MESA DE COMUNICACIONES

Métodos derepresentación geográfica

Moderadora:

Marina Pollán Santamaría

27/10/99

SALA 8

12:00 - 14:00

EVALUACIÓN GEOGRÁFICA DEL RIESGO DE MALARIA EN MANHIÇA (MOZAMBIQUE) UTILIZANDO MODELOS BAYESIANOS Y MODELOS DE NIVELES MULTIPLES

C Ascaso*, J J Aponte, J Almeda, R Abellana, P Alonso.

Hospital Clinico, Universidad Barcelona, Instituto de Investigaciones Biomédicas Agusto Pi Sunyer; CEESCAT Hospital Germans Trias i Pujol, Badalona.

Unidad de Bioestadística. Facultad de Medicina

Casanova 143. 08036 Barcelona

ascaso@medicina.ub.es

Objetivo: Identificar el modelo o patrón de distribución del riesgo de malaria en niños de 0 a 15 años en una zona de transmisión estacional en África Sub-sahariana.

Método: Los datos utilizados en este proyecto provienen de un estudio longitudinal diseñado para estimar la incidencia de malaria clínica mediante detección pasiva de casos en el Centro de Investigación de Salud de Manhiça. Durante los años 1997-98 fueron recogidos a través de un Sistema de Vigilancia Demográfica, los datos personales, familiares y de vivienda de todos los niños menores de 16 años residentes en un área de aproximadamente 10 km. alrededor del Centro de Salud de Manhiça (Mozambique). La información de los casos de malaria en la zona durante el período de estudio fue obtenida mediante un Sistema de Detección Pasiva de Casos en el Centro de Salud del área. La posición geográfica de residencia y otros elementos de interés (río, Centro de Salud, etc.) fueron obtenidos mediante el uso de un sistema de posicionamiento global y fotografías aéreas. El análisis descriptivo de todos los datos se realizó mediante un Sistema de Información Geográfico. El análisis de la variacion geográfica del riesgo de malaria clínica se ha realizado usando estadística bayesiana y modelos de niveles múltiples.

Resultados: Se presentan los mapas de la distribución geográfica observada de la incidencia de malaria clínica en la zona. Se muestran los modelos bayesianos y de niveles múltiples utilizados para identificar la variabilidad geográfica asociada a factores espaciales y volver a estimar la incidencia de malaria clínica en cada unidad geográfica. Se presentan mapas con la distribución geográfica de la incidencia de malaria clínica estimada a partir de estos modelos.

Conclusiones: La distribución geográfica de la incidencia observada presenta gran variabilidad debido al poco número de episodios observados en cada zona. La incidencia estimada a partir de los modelos teniendo en cuenta la información de las zonas vecinas es más estable y facilita la identificación de zonas con mayor riesgo y de factores no geográficos asociados a la malaria.