Google Acadêmico | Citações: 16429 | índice h: 32 | índice i10: 482
Estratificação de risco para hanseníase em área hiperendêmica combinando mineração de dados e Anti-PGL-I
PDF

Palavras-chave

Hanseníase
Diagnóstico precoce
Sorodiagnóstico
Mineração de dados
Vigilância epidemiológica

Como Citar

Estratificação de risco para hanseníase em área hiperendêmica combinando mineração de dados e Anti-PGL-I. (2025). Revista Eletrônica Acervo Saúde, 25(6), e20809. https://doi.org/10.25248/reas.e20809.2025

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.

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.

PDF

Referências

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.