Calendário de eventos

Cette étude, fondée sur une approche de modélisation, évalue l’impact potentiel et l’efficacité de l’introduction du vaccin RTS,S/AS01 pour la réduction de la morbidité palustre dans le département du Couffo. Le modèle épidémiologique multi-maladies (EMOD) a été paramétré à partir de données entomologiques, épidémiologiques et climatiques collectées entre 2010 et 2023. Le vaccin a été intégré selon la stratégie du Programme élargi de vaccination (PEV), permettant le suivi de cohortes d’enfants de moins de cinq ans au sein de 1 000 populations simulées.Neuf scénarios combinant différents niveaux de couverture et schémas vaccinaux, ainsi qu’un scénario de référence sans vaccination, ont été analysés à l’aide de différentes analyses statistiques avec le logiciel R.

Esta apresentação explora como técnicas de aprendizado de máquina estão sendo utilizadas para melhorar a previsão e a detecção de surtos de malária. Com base em uma revisão sistemática de pesquisas publicadas entre 2013 e 2023, a sessão destaca como modelos como redes neurais artificiais, árvores de decisão, florestas aleatórias e máquinas de vetores de suporte são aplicados para analisar fatores ambientais e socioeconômicos, incluindo temperatura, pluviosidade e densidade populacional. Essas abordagens demonstraram precisões diagnósticas que variam de 80% a 95%, mostrando um potencial significativo para prever surtos antes que ocorram. A apresentação também discutirá os pontos fortes desses modelos, como sua capacidade preditiva, bem como os principais desafios, incluindo requisitos de dados e limitações na aplicação dos modelos em diferentes contextos.

Esta apresentação, intitulada “Análise Preliminar do Impacto da Introdução da Vacina contra a Malária na Incidência de Malária Grave em Crianças Menores de 5 Anos”, examina a situação epidemiológica nos distritos de saúde de Edéa, Japoma e Mbanga, nos Camarões, entre 2020 e 2024. A malária continua a ser uma doença endémica importante nos Camarões, afetando particularmente crianças pequenas e mulheres grávidas, o que levou à inclusão da vacina contra a malária (VM) no Programa Alargado de Imunização em 2024. O estudo baseia-se numa análise retrospetiva de dados de vigilância e avalia a correlação entre a cobertura vacinal da terceira dose e as tendências dos casos de malária grave para determinar a eficácia inicial desta intervenção de saúde pública. Os resultados destacam um desafio persistente com um elevado número de casos de malária grave, bem como um declínio significativo na cobertura vacinal entre a primeira e a terceira dose em todos os distritos estudados. No entanto, a análise revela uma forte correlação negativa (r = -0,86) entre a cobertura vacinal completa e o aumento de casos graves em 2024 em comparação com 2023. Isto sugere que, embora a incidência global continue a ser uma preocupação, uma maior cobertura vacinal ajuda a limitar o aumento das formas graves da doença. O estudo sublinha, portanto, a importância de reforçar a adesão ao esquema vacinal completo para maximizar o impacto protetor da vacina em crianças.

Participe do próximo Hackathon da AMMnet, uma sessão prática de duas horas onde você aprenderá a construir, simular e inferir modelos epidemiológicos usando Python, Google Colab e ChatGPT. Não é necessária experiência prévia com modelagem epidemiológica. Todos os níveis de experiência são bem-vindos! Ao final deste hackathon, você será capaz de: -Entender o modelo epidêmico SIR (Suscetível-Infectado-Recuperado) -Simular surtos de doenças usando equações diferenciais ordinárias (EDOs) -Estimar parâmetros epidemiológicos chave, tais como: Taxa de transmissão (β), Taxa de recuperação (γ) e Número básico de reprodução (R₀) -Ajustar modelos a dados reais de surtos usando: Mínimos quadrados, Verossimilhança de Poisson -Usar o ChatGPT de forma eficaz para: Escrever código Python científico, Depurar modelos, Explicar resultados e Gerar relatórios claros Todo o trabalho é feito no Google Colab — não é necessária instalação local.

O seminário da AMMnet de 3 de março foi ministrado pelo Dr. Michael C. Wimberly, que apresentou o tema "Incorporação de Determinantes Ambientais da Malária em Modelos Preditivos para Apoio à Decisão". O seminário descreveu o desenvolvimento e a implementação do sistema EPIDEMIA (Prognóstico de Epidemias Incorporando Monitoramento de Doenças e Ambiental para Avaliação Integrada) na Etiópia. Com base em pesquisas sobre modelagem ambiental da malária em diferentes regiões da Etiópia, o sistema EPIDEMIA utiliza uma série de fontes de dados, incluindo temperatura, precipitação, índices de vegetação e dados de vigilância epidemiológica, para prever a probabilidade de ocorrência de epidemias de malária nos distritos da Etiópia. O sistema visa combater o ressurgimento da malária, fornecendo aos funcionários de saúde pública tanto a detecção precoce de uma epidemia (com base em casos observados que excedem um limite) quanto o alerta precoce (com base em valores previstos que excedem um limite). O EPIDEMIA gera relatórios semanais automaticamente para ajudar o setor de saúde pública da Etiópia a direcionar intervenções e alocar recursos. Seguindo em frente, o projeto está evoluindo para o EPIDEMIA 2.0 com o apoio da NASA, concentrando-se em software conteinerizado, painéis dinâmicos e a inclusão de outras doenças sensíveis ao clima.