Malaria is a public health crisis, with between 154 and 289 million cases worldwide in 2011, 80% of which are in sub-Saharan Africa. International agencies have prioritized reduction of the malaria burden, investing an estimated $1.84 billion in 2012 alone in malaria control and prevention programs in malaria endemic countries. There has been a drastic increase in resources dedicated to malaria prevention and control efforts over the past decade. Malaria thrives in poor tropical and subtropical countries where local resources are limited. Accurate disease predictions and early warnings of increased disease burden can provide public health and clinical health services with information critical for targeting malaria control and prevention measures in an efficient manner. There have been numerous studies that have developed malaria forecasting models although the limitations of several of the studies include narrowly focusing on environmental predictors and the use of scale-dependent measures. Common, scale-free accuracy measures are essential, as they will facilitate the comparison of findings between studies and between methods and likely lead to improvements in the field of malaria forecasting. The aim of my thesis work was to develop and evaluate statistical models that integrate environmental and clinical data to forecast malaria across different settings in a highly endemic country. Specifically, the first objective was to systematically examine and summarize the literature on malaria forecasting models. A scoping review was conducted and the findings of this review have informed the methods and predictors included in the forecasting models used in this thesis. The second objective was to evaluate different methods of defining the catchment areas of health facilities and this allowed us to estimate the geographic regions served by the health facilities and their study populations. The third and final objective was to identify significant predictors of malaria across different settings and forecast horizons. Two forecasting models were developed for each of the six Uganda Malaria Surveillance Project (UMSP) sites, short-term (4 weeks) and long-term (52 weeks) models for a total of 12 models. Remote sensing data were obtained for the environmental predictors and the UMSP clinical data were obtained for clinic- and patient-level predictors. Models were evaluated in terms of forecast error on data that were not used for model development. Most of the models with the lowest forecast error included both environmental and clinical predictors, and the parameters of the models often varied within a site and across sites. Generally, the short-term models were able to predict variations in malaria counts whereas the intermediate and long-term models were more useful in predicting cumulative cases (e.g., number of cases within 30 weeks).The collective work of this thesis should advance the field of public health surveillance and more specifically malaria forecasting in a number of ways: in providing methodological guidelines for future forecasting studies, in providing a simple method for catchment definition that can be applied to define the geographic limits of a forecasting model, in identifying the importance of clinical predictors for forecasting malaria, in demonstrating the development of forecasting models with high spatial and temporal resolutions, and in raising important points of consideration for future forecasting work. / Avec ses 154 à 289 millions de victimes en 2011, dont 80% provenaient de la partie subsaharienne d'Afrique, la malaria est un problème majeur de santé publique. Les agences internationales ont privilégié le contrôle de la malaria, en investissant un montant estimé à 1,84$ milliard en 2012 dans les programmes de prévention et de lutte contre la malaria et dans les pays où la malaria est endémique. Il y a eu une forte augmentation des ressources consacrées à la prévention et au contrôle de la malaria au cours de la dernière décennie. La malaria se développe dans les pays tropicaux et subtropicaux pauvres où les ressources sont limitées. Des prévisions précises de l'occurrence de la malaria et des alertes précoces permettant de détecter son augmentation peuvent fournir des outils aux cliniques de santé publique et de l'information essentielle pour cibler efficacement son contrôle et certaines mesures de prévention. Plusieurs études ont développé des modèles de prévision de la malaria mais la majorité de ces études comprennent des limites telles que leur focalisation sur des facteurs prédictifs de l'environnement seulement et sur des mesures de précision qui sont influencées par l'échelle utilisée. Des mesures de précision qui sont indépendantes de l'échelle et des mesures communes sont indispensables dans ce contexte, car elles faciliteront la comparaison des résultats entre les études et entre les méthodes et permettront d'améliorer les prévisions de la malaria. Le but de ce travail de thèse était de développer et d'évaluer des modèles statistiques qui intègrent des données cliniques et environnementales afin de prévoir la malaria dans les différents contextes d'un pays où la maladie est fortement endémique.Plus précisément, le premier objectif était d'examiner systématiquement et de résumer la littérature scientifique sur les modèles de prévision de la malaria. Une revue exploratoire de la littérature a été menée et les résultats de cette étude ont guidé le choix des méthodes et des prédicteurs inclus dans les modèles de prévision. Le deuxième objectif était d'évaluer la manière de définir les circonscriptions des services de santé. Cette recherche nous a permis d'estimer les régions géographiques desservies par les services de santé et les populations étudiées. Le troisième et dernier objectif était d'identifier les prédicteurs significatifs de la malaria dans les différents contextes et dans les différents horizons de prévisions. Deux modèles de prévision, un à court terme (4 semaines) et un à long terme (52 semaines), ont été élaborés pour chacun des six sites du projet de surveillance de la malaria en Ouganda (PSMO) totalisant 12 modèles. Des données de télédétection ont été obtenues pour les prédicteurs environnementaux et des données cliniques de PSMO ont été obtenus pour les prédicteurs sanitaires (dispensaires et patients). Les modèles ont été évalués en fonction de l'erreur de prévision sur des données qui n'ont pas été utilisées pour l'élaboration du modèle. La plupart des modèles avec l'erreur de prévision la plus faible incluaient à la fois des prédicteurs environnementaux et non environnementaux, et les paramètres des modèles variaient souvent au sein d'un site et entre les sites. Les résultats de cette thèse devraient faire progresser le domaine de la prévision de la malaria de plusieurs façons: en fournissant des lignes directrices méthodologiques pour de futures études prévisionnelles, en fournissant une méthode simple pour définir les circonscriptions des services de santé applicable pour définir les limites géographiques d'un modèle de prévision, en démontrant l'importance des prédicteurs cliniques pour la prévision de la malaria, en fournissant un exemple de modèle de prévision avec une résolution spatiale et temporelle, et finalement, en soulevant des points importants à prendre en considération pour de futurs travaux de prévision.
| Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.123153 |
| Date | January 2014 |
| Creators | Zinszer, Kate |
| Contributors | David Buckeridge (Supervisor) |
| Publisher | McGill University |
| Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation |
| Format | application/pdf |
| Coverage | Doctor of Philosophy (Department of Epidemiology and Biostatistics) |
| Rights | All items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated. |
| Relation | Electronically submitted theses |
Page generated in 0.0022 seconds