Modèle de moustiquaire

/Modèle de moustiquaire

Modèle de moustiquaire

Afin de mieux mesurer la couverture des MII dans les populations à risque de paludisme, une orientation importante pour les travaux futurs consiste à étendre cette technique pour estimer la couverture des MII aux niveaux infranationaux, jumelée à des estimations plus robustes du risque de transmission du paludisme. Les estimations de la population à risque de paludisme utilisées dans cette analyse reposent sur des données administratives, sont estimées pour une seule année (2006) et risquent d`être incertaines. L`extension du modèle au-delà du niveau national nécessitera la collecte future de la distribution du PNPC dans chaque pays, combinée à des enquêtes auprès des ménages qui sont suffisamment alimentées pour estimer la couverture, par exemple, au niveau de la province ou du district. Cela produira également des résultats plus pertinents localement; le modèle peut également être adapté en logiciel que les gestionnaires de programme locaux pourraient utiliser pour surveiller et prévoir les besoins d`approvisionnement et de distribution d`ITN. Les estimations infranationaux de la couverture des MII devraient également être complétées par des analyses des inégalités dans la couverture des MII liées aux indicateurs socio-économiques tels que la richesse des ménages, l`éducation et la ruralité [35]. Les résultats des tests de ratio de vraisemblance comparant le modèle d`effets mixtes à un modèle de régression logistique ordinaire étaient insignifiants pour les modèles de niveau domestique et de niveau net. Ainsi, les résultats des modèles de régression logistique multivariables ont été signalés comme le modèle final de ces résultats, en ajustant les effets au niveau des ménages au moyen d`erreurs standard robustes en grappes, ce qui a permis d`ajuster les Corrélation. D`autre part, les résultats de tests radio de vraisemblance pour les résultats de niveau individuel ont révélé une amélioration significative de l`ajustement du modèle à l`aide d`un modèle mixte, et donc les résultats de la régression logistique aléatoire des effets mixtes avec des intercepte aléatoires pour tenir compte de effets ménagers ont été signalés. L`analyse des données a été effectuée à l`aide du logiciel STATA version 14,2. Un questionnaire normalisé et des observations à domicile ont été utilisés pour collecter des données provenant de 9 villages du sous-comté de Budondo, en Ouganda, en 2016.

Les données au niveau des ménages et des individus ont été recueillies, comme la propriété nette du lit (au moins un filet par rapport à aucun), la source d`acquisition (libre par rapport à l`achat), la démographie, ainsi que la connaissance du paludisme et des mesures préventives. Les données au niveau net, y compris les utilisations alternatives, et la quantité nette de lit et l`intégrité, ont également été recueillies. Des modèles de régression logistique à effets mixtes ont été réalisés pour identifier les déterminants clés de l`utilisation du filet de lit. Dans notre modèle, il existe de nombreux paramètres biologiques qui influencent la dynamique des maladies. En outre, il existe des paramètres d`intervention qui sont cruciaux pour éliminer une épidémie. Il s`agit,, nous considérons une gamme de différentes stratégies d`intervention en prenant 1000 échantillons à l`aide de LHS pour 19 paramètres du modèle. Les paramètres d`intervention n`ont pas été échantillonnés mais reçoivent des valeurs spécifiques, comme indiqué au tableau 4. De même,, et n`ont pas été échantillonnés parce qu`il est constant pour une exécution de simulation donnée. Nous avons utilisé la suite MATLAB ode45 pour intégrer le système réduit (13) en utilisant la condition initiale: pour chaque cycle de simulation, nous avons enregistré la somme des proportions d`humains infectés sur l`ensemble des étapes du temps.

Les résultats de ces stratégies d`intervention sont présentés sous la forme:,; , , ; ,, et ainsi de suite. Le premier ne signifie aucun traitement des populations naïves et cliniquement infectées et aucune couverture d`ITN. La deuxième signifie une couverture, aucun traitement des populations naïves et cliniquement infectées avec 90% de couverture ITN. Au total, il y a 8 interventions différentes qui correspondent à 8000 simulations. Le graphique des résultats est représenté sur la figure 7.

Comentários Facebook
By | 2019-02-14T13:01:27+00:00 Fevereiro 14th, 2019|Sem categoria|0 Comments

About the Author: