Resumen
Objetivo: Investigar la aplicación combinada de laserología anti-PGL-1 y la minería de datos en la vigilancia de la lepra en un área hiperendémica. Métodos: Estudio epidemiológico con 280 contactos en Santarém-PA, utilizando clustering (K-means) como 11 variables: grupo de edad, sexo, grado de parentesco con el caso índice y período de coexistencia con el caso índice, forma clínica del caso índice, clasificación operacional del caso índice, número de habitaciones, número total de residentes y existencia de dormitorio con más de 2 personas, renta familiar, tiempo de residencia en el domicilio familiar y análisis serológico (ELISA anti-PGL-I). Resultados: Se identificaron tres grupos de riesgo (C1-C3), siendo C3 (alto riesgo) asociado a mayor carga bacilar (mediana OD=0,63), malas condiciones socioeconómicas y 54,3% de casos nuevos. La seropositividad fue del 39,6% entre los contactos. Conclusión: Este estudio demuestra que la integración de laserología anti-PGL-I con técnicas de minería de datos representa un enfoque innovador y eficaz para la vigilancia de la lepra en áreas hiperendémicas, permitiendo la identificación de tres grupos epidemiológicos distintos (C1-C3) con un gradiente creciente de riesgo asociado con la carga bacilar, las condiciones socioeconómicas y las características de los casos índice. El enfoque integrado ha demostrado ser eficaz para la estratificación del riesgo y la vigilancia específica.
Referencias
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.
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.
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.
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.
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.
BRASIL. Ministério da Saúde. Boletim Epidemiológico de Hanseníase. Brasília: Ministério da Saúde, 2021.
BRENNAN PJ e SPENCER JS. The Physiology of Mycobacterium leprae Morphology and Cell Wall. The International Text book of Leprosy. 2019;6:1-51.
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.
COSTA ILV, et al. Leprosy among children in an area without primary healthcare coverage in Caratateua Island, Brazilian Amazon. Front Med., 2023; 10: 1218388.
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.
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.
FAYYAD U, et al. From Data Mining to Knowledge Discovery in Databases. AI Magaz, 1996; 17(3): 37.
FIGINI S e GIUDICI P. Applied data mining for business and industry. 2nd ed. Nova Jersey, EUA: John Wiley & Sons Ltd, 2009.
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.
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.
HAN J, et al. Data mining: conceptsandtechniques. 3rd ed. Waltham: Elsevier; 2014.
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.
NIITSUMA ENA, et al. Fatores associados ao adoecimento por hanseníase em contatos: revisão sistemática e metanálise. Revista Brasileira de Epidemiologia, 2021; 24: e210029.
OSKAM L, et al. Serology: recentdevelopments, strengths, limitationsand prospects: a stateoftheart overview. Leprosy Review, 2003; 74(3): 196-205.
SALES AM, et al. Leprosyamongpatientcontacts: A multilevelstudyofriskfactors. PLoS Neglected Tropical Diseases, 2011; 5(3): 1-6.
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.
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.
VAN HOOIJ A, et al. Field-friendly serological tests for determination of M. leprae-specific antibodies. Sci Rep., 2017; 7(1): 8868.
WORLD HEALTH ORGANIZATION. Global leprosy strategy: accelerating towards a leprosy-free world. New Delhi: World Health Organization; 2016.
WORLD HEALTH ORGANIZATION. Global leprosy update, 2018: movingtowards a leprosy-free world. Weekly Epidemiological Record. 2019;94(35/36):389-412.
WORLD HEALTH ORGANIZATION. Leprosy. World Health Organization [Internet]. 2022 [cited 2022 Apr 4]. Availablefrom: https://www.who.int/news-room/fact-sheets/detail/leprosy.
