Vaccination to mitigate climate-driven disruptions to malaria control in Madagascar
编辑总结
结构化摘要
介绍
理由
结果
结论
摘要
极端天气在疟疾高负荷地区很常见，并且由于与气候变化相关的恶劣天气事件，极端天气的严重程度可能会增加。然而，关于这些事件后的感染率以及规划疾病控制计划的后果的数据仍然很少。马达加斯加主要热带气旋过后疟疾感染的数据表明，在极端事件发生后发生的干预措施的间隙期间，感染可能会迅速反弹。相对于其他控制方案，最近上市的疟疾疫苗具有更长的保护期，有可能解决预防和治疗部署中断的问题。通过评估气候背景下疫苗接种的使用，我们量化了一系列疫苗接种情景下预期有症状感染的减少。
疟疾仍然是一个重大的全球卫生挑战（1）。许多工作调查了气候变化的同时挑战如何威胁疟疾控制 （1）。气温上升会改变病媒蚊子的动态 （2–4），从而改变感染风险 （5， 6），特别是在海拔和纬度传播边缘的疟疾负荷低地区 （7–10）。相比之下，极端天气事件（其中某些类型的事件可能会因气候变化而增加频率或严重程度）（11-14）会扰乱公共卫生工作（15-20），包括在疟疾负担集中的地区。例如，热带气旋可能会通过洪水、人口疏散或流离失所以及住房和诊所的破坏等多种机制改变感染风险（18、21、22）。因此，蚊媒数量、宿主感染暴露情况以及预防和治疗的获取和使用可能会发生变化。然而，尽管在疟疾流行地区接触此类事件的比例很高，但关于气候相关灾害对疟疾控制工作影响的数据仍然很少（18、20、21、23、24）。
评估与天气事件破坏相关的疟疾负担和潜在的缓解策略需要考虑疟疾控制活动不断变化的格局。为了应对高负担国家疟疾控制进展停滞以及新治疗和预防工具的开发 （1， 25），世界卫生组织 （WHO） 和国家疟疾控制规划建议扩大干预措施的部署，包括大规模分发抗疟药化学预防和治疗 [例如，季节性或常年疟疾化学预防 （SMC 和 PMC， 分别）]和疫苗接种（见表S1）。连续性对于这些干预措施至关重要，因为在没有定期重新管理的情况下，它们的有效性会随着时间的推移而迅速下降。极端天气事件通过延迟或降低公共卫生活动来威胁这种连续性 （18）。要了解这对实现疟疾控制目标构成的障碍，需要有关可能中断期间感染风险的详细数据。然而，监控系统的局限性使得此类数据很少见（21,26-30）。
马达加斯加容易受到气候变化的影响，因为南印度洋主要气旋的频率和严重程度不断增加 （31-33）（图 1）。近年来，风暴反复造成人道主义紧急情况，造成了广泛的破坏、人口流离失所和对医疗保健相关基础设施的破坏（数据 S1）。特别是，气旋巴特西莱和弗雷迪摧毁了 >300 个卫生设施 （34-36），并在 2022 年和 2023 年分别导致估计有 112,115 人和 290,000 人需要紧急人道主义援助 （33， 37）（图 1C）。
气旋后疟疾感染率差异很大
描述疟疾感染率
在常规干预下观察到飓风后疟疾感染的力量
我们从 10 个随访采样时间点得出了按年龄和季节划分的感染力 （FOI） 的估计值（参见方法;图 S3）。学龄儿童的 FOI 达到峰值（图 S4），与该群体中常见的较高感染频率一致 （40， 41）。传播随季节变化，预计一个月内感染的学龄儿童百分比从10月的0.8%至9.1%到5月的4.9%至44.3%不等（图2B）。在较高的 FOI 站点（例如，MNJ.01、MNJ.08、MNJ.09 和 MNJ.10），我们估计在气旋巴茨雷和弗雷迪之后的 2 个月内，13.5% 至 35.6% 的幼儿和 20.0% 至 49.1% 的学龄儿童感染了疟疾（图 2C 和图 S4B）。不同地点的感染年龄结构相似，气旋前后相似（图 S3D）。
凭借这些根据经验得出的对仅常规干预措施（即蚊帐和现有治疗机会）下感染率规模的估计，我们评估了计划补充疟疾干预措施的潜在影响，以及飓风季节对这些干预措施的干扰。我们探讨了在疟疾高传播背景下部署一套抗疟疾干预措施的情景，在部署的初始阶段，传染性宿主可能相对于目标亚群很大。然后，我们估计了干预措施部署暂时中断时疟疾感染反弹的速度。
疟疾发病率对短暂的控制中断很敏感
疟疾干预覆盖率时间差距的后果
包括马达加斯加在内的疟疾高负担国家 （42） 的当前计划建议实施或扩大使用抗疟疾药物的干预措施，以减轻目标人群的负担，作为对现有蚊帐分发和常规诊断和治疗基础活动的补充。方法使用常规给药联合疗法，其中包含半衰期短的标准一线抗疟药，防止再次感染 13 至 15 天 （43），以清除现有感染 [大规模给药 （MDA） 或大规模检测和治疗 （MTaT） （44）]，针对传播阶段的药物 [例如，单次低剂量 （SLD） 伯氨喹]，或使用更持久的抗疟药，保护 21 至 42 天 （45，46），以预防新的感染 [SMC、PMC 或疟疾的间歇性预防治疗 （IPT）]（见表 S1）。
我们探索了在现有常规临床护理的背景下，在观察到的 FOI 范围内部署这些补充干预措施中的每一种，在季节性周期的不同时间点引入随访给药轮次的延迟（见方法）。停止给药后，保护作用以药物或干预半衰期决定的速度衰减，感染以该地区和年龄组的 FOI 决定的速度积累（图 3A）。马达加斯加的历史气旋数据表明，风险最高的时间间隔发生在 1 月至 4 月之间（图 3B），占有记录的热带气旋的 81.8%。
发病率反弹结果对 FOI 估计值的变化具有稳健性
我们对FOI的初步估计表明，当基于药物的治疗和预防覆盖率停止时（例如，按地点划分的学龄儿童在8至92天内达到10%），患病率会迅速反弹。疟疾传播动态的未来变化或 FOI 初步估计的不确定性可能导致反弹率的变化。例如，由于RDT敏感性不完善或同一宿主多次感染而低估感染宿主将导致FOI低估（图S5）。为了解决这个问题，我们评估了一系列 FOI 场景（图 3C）。正如预期的那样，FOI 的增加导致患病率更快达到阈值患病率水平（例如，对于学龄儿童，FOI 增加 50% 时，患病率提前 3 至 31 天达到 10%），这表明即使允许不完美的 RDT 敏感性或其他低估来源，患病率也会快速反弹。
或者，可以通过降低在中断事件发生前通过干预实现的传播强度，或通过改善获得常规临床护理的机会来降低 FOI。然而，即使在早期干预显着降低传播率的乐观情景中，高 FOI 站点的流行率反弹也仅略有延迟（例如，延迟 8 或 9 天，站点 MNJ.01 和 MNJ.10 的 FOI 下降 50%）。这些数据表明，面对气候驱动的 FOI 范围可能在中度至高度传播环境中的中断，使用目前可用的药物的基于化学预防的干预方案在维持低感染患病率方面效果有限。
气候驱动的疾病控制中断下的疫苗接种
模拟疫苗接种
疫苗接种有可能减轻极端天气事件后的疟疾负担
疫苗接种结果具有适度的疗效和覆盖率
讨论
我们发现，马达加斯加热带气旋过后疟疾（再）感染的风险足够高，以至于伴随此类事件对公共卫生活动的干扰对疾病控制的进展构成相当大的威胁。理想情况下，感染率的估计值是通过高度敏感的诊断（例如聚合酶链反应）确定的 （50， 55）。在马达加斯加，与许多先进卫生基础设施访问有限的环境中一样，诊断选项仅限于可现场部署的 RDT，这些 RDT 无法检测到某些感染（例如，寄生虫血症仍低于检测阈值的感染）（56）。考虑到预期诊断不确定性的敏感性分析表明，我们对 FOI 的估计可能是保守低估的——飓风后的感染率可能甚至高于我们的观察结果。
目前的疫苗缺陷和不确定性，包括不同环境的成本效益不同、传播阻断活性最小以及可用数据的年龄范围有限（例如，4岁<儿童）（57-59），使得现有疫苗如果单独部署，不太可能减少疟疾传播。需要结合多种控制措施来减少高传播环境中存在的大量且通常无症状的传染性宿主，并且在传染性宿主减少之前，人群仍然容易受到干预措施的短暂中断的影响。我们的推论基于马达加斯加沿海的中度至高度传播背景，近年来疟疾发病率一直在上升，这表明尽管对蚊帐进行了投资并获得了常规护理，但大型传染性宿主顽固地存在。未来的建模研究可以描述推动 FOI 持续下降所需的时间和条件——可能通过核心疟疾控制活动来实现，例如更多地获得标准预防和治疗——以及干预制度、FOI 之间的反馈以及疫苗接种等新控制措施的益处。与此同时，即使考虑到目前的局限性，部分缩小非疫苗预防或治疗计划覆盖率的时间差距的能力也可能对疫苗起重要作用。
在这种复杂的形势下，为应对灾害（例如飓风）而部署疫苗接种不应分散对其他措施的投资的注意力，包括在人口流离失所期间部署蚊帐（60-62）、加强卫生设施抵御破坏（63、64），以及减少对风暴易受影响的基础设施的依赖的预防性分配策略。可能需要将预防方法与不同的动力学相结合，即对周期性中断和保护持续时间具有不同的敏感性，以减轻极端天气对疾病控制工作的影响。
我们的研究必然局限于对气旋后总感染风险的估计。未来调查的一项具有挑战性但重要的任务是将背景和季节性趋势带来的风险比例与极端天气事件的直接和间接影响分开。来自未受飓风影响的年份或地点的可比时间序列数据可能允许探索反事实情景 [即，在没有风暴影响的情况下估计感染率 （65）] 并确定特定机制的相对作用。然而，本研究的两个气旋季节（2022 年和 2023 年）都以大风暴为特色，并且缺乏关于直接估计该地区疟疾感染率和病媒动态的长期数据，因此无法进行此类分析。此外，风暴影响将与疟疾风险的多年变化相互作用，例如，定期的大规模蚊帐活动、往年风暴对基础设施造成的任何残留破坏，或为应对日益严重的风暴而改变的人口疏散或流离失所。
对于气旋，历史（十年）频率模式可用于确定主动接种疫苗的优先区域，可能通过预测未来气旋分布来更新（14,66）。 在较短的时间尺度上，改进对一个地区气旋季节的预报 （67） 可能会改进规划，尽管预测的限制降低了沿单个风暴轨迹预期部署疟疾干预的可行性。其他破坏，如冲突，可能更难预测，但在气旋、冲突和疟疾暴露程度高的环境中进行干预，如也门（68 例）或索马里（69 例），可能有助于减轻疾病负担。未来规划可能会发生变化，下一代疫苗（例如 mRNA 疫苗）可能会提高对临床疾病和传播阻断的有效性 （70）。
气候变化放大了某些极端天气事件 （71） 的风险，包括热带气旋 （11），对健康造成潜在的毁灭性后果 （18）。在气候变化和疟疾的研究中，气候驱动的灾害可能造成的破坏的作用以及最佳应对方案被忽视了。使用来自马达加斯加的数据，我们表明，疟疾保护的中断威胁到减轻疾病负担的努力。最近，疟疾的疫苗接种已经可用，并提供了足够持久的保护作用的可能性，可以在飓风及其后果等破坏性事件中持续存在。迄今为止，对疫苗接种的成本效益和疫苗部署的地理优先次序的评估并未考虑到在疫情中断时期对疾病进行持久保护的额外好处。我们的研究结果强调了疫苗的战略用途：部署在容易受到公共卫生活动频繁干扰的地区。
材料和方法
研究区域：马达加斯加东南部马南贾里区
疟疾流行病学背景
本研究已通过哈佛大学陈曾熙公共卫生学院机构审查委员会 （IRB） 的审查和批准 （IRB#21-0111）。马南贾里区（瓦托瓦维地区）位于马达加斯加东南部，是一个常年疟疾传播的沿海地区。该区向区首府马南贾里市（南纬 -21.22°，东经 48.35°）的北部和南部延伸约 60 公里，该地区唯一的医院就位于该地区。截至 2018 年，该地区约 90% 的人口居住在农村 kaomina（“公社”）（马达加斯加国家统计研究所）。
根据疟疾指标调查，2011年至2021年，马达加斯加东海岸5岁或以下儿童的疟疾患病率平均为9%至18%（54,72-74），将该地区置于世卫组织定义的“中度传播层”。就季节性而言（图 S10），根据对卫生机构数据的重新分析 （75， 76），估计 12 月至 5 月的患病率较高 （75， 76），在 4 月左右达到峰值 （77）。该地区最近很少有主动抽样的流行病学研究，但 2017 年从横断面流行率调查来看，不同地区的患病率从 3% 到 46% 不等 （40， 78）。自2022年以来，全球疟疾发病率的估计值来自疟疾地图集项目的R（79）中的疟疾地图集包。
在马南贾里区获得预防、诊断和治疗
极端天气事件数据
有关极端天气事件发生的历史数据来自美国国家海洋和大气管理局 （NOAA） 国际气候管理最佳轨道档案 （IBTrACS） （80） 数据（2025 年 2 月 20 日访问）和灾害流行病学研究中心 （CRED） 的国际灾害数据库 （EM-DAT）（2024 年 2 月 21 日访问）。有关天气事件的完整列表，请参阅数据 S1。我们的数据表明，在研究区热带气旋过后，长期、大规模的种群分散或疏散并不常见。例如，我们观察到 540 个积极登记的家庭中有 524 个 （97%） 在气旋“弗雷迪”过后的一个月内回到了他们的主要住所。
搜索标准是风眼经过一个国家海岸线 60 海里（约 111 公里）缓冲区内的所有风暴。选择这个缓冲区是因为极端降雨和大风可能会延伸到风暴的直径。热带气旋分类遵循大西洋盆地使用的萨菲尔-辛普森等级。平均日温度估计值是从 ERA5-Land 后处理每日统计数据中的 2m 温度获得的，平均日降水估计值是从 ERA5-Land 每小时再分析数据中获得的，这些数据来自哥白尼气候变化服务 （C3S） （81）。对于这两者，提取了 2019 年至 2024 年的数据，并在坐标 20.8°S 至 21.7°S 和 48.1°E 至 48.5°E 以边界区域（对应于 Mananjary 地区）进行平均。
纵向抽样
前瞻性队列研究
在 2021 年 7 月至 10 月的基线样本期间，招募并招募了均匀分布在 10 个农村抽样集群（社区或塔纳纳）中的 500 个家庭的分层随机样本。在入组前获得了研究参与者的知情同意或同意。对登记家庭进行纵向随访，进行10个随访抽样时间点。集群是农村（定义为距离马南贾里区首府超过 5 公里），平均相距约 10 公里。
研究程序已获得哈佛大学陈曾熙公共卫生学院机构审查委员会 （IRB） 的批准 （IRB#21-0111）、马达加斯加公共科学部 （No019/MSANP/SG/AMM/CERBM 2021）、马南贾里地区卫生办公室、地方政府当局和社区领袖。
图 S1 显示了每个时间点的队列阴性、阳性和未采样的 RDT 比例。参与率以接受筛查的登记个体的百分比计算，每个时间点的参与率范围为 62.5% 至 91.0%。我们认为具有乳酸脱氢酶 （LDH） 或富含组氨酸蛋白 2 （HRP2） 抗原可见条带的个体为阳性。根据制造商的方案，使用的 RDT 是 AccessBio CareStart Pf/Pan RDT 或 Abbott Diagnostics Bioline Malaria Ag Pf/Pan RDT。测量之间的持续时间（见下文）表明持续阳性可能很少见 （82）。
疟疾和症状筛查
登记家庭中的所有人每隔约 2 个月接受一次疟疾筛查（样本之间的平均间隔 = 57.4 天，中位数 = 52 天，n = 20,718 个总观察结果）。筛查时采用RDT现场诊断，并在干血斑（DBS）上采集血样进行后期分子确认。个人或年幼儿童的代理人还完成了一份关于蚊帐使用情况和症状的问卷，改编自 （83， 84）。进行敏感性分析以考虑RDT的敏感性和特异性（图S5）。
现场医生使用马达加斯加标准一线治疗（青蒿琥酯阿莫地喹，AS+AQ）为现场医生提供基于青蒿素的联合疗法 （ACT） 治疗，对疟疾呈阳性反应的个体。为了观察治疗依从性，研究团队至少直接观察了 3 天疗程的第一剂。有症状的个人或要求咨询的个人可以与现场医生进行咨询。
考虑RDT的敏感性和特异性
由于 RDT 的敏感性和特异性不完善，假阳性和假阴性 RDT 结果可能会对感染率的推断产生偏差。根据之前的一项研究，马达加斯加东海岸地区估计 97% 的感染是由恶性疟原虫引起的，88% 的 RDT 阳性感染是通过分子随访确认的 （85）。在诊断性能研究中，RDT 敏感性和特异性估计约为 80% 至 90% （86， 87）。
我们使用二项式抽样方法来探索诊断错误的影响。我们通过从概率为 1 的二项式分布中抽取“假阴性”——灵敏度使得一小部分 RDT 阴性变为正。同样，我们通过从概率等于特异性的二项式分布中抽取“假阳性”，使得一小部分 RDT 阳性变为阴性。图 S5 显示了一系列灵敏度和特异性值的模拟，其中我们重复了 500 次重复的 FOI 估计方法（在下一节中描述）。这些结果说明了在合理的灵敏度和特异性范围内的最小偏差。当阳性检测的比例很小时，考虑到可能的假阴性会导致预期感染比例增加。对于阳性检测比例高（即约 50%）的部位，假阴性和假阳性的可能性相似，因此预期感染比例变化最小。
估计 FOI
感染概率达到给定阈值之前的间隔将取决于目标患病率和个体再次感染的速度。这通常由一个参数来表征λ，FOI，它定义了易感个体被感染的比率。然后，催化模型 （88） 将直到时间 t 之前逃避感染的概率定义为
与生存分析的结果相呼应，并且通过时间 t（或感染的累积密度函数）被感染的概率是补码
对于疟疾，感染者在当前感染期间容易受到额外感染（称为重复感染），马达加斯加报告了表明重复感染的多克隆感染 （85， 89）。鉴于本文考虑的时间间隔较短（例如，<2个月），当每个间隔的总体感染概率较低（即<10%）时，个体的多次感染事件（重复感染）可能很少见（即<1%）;对于估计感染率较高的地点或年龄组，我们可以通过向上扩展（最高 100%）并评估对焦点指标的影响（即感染反弹时间）来调整可能低估的 FOI（鉴于我们无法估计重复感染）（图 3C）。
由于马达加斯加迄今为止没有报告对 ACT 抗疟药耐药性的证据，因此我们假设寄生虫的无性和有性阶段的清除率很高。鉴于我们对感染个体早期抗疟治疗剂量的直接观察，我们假设治疗过程的依从性很高，治疗后寄生虫感染成功清除，尽管可能出现不完全依从性或清除的情况。因此，虽然我们假设个体在t我和t我+1反映在时间间隔内发生了新的感染，这可能会高估感染率。与考虑低估类似，我们可以通过探索一系列 FOI 值来解释这种不确定性。
FOI 可能会根据时间不变的协变量而变化，例如地理位置和个人年龄（在所考虑的时间尺度上大约是时间不变的）。我们可以使用广义线性模型来拟合这些量，该模型使用互补对数-对数链接拟合二项式似然。定义λ^作为估计的信息自由，以及t我作为时间间隔 i 的天数长度，估计在时间间隔 i 上被感染的概率为π我=1−经验值−λ^t我.将互补对数-对数转换应用于此项可生成η我=日志−日志1−π我它扩展为η我=日志λ^+日志t我.因此，将模型拟合为η我=βX我+日志t我作为链接函数，其中 β 是系数向量，并且X我是区间 i 的协变量的相应设计矩阵，并且 log（t我） 作为偏移量拟合，我们得到一个统计表达式，该表达式提供了 FOI 的估计值λ^作为 exp（βX我) (90）。
设计矩阵中包含的协变量集X我可以包括因子的指标（例如，地点）和预期非线性波动的连续变量的平滑项（例如，年龄）。为了在 FOI 中包括季节性波动，我们引入了一个额外的协变量，反映每个测量区间的每个人暴露于不同传播季节的天数（例如，每个月中的天数）。Month 用作代理来捕获潜在气候变量 （如温度、降水和湿度） 的变化，以及 （如主机或向量行为） 在一年中变化的其他特征。我们还包括在观察感染状态前 2 周内的蚊帐使用情况，在采样时通过召回收集，作为分析子集中的协变量。一小部分 （20,718 例中的 353 例 = 1.7%） 的观察结果缺失蚊帐数据，并被排除在以蚊帐使用情况为预测因子的分析之外。最后，我们纳入了家庭的随机效应，以反映一些家庭的个体在每个时间间隔内持续感染，而其他家庭的个体则没有。然后，FOI 的最终表达式由
其中参数 α 对 10 个研究地点中的每一个都采用不同的值，s（年龄我）表示年龄变化的平滑模式，Mj，i反映个体在间隔 I 内暴露于一年中的第 j个月的天数（直接从数据中获得），参数 γj将其转换为该时间间隔内对 FOI 的特定月份影响，c我是报告的个体在间隔内床帐使用情况的二分指标，并且H我对应于反映个人 i 家庭的随机效应。
除了使用月份作为代理来捕捉疟疾传播性季节性变化的方法外，我们还直接探讨了感染与温度和降水之间的关联。我们重新运行分析，包括采样间隔内的平滑日平均气温和降水量作为预测变量，无论有没有月份，添加温度（T，区间 i 的平均日气温）和降水量（P，区间 i 的平均累积降水量）：
使用月份条款：
无月份条款：
作为温度和降水函数的估计感染模式不稳定（例如，温度的部分影响在20°C以下最高，并且在很大程度上与零重叠），并且没有显着改善模型拟合（图S12）。因此，我们继续使用月份作为代理。
统计框架并未考虑数据中的所有不确定性。对 FOI 的低估可能通过 （i） RDT 返回的假阴性出现，这也可能更有可能在获得一定免疫力的个体的低寄生虫血症感染中出现，可能特别影响老年人的 FOI 估计;或 （ii） 反映重复感染的真阳性，例如，个体在已经感染时可能会获得额外的感染，并指出感染风险的一些变异性可能是由家庭随机效应解释的。错误地归因于上一个采样间隔但低于当前间隔的 RDT 检测阈值的感染也会导致低估 FOI。由于我们的重点是感染事件，因此合并感染，即单次蚊虫叮咬同时感染多种疟疾基因型，不应使我们的结果产生偏差。相反，在存在假阳性的情况下，可能会出现对 FOI 的高估，例如，如果 RDT 在感染清除后很长一段时间内保持阳性，尽管在我们的采样间隔（平均约 57 天）中，持续阳性可能很少见 （82）。这些可能的不确定性导致的估计偏差很可能完全属于我们探索的 FOI 中全部方差范围的范围。
探索干预推出期间中断的后果
为了探索新的大规模化学预防和化疗干预措施的部署，我们模拟了这些干预措施的早期阶段，当时该计划正在朝着阻断传播的方向发展，但尚未实现。因此，持续传播导致感染在每轮干预后以 FOI 确定的速度重新积累，直到传播被阻断（即 FOI 接近 0）。我们首先调查返回时间，我们将其定义为给定 FOI 的干预轮次之间的最大时间间隔，其中目标人群的疟疾患病率保持在选定的目标水平以下（有关详细信息，请参阅补充方法）。
所需的程序返回时间 Δc将患病率维持在所选阈值以下所必需的 z 定义为
估计的 FOI 捕捉了个体被感染的速率，并且干预每 Δ 天的间隔进行一次，并且很清楚pt感染百分比。保守地，我们假设接受治疗的个体的清除率为 100%，这样治疗可以成功降低传染性，并且接受治疗的个体不会参与传播。迄今为止，马达加斯加缺乏对 ACTs 耐药的证据以及 ACTs 清除配子体的证据 （91） 支持了这一点。在这种干预之后，在干预前感染寄生虫的蚊子媒介或与第一轮未涵盖的种群子集接触的蚊媒将成为感染的宿主。因此，“清除”的宿主开始因持续暴露而再次受到感染。区间 Δ 越长，目标人群中达到的疟疾患病率就越高。
我们最初不对与传播相关的反馈做出任何假设（在随后的分析中放宽），并且还忽略了不治疗的康复，因为恢复的时间间隔通常很长。支持这一点的是，已发表的对未经治疗的恶性疟原虫感染持续时间分布的估计值 [平均持续时间约为 180 天 （38， 39）] 表明，我们的纵向样本（平均采样间隔 57 天）和中断间隔（例如，2 至 3 个月）之间无需治疗即可康复的可能性非常低。
模拟其他控制活动：预防和疫苗接种
具有更持久化学预防的大规模给药
包括长效抗疟药 [例如磺胺多辛-乙胺嘧啶 （SP） 或双氢青蒿素-哌喹 （DP）] 可以在有效预防期间防止再感染。我们将预防的平均持续时间定义为 D。我们首先考虑 MDA 情况，其中所有个体，无论感染状态如何，都接受 ACT 治疗和预防性治疗。当用于预防临床病例的再次感染时，这被称为出院后疟疾预防 （PDMC）。我们还考虑在 MTaT 活动中的应用，其中只有被确定为疟疾感染阳性的个体才接受化学预防（定义见表 S1）。
由于可能用于 PDMC、MDA 和 MTaT 场景的药物可能与 SMC 和 IPT 中使用的药物相同，因此具有相同的保护持续时间，因此所有场景的返回时间都可以建模为 D + Δc.
接种疫苗
接种目前可用的抗疟疫苗可能有助于减少临床病例。我们使用 RTS、S （51% 至 60%） （48） 和 R21 疫苗 （61% 至 74%） （49， 53） 临床试验中报告的抗疟疫苗对临床疟疾疗效的估计值。
在最简单的分析中，短时间间隔（例如，3 至 4 个月的气旋季节）内有临床症状的预期病例数由感染率 λ 得出，得出在区间 p（I） = 1 − e 内被感染的概率-λt，以及未接种疫苗的个体有症状或无症状（1−s）的感染概率。有症状感染的概率因先前感染产生的免疫力等因素而受到临床耐受性的影响而改变。鉴于没有关于抗感染功效的临床数据（E我）对于目前批准的疫苗，我们保守地假设E我= 0。接种疫苗的儿童中的一些传播阻断虽然可能微不足道，但将为疫苗接种提供额外的益处。对于在飓风季节开始时完全接种疫苗的儿童的比例，平均疫苗效力为 Es（定义为症状性疟疾概率的降低），我们通过将接种疫苗（我与）和未接种疫苗的儿童（IV′S）（图S8）
同样，如果人口的一小部分 vp，可以考虑部分接种疫苗。如果部分接种疫苗的儿童对有症状感染的平均保护作用为 Ep（其中 0 < Ep < Es），新发疟疾感染对儿童有症状的概率（在时间间隔内小于疫苗效力减弱之前的时间间隔内）可以通过下式估计
哪里我V（P）是部分接种疫苗的儿童感染的概率。
这种条件概率方法包括几个假设：疫苗功效在目标年龄范围内相似，接种疫苗的个体是目标人群的随机样本，在考虑的时间间隔内保护作用没有减弱，传播阻断活性可以忽略不计，并且目标人群的比例不足以影响人群传染性宿主。与这些假设一致，迄今为止，疫苗接种仅针对幼儿，并且在完成疫苗接种系列后，疗效似乎可以维持一年多 （49）。
致谢
资金：
作者贡献：
利益争夺：
数据和材料可用性：
许可证信息：
Hits: 0