Nura Mohammad Rabiu Ahmad defiende su tesis sobre la modelización epidemiológica de la turberculosis en Nigeria

La tuberculosis (TB) es la enfermedad infecciosa que ha causado más muertos a la historia de la humanidad. Actualmente, hay más de 10 millones de nuevos casos de TB cada año y provoca más de 1.5 millones de muertes anuales, según estimaciones de la Organización Mundial de la Salud. Nigeria, con una incidencia persistente de unos 219 casos por 100000 habitantes en 2019, se encuentra entre los 8 países que representaron dos tercios de los nuevos casos de tuberculosis el 2018. El control de la enfermedad de este país está coordinado por el Programa Nacional de Control de la Tuberculosis y la Lepra (NTBLCP). A pesar de los esfuerzos, la prevalencia estimada es la misma que se estimaba en 1990. Se pueden utilizar modelos para un diagnóstico más preciso de la situación de TB en determinados territorios, así como para ayudar en el diseño y evaluación de las acciones de control.
En este proyecto, se han utilizado dos estrategias de modelización para hacerlo. En primer lugar, una estrategia top-down a nivel de país (Nigeria) mediante el diseño, pruebas y adecuación de varios modelos de tipos SEIR, con el objetivo de proporcionar una imagen global de la situación y cuantificar algunos de los parámetros más relevantes. En segundo lugar, una estrategia bottom-up estudiando una área más pequeña, el Estado de Gombe, mediante el diseño, la prueba y la adecuación de un modelo basado en agentes (ABM). El modelo ABM tiene por finalidad entender en detalle la situado particular del Estado de Gombe y ayudar en el diseño y cuantificación de posibles acciones de control. También se realizó un trabajo de campo para buscar los factores socioeconómicos particulares responsables de la situación epidemiológica de la TB; el análisis estadístico de los datos obtenidos es la tercera estrategia de trabajo de este proyecto.
La aproximación mediante modelos top-down confirmó una tasa de notificación muy baja que varía del 16 al 20% durante los años analizados (2000-2010). Este factor se reveló como el cuello de botella para el control de la enfermedad en este país. Las predicciones del modelo no mostraban efectos relevantes de las acciones de control sin un aumento previo de la tasa de notificación. El trabajo de campo se diseñó en coordinación con las autoridades locales NTBLCP con el objetivo de analizar los factores socioeconómicos que condicionan esta tasa de notificación en el estado de Gombe. Consistió en una recogida inicial de datos epidemiológicos, seguida de un conjunto de 52 entrevistas con pacientes con TB de diferentes centros de salud. Los datos obtenidos y los resultados de las entrevistas se analizaron mediante estadísticas inferenciales y Anova, con la ayuda de técnicas de Machine learning. Los resultados fueron devastadores: ninguno de los pacientes entrevistados no conocía los síntomas de la TB y el 90% no conocía los mecanismos de transmisión de la TB después de hablar con el personal sanitario. El retraso mediano de diagnóstico de los pacientes fue de 9.6 semanas, y solo el 10% de los entrevistados acudieron al médico durante el primer mes de sentirse enfermo.
La información obtenida con la estrategia top-down y los resultados derivados del trabajo de campo se utilizaron para adaptar el modelo ABM en el contexto del Estado de Gombe. Se ajustó con éxito a la evolución de la prevalencia estimada y los casos diagnosticados del 2007 al 2016. A continuación, se utilizó para probar diferentes intervenciones destinadas a aumentar la tasa de notificación, disminuir el retraso de diagnóstico y aumentar la conciencia de la población respecto a la TB transmisible.
La metodología utilizando diferentes estrategias utilizada en este proyecto se ha mostrado como una forma robusta de afrontar el problema real. Ha hecho posible proporcionar una imagen global y detallada de la situación de la TB en un determinado ámbito, relacionar los parámetros y los resultados del modelo con un contexto socioeconómico real y generar una herramienta útil para ayudar en el diseño y la evaluación de acciones de control de la TB.