária não complicada em toda a população geral (além das crianças visadas) após a implementação da SMC. As reduções estimadas variaram de 14,5% em Nasarawa a 26,9% em Yobe. Em termos absolutos, o modelo estimou que a SMC evitou milhões de casos, sendo que o estado de Zamfara apresentou o maior impacto (2.258.356 casos evitados) e Nasarawa o menor (232.597 casos evitados) dentro de seus respectivos períodos de implementação.
2. Ajuste do Modelo: O modelo demonstrou um forte grau de concordância com os dados observados, com valores de Índice de Concordância ($d$) superiores a 0,75 em todos os seis estados (variando de 0,7625 em Yobe a 0,9151 em Kebbi). A análise de resíduos confirmou um padrão aleatório, indicando um bom ajuste.
3. Impulsionadores da Transmissão (GSA): A análise de sensibilidade revelou que a prevalência da malária é impulsionada principalmente por parâmetros relacionados ao vetor.
   • Correlações Positivas: A taxa de picada basal do mosquito ($b_0$), a taxa de recrutamento de mosquitos ($\Lambda_v$) e as probabilidades de transmissão ($\beta_{vh}, \beta_{hv}$) mostraram fortes correlações positivas com a prevalência da malária.
   • Correlações Negativas: A taxa de mortalidade natural do mosquito ($\mu_v$) exibiu uma forte correlação negativa, indicando que o aumento da mortalidade dos mosquitos reduz significativamente a transmissão.
4. Efeitos de Interação: A análise de mapa de calor dos efeitos combinados mostrou que, embora o aumento da cobertura de SMC reduza consistentemente os casos de malária, a sua eficácia é fortemente limitada por altas taxas de picada de mosquitos e baixa mortalidade de mosquitos. Em taxas de picada muito altas (20–25 picadas/mês), a alta cobertura de SMC sozinha foi insuficiente para reduzir drasticamente a incidência.

Significância e Alegações
Os autores afirmam que o estudo fornece evidências de que a SMC reduz significativamente a morbidade da malária além da população pediátrica visada, oferecendo benefícios indiretos para a comunidade mais ampla. No entanto, o artigo enfatiza modestamente que a eficácia da SMC não é independente; ela depende fortemente da dinâmica subjacente do vetor.

O estudo conclui que, para alcançar o controle sustentado da malária em ambientes de alta transmissão, a SMC deve ser integrada com intervenções complementares de controle de vetores (como LLINs ou Pulverização Residual Intradomiciliária) que reduzam diretamente as taxas de picada dos mosquitos e aumentem a mortalidade dos mosquitos. Os resultados oferecem um roteiro baseado em dados para os formuladores de políticas na Nigéria, sugerindo que a continuidade da escala da SMC deve ser coordenada com o fortalecimento das medidas de controle de vetores para maximizar o impacto.

Limitações Reconhecidas pelos Autores
Os autores observam várias limitações:

• Os dados baseiam-se em casos confirmados de instituições de saúde pública, o que pode subestimar a carga total devido a casos não reportados no setor privado.
• Os dados de cobertura de SMC por vezes excederam 100% da população alvo; o modelo limitou este valor a 90%, o que pode não refletir perfeitamente os níveis reais de cobertura.
• O modelo não incorporou explicitamente fatores climáticos (chuva, temperatura), o que pode limitar a precisão na captura da variabilidade sazonal.

Apesar destas limitações, o estudo afirma o seu valor na orientação de estratégias de política de saúde pública para intervenções integradas.