Analyse des séries temporelles du paludisme en Afghanistan : utilisation de modèles ARIMA pour prédire les tendances futures de l'incidence

CONTEXTE : Le paludisme reste endémique en Afghanistan. Les stratégies nationales de contrôle et de prévention seraient considérablement améliorées grâce à une meilleure capacité à prévoir les futures tendances de l'incidence de la maladie. Il est donc intéressant de développer un outil prédictif pour les schémas du paludisme basé sur le système de surveillance passif et abordable actuel dans cette région à ressources limitées. MÉTHODES : Cette étude utilise des données provenant des rapports mensuels du Ministère de la Santé Publique de janvier 2005 à septembre 2015. L'incidence du paludisme en Afghanistan a été prévue à l'aide de modèles de moyenne mobile intégrée autorégressive (ARIMA) afin de construire un outil prédictif pour la surveillance du paludisme. Des données environnementales et climatiques ont été intégrées pour évaluer si elles améliorent le pouvoir prédictif des modèles. RÉSULTATS : Deux modèles ont été identifiés, chacun approprié pour différents horizons temporels. Pour les prévisions à court terme, l'incidence du paludisme peut être prédite en fonction du nombre de cas au cours des quatre mois précédents et de 12 mois auparavant (Modèle 1) ; pour une prévision à plus long terme, l'incidence peut être prédite en utilisant les taux de 1 et 12 mois auparavant (Modèle 2). Ensuite, des variables climatiques et environnementales ont été incorporées pour évaluer si le pouvoir prédictif des modèles proposés pouvait être amélioré. Il a été constaté que l'indice de végétation amélioré augmentait la précision prédictive des prévisions à plus long terme. CONCLUSION : Les résultats indiquent que les modèles ARIMA peuvent être appliqués pour prévoir les schémas du paludisme en Afghanistan, complétant les systèmes de surveillance actuels. Les modèles offrent un moyen de mieux comprendre la dynamique du paludisme dans un contexte à ressources limitées avec des données minimales, fournissant des prévisions qui peuvent être utilisées pour la planification de la santé publique au niveau national.