La transmission du paludisme est complexe et on pense qu'elle est associée aux changements climatiques locaux. Cependant, de simples tentatives d'extrapolation des taux d'incidence du paludisme à partir des conditions météorologiques régionales moyennes se sont révélées infructueuses. Par conséquent, l'objectif de cette étude était de déterminer si les variations de facteurs météorologiques spécifiques sont capables de prédire de manière cohérente l'incidence du paludisme à P. falciparum à différents endroits dans le sud de l'Éthiopie. Des données rétrospectives provenant de 42 sites ont été collectées, y compris l'incidence du paludisme à P. falciparum pour la période 1998-2007 et des variables météorologiques telles que les précipitations mensuelles (tous les sites), la température (17 sites) et l'humidité relative (trois sites). Trente-cinq ensembles de données qualifiés pour l'analyse. Les statistiques Q de la boîte pulmonaire ont été utilisées pour le diagnostic du modèle, et R au carré ou R au carré stationnaire a été pris comme mesure de la qualité de l'ajustement. La modélisation des séries chronologiques a été réalisée à l'aide de modèles de fonction de transfert (TF) et de moyenne mobile intégrée auto-régressive univariée (ARIMA) lorsqu'il n'y avait pas de variable météorologique prédictive significative. Sur 35 modèles, cinq ont été rejetés en raison de la valeur significative des statistiques Ljung-Box Q. L'incidence passée du paludisme à P. falciparum seule (17 sites) ou associée à des variables météorologiques (quatre sites) a permis de prédire l'incidence du paludisme à P. falciparum avec une signification statistique. Toutes les commandes saisonnières de l'AIRMA provenaient de lieux situés à des altitudes supérieures à 1742 m. Les précipitations mensuelles, les températures minimales et maximales ont permis de prédire l'incidence à quatre, cinq et deux endroits, respectivement. En revanche, l'humidité relative n'a pas permis de prédire l'incidence du paludisme à P. falciparum. Les valeurs de R au carré pour les modèles variaient de 16 % à 97 %, à l'exception d'un modèle qui avait une valeur négative. Les modèles avec des commandes saisonnières ARIMA se sont avérés plus performants. Cependant, les modèles de prédiction de l'incidence du paludisme à P. falciparum variaient d'un endroit à l'autre, et parmi les effets décalés, les formulaires de transformation des données, les ordonnances ARIMA et TF. Cette étude décrit des modèles d'incidence du paludisme à P. falciparum liés à des données météorologiques. La variabilité des modèles a été principalement attribuée aux différences régionales, et aucun modèle unique adapté à tous les emplacements n'a été trouvé. L'incidence passée du paludisme à P. falciparum semblait être un prédicteur supérieur à la météorologie. Les efforts futurs de modélisation du paludisme pourraient bénéficier de l'inclusion de facteurs non météorologiques.

La transmisión de la malaria es compleja y se cree que está asociada con los cambios climáticos locales. Sin embargo, los simples intentos de extrapolar las tasas de incidencia de la malaria a partir de las condiciones meteorológicas regionales promedio no han tenido éxito. Por lo tanto, el objetivo de este estudio fue determinar si las variaciones en factores meteorológicos específicos son capaces de predecir consistentemente la incidencia de malaria por P. falciparum en diferentes lugares del sur de Etiopía. Se recopilaron datos retrospectivos de 42 ubicaciones, incluida la incidencia de malaria por P. falciparum para el período 1998-2007 y variables meteorológicas como la precipitación mensual (todas las ubicaciones), la temperatura (17 ubicaciones) y la humedad relativa (tres ubicaciones). Treinta y cinco conjuntos de datos calificados para el análisis. Se utilizó la estadística Ljung-Box Q para el diagnóstico del modelo, y se tomó R al cuadrado o R al cuadrado estacionario como medida de bondad de ajuste. El modelado de series temporales se llevó a cabo utilizando modelos de función de transferencia (TF) y media móvil integrada autorregresiva univariante (ARIMA) cuando no había una variable meteorológica predictora significativa. De 35 modelos, cinco fueron descartados debido al valor significativo de las estadísticas de Ljung-Box Q. La incidencia pasada de malaria por P. falciparum sola (17 ubicaciones) o cuando se combina con variables meteorológicas (cuatro ubicaciones) fue capaz de predecir la incidencia de malaria por P. falciparum dentro de la significación estadística. Todos los pedidos estacionales de AIRMA procedían de ubicaciones a altitudes superiores a 1742 m. La precipitación mensual, la temperatura mínima y máxima pudieron predecir la incidencia en cuatro, cinco y dos ubicaciones, respectivamente. Por el contrario, la humedad relativa no fue capaz de predecir la incidencia de malaria por P. falciparum. Los valores de R al cuadrado para los modelos oscilaron entre el 16% y el 97%, con la excepción de un modelo que tenía un valor negativo. Los modelos con pedidos estacionales de ARIMA tuvieron un mejor rendimiento. Sin embargo, los modelos para predecir la incidencia de malaria por P. falciparum variaron de un lugar a otro y entre los efectos retardados, los formularios de transformación de datos, los pedidos de ARIMA y TF. Este estudio describe modelos de incidencia de malaria por P. falciparum vinculados con datos meteorológicos. La variabilidad en los modelos se atribuyó principalmente a las diferencias regionales, y no se encontró un solo modelo que se ajuste a todas las ubicaciones. La incidencia pasada de malaria por P. falciparum pareció ser un predictor superior a la meteorología. Los esfuerzos futuros en la modelización de la malaria pueden beneficiarse de la inclusión de factores no meteorológicos.

Malaria transmission is complex and is believed to be associated with local climate changes. However, simple attempts to extrapolate malaria incidence rates from averaged regional meteorological conditions have proven unsuccessful. Therefore, the objective of this study was to determine if variations in specific meteorological factors are able to consistently predict P. falciparum malaria incidence at different locations in south Ethiopia. Retrospective data from 42 locations were collected including P. falciparum malaria incidence for the period of 1998-2007 and meteorological variables such as monthly rainfall (all locations), temperature (17 locations), and relative humidity (three locations). Thirty-five data sets qualified for the analysis. Ljung-Box Q statistics was used for model diagnosis, and R squared or stationary R squared was taken as goodness of fit measure. Time series modelling was carried out using Transfer Function (TF) models and univariate auto-regressive integrated moving average (ARIMA) when there was no significant predictor meteorological variable. Of 35 models, five were discarded because of the significant value of Ljung-Box Q statistics. Past P. falciparum malaria incidence alone (17 locations) or when coupled with meteorological variables (four locations) was able to predict P. falciparum malaria incidence within statistical significance. All seasonal AIRMA orders were from locations at altitudes above 1742 m. Monthly rainfall, minimum and maximum temperature was able to predict incidence at four, five and two locations, respectively. In contrast, relative humidity was not able to predict P. falciparum malaria incidence. The R squared values for the models ranged from 16% to 97%, with the exception of one model which had a negative value. Models with seasonal ARIMA orders were found to perform better. However, the models for predicting P. falciparum malaria incidence varied from location to location, and among lagged effects, data transformation forms, ARIMA and TF orders. This study describes P. falciparum malaria incidence models linked with meteorological data. Variability in the models was principally attributed to regional differences, and a single model was not found that fits all locations. Past P. falciparum malaria incidence appeared to be a superior predictor than meteorology. Future efforts in malaria modelling may benefit from inclusion of non-meteorological factors.

انتقال الملاريا معقد ويعتقد أنه مرتبط بالتغيرات المناخية المحلية. ومع ذلك، أثبتت المحاولات البسيطة لاستقراء معدلات الإصابة بالملاريا من متوسط ظروف الأرصاد الجوية الإقليمية فشلها. لذلك، كان الهدف من هذه الدراسة هو تحديد ما إذا كانت الاختلافات في عوامل الأرصاد الجوية المحددة قادرة على التنبؤ باستمرار بحدوث الملاريا المنجلية في مواقع مختلفة في جنوب إثيوبيا. تم جمع بيانات بأثر رجعي من 42 موقعًا بما في ذلك الإصابة بالملاريا المنجلية للفترة 1998-2007 ومتغيرات الأرصاد الجوية مثل هطول الأمطار الشهري (جميع المواقع) ودرجة الحرارة (17 موقعًا) والرطوبة النسبية (ثلاثة مواقع). خمسة وثلاثون مجموعة بيانات مؤهلة للتحليل. تم استخدام إحصائيات Ljung - Box Q للتشخيص النموذجي، وتم أخذ مربع R أو مربع R الثابت كمقياس مناسب. تم تنفيذ نمذجة السلاسل الزمنية باستخدام نماذج وظيفة النقل (TF) والمتوسط المتحرك المتكامل الانحداري التلقائي أحادي المتغير (ARIMA) عندما لم يكن هناك متغير تنبؤي كبير للأرصاد الجوية. من بين 35 نموذجًا، تم تجاهل خمسة نماذج بسبب القيمة الكبيرة لإحصاءات Ljung - Box Q. كانت حالات الإصابة السابقة بالملاريا المنجلية وحدها (17 موقعًا) أو عند اقترانها بمتغيرات الأرصاد الجوية (أربعة مواقع) قادرة على التنبؤ بحدوث الملاريا المنجلية ضمن الأهمية الإحصائية. كانت جميع أوامر AIRMA الموسمية من مواقع على ارتفاعات أعلى من 1742 مترًا. كانت الأمطار الشهرية ودرجة الحرارة الدنيا والقصوى قادرة على التنبؤ بحدوثها في أربعة وخمسة وموقعين على التوالي. في المقابل، لم تكن الرطوبة النسبية قادرة على التنبؤ بحدوث الملاريا المنجلية. تراوحت قيم R تربيع للنماذج من 16 ٪ إلى 97 ٪، باستثناء نموذج واحد له قيمة سالبة. تم العثور على نماذج مع أوامر أريما الموسمية لأداء أفضل. ومع ذلك، اختلفت نماذج التنبؤ بحدوث الملاريا المنجلية من موقع إلى آخر، وبين التأثيرات المتأخرة، وأشكال تحويل البيانات، وأوامر ARIMA و TF. تصف هذه الدراسة نماذج الإصابة بالملاريا المنجلية المرتبطة ببيانات الأرصاد الجوية. ويعزى التباين في النماذج بشكل أساسي إلى الاختلافات الإقليمية، ولم يتم العثور على نموذج واحد يناسب جميع المواقع. يبدو أن الإصابة السابقة بالملاريا المنجلية كانت مؤشراً متفوقاً على الأرصاد الجوية. قد تستفيد الجهود المستقبلية في نمذجة الملاريا من إدراج العوامل غير الجوية.