A climate-based prediction model in the high-risk clusters of the Mekong Delta region, Vietnam: towards improving dengue prevention and control: D. Phung et al.

    loading  Checking for direct PDF access through Ovid

Abstract

Objective

To develop a prediction score scheme useful for prevention practitioners and authorities to implement dengue preparedness and controls in the Mekong Delta region (MDR).

Methods

We applied a spatial scan statistic to identify high-risk dengue clusters in the MDR and used generalised linear-distributed lag models to examine climate–dengue associations using dengue case records and meteorological data from 2003 to 2013. The significant predictors were collapsed into categorical scales, and the β-coefficients of predictors were converted to prediction scores. The score scheme was validated for predicting dengue outbreaks using ROC analysis.

Results

The north-eastern MDR was identified as the high-risk cluster. A 1 °C increase in temperature at lag 1–4 and 5–8 weeks increased the dengue risk 11% (95% CI, 9–13) and 7% (95% CI, 6–8), respectively. A 1% rise in humidity increased dengue risk 0.9% (95% CI, 0.2–1.4) at lag 1–4 and 0.8% (95% CI, 0.2–1.4) at lag 5–8 weeks. Similarly, a 1-mm increase in rainfall increased dengue risk 0.1% (95% CI, 0.05–0.16) at lag 1–4 and 0.11% (95% CI, 0.07–0.16) at lag 5–8 weeks. The predicted scores performed with high accuracy in diagnosing the dengue outbreaks (96.3%).

Conclusion

This study demonstrates the potential usefulness of a dengue prediction score scheme derived from complex statistical models for high-risk dengue clusters. We recommend a further study to examine the possibility of incorporating such a score scheme into the dengue early warning system in similar climate settings.

Objectif

Développer un système de scores de prédiction utile pour les praticiens et les autorités de prévention à implémenter dans l'apprêtement et la lutte contre la dengue dans la Région du Delta du Mékong (RDM).

Méthodes

Nous avons appliqué une statistique d'analyse spatiale pour identifier les regroupements à risque élevé pour la dengue dans la RDM et avons utilisé des modèles généralisés de distribution de décalages linéaires pour examiner les associations entre le climat et la dengue à partir des dossiers de cas de dengue et des données météorologiques de 2003 à 2013. Les prédicteurs significatifs ont été regroupés en échelles de catégories et les coefficients ß de prédicteurs ont été convertis en scores de prédiction. Le schéma de scores a été validé pour prédire les épidémies de dengue en utilisant une analyse ROC.

Résultats

Le nord-est de la RDM a été identifié comme regroupement à risque élevé. Une augmentation de la température de 1°C avec un décalage de 1à 4 et 5 à 8 semaines augmentait le risque de la dengue de 11% (IC95%: 9 à 13) et 7% (IC95%: 6 à 8), respectivement. Une hausse de 1% de l'humidité augmentait le risque de la dengue de 0,9% (IC95%: 0,2 à 1,4) avec un décalage de 1 à 4 et 0,8% (IC95%: 0,2 à 1,4) avec un décalage de 5 à 8 semaines. De même, une augmentation de 1 mm des précipitations augmentait le risque de dengue de 0,1% (IC95%: 0,05 à 0,16) avec un décalage de 1à 4 et 0,11% (IC95%: 0,07 à 0,16) avec décalage de 5 à 8 semaines. Les scores prédits obtenaient une grande précision dans le diagnostic des épidémies de la dengue (96,3%).

Conclusion

Cette étude démontre l'utilité potentielle d'un schéma de scores de prédiction de la dengue provenant de modèles statistiques complexes pour les regroupements à risque élevé de la dengue. Nous recommandons une étude supplémentaire pour examiner la possibilité d'intégrer un tel schéma de scores dans le système d'alerte précoce de la dengue, dans des cadres climatiques similaires.

Objetivo

Desarrollar una puntuación predictiva útil para profesionales y autoridades en prevención, para implementar estrategias de prevención y control del dengue en la Región del Delta del Mekong (RDM).

Métodos

Hemos aplicado estadísticas espaciales para identificar conglomerados con alto riesgo del dengue en la RDM y utilizado un modelo lineal generalizado con retardos distribuidos para examinar las asociaciones clima-dengue, utilizando historias clínicas de casos de dengue y datos meteorológicos entre el 2003 y 2013. Los vaticinadores significativos se colapsaron bajo escalas categóricas y los coeficientes β de los vaticinadores se convirtieron en puntajes predictivos. El esquema de puntuaciones se validó para predecir brotes de dengue, utilizando un análisis del área bajo la curva (ROC).

Resultados

El noreste del RDM se identificó como el área con mayor riesgo. Un aumento de 1°C en la temperatura con retardos de 1-4 y 5-8 semanas, aumentaba el riesgo de dengue en un 11% (IC 95%, 9-13) y 7% (IC 95%, 6-8) respectivamente. Un aumento del 1% en la humedad aumentaba el riesgo de dengue en un 0.9% (IC 95%, 0.2-1.4) con retardos de 1-4 semanas y de 0.8% (IC 95%, 0.2-1.4) con retardos de 5-8 semanas. De forma similar, un aumento de la pluviosidad de 1 mm aumentaba el riesgo de dengue en 0.1% (IC 95%, 0.05-0.16) con retardos de 1-4 semanas y del 0.11% (IC 95%, 0.07-0.16) con retardos de 5-8 semanas. Los puntajes predictivos tenían un desempeño de alta precisión en el diagnóstico de brotes de dengue (96.3%).

Conclusión

Este estudio demuestra el uso potencial de un esquema de puntuación predictiva del dengue obtenido mediante modelos estadísticos complejos para conglomerados con alto riesgo de dengue. Recomendamos estudios futuros que examinen la posibilidad de incorporar este esquema de puntuaciones como un sistema de alerta temprana del dengue en lugares con un clima similar.

Related Topics

    loading  Loading Related Articles