Pius Kipngetich Kirui, Benson Kipkemboi Kenduiywo e Edward Hunja Waithaka
O tracoma é uma doença tropical negligenciada e a principal causa infecciosa de cegueira. No Quênia, é responsável por 19% da cegueira. Pesquisas anteriores sobre fatores de risco associados no Quênia se basearam apenas em dados de pesquisas de impacto tradicionais, no entanto, a distribuição não uniforme da prevalência em áreas endêmicas suspeitas, apesar de medidas de intervenção semelhantes, exige a necessidade de incluir fatores de risco ambientais e climáticos potenciais na modelagem da transmissão do tracoma. Nosso estudo, portanto, visa determinar a prevalência do tracoma e seus fatores de risco associados pelo uso de modelos de regressão espacial na seleção, estimativa e previsão de variáveis, em comparação com modelos de regressão convencionais. Por meio do uso de dados de pesquisas sobre tracoma e dados ambientais e climáticos detectados remotamente, modelos de regressão espacial e não espacial foram implementados. Os resultados da regressão foram então utilizados na interpolação espacial usando krigagem e regressão ponderada geograficamente. Chuva, presença de moscas no rosto das crianças, rostos sujos das crianças e aridez foram considerados variáveis significativas que contribuem para a transmissão do tracoma. O modelo de defasagem espacial teve o menor valor do critério de informação de Akaike de 385,08, portanto teve um desempenho relativamente melhor em comparação com o restante dos modelos de regressão. Na estimativa da prevalência em locais onde os dados não foram coletados, a krigagem de regressão multivariada teve um desempenho ligeiramente melhor do que a regressão ponderada geograficamente. O estudo mostra que os modelos de regressão espacial têm um desempenho melhor em comparação com os modelos de regressão convencionais, tanto na seleção de variáveis quanto na predição espacial da prevalência do tracoma. Entre as regressões espaciais, as variáveis significativas obtidas foram semelhantes, embora a defasagem espacial tenha tido um desempenho relativamente melhor em comparação com outros modelos de regressão na seleção de variáveis com base no valor AIC e R-quadrado. Houve variação mínima entre os dois métodos de interpolação espacial.