Are Alternative Strategies Required to Accelerate the Global Elimination of Lymphatic Filariasis? Insights From Mathematical Models
Notice bibliographique
Résumé
Background: With the 2020 target year for elimination of lymphatic filariasis (LF) approaching, there is an urgent need to assess how long mass drug administration (MDA) programs with annual ivermectin + albendazole (IA) or diethylcarbamazine + albendazole (DA) would still have to be continued, and how elimination can be accelerated. We addressed this using mathematical modeling. Methods: We used 3 structurally different mathematical models for LF transmission (EPIFIL, LYMFASIM, TRANSFIL) to simulate trends in microfilariae (mf) prevalence for a range of endemic settings, both for the current annual MDA strategy and alternative strategies, assessing the required duration to bring mf prevalence below the critical threshold of 1%. Results: Three annual MDA rounds with IA or DA and good coverage (≥65%) are sufficient to reach the threshold in settings that are currently at mf prevalence <4%, but the required duration increases with increasing mf prevalence. Switching to biannual MDA or employing triple-drug therapy (ivermectin, diethylcarbamazine, and albendazole [IDA]) could reduce program duration by about one-third. Optimization of coverage reduces the time to elimination and is particularly important for settings with a history of poorly implemented MDA (low coverage, high systematic noncompliance). Conclusions: Modeling suggests that, in several settings, current annual MDA strategies will be insufficient to achieve the 2020 LF elimination targets, and programs could consider policy adjustment to accelerate, guided by recent monitoring and evaluation data. Biannual treatment and IDA hold promise in reducing program duration, provided that coverage is good, but their efficacy remains to be confirmed by more extensive field studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».