Bayesian spatial analysis and disease mapping: tools to enhance planning and implementation of a schistosomiasis control programme in Tanzania

Authors


Corresponding Author Simon Brooker, Department of Infectious and Tropical Diseases, London School of Hygiene and Tropical Medicine, Keppel Street, London WC1E 7HT, UK. Tel.: +44 (0) 207 927 2614; Fax: +44(0) 207 927 2918; E-mail: Simon.Brooker@lshtm.ac.uk

Summary

Objective  To predict the spatial distributions of Schistosoma haematobium and S. mansoni infections to assist planning the implementation of mass distribution of praziquantel as part of an on-going national control programme in Tanzania.

Methods  Bayesian geostatistical models were developed using parasitological data from 143 schools.

Results  In the S. haematobium models, although land surface temperature and rainfall were significant predictors of prevalence, they became non-significant when spatial correlation was taken into account. In the S. mansoni models, distance to water bodies and annual minimum temperature were significant predictors, even when adjusting for spatial correlation. Spatial correlation occurred over greater distances for S. haematobium than for S. mansoni. Uncertainties in predictions were examined to identify areas requiring further data collection before programme implementation.

Conclusion  Bayesian geostatistical analysis is a powerful and statistically robust tool for identifying high prevalence areas in a heterogeneous and imperfectly known environment.

Abstract

Objectif  Prédire la distribution spatiale des infections par Schistosoma haematobium et S. mansoni pour aider à la planification et à l'implémentation de la distribution en masse de praziquantel faisant partie du programme de contrôle national en cours en Tanzanie.

Méthodes  Les modèles géostatistiques Bayesiens ont été développés en utilisant des données parasitologiques provenant de 143 écoles.

Résultats  Dans les modèles de S. haematobium, bien que la température de la surface terrestre et la pluviométrie étaient significativement prédictives de prévalence, elles devenaient moins prédictives lorsque les corrélations spatiales étaient prises en compte. Dans les modèles de S. mansoni, la distance aux points d'eau et la température minimale annuelle étaient significativement prédictives même après ajustement avec les corrélations spatiales. La corrélation spatiale intervenait plus fortement pour S. haematobium que pour S. mansoni. Les incertitudes dans les prédictions ont été examinées pour identifier des régions nécessitant une collection supplémentaire de donnée avant l'implémentation du programme.

Conclusion  L'analyse géo-spatiale Bayesienne est un robuste et puissant outil statistique pour l'identification de régions à forte prévalence dans un environnement hétérogène et non bien connu.

Abstract

Objetivo  Predecir las distribuciones espaciales de las infecciones por Schistosoma haematobium y S. mansoni para ayudar en la planeación de la implementación de una distribución masiva de praziquantel, como parte del programa nacional de control que se lleva a cabo en Tanzania.

Métodos  Se desarrollaron modelos geoestadísticos Bayesianos utilizando los datos parasitológicos de 143 escuelas.

Resultados  En los modelos de S. haematobiu, aunque la temperatura de la superficie terrestre y la lluvia fueron predictores significativos de prevalencia, se convirtieron en no-significativos cuando se tenía en cuenta la correlación espacial. En los modelos de S. mansoni, la distancia a los cuerpos de agua y la temperatura anual mínima fueron predictores significativos, incluso cuando se ajustaba para la correlación espacial. La correlación espacial ocurrió en mayores distancias para S. haematobium que para S. mansoni. Se examinaron las incertidumbres en las predicciones para identificar áreas que requirieran una mayor recolección de datos antes de implementar el programa.

Conclusión  El análisis geoestadístico Bayesiano es una herramienta estadística robusta y potente para la identificación de áreas de alta prevalencia en medios heterogéneos y poco conocidos.

Ancillary