A model to simulate the impact of timing, coverage and transmission intensity on the effectiveness of indoor residual spraying (IRS) for malaria control
Summary Objective (i) To develop a temperature‐ and rainfall‐driven model of malaria transmission capable of prediction. (ii) To use the model to examine the relationship between the intervention timing and transmission intensity on the effectiveness of indoor residual spraying (IRS). Methods A dy...
Gespeichert in:
| Veröffentlicht in: | Tropical medicine & international health 2007-01, Vol.12 (1), p.75-88 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | eng |
| Schlagworte: | |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 88 |
|---|---|
| container_issue | 1 |
| container_start_page | 75 |
| container_title | Tropical medicine & international health |
| container_volume | 12 |
| creator | Worrall, E. Connor, S. J. Thomson, M. C. |
| description | Summary
Objective (i) To develop a temperature‐ and rainfall‐driven model of malaria transmission capable of prediction. (ii) To use the model to examine the relationship between the intervention timing and transmission intensity on the effectiveness of indoor residual spraying (IRS).
Methods A dynamic model of malaria transmission was developed from existing models of malaria transmission dynamics. The model was used to retrospectively predict actual malaria cases from Hwange district in Zimbabwe using actual meteorological and IRS timing and coverage data. Simulations of alternative intervention scenarios (timing and coverage) examined the effectiveness of earlier and later interventions, at higher and lower coverage levels in epidemic and non‐epidemic years.
Findings The model was able to predict actual malaria cases in Hwange over a four‐and‐a‐half‐year period with a lead time of 4 months (e.g. January rainfall and temperature predicts April malaria) and a correlation coefficient of 0.825 (r2 = 0.6814). The IRS simulations show that the marginal benefits of increasing IRS coverage are higher in high‐transmission (HT) years relative to lower transmission years. This implies that over a period of years, maximum impact could be achieved with a given quantity of insecticide by increasing coverage in HT years. However, the model also shows that earlier spraying is more effective in all years, especially so in epidemic years, and that IRS has limited impact if it is carried out too late in relation to peak transmission.
Conclusion Temperature‐ and rainfall‐driven models of malaria transmission have the potential to predict malaria epidemics. Early intervention based on prior knowledge of the magnitude of the malaria season can be more effective and efficient than carrying out routine activities every year. Malaria control planners need improved access to the technology that would allow them to better predict malaria epidemics and develop Malaria Early Warning Systems (MEWS). MEWS can then be linked to intervention planning to reduce the devastating impact of malaria epidemics on populations.
Objectifs (i) Développer un modèle de prédiction de la transmission de la malaria basé sur la température et les précipitations. (ii) Utiliser le modèle pour examiner le rapport entre la synchronisation de l'intervention et l'intensité de transmission sur l'efficacité de la pulvérisation de résidus d'intérieur (PRI).
Méthodes Un modèle dynamique de la transmission |
| doi_str_mv | 10.1111/j.1365-3156.2006.01772.x |
| format | Article |
| fullrecord | <record><control><sourceid>proquest_cross</sourceid><recordid>TN_cdi_proquest_miscellaneous_19579266</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>19579266</sourcerecordid><originalsourceid>FETCH-LOGICAL-c4552-773dcbe9ef21a81ee949f4edffd3b4ca94662ba436613d651e3e905359585fbc3</originalsourceid><addsrcrecordid>eNqNkV1rFDEUhgdR7If-BQmCouCO-ZhkZi68KKXqQkXQeh0ymZOaJZNsk0zt_hN_rpnuYsErc5OE85w3JzxVhQiuSVnvNzVhgq8Y4aKmGIsak7al9d2j6vhv4fH9Ga8obcVRdZLSBmPcNFw8rY5IS3FLODmufp-hKYzgUA4o2Wl2KgPKPwHZaat0RsGgbCfrr98hHW4hqmtAyo8oR-XTZFOywSPrM_hk8w6Vy9IMxoDO9hY8pLRkWD-GEFGEZMdZOZS2Ue1KKnqz_vb9LTKlNimnolXlGZ9jcM-qJ0a5BM8P-2n14-PF1fnn1eXXT-vzs8uVbjinq7Zlox6gB0OJ6ghA3_SmgdGYkQ2NVn0jBB1Uw4QgbBScAIMec8Z73nEzaHZavd7nbmO4mSFlWX6lwTnlIcxJkp63PRWigC__ATdhjr7MJinhnFBM2wJ1e0jHkFIEI7fRTiruJMFyUSc3cjEkF0NyUSfv1cm70vrikD8PE4wPjQdXBXh1AFTSypliQNv0wHVNJ0jHCvdhz_2yDnb_PYC8-rJeTuwPiIG2Xg</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype><pqid>215512027</pqid></control><display><type>article</type><title>A model to simulate the impact of timing, coverage and transmission intensity on the effectiveness of indoor residual spraying (IRS) for malaria control</title><source>MEDLINE</source><source>Wiley Online Library Journals Frontfile Complete</source><source>Wiley Free Content</source><source>IngentaConnect Free/Open Access Journals</source><source>EZB-FREE-00999 freely available EZB journals</source><creator>Worrall, E. ; Connor, S. J. ; Thomson, M. C.</creator><creatorcontrib>Worrall, E. ; Connor, S. J. ; Thomson, M. C.</creatorcontrib><description>Summary
Objective (i) To develop a temperature‐ and rainfall‐driven model of malaria transmission capable of prediction. (ii) To use the model to examine the relationship between the intervention timing and transmission intensity on the effectiveness of indoor residual spraying (IRS).
Methods A dynamic model of malaria transmission was developed from existing models of malaria transmission dynamics. The model was used to retrospectively predict actual malaria cases from Hwange district in Zimbabwe using actual meteorological and IRS timing and coverage data. Simulations of alternative intervention scenarios (timing and coverage) examined the effectiveness of earlier and later interventions, at higher and lower coverage levels in epidemic and non‐epidemic years.
Findings The model was able to predict actual malaria cases in Hwange over a four‐and‐a‐half‐year period with a lead time of 4 months (e.g. January rainfall and temperature predicts April malaria) and a correlation coefficient of 0.825 (r2 = 0.6814). The IRS simulations show that the marginal benefits of increasing IRS coverage are higher in high‐transmission (HT) years relative to lower transmission years. This implies that over a period of years, maximum impact could be achieved with a given quantity of insecticide by increasing coverage in HT years. However, the model also shows that earlier spraying is more effective in all years, especially so in epidemic years, and that IRS has limited impact if it is carried out too late in relation to peak transmission.
Conclusion Temperature‐ and rainfall‐driven models of malaria transmission have the potential to predict malaria epidemics. Early intervention based on prior knowledge of the magnitude of the malaria season can be more effective and efficient than carrying out routine activities every year. Malaria control planners need improved access to the technology that would allow them to better predict malaria epidemics and develop Malaria Early Warning Systems (MEWS). MEWS can then be linked to intervention planning to reduce the devastating impact of malaria epidemics on populations.
Objectifs (i) Développer un modèle de prédiction de la transmission de la malaria basé sur la température et les précipitations. (ii) Utiliser le modèle pour examiner le rapport entre la synchronisation de l'intervention et l'intensité de transmission sur l'efficacité de la pulvérisation de résidus d'intérieur (PRI).
Méthodes Un modèle dynamique de la transmission de malaria a été développéà partir de modèles existants de dynamique de transmission de malaria. Le modèle a ensuite été utilisé pour prévoir rétrospectivement des cas réels de malaria dans le district de Hwange au Zimbabwe en utilisant les données sur la météorologie, la synchronisation de la PRI et la couverture. Les simulations de scénarios alternatifs d'intervention (synchronisation et couverture) ont été utilisées pour examiner l'efficacité des interventions appliquées plus tôt ou plus tard sur des étendues plus élevées et plus basses de la couverture durant les années épidémiques et non épidémiques.
Résultats Le modèle a permis de prévoir des cas réels de malaria à Hwange sur une période de quatre ans et demi avec un délai de quatre mois (par exemple: les précipitations et la température de janvier prévoyaient la malaria d'avril) et un coefficient de corrélation de 0,825 (r2 = 0,6814). Les simulations de PRI démontrent que les avantages marginaux de l'augmentation de la couverture de PRI sont plus élevés pour les années de transmission élevée que pour celles de transmission faible. Ceci implique que durant un certain nombre d'années, un impact maximum pourrait être atteint avec une quantité donnée d'insecticide, en augmentant la couverture dans les années de transmission élevée. Le modèle démontre également que la pulvérisation très tôt est plus efficace pour toutes les années, spécialement pour les années épidémiques, et que la PRI a un impact limité lorsqu'elle est effectuée trop tard par rapport au pic de transmission.
Conclusion les modèles de transmission de malaria, basés sur la température et les précipitations, sont capables de prévoir des épidémies de malaria. L'intervention très tôt, basée sur la connaissance préalable de l'importance de la saison de malaria, peut être plus effective et plus efficace que le fait de mener des activités de contrôle en routine chaque année.
Objetivos (i) Desarrollar un modelo de transmisión de malaria, capaz de predecir a partir de datos de temperatura y precipitación (ii) Utilizar el modelo para examinar la relación entre el momento de la intervención y la intensidad de transmisión sobre el efecto del rociamiento intradomiciliario con insecticidas de acción residual (RIR)
Métodos Se desarrolló un modelo dinámico para la transmisión de malaria a partir de otros modelos dinámicos para la transmisión de malaria ya existentes. El modelo se utilizó para predecir de forma retrospectiva los casos actuales de malaria del distrito de Hwange, en Zimbabwe, utilizando datos metereológicos reales, y de cobertura y del momento de realización el RIR. Mediante simulaciones de escenarios alternativos (en cuanto al momento de realizar la intervención y su cobertura), se examinó la efectividad de intervenciones más tempranas o más tardías, con mayor y menor nivel de cobertura, en años epidémicos y sin epidemia.
Resultados El modelo fue capaz de predecir los casos de malaria reales en Hwange durante un periodo de cuatro años y medio, con un tiempo de antelación de cuatro meses (por ejemplo con datos de lluvias de Enero, se predice la malaria en Abril) y un coeficiente de correlación de 0.825 (r2 = 0.6814). Las simulaciones del RIR demuestran que el beneficio marginal de aumentar la cobertura de RIR es mayor en años de alta transmisión que en aquellos de menor transmisión. Esto implica que durante un periodo de unos cuantos años se podría alcanzar un impacto máximo, con una cantidad dada de insecticida, aumentando la cobertura en años de alta transmisión. El modelo también muestra que el rociamiento temprano es siempre más efectivo, y en especial en los años epidémicos, y que el RIR tiene un impacto limitado si se realiza demasiado tarde con relación al pico de transmisión.
Conclusión Los modelos de trasmisión de malaria basados en la temperatura y la precipitación, tienen el potencial de predecir las epidemias de malaria. Una intervención temprana, basada en un conocimiento previo de la magnitud de la estación de malaria, puede ser más efectiva y eficiente que llevar a cabo actividades de control rutinarias cada año.</description><identifier>ISSN: 1360-2276</identifier><identifier>EISSN: 1365-3156</identifier><identifier>DOI: 10.1111/j.1365-3156.2006.01772.x</identifier><identifier>PMID: 17207151</identifier><language>eng</language><publisher>Oxford, UK: Blackwell Publishing Ltd</publisher><subject>Animals ; Biological and medical sciences ; Disease Outbreaks - prevention & control ; epidemias ; epidemics ; Epidemiology ; Female ; General aspects ; Human protozoal diseases ; Humans ; indoor residual spraying ; Infectious diseases ; Insect Vectors - drug effects ; insecticidas acción residual ; Insecticides ; Malaria ; Malaria - epidemiology ; Malaria - prevention & control ; Malaria - transmission ; Medical sciences ; Meteorology ; modelo ; Models, Statistical ; modèle ; momento de la intervención ; Mosquito Control - methods ; Mosquitoes ; Parasitic diseases ; Pest control ; Plasmodium - growth & development ; Protozoal diseases ; pulvérisation de résidus d'intérieur ; Rain ; Retrospective Studies ; rociamiento intradomiciliario ; Seasons ; Sporozoites - physiology ; synchronization ; Temperature ; Time Factors ; timing ; Uncertainty ; Zimbabwe ; Zimbabwe - epidemiology ; épidémies</subject><ispartof>Tropical medicine & international health, 2007-01, Vol.12 (1), p.75-88</ispartof><rights>2007 INIST-CNRS</rights><rights>2007 Blackwell Publishing Ltd</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed><citedby>FETCH-LOGICAL-c4552-773dcbe9ef21a81ee949f4edffd3b4ca94662ba436613d651e3e905359585fbc3</citedby><cites>FETCH-LOGICAL-c4552-773dcbe9ef21a81ee949f4edffd3b4ca94662ba436613d651e3e905359585fbc3</cites></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><link.rule.ids>314,780,784,1416,1432,4022,27922,27923,27924</link.rule.ids><backlink>$$Uhttp://pascal-francis.inist.fr/vibad/index.php?action=getRecordDetail&idt=18486183$$DView record in Pascal Francis$$Hfree_for_read</backlink><backlink>$$Uhttps://www.ncbi.nlm.nih.gov/pubmed/17207151$$D View this record in MEDLINE/PubMed$$Hfree_for_read</backlink></links><search><creatorcontrib>Worrall, E.</creatorcontrib><creatorcontrib>Connor, S. J.</creatorcontrib><creatorcontrib>Thomson, M. C.</creatorcontrib><title>A model to simulate the impact of timing, coverage and transmission intensity on the effectiveness of indoor residual spraying (IRS) for malaria control</title><title>Tropical medicine & international health</title><addtitle>Trop Med Int Health</addtitle><description>Summary
Objective (i) To develop a temperature‐ and rainfall‐driven model of malaria transmission capable of prediction. (ii) To use the model to examine the relationship between the intervention timing and transmission intensity on the effectiveness of indoor residual spraying (IRS).
Methods A dynamic model of malaria transmission was developed from existing models of malaria transmission dynamics. The model was used to retrospectively predict actual malaria cases from Hwange district in Zimbabwe using actual meteorological and IRS timing and coverage data. Simulations of alternative intervention scenarios (timing and coverage) examined the effectiveness of earlier and later interventions, at higher and lower coverage levels in epidemic and non‐epidemic years.
Findings The model was able to predict actual malaria cases in Hwange over a four‐and‐a‐half‐year period with a lead time of 4 months (e.g. January rainfall and temperature predicts April malaria) and a correlation coefficient of 0.825 (r2 = 0.6814). The IRS simulations show that the marginal benefits of increasing IRS coverage are higher in high‐transmission (HT) years relative to lower transmission years. This implies that over a period of years, maximum impact could be achieved with a given quantity of insecticide by increasing coverage in HT years. However, the model also shows that earlier spraying is more effective in all years, especially so in epidemic years, and that IRS has limited impact if it is carried out too late in relation to peak transmission.
Conclusion Temperature‐ and rainfall‐driven models of malaria transmission have the potential to predict malaria epidemics. Early intervention based on prior knowledge of the magnitude of the malaria season can be more effective and efficient than carrying out routine activities every year. Malaria control planners need improved access to the technology that would allow them to better predict malaria epidemics and develop Malaria Early Warning Systems (MEWS). MEWS can then be linked to intervention planning to reduce the devastating impact of malaria epidemics on populations.
Objectifs (i) Développer un modèle de prédiction de la transmission de la malaria basé sur la température et les précipitations. (ii) Utiliser le modèle pour examiner le rapport entre la synchronisation de l'intervention et l'intensité de transmission sur l'efficacité de la pulvérisation de résidus d'intérieur (PRI).
Méthodes Un modèle dynamique de la transmission de malaria a été développéà partir de modèles existants de dynamique de transmission de malaria. Le modèle a ensuite été utilisé pour prévoir rétrospectivement des cas réels de malaria dans le district de Hwange au Zimbabwe en utilisant les données sur la météorologie, la synchronisation de la PRI et la couverture. Les simulations de scénarios alternatifs d'intervention (synchronisation et couverture) ont été utilisées pour examiner l'efficacité des interventions appliquées plus tôt ou plus tard sur des étendues plus élevées et plus basses de la couverture durant les années épidémiques et non épidémiques.
Résultats Le modèle a permis de prévoir des cas réels de malaria à Hwange sur une période de quatre ans et demi avec un délai de quatre mois (par exemple: les précipitations et la température de janvier prévoyaient la malaria d'avril) et un coefficient de corrélation de 0,825 (r2 = 0,6814). Les simulations de PRI démontrent que les avantages marginaux de l'augmentation de la couverture de PRI sont plus élevés pour les années de transmission élevée que pour celles de transmission faible. Ceci implique que durant un certain nombre d'années, un impact maximum pourrait être atteint avec une quantité donnée d'insecticide, en augmentant la couverture dans les années de transmission élevée. Le modèle démontre également que la pulvérisation très tôt est plus efficace pour toutes les années, spécialement pour les années épidémiques, et que la PRI a un impact limité lorsqu'elle est effectuée trop tard par rapport au pic de transmission.
Conclusion les modèles de transmission de malaria, basés sur la température et les précipitations, sont capables de prévoir des épidémies de malaria. L'intervention très tôt, basée sur la connaissance préalable de l'importance de la saison de malaria, peut être plus effective et plus efficace que le fait de mener des activités de contrôle en routine chaque année.
Objetivos (i) Desarrollar un modelo de transmisión de malaria, capaz de predecir a partir de datos de temperatura y precipitación (ii) Utilizar el modelo para examinar la relación entre el momento de la intervención y la intensidad de transmisión sobre el efecto del rociamiento intradomiciliario con insecticidas de acción residual (RIR)
Métodos Se desarrolló un modelo dinámico para la transmisión de malaria a partir de otros modelos dinámicos para la transmisión de malaria ya existentes. El modelo se utilizó para predecir de forma retrospectiva los casos actuales de malaria del distrito de Hwange, en Zimbabwe, utilizando datos metereológicos reales, y de cobertura y del momento de realización el RIR. Mediante simulaciones de escenarios alternativos (en cuanto al momento de realizar la intervención y su cobertura), se examinó la efectividad de intervenciones más tempranas o más tardías, con mayor y menor nivel de cobertura, en años epidémicos y sin epidemia.
Resultados El modelo fue capaz de predecir los casos de malaria reales en Hwange durante un periodo de cuatro años y medio, con un tiempo de antelación de cuatro meses (por ejemplo con datos de lluvias de Enero, se predice la malaria en Abril) y un coeficiente de correlación de 0.825 (r2 = 0.6814). Las simulaciones del RIR demuestran que el beneficio marginal de aumentar la cobertura de RIR es mayor en años de alta transmisión que en aquellos de menor transmisión. Esto implica que durante un periodo de unos cuantos años se podría alcanzar un impacto máximo, con una cantidad dada de insecticida, aumentando la cobertura en años de alta transmisión. El modelo también muestra que el rociamiento temprano es siempre más efectivo, y en especial en los años epidémicos, y que el RIR tiene un impacto limitado si se realiza demasiado tarde con relación al pico de transmisión.
Conclusión Los modelos de trasmisión de malaria basados en la temperatura y la precipitación, tienen el potencial de predecir las epidemias de malaria. Una intervención temprana, basada en un conocimiento previo de la magnitud de la estación de malaria, puede ser más efectiva y eficiente que llevar a cabo actividades de control rutinarias cada año.</description><subject>Animals</subject><subject>Biological and medical sciences</subject><subject>Disease Outbreaks - prevention & control</subject><subject>epidemias</subject><subject>epidemics</subject><subject>Epidemiology</subject><subject>Female</subject><subject>General aspects</subject><subject>Human protozoal diseases</subject><subject>Humans</subject><subject>indoor residual spraying</subject><subject>Infectious diseases</subject><subject>Insect Vectors - drug effects</subject><subject>insecticidas acción residual</subject><subject>Insecticides</subject><subject>Malaria</subject><subject>Malaria - epidemiology</subject><subject>Malaria - prevention & control</subject><subject>Malaria - transmission</subject><subject>Medical sciences</subject><subject>Meteorology</subject><subject>modelo</subject><subject>Models, Statistical</subject><subject>modèle</subject><subject>momento de la intervención</subject><subject>Mosquito Control - methods</subject><subject>Mosquitoes</subject><subject>Parasitic diseases</subject><subject>Pest control</subject><subject>Plasmodium - growth & development</subject><subject>Protozoal diseases</subject><subject>pulvérisation de résidus d'intérieur</subject><subject>Rain</subject><subject>Retrospective Studies</subject><subject>rociamiento intradomiciliario</subject><subject>Seasons</subject><subject>Sporozoites - physiology</subject><subject>synchronization</subject><subject>Temperature</subject><subject>Time Factors</subject><subject>timing</subject><subject>Uncertainty</subject><subject>Zimbabwe</subject><subject>Zimbabwe - epidemiology</subject><subject>épidémies</subject><issn>1360-2276</issn><issn>1365-3156</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2007</creationdate><recordtype>article</recordtype><sourceid>EIF</sourceid><recordid>eNqNkV1rFDEUhgdR7If-BQmCouCO-ZhkZi68KKXqQkXQeh0ymZOaJZNsk0zt_hN_rpnuYsErc5OE85w3JzxVhQiuSVnvNzVhgq8Y4aKmGIsak7al9d2j6vhv4fH9Ga8obcVRdZLSBmPcNFw8rY5IS3FLODmufp-hKYzgUA4o2Wl2KgPKPwHZaat0RsGgbCfrr98hHW4hqmtAyo8oR-XTZFOywSPrM_hk8w6Vy9IMxoDO9hY8pLRkWD-GEFGEZMdZOZS2Ue1KKnqz_vb9LTKlNimnolXlGZ9jcM-qJ0a5BM8P-2n14-PF1fnn1eXXT-vzs8uVbjinq7Zlox6gB0OJ6ghA3_SmgdGYkQ2NVn0jBB1Uw4QgbBScAIMec8Z73nEzaHZavd7nbmO4mSFlWX6lwTnlIcxJkp63PRWigC__ATdhjr7MJinhnFBM2wJ1e0jHkFIEI7fRTiruJMFyUSc3cjEkF0NyUSfv1cm70vrikD8PE4wPjQdXBXh1AFTSypliQNv0wHVNJ0jHCvdhz_2yDnb_PYC8-rJeTuwPiIG2Xg</recordid><startdate>200701</startdate><enddate>200701</enddate><creator>Worrall, E.</creator><creator>Connor, S. J.</creator><creator>Thomson, M. C.</creator><general>Blackwell Publishing Ltd</general><general>Blackwell Science</general><scope>IQODW</scope><scope>CGR</scope><scope>CUY</scope><scope>CVF</scope><scope>ECM</scope><scope>EIF</scope><scope>NPM</scope><scope>AAYXX</scope><scope>CITATION</scope><scope>7T2</scope><scope>7U9</scope><scope>C1K</scope><scope>H94</scope><scope>K9.</scope><scope>M7N</scope><scope>F1W</scope><scope>H95</scope><scope>H97</scope><scope>L.G</scope></search><sort><creationdate>200701</creationdate><title>A model to simulate the impact of timing, coverage and transmission intensity on the effectiveness of indoor residual spraying (IRS) for malaria control</title><author>Worrall, E. ; Connor, S. J. ; Thomson, M. C.</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c4552-773dcbe9ef21a81ee949f4edffd3b4ca94662ba436613d651e3e905359585fbc3</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>eng</language><creationdate>2007</creationdate><topic>Animals</topic><topic>Biological and medical sciences</topic><topic>Disease Outbreaks - prevention & control</topic><topic>epidemias</topic><topic>epidemics</topic><topic>Epidemiology</topic><topic>Female</topic><topic>General aspects</topic><topic>Human protozoal diseases</topic><topic>Humans</topic><topic>indoor residual spraying</topic><topic>Infectious diseases</topic><topic>Insect Vectors - drug effects</topic><topic>insecticidas acción residual</topic><topic>Insecticides</topic><topic>Malaria</topic><topic>Malaria - epidemiology</topic><topic>Malaria - prevention & control</topic><topic>Malaria - transmission</topic><topic>Medical sciences</topic><topic>Meteorology</topic><topic>modelo</topic><topic>Models, Statistical</topic><topic>modèle</topic><topic>momento de la intervención</topic><topic>Mosquito Control - methods</topic><topic>Mosquitoes</topic><topic>Parasitic diseases</topic><topic>Pest control</topic><topic>Plasmodium - growth & development</topic><topic>Protozoal diseases</topic><topic>pulvérisation de résidus d'intérieur</topic><topic>Rain</topic><topic>Retrospective Studies</topic><topic>rociamiento intradomiciliario</topic><topic>Seasons</topic><topic>Sporozoites - physiology</topic><topic>synchronization</topic><topic>Temperature</topic><topic>Time Factors</topic><topic>timing</topic><topic>Uncertainty</topic><topic>Zimbabwe</topic><topic>Zimbabwe - epidemiology</topic><topic>épidémies</topic><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>Worrall, E.</creatorcontrib><creatorcontrib>Connor, S. J.</creatorcontrib><creatorcontrib>Thomson, M. C.</creatorcontrib><collection>Pascal-Francis</collection><collection>Medline</collection><collection>MEDLINE</collection><collection>MEDLINE (Ovid)</collection><collection>MEDLINE</collection><collection>MEDLINE</collection><collection>PubMed</collection><collection>CrossRef</collection><collection>Health and Safety Science Abstracts (Full archive)</collection><collection>Virology and AIDS Abstracts</collection><collection>Environmental Sciences and Pollution Management</collection><collection>AIDS and Cancer Research Abstracts</collection><collection>ProQuest Health & Medical Complete (Alumni)</collection><collection>Algology Mycology and Protozoology Abstracts (Microbiology C)</collection><collection>ASFA: Aquatic Sciences and Fisheries Abstracts</collection><collection>Aquatic Science & Fisheries Abstracts (ASFA) 1: Biological Sciences & Living Resources</collection><collection>Aquatic Science & Fisheries Abstracts (ASFA) 3: Aquatic Pollution & Environmental Quality</collection><collection>Aquatic Science & Fisheries Abstracts (ASFA) Professional</collection><jtitle>Tropical medicine & international health</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>Worrall, E.</au><au>Connor, S. J.</au><au>Thomson, M. C.</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>A model to simulate the impact of timing, coverage and transmission intensity on the effectiveness of indoor residual spraying (IRS) for malaria control</atitle><jtitle>Tropical medicine & international health</jtitle><addtitle>Trop Med Int Health</addtitle><date>2007-01</date><risdate>2007</risdate><volume>12</volume><issue>1</issue><spage>75</spage><epage>88</epage><pages>75-88</pages><issn>1360-2276</issn><eissn>1365-3156</eissn><abstract>Summary
Objective (i) To develop a temperature‐ and rainfall‐driven model of malaria transmission capable of prediction. (ii) To use the model to examine the relationship between the intervention timing and transmission intensity on the effectiveness of indoor residual spraying (IRS).
Methods A dynamic model of malaria transmission was developed from existing models of malaria transmission dynamics. The model was used to retrospectively predict actual malaria cases from Hwange district in Zimbabwe using actual meteorological and IRS timing and coverage data. Simulations of alternative intervention scenarios (timing and coverage) examined the effectiveness of earlier and later interventions, at higher and lower coverage levels in epidemic and non‐epidemic years.
Findings The model was able to predict actual malaria cases in Hwange over a four‐and‐a‐half‐year period with a lead time of 4 months (e.g. January rainfall and temperature predicts April malaria) and a correlation coefficient of 0.825 (r2 = 0.6814). The IRS simulations show that the marginal benefits of increasing IRS coverage are higher in high‐transmission (HT) years relative to lower transmission years. This implies that over a period of years, maximum impact could be achieved with a given quantity of insecticide by increasing coverage in HT years. However, the model also shows that earlier spraying is more effective in all years, especially so in epidemic years, and that IRS has limited impact if it is carried out too late in relation to peak transmission.
Conclusion Temperature‐ and rainfall‐driven models of malaria transmission have the potential to predict malaria epidemics. Early intervention based on prior knowledge of the magnitude of the malaria season can be more effective and efficient than carrying out routine activities every year. Malaria control planners need improved access to the technology that would allow them to better predict malaria epidemics and develop Malaria Early Warning Systems (MEWS). MEWS can then be linked to intervention planning to reduce the devastating impact of malaria epidemics on populations.
Objectifs (i) Développer un modèle de prédiction de la transmission de la malaria basé sur la température et les précipitations. (ii) Utiliser le modèle pour examiner le rapport entre la synchronisation de l'intervention et l'intensité de transmission sur l'efficacité de la pulvérisation de résidus d'intérieur (PRI).
Méthodes Un modèle dynamique de la transmission de malaria a été développéà partir de modèles existants de dynamique de transmission de malaria. Le modèle a ensuite été utilisé pour prévoir rétrospectivement des cas réels de malaria dans le district de Hwange au Zimbabwe en utilisant les données sur la météorologie, la synchronisation de la PRI et la couverture. Les simulations de scénarios alternatifs d'intervention (synchronisation et couverture) ont été utilisées pour examiner l'efficacité des interventions appliquées plus tôt ou plus tard sur des étendues plus élevées et plus basses de la couverture durant les années épidémiques et non épidémiques.
Résultats Le modèle a permis de prévoir des cas réels de malaria à Hwange sur une période de quatre ans et demi avec un délai de quatre mois (par exemple: les précipitations et la température de janvier prévoyaient la malaria d'avril) et un coefficient de corrélation de 0,825 (r2 = 0,6814). Les simulations de PRI démontrent que les avantages marginaux de l'augmentation de la couverture de PRI sont plus élevés pour les années de transmission élevée que pour celles de transmission faible. Ceci implique que durant un certain nombre d'années, un impact maximum pourrait être atteint avec une quantité donnée d'insecticide, en augmentant la couverture dans les années de transmission élevée. Le modèle démontre également que la pulvérisation très tôt est plus efficace pour toutes les années, spécialement pour les années épidémiques, et que la PRI a un impact limité lorsqu'elle est effectuée trop tard par rapport au pic de transmission.
Conclusion les modèles de transmission de malaria, basés sur la température et les précipitations, sont capables de prévoir des épidémies de malaria. L'intervention très tôt, basée sur la connaissance préalable de l'importance de la saison de malaria, peut être plus effective et plus efficace que le fait de mener des activités de contrôle en routine chaque année.
Objetivos (i) Desarrollar un modelo de transmisión de malaria, capaz de predecir a partir de datos de temperatura y precipitación (ii) Utilizar el modelo para examinar la relación entre el momento de la intervención y la intensidad de transmisión sobre el efecto del rociamiento intradomiciliario con insecticidas de acción residual (RIR)
Métodos Se desarrolló un modelo dinámico para la transmisión de malaria a partir de otros modelos dinámicos para la transmisión de malaria ya existentes. El modelo se utilizó para predecir de forma retrospectiva los casos actuales de malaria del distrito de Hwange, en Zimbabwe, utilizando datos metereológicos reales, y de cobertura y del momento de realización el RIR. Mediante simulaciones de escenarios alternativos (en cuanto al momento de realizar la intervención y su cobertura), se examinó la efectividad de intervenciones más tempranas o más tardías, con mayor y menor nivel de cobertura, en años epidémicos y sin epidemia.
Resultados El modelo fue capaz de predecir los casos de malaria reales en Hwange durante un periodo de cuatro años y medio, con un tiempo de antelación de cuatro meses (por ejemplo con datos de lluvias de Enero, se predice la malaria en Abril) y un coeficiente de correlación de 0.825 (r2 = 0.6814). Las simulaciones del RIR demuestran que el beneficio marginal de aumentar la cobertura de RIR es mayor en años de alta transmisión que en aquellos de menor transmisión. Esto implica que durante un periodo de unos cuantos años se podría alcanzar un impacto máximo, con una cantidad dada de insecticida, aumentando la cobertura en años de alta transmisión. El modelo también muestra que el rociamiento temprano es siempre más efectivo, y en especial en los años epidémicos, y que el RIR tiene un impacto limitado si se realiza demasiado tarde con relación al pico de transmisión.
Conclusión Los modelos de trasmisión de malaria basados en la temperatura y la precipitación, tienen el potencial de predecir las epidemias de malaria. Una intervención temprana, basada en un conocimiento previo de la magnitud de la estación de malaria, puede ser más efectiva y eficiente que llevar a cabo actividades de control rutinarias cada año.</abstract><cop>Oxford, UK</cop><pub>Blackwell Publishing Ltd</pub><pmid>17207151</pmid><doi>10.1111/j.1365-3156.2006.01772.x</doi><tpages>14</tpages></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 1360-2276 |
| ispartof | Tropical medicine & international health, 2007-01, Vol.12 (1), p.75-88 |
| issn | 1360-2276 1365-3156 |
| language | eng |
| recordid | cdi_proquest_miscellaneous_19579266 |
| source | MEDLINE; Wiley Online Library Journals Frontfile Complete; Wiley Free Content; IngentaConnect Free/Open Access Journals; EZB-FREE-00999 freely available EZB journals |
| subjects | Animals Biological and medical sciences Disease Outbreaks - prevention & control epidemias epidemics Epidemiology Female General aspects Human protozoal diseases Humans indoor residual spraying Infectious diseases Insect Vectors - drug effects insecticidas acción residual Insecticides Malaria Malaria - epidemiology Malaria - prevention & control Malaria - transmission Medical sciences Meteorology modelo Models, Statistical modèle momento de la intervención Mosquito Control - methods Mosquitoes Parasitic diseases Pest control Plasmodium - growth & development Protozoal diseases pulvérisation de résidus d'intérieur Rain Retrospective Studies rociamiento intradomiciliario Seasons Sporozoites - physiology synchronization Temperature Time Factors timing Uncertainty Zimbabwe Zimbabwe - epidemiology épidémies |
| title | A model to simulate the impact of timing, coverage and transmission intensity on the effectiveness of indoor residual spraying (IRS) for malaria control |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-13T02%3A08%3A06IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-proquest_cross&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=A%20model%20to%20simulate%20the%20impact%20of%20timing,%20coverage%20and%20transmission%20intensity%20on%20the%20effectiveness%20of%20indoor%20residual%20spraying%20(IRS)%20for%20malaria%20control&rft.jtitle=Tropical%20medicine%20&%20international%20health&rft.au=Worrall,%20E.&rft.date=2007-01&rft.volume=12&rft.issue=1&rft.spage=75&rft.epage=88&rft.pages=75-88&rft.issn=1360-2276&rft.eissn=1365-3156&rft_id=info:doi/10.1111/j.1365-3156.2006.01772.x&rft_dat=%3Cproquest_cross%3E19579266%3C/proquest_cross%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_pqid=215512027&rft_id=info:pmid/17207151&rfr_iscdi=true |