East-West Center/Thai Red Cross Society Collaboration on HIV Modeling, Paquete de Estimaciones y Proyecciones para Múltiples Grupos y Epidemias ONUSIDA/OMS EPP Tim Brown East-West Center/Thai Red Cross Society Collaboration on HIV Modeling, Analysis & Policy Abril 2003

Objetivo final Desarrollar un modelo sencillo que: Permita a los países estimar la carga actual del VIH Permita proyecciones de corto plazo (5-años) Sea epidemiológicamente factible Pueda reproducir las tendencias mundiales del VIH de una forma real Pueda ser aplicado en el país Idealmente una curva sencilla que se ajuste a todas las situaciones, pero…

Parafraseando a Willy Fowler: Una de las grandes tragedias de la epidemiología moderna es la muerte elegante de los modelos por unos datos fríos y poco atractivos Tratamos de ajustar modelos sencillos, pero no llegan a ajustarse completamente……

Lecciones amargas del mundo real Dinámicas del mundo real son complejas Nunca una “sola” epidemia de VIH Cada una consiste de múltiples sub-epidemias Afectan diferentes sub-poblaciones En diferentes áreas geográficas Involucran diferentes velocidades

Lecciones amargas del mundo real Modelar países grandes requiere la descomposición geográfica Imagen poco clara de los países más grandes, Ej.., China, India e Indonesia Epidemias generalizadas a menudo varían enormemente entre zonas urbanas y rurales Variaciones en intensidad Variaciones en el tiempo

Lecciones amargas del mundo real Epidemias concentradas difieren radicalmente de país a país Contribuciones variables de las sub-poblaciones Diferentes momentos en que la epidemia despega Velocidades variables de la evolución de las sub-epidemias

Por lo tanto necesitamos un instrumento que…. Maneje la diversidad geográfica Incorpore las epidemias en la sub-poblaciones Obtenga diferente ajustes para cada tendencia de VIH observadas en las sub-poblaciones y geográficamente Simplifique el proceso de combinar sub-epidemias en “la” epidemia nacional

Procedimiento Comenzar con la información existente sobre tendencias Ajustar un modelo a la información Probar los posibles parámetros epidemiológicos Elegir un serie que minimice los mínimos cuadrados Proyectar el curso futuro basado en los parámetros ajustados

Ajuste de una epidemia

¿Porque no usar la función gamma? Epimodel se fundamenta en la función gamma modificada para la mortalidad de VIH, pero…. Incidencia siempre va a cero, ya que la función gamma no puede reproducir epidemias endémicas Ajustes a corto plazo generalmente subestiman las tendencias de la prevalencia a largo plazo y siempre muestran tendencias decrecientes Con más datos se harán más pronunciadas, pero todavía no reconcilian el estado endémico

Función gamma ajustando datos de Congo

Lo que ajustamos – Modelo del Grupo de Referencia Usa un modelo epidemiológico factible Incorpora cambios de población en el tiempo Ajusta 4 parámetros r – controlando la tasa de crecimiento f0 – proporción de nueva población a riesgo entrante t0 – año de comienzo de la epidemia  – parámetros de cambio de comportamiento

Ajuste del Grupo de Referencia de los datos de Congo

Parámetros del Grupo de Referencia  f0 t0 r

Efecto de variar r –tasa de crecimiento

Efecto de variar f0 – nuevos a riesgo entrantes

Efecto de variar t0 – tiempo de inicio de la epidemia

Efecto de variar phi – recrutamiento  =100  = 0  = -100

Página de Proyección en EPP

Construir una epidemia nacional en EPP Ajuste de curva Unidad básica de computación Representa una sub-población específica de personas vulnerables al VIH EPP recoge información demográfica y tendencias de VIH para esta sub-población Después ajusta el modelo del Grupo de Referencia a las tendencias de VIH en esa sub-población C

Construir una epidemia nacional en EPP Sub-epidemia Está compuesta de una o más ajustes de curva Opcionalmente incluye otras sub-epidemias Total VIH en una sub-epidemia se obtiene sumando VIH y sus ajustes de curva y sub-epidemia SE1 C C SE2 C

Construir una epidemia nacional en EPP Libro (la epidemia nacional) Incluye todos los ajustes de curva y las sub-epidemias utilizadas para construir la epidemia nacional Opcionalmente pueden utilizarse sub-epidemias parar modelar distintas áreas geográficas Total VIH es la suma de VIH en todos los ajustes de curva contenidos en el libro

Árbol del libro Libro C C SE1 C C SE2 C

Ejemplos de libros - Botswana Urbana Rural

Ejemplos de libros - Tailandia Norte Noroeste Central Sur BKK FTS Cliente UDI Remant FTS Cliente UDI Remante

Planillas – epidemias predefinidas Planillas por defecto Concentrada Urbana-Rural Usuariæ puede crear y dar nombre a sus propias planillas Desgloses geográficos Sub-poblaciones específicas

Demo I Página Libro de hojas de cálculo Página Definir una epidemia Crear un libro Crear un libro de una planilla Página Definir una epidemia Añadir y borrar ajustes de curva Añadir y borrar sub-epidemias Añadir una planilla

Página Libro de hojas de cálculo en EPP Selección nombre y país Panel libro Estructura epidemia Panel planilla

Página Definir epidemia en EPP Botones para añadir y borrar ajustes de curva y sub-epidemias Estructura epidemia

Definir sus poblaciones en EPP Especificar año base y población total en ese año Por defecto: Pob NU para 2003 Para año base Especificar número en cada sub-población Reducir la población no asignada a cero

Definir sus poblaciones en EPP Elegir características especiales de la población MSM, UDI, FTS, Clientes, ITS, o bajo-riesgo Definir parámetros demográficos Proporción de hombres b – tasa de nacimientos mu – mortalidad l15 – supervivencia a edad 15 gr – 15+ tasa de crecimiento poblacional

Página Definir poblaciones Demo II Página Definir poblaciones Asignación de población y división entre los ajustes de curva en el libro de hojas de cálculo

Página Definir poblaciones en EPP Población nacional y sin asignar Características especiales Demográficos

Página Entrada de datos en EPP Medias y medianas automáticas Nombres puestos definidos por usuariæ Prevalencia por puesto y año

Ajuste de datos en EPP Ajuste de la prevalencia Ponderaciones Aumentos y disminuciones anuales de una combinación variable de puestos centinelas de prevalencias altas y bajas 0.8 ajuste para puestos rurales por defecto – sobrestimación de la prevalencia real en muchos lugares Ponderaciones Aplicadas por puesto Inclusión selectiva de puestos Doble-click la caja para incluir/excluir puestos específicos

Ajustes de la Prevalencia en la Página de Entrada de datos Reduce o aumenta los valores de la prevalencia antes de utilizarlos para el ajuste Ajusta la falta de representatividad de los puestos disponibles Si los puestos subestiman la prevalencia, use ajuste, > 1.0 Si la sobrestima, use ajuste < 1.0 Grupo de Referencia recomienda usar 0.8 para las proyecciones rurales

Ponderaciones y cajas en la Página Entrada de datos Ponderaciones utilizadas al calcular medias, medianas y mínimos cuadrados Cajas excluyen puestos completamente

Demo III Página Entrada de datos Efecto de los ajustes de la prevalencia, ponderaciones y cajas

Página de Proyecciones en EPP Que & como ajustar Valoración inicial

Página proyección EPP - Características Puede ajustar diferentes cosas: Todos los datos Medianas Medias Todos los ajustes se hacen con correcciones, selección de puestos y ponderaciones aplicadas por læ usuariæ de la página Entrada de datos

Página Proyecciones EPP - Características Puede ajustar de diversas maneras Fijar t0, variar r, f0 y phi (por defecto) Fijar todas las variables (t0, r, f0 y phi) Fijar r, variar el resto Fijar f0, variar el resto Si marca “Fijar phi”, no hace al ajuste de phi Usuariæ puede cambiar las valoraciones iniciales

Página Proyección en EPP Mejor ajuste & cambios usuariæ

Página Proyección – Características Puede cambiar los parámetros manualmente después de ajustar y grabar los resultados Puede restaurar el mejor ajuste si está todo hecho un lío

Página Resultados EPP Permite examinar cualquier combinación de ajustes de curva y sub-epidemias Puede graficar los datos originales Puede ver tendencias en la prevalencia, número de VIH+, y tamaños de las sub-poblaciones Permite ver los resultados numéricos Puede generar ficheros de Spectrum

Página Resultados EPP Que ajustes de curva y sub-epidemias mostrar Grafica de resultados Que mostrar Obtener números, exportar a Spectrum

Página de Control de consistencia Necesita comprobar sus epidemias concentradas con: Posibles tamaños de sub-poblaciones Prevalencias máximas observadas Razón de infección bajo-riesgo a alto riesgo

Página de Control de consistencia Control tamaño sub-pob Control Prevalencia Control Ba-riesgo/Alt-riesgo

Demo IV Página proyección Página Resultados Control de consistencia Ajustar la epidemia Página Resultados Ver los resultados Control de consistencia Validar su epidemia concentrada

Y si tiene alguna pregunta sobre esta página… Simplemente apriete el botón de “Ayuda”! Ayuda específica de página Explicaciones más detalladas

¿Cuando utilizamos EPP? Recomendación del Grupo de Referencia: Cuando tenemos 5 años de datos de tendencias de las población de alto-riesgo

¿Cómo debemos usar EPP? Para las proyecciones de 5 años en el futuro: Por defecto año de fin en 2008 Usuario puede cambiarlo en la página de libro, pero no se recomienda Examinar la influencia de los componentes de la sub-epidemia y la oportunidad Mirar el impacto de las diferentes sub-poblaciones Explorar los diferentes ajustes para las sub-poblaciones Oportunidad y altura del punto máximo, nivel endémico

Aspectos técnicos al aplicar EPP Epidemias concentradas Tamaño de las poblaciones a riesgo Inclusión de poblaciones - parejas de “bajo-riesgo” Uso de la “población remanente” Considerar la validez de generalizar estudios limitados de poblaciones de alto-riesgo

Aspectos técnicos al aplicar EPP Siempre Revise el impacto de los valores atípicos (outliers) en el ajuste Ejecutar Control de consistencia para validar con la experiencia internacional

Aspectos a considerar Cuando usar EPP y cuando las hojas de cálculo en las epidemias concentradas Disponibilidad de datos Tendencias necesarias para EPP Confianza en los estimados de los tamaños de las sub-poblaciones clave

Puntos finales Las herramientas no pueden sustituir la falta de datos Las herramientas no pueden mejorar datos malos BEBE (basura entra, basura encuentra) Por lo tanto, las herramientas deben verse como parte de un proceso para mejorar los sistemas de vigilancia y preparar estimados más precisos El proceso será finalizado a través de los años

Descripción Modelo Formal Z = población a-riesgo X = población no a-riesgo Y = infectado N = X + Y + Z   Para los que tengan un estomago resistente (no mostrar después del almuerzo):