Publicación: Estrategias y metodologías innovadoras para el control y vigilancia de la enfermedad de Chagas en el Perú
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autores
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor
Tipo de Material
Fecha
Citación
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen
La enfermedad de Chagas aún presenta desafíos importantes en contextos urbanos y rurales. En nuestro estudio hipotetizamos que el uso de estrategias y metodologías innovadoras pueden mejorar la vigilancia y control vectorial de la enfermedad en dos regiones del Perú. En el primer estudio en la ciudad de Arequipa, la pregunta de investigación principal fue si existiría asociación entre dos esquemas de incentivos y el “uso óptimo de mapas de riesgo” por los especialistas de control vectorial, expresado en dos componentes: i) el uso de información de riesgo, expresado en la inspección preferencial de viviendas de alto riesgo; y ii) cobertura espacial, usando la métrica de viviendas no inspeccionadas en el triángulo más grande al final de una semana de trabajo. Los esquemas de incentivo fueron denominados Póker y Pago por Detección, nombres que expresaron la estructura de los objetivos que perseguían. El incentivo Póker estableció niveles excluyentes que perseguían los dos componentes de la variable “uso óptimo de mapas de riesgo” y ofrecía puntajes desde 1 a 500 puntos, según el alcance del objetivo. El incentivo Pago por detección premiaba un único objetivo que era el encuentro de infestaciones por las cuales ofrecía 500 puntos. Se utilizó una regresión de “odds” proporcionales para el “uso de información de riesgo” (POLR por sus siglas en inglés) y un t-test pareado, para la evaluación de la cobertura espacial, respetando la naturaleza de ambos “outcomes”. Encontramos una asociación positiva entre el incentivo Póker y el “uso óptimo de mapas de riesgo”, expresado en la inspección preferencial de viviendas de alto riesgo (POLR, OR=2.11, 95% CI [1.52–2.93], p < 0.001) y diferencias significativas en la medida de cobertura espacial (t-test pareado p<0.05), en comparación con el incentivo Pago por detección. En el segundo estudio, llevado a cabo en el Norte del Perú, en la ciudad de Cutervo-Cajamarca, pusimos a prueba dos hipótesis, una principal para la zona urbana en del distrito urbano de Cutervo y una secundaria para la zona rural, en el Centro Poblado Rural (CPR) Aullan. La hipótesis principal fue que los índices de infestación serían diferentes en el nivel de ingreso económico bajo en comparación con el nivel de ingreso económico alto, según el Instituto Nacional de Estadística e Informática (INEI). Para evaluar esta hipótesis, usamos un método innovador de muestreo denominado “adaptativo”. Este se caracteriza por mejorar la eficacia del muestreo en zonas de baja prevalencia del desenlace de interés. Aquí, ante la alta probabilidad de no encontrar infestaciones, se puso una condición de stop a las 200 visitas. Sin embargo, debido a que la mayoría de las viviendas estuvieron cerradas, se decidió visitar todas las manzanas, es así que se visitaron 304 viviendas en 306 las manzanas, no se encontraron infestaciones, lo cual, si bien no nos permite afirmar que no existen infestaciones en la ciudad, sí nos permitió descartar grandes tasas de infestación en la zona urbana de Cutervo. Para hacer una aproximación del índice de infestación encontrado con estas visitas, ejecutamos un cálculo de intervalo de confianza binomial para cero encuentros de infestación o éxitos de un de 304 intentos o visitas. El límite superior de ese intervalo (1.84%), fue el índice de infestación, que con una confianza del 95%, estuvimos seguros de haber detectado. La hipótesis secundaria para el área rural, si los factores como la presencia y el tipo de animales, la presencia de cultivos en el peri-domicilio (platanales), los materiales presentes en la vivienda, la pertenencia a algún programa social, el número de personas que viven en la vivienda y el índice de hacinamiento, estarían asociados a la presencia de triatominos y al número de triatominos en la vivienda. Para esta investigación, se usaron aplicativos móviles y geolocalización para integrar la información en tiempo real, en áreas de difícil acceso. Para el análisis de los resultados, tuvimos dos “outcomes”, presencia de T. carrioni, y número de individuos de T. carrioni. Además, se calculó el índice de infestación y el índice tripano-triatomino. Se realizó una regresión logística, y una regresión binomial negativa, respectivamente para cada “outcome”, y un análisis espacial usando la función K de Ripley. Aquí encontramos que la especie presente fue Triatoma carrioni, y el índice de infestación fue de 26%. Adicionalmente, 6.2% viviendas presentaron algún insecto infectado con Trypanosoma cruzi. Se encontró que los factores asociados con la presencia y el número de T. carrioni, fueron la presencia de aves de corral [OR 3.19, CI 95% (1.38-8.04) p=0.017], esto podría deberse a las estructuras usadas como nidos, las cuales se construyen usando las paredes de los dormitorios como base, y no se mueven, ni se limpian, debido al rol que cumplen en la crianza de las aves y la producción de alimento. Así también, encontramos asociación entre la presencia de materiales como la madera [OR 2.94, CI 95% (1.19-8.17), p=0.026] y las tejas [OR 3.04, CI 95% (1.07-8.73), p=0.035] con la presencia de triatominos y con su aumento en número, esto probablemente causado por el uso destinado a estos materiales y por las características físicas de los mismos para conservar calor, que favorece el refugio y el mantenimiento de las colonias de triatominos. Triatoma carrioni es poco conocida, por lo que nuestro estudio marca un hito importante para dilucidar comportamiento y dinámicas de dicho vector, relacionados con el tipo de hospedero y con ciertas características de los materiales de las viviendas de este centro poblado. En ambas investigaciones hemos probado que con el uso de estrategias innovadoras (uso de aplicativos móviles con georreferenciación, mapas de riesgo a nivel de viviendas, medidas innovadoras de cobertura espacial, y muestreos adaptativos), podemos llegar a promover el uso óptimo de mapas de riesgo, así como mejorar la detección de infestaciones, usando los recursos adecuadamente y registrar en tiempo real la información de factores asociados a los mismos, lo cual mejora definitivamente la vigilancia y el control vectorial de la enfermedad de Chagas en el Perú.
Resumen
Chagas disease still presents significant challenges in urban and rural settings. In our study, we hypothesized that the use of innovative strategies and methodologies can improve vector surveillance and control of the disease in two regions of Peru. In the first study, in the city of Arequipa, the main research question was whether there would be an association between two incentive schemes and the “optimal use of risk maps” by vector control specialists, expressed in two components: i) the use of risk information, expressed in the preferential inspection of high-risk homes; and ii) spatial coverage, using the metric of uninspected homes in the largest triangle at the end of a work week. The incentive schemes were called Poker and Payment per Detection, names that reflected the structure of the objectives they pursued. The Poker incentive established mutually exclusive levels that pursued the two components of the “optimal use of risk maps” variable and offered scores ranging from 1 to 500 points, depending on the achievement of the objective. The Pay-for-Detection incentive rewarded a single objective: finding infestations, for which it offered 500 points. Proportional odds regression was used for the use of risk information (POLR) and a paired t-test to assess spatial coverage, respecting the nature of both outcomes. We found a positive association between the Poker incentive and optimal use of risk maps, expressed in preferential inspection of high-risk homes (POLR, OR=2.11, 95% CI [1.52–2.93], p <0.001), and significant differences in the measure of spatial coverage (paired t-test p<0.05), compared to the Pay-for-Detection incentive. In the second study, carried out in northern Peru, in the city of Cutervo-Cajamarca, we tested two hypotheses: a primary hypothesis for the urban area in the Cutervo urban district and a secondary hypothesis for the rural area in the Aullan Rural Population Center (CPR). The primary hypothesis was that infestation rates would be different in the low-income group compared to the high-income group, according to the National Institute of Statistics and Informatics (INEI). To evaluate this hypothesis, we used an innovative sampling method called "adaptive sampling." This method improves sampling efficiency in areas with a low prevalence of the outcome of interest. Here, given the high probability of not finding infestations, a stop condition was set at 200 visits. However, because most homes were closed, it was decided to visit all blocks. Thus, 304 homes in 306 blocks were visited. No infestations were found. This, while not allowing us to state that infestations do not exist in the city, did allow us to rule out high rates of infestation in the urban area of Cutervo. To approximate the infestation rate found with these visits, we performed a binomial confidence interval calculation for zero infestation encounters or successes out of 304 attempts or visits. The upper limit of that interval (1.84%) was the infestation rate that we were confident we had detected with 95% confidence. The secondary hypothesis for the rural area was whether factors such as the presence and type of animals, the presence of crops in the peri-house (banana plantations), the materials present in the dwelling, membership in a social program, the number of people living in the dwelling, and the overcrowding index would be associated with the presence of triatomines and the number of triatomines in the dwelling. For this research, mobile applications and geolocation were used to integrate real-time information in hard-to-reach areas. For the analysis of the results, we had two outcomes: the presence of T. carrioni and the number of T. carrioni individuals. In addition, the infestation index and the trypan-triatomine index were calculated. Logistic regression and negative binomial regression were performed for each outcome, respectively, and a spatial analysis was performed using Ripley's K function. Here, we found that the species present was Triatoma carrioni, and the infestation index was 26%. Additionally, 6.2% of homes had some insect infected with Trypanosoma cruzi. It was found that the factors associated with the presence and number of T. carrioni were the presence of poultry [OR 3.19, 95% CI (1.38-8.04) p=0.017], this could be due to the structures used as nests, which are built using the walls of the bedrooms as a base, and are not moved or cleaned, due to the role they play in raising birds and producing food. Likewise, we found an association between the presence of materials such as wood [OR 2.94, 95% CI (1.19-8.17), p=0.026] and roof tiles [OR 3.04, 95% CI (1.07-8.73), p=0.035] with the presence of triatomines and their increase in number, this probably caused by the use intended for these materials and by their physical characteristics to conserve heat, which favors the shelter and maintenance of triatomine colonies. Triatoma carrioni is little known, so our study marks an important milestone to elucidate behavior and dynamics of this vector, related to the type of host and with certain characteristics of the materials of the houses of this population center. In both investigations we have proven that with the use of innovative strategies (use of mobile applications with georeferencing, risk maps at the household level, innovative spatial coverage measures, and adaptive sampling), we can promote the optimal use of risk maps, as well as improve the detection of infestations, using resources appropriately and recording in real time the information of factors associated with them, which definitively improves surveillance and vector control of Chagas disease in Peru.