Estratificação de risco para hanseníase em área hiperendêmica combinando mineração de dados e Anti-PGL-I

##plugins.themes.bootstrap3.article.sidebar##

PDF
Publicado Jun 13, 2025
DOI https://doi.org/10.25248/reas.e20809.2025

##plugins.themes.bootstrap3.article.main##

Antônio Anastasis de Oliveira Martins
Universidade do Oeste do Pará
Wanessa Figueira Nunes de Matos
Universidade do Estado do Pará
Douglas Augusto Melo dos Santos
Gabriela Reis Duarte
Universidade do Oeste do Pará
Amanda Botelho Pereira
Universidade do Estado do Pará
Junior da Silva Gomes
Universidade do Estado do Pará
Marcos Mickael Gomes Carvalho
Universidade do Estado do Pará
Glauciney Pereira Gomes
Universidade do Estado do Pará
Valney Mara Gomes Conde
Universidade do Estado do Pará
Guilherme Augusto Barros Conde
Universidade do Oeste do Pará

Resumo

Objetivo: Investigar a aplicação combinada de sorologia anti-PGL-1 e mineração de dados na vigilância da hanseníase em área hiperendêmica. Métodos: Estudo epidemiológico com 280 comunicantes em Santarém-PA, utilizando clusterização (K-means) como 11 variáveis: faixa etária, gênero, grau de parentesco com o caso índice e período de convivência com o caso índice, forma clínica do caso índice, classificação operacional do caso índice, número de cômodos, número total de moradores e existência de dormitório com mais de 2 pessoas, renda familiar, tempo de residência na moradia da família e análise sorológica (ELISA anti-PGL-I). Resultados: Identificaram-se três clusters de risco (C1-C3), sendo o C3 (alto risco) associado a maior carga bacilar (OD mediana=0,63), condições socioeconômicas precárias e 54,3% dos casos novos. A soropositividade foi de 39,6% entre os comunicantes. Conclusão: Este estudo demonstra que a integração da sorologia anti-PGL-I com técnicas de mineração de dados representa uma abordagem inovadora e eficaz para a vigilância da hanseníase em áreas hiperendêmicas, permitindo identificar três clusters epidemiológicos distintos (C1-C3) com gradiente crescente de risco associado à carga bacilar, condições socioeconômicas e características dos casos-índice. A abordagem integrada mostrou-se eficaz para estratificação de risco e vigilância direcionada.

##plugins.themes.bootstrap3.article.details##

Como Citar
MartinsA. A. de O., MatosW. F. N. de, SantosD. A. M. dos, DuarteG. R., PereiraA. B., GomesJ. da S., CarvalhoM. M. G., GomesG. P., CondeV. M. G., & CondeG. A. B. (2025). Estratificação de risco para hanseníase em área hiperendêmica combinando mineração de dados e Anti-PGL-I. Revista Eletrônica Acervo Saúde, 25(6), e20809. https://doi.org/10.25248/reas.e20809.2025
Edição
v. 25 n. 6 (2025): Revista Eletrônica Acervo Saúde (ISSN 2178-2091) | Volume 25 (6) | 2025
Seção
Artigos Originais

Copyright © | Todos os direitos reservados.

A revista detém os direitos autorais exclusivos de publicação deste artigo nos termos da lei 9610/98.

Reprodução parcial
É livre o uso de partes do texto, figuras e questionário do artigo, sendo obrigatória a citação dos autores e revista.

Reprodução total
É expressamente proibida, devendo ser autorizada pela revista.

Referências

1. ABDULNASSAR AA e NAIR LRA. Comprehensive Study on the Importance of the Elbo wand the Silhouette Metrics in Cluster Count Prediction for Partition Cluster Models, 2021; 11(4): 3792-3806.
2. BARRETO JG, et al. Soroepidemiologia anti-PGL-I em casos de hanseníase: contatos domiciliares e escolares de um município hiperendêmico da Amazônia brasileira. Hanseníase, 2011; 82(4): 358-370.
3. BARRETO JG, et al. High rates of un diagnosed leprosy and subclinical infection amongst school children in the Amazon region. Memórias do Instituto Oswaldo Cruz, 2012; 107(Suppl 1): 60-67.
4. BARRETO JG, et al. Spatial analysis spotlighting early childhood leprosy transmission in a Hyperendemic municipality of the Brazilian Amazon region. PLoS NeglTropDis. 2014;8:e2665.
5. BRASIL. Ministério da Saúde. Acompanhamento dos dados de Hanseníase - Pará. Brasília: Sistema de Informação de Agravos de Notificação - SINAN Net; 2022. Disponível em: http://tabnet.datasus.gov.br/cgi/tabcgi.exe?sinannet/cnv/hanswpa.def.
6. BRASIL. Ministério da Saúde. Boletim Epidemiológico de Hanseníase. Brasília: Ministério da Saúde, 2021.
7. BRENNAN PJ e SPENCER JS. The Physiology of Mycobacterium leprae Morphology and Cell Wall. The International Text book of Leprosy. 2019;6:1-51.
8. CASTRO SS, et al. Leprosy incidence, characterization of cases and correlation with house hold and cases variables of the Brazilian states in 2010. Anais Brasileiros de Dermatologia, 2016; 91(1): 28-33.
9. COSTA ILV, et al. Leprosy among children in an area without primary healthcare coverage in Caratateua Island, Brazilian Amazon. Front Med., 2023; 10: 1218388.
10. DA SILVA YED, et al. Application of Clustering Technique with Kohonen Self-organizing Maps for the Epidemiological Analysis of Leprosy. In: Arai K, et al. (Eds.). Intelligent Systems and Applications - Proceedingsofthe 2018 Intelligent Systems Conference, IntelliSys 2018, London, UK, September 6-7, 2018, Volume 2. Springer, Cham, 2019; 869: 295-309.
11. FABRI ACOC. Análise comparativa da reatividade anti-LID-1, NDO-LID, NDO-HSA e PGL-1 em hanseníase. Belo Horizonte: Universidade Federal de Minas Gerais; 2015.
12. FAYYAD U, et al. From Data Mining to Knowledge Discovery in Databases. AI Magaz, 1996; 17(3): 37.
13. FIGINI S e GIUDICI P. Applied data mining for business and industry. 2nd ed. Nova Jersey, EUA: John Wiley & Sons Ltd, 2009.
14. FRADE MCA, et al. Unexpectedly high leprosyseroprevalencedetectedusing a random surveillance strategy in mid western Brazil: A comparison of ELISA and a rapid diagnostic test. 2017.
15. GOBBO AR, et al. NDO-BSA, LID-1, and NDO-LID Antibody Responses for Infection and RLEP by Quantitative PCR as a Confirmatory Test for Early Leprosy Diagnosis. Front Trop Dis., 2022; 3: 850886.
16. HAN J, et al. Data mining: conceptsandtechniques. 3rd ed. Waltham: Elsevier; 2014.
17. MOURA RS, et al. Leprosy serology using PGL-I: a systematic review. Revista da Sociedade Brasileira de Medicina Tropical, 2008; 41(Suppl 2): 1-8.
18. NIITSUMA ENA, et al. Fatores associados ao adoecimento por hanseníase em contatos: revisão sistemática e metanálise. Revista Brasileira de Epidemiologia, 2021; 24: e210029.
19. OSKAM L, et al. Serology: recentdevelopments, strengths, limitationsand prospects: a stateoftheart overview. Leprosy Review, 2003; 74(3): 196-205.
20. SALES AM, et al. Leprosyamongpatientcontacts: A multilevelstudyofriskfactors. PLoS Neglected Tropical Diseases, 2011; 5(3): 1-6.
21. SILVA GAMA R, et al. Prospects for new leprosy diagnostic tools, a narrative review considering ELISA and PCR assays. Revista da Sociedade Brasileira de Medicina Tropical. 2020;53:e20190535.
22. SPENCER JS, et al. Identification of serological biomarkers of infection, disease progression and treatment efficacy for leprosy. Memórias do Instituto Oswaldo Cruz. 2012;107(Suppl 1):79-89.
23. VAN HOOIJ A, et al. Field-friendly serological tests for determination of M. leprae-specific antibodies. Sci Rep., 2017; 7(1): 8868.
24. WORLD HEALTH ORGANIZATION. Global leprosy strategy: accelerating towards a leprosy-free world. New Delhi: World Health Organization; 2016.
25. WORLD HEALTH ORGANIZATION. Global leprosy update, 2018: movingtowards a leprosy-free world. Weekly Epidemiological Record. 2019;94(35/36):389-412.
26. WORLD HEALTH ORGANIZATION. Leprosy. World Health Organization [Internet]. 2022 [cited 2022 Apr 4]. Availablefrom: https://www.who.int/news-room/fact-sheets/detail/leprosy.