【今日の授業】マラリア疫学と対策

水曜日は午前がAIDSで午後がマラリアという科目の切り替えの日になります。

今日はマラリアのルーティン統計データをどのように分析するのかという授業でした。

ルーティンの統計データはConfounderはあるけれどInformativeで、気をつければ利用する価値は十分あるとのこと。統計をどう見るのか、マラリア関連のデータにはどのようなものがあるのかをアウトブレークかどうか判断するという状況で説明がありました。どうやってアウトブレークを見つけるか、どうやって誤った結論に行かないかということが重要になります。

アウトブレーク時には、早く兆しを見つけて準備をすることが重要で、薬を確保したりすることで死亡率などを下げることができます。ルーティンマラリアデータをモニタリングして解釈することは重要なのに、あまり教科書では取り上げられることが少ないとか。リサーチのためにも、こうしたデータの持つ強み・弱みを十分にふまえる必要があります。

サーベイランスには二つのタイプがあって、一つがPassive Case Detectionで、医療施設に来た患者さんのデータ、もう一つがActive Case Detectionで例えばMobile teamがケースを探しに行って治療を行うというもの。ただやり方は、Eradicationの時代と今では違うそうです。これらが一緒になったデータは全体像を見誤る可能性があるのでどうやって集められたデータなのか注意が必要。

Clinical/Laboratory Malaria Registerについて、どんなものか説明がありました。患者名、年齢、性別、住所の一般情報に加え、PFかPVか、両方かネガティブか、trophozoiteかgametocyteか、寄生虫数などを登録するそうです。これらのデータをまとめて報告される訳ですが、パラメーターとしては、TSE(Total slide examined), Cases, Slide Positivity Rate (SRP%, Case/TSE), Slide Falciparum Rate (FR%), Annual Parasite Index (API), Annual Falciparum Index (AFI), Annual Blood Examination Rate (ABER)などがあります。

Health Facilityでのデータの持つ弱みは、すべての人口がカバーされているわけではないこと、所得の高い層はプライベートの医療機関を利用すること、スタッフ不足だったり十分に薬がないことも多いこと、したがってこうした国ではマラリアのインパクトが過小評価されていることになります。また国の中でファシリティごとの質も違います。こうしたHealth Facilityからのデータはベストなソースとは言えません。

アウトブレークに戻りますが、ルーティンで取られたデータで、マラリアのケースが増えている時は、それだけでアウトブレークが始まっているとは言えません。本当に起こっているのか確認するためには、次のようなことを見る必要があります。ABERが増えれば多くのマラリアが見つかりますし、スタッフが変わったかもしれないし、NGOが活動を初めてケースがより見つかったかもしれないし、人口が増えたのかもしれません。これらを見るのに、TSEやSPRといったパラメターを見ていく必要があるのです。

こうしたことをふまえて、マラリア関連のパラメターの持つ意味や使い方を学ぶため、2コマ目は、実際にリサーチで取られたデータを元に、エクセルを使って分析を行いました。一つはITNによって個人がどれだけマラリアを予防できたか、年齢グループによって差があるのかという分析。エクセルのPivot Tableを使って生データを加工して結果を見るというものでした。もう一つはIRSを村毎に次期を変えて実施することで、罹患率にどのような差が出るのかといもの。こちらはInterventionしなかった前の一年と、違う時期に実施した村とのデータを比べて、IRSが効果があるのか、どの時期に行う方が効果があるということがあるのか、ということを分析しました。今日初めて出てきた統計のSignificance testで、Wilcoxon rank sum testというのがありましたが、非常に簡単なテストですぐできました。

やはりプラクティカルがあるとかなり理解も進むし、よいですね。