A modelagem estatística ajuda a lidar com doenças tropicais negligenciadas entre a população migrante

Um conjunto de mapas é dividido pela área da OMS para mostrar a circulação (%) da infecção por STH dos migrantes por seu país natal. Crédito: PLO ignorou doenças tropicais (2025). Doi: 10.1371/journal.pntd.0012577
Um estudo de migrantes na Itália mostrou como a modelagem estatística pode ajudar a melhorar a identidade de infecções por doenças tropicais negligenciadas (NTD).
O NTDS é um grupo de 21 doenças que afetam principalmente comunidades pobres, em regiões tropicais. Como Migração global Aumentar, os indivíduos infectados com DNTs podem chegar a países onde essas doenças geralmente não são encontradas, o que torna o diagnóstico e o tratamento iniciais necessários.
A pesquisa foi liderada pelo Ph.D. Dr. da Lancaster Medical School. IMANULE Georgi, juntamente com o aluno John Parkis Naples Federico II, o Centro de Cooperação da Organização Mundial da Saúde em associação com o diagnóstico de helmintos intestinais e protozoários.
Sua pesquisa Publicado Em PLO ignorou doenças tropicais Na região de Campania, na Itália, um estudo de caso de migrantes focou em infecções por helmin (STH) movidas a solo.
STH é um tipo de infecção por vermes que é a. Lumbricóides, ancileiras e t. Trichura causa várias espécies de lombadas com três tipos.
Os dados consistiram em 3.830 migrantes de 64 países; Mais de 87% dos homens eram homens com 27 anos de idade.
Os pesquisadores descobriram que dados publicamente disponíveis, como países de migrantes, podem ser combinados com informações de nível individual coletadas dos centros de triagem para melhorar a identificação de casos infectados usando modelagem estatística.
Os pesquisadores examinaram a força dos modelos na previsão de transições gerais de STH (A. lumbricoids, ancilumbros e T. trichia) em dois cenários principais: para indivíduos de países existentes e novos.
Ele concluiu que nas paisagens de todas as previsões, T. Além de prever a infecção por Trichyura, os melhores modelos incluem indicadores variáveis de nível individual e de nível de país e os indicadores de nível de país A. lumbricoids e infecções gerais de STH são um profeta forte comparado aos níveis individuais.
Na África, o país de origem com a maior disseminação de NTD é a Guiné Bisaau, com 25% de STH se espalhando entre os migrantes. No sudeste da Ásia, o país de origem com a maior prevalência é o Bangladesh, com 18,6% de STH entre os migrantes.
Perkis disse: “Demonstramos como os modelos estatísticos podem ser usados para ajudar na identificação de pessoas que podem ser infectadas com essas doenças parasitárias. Nossa atenção é mostrar que informações públicas sobre a origem dos migrantes podem ser combinadas com informações de nível pessoal coletadas dos centros de triagem, para que a identificação dos assuntos infectados possa ser melhorada.
“Uma abordagem baseada em modelo, como mencionada neste artigo, pode fornecer uma abordagem eficaz de dados para informar a triagem de destino que os especialistas podem ajudar a reduzir o ônus colocado nos laboratórios de ciências parasitas”.
O papel é reconhecido em um PLO ignorou doenças tropicais Visualizando artigos, onde os especialistas apreciaram a abordagem operada por dados e sugeriram o refinamento para melhores endereços Infecção risco. A cooperação futura está planejada para desenvolver esta pesquisa.
Mais informações:
Jana Parkis et al, uma combinação de indicadores de países e variáveis individuais para prever infecções por helmintos movidas ao solo entre a população de migrantes: um estudo de caso do sul da Itália, PLO ignorou doenças tropicais (2025). Doi: 10.1371/journal.pntd.0012577
fornecido por
Universidade de Lancaster
Citação: A modelagem estatística ajuda a lidar com doenças tropicais negligenciadas entre a população migrante (2025, 31 de julho).
Este documento está sujeito a direitos autorais. Além de qualquer comportamento imparcial para fins de estudos ou pesquisas privadas, nenhuma parte pode ser retroduzida sem permissão por escrito. O conteúdo é fornecido apenas para fins de informação.



