Search

Abstracts in [TEXT NOT REPRODUCIBLE IN ASCII], Francais, [TEXT NOT REPRODUCIBLE IN ASCII] and Espanol at the end of each article. Introduction Throughout the African 'meningitis belt', epidemics of meningococcal [...], Objective To develop a tool for evaluating the risk that an outbreak of meningitis will occur in a particular district of the Niger after outbreaks have been reported in other, specified districts of the country. Methods A Bayesian network was represented by a graph composed of 38 nodes (one for each district in the Niger) connected by arrows. In the graph, each node directly influenced each of the 'child' nodes that lay at the ends of the arrows arising from that node, according to conditional probabilities. The probabilities between 'influencing' and 'influenced' districts were estimated by analysis of databases that held weekly records of meningitis outbreaks in the Niger between 1986 and 2005. For each week of interest, each district was given a Boolean-variable score of 1 (if meningitis incidence in the district reached an epidemic threshold in that week) or 0. Findings The Bayesian network approach provided important and original information, allowing the identification of the districts that influence meningitis risk in other districts (and the districts that are influenced by any particular district) and the evaluation of the level of influence between each pair of districts. Conclusion Bayesian networks offer a promising approach to understanding the dynamics of epidemics, estimating the risk of outbreaks in particular areas and allowing control interventions to be targeted at high-risk areas. Une approche de reseau bayesien de l'etude des bases de donnees epidemiologiques historiques: la modelisation des noussees de meningite au Niger/ Un enfoque de red bayesiana para el estudio de bases historicas de datos epidemiologicos: modelo de brotes de meningitis en Niger Objectif Developper un outil permettant d'evaluer le risque d'apparition d'une poussee de meningite dans un district particulier du Niger apres le signalement d'autres poussees dans d'autres districts specifies du pays. Methocles Un reseau bayesien a ete represente par un graphique compose de 38 nceuds (un pour chaque district du Niger) relies par des fleches. Dans le graphique, chaque nceud a directement influence chacun des noeuds <> aux extremites des fleches resultant de ces nceuds, selon les probabilites conditionnelles. Les probabilites entre les districts <> et <> ont ete estimees par I'analyse des bases de donnees qui contenaient les enregistrements hebdomadaires des poussees de meningite au Niger entre 1986 et 2005. Pour chaque semaine d'interet, on a attribue a chaque district un score booleen variable de 1 (si I'incidence de meningite dans le district atteignait un seuil epidemique au cours de cette semaine) ou de 0. Resultats L'approche de reseau bayesien a fourni des informations originates et importantes, permettant d'identifier les districts q'ui influencent le risque de meningite dans d'autres districts (et les districts qui sont influences par un district particulier) et d'evaluer le niveau d'influence entre chaque couple de districts. Conclusion Les reseaux bayesiens offrent une approche prometteuse pour comprendre la dynamique des epidemies, evaluant le risque de poussees dans des zones particulieres et permettant de cibler les interventions de lutte contre la maladie dans les zones a risque eleve. Objetivo Desarrollar una herramienta para evaluar el riesgo de la aparicion de un brote de meningitis en un distrito determinado dei Niger despues de que se haya informado acerca de otros brotes en otros distritos especificos dei pais. Metodos Se represento una red bayesiana con un grafico compuesto por 38 nodos (uno por cada distrito en el Niger) conectados mediante flechas. En el grafico, cada nodo influia directamente en cada uno de los nodos de 'nioos' que se encuentran en los extremos de las flechas que surgen de dicho nodo, de acuerdo con las probabilidades condicionales. Se calcularon las probabilidades entre distritos 'influyentes' e 'influidos' mediante el analisis de bases de datos que recogian registros semanales de los brotes de meningitis en Niger entre 1986 y 2005. Por cada sema na de interes, se adjudicaba a cada uno de los distritos un valor de variable booleana de 1 (si la incidencia de meningitis en el distrito alcanzaba un umbral epidemico en esa semana) o de 0. Resultados El enfoque de red bayesiana proporciona informacion importante y original, lo que permite identificar cuales son los distritos que influyen en el riesgo de meningitis de otros distritos (y cuales estan bajo la influencia de cualquier distrito determinado) y evaluar el nivel de influencia entre cada par de distritos. Conclusion Las redes bayesianas ofrecen un enfoque prometedor para entender las dinamicas de las epidemias, permiten calcular el riesgo de brotes en areas determinadas y concentrar las intervenciones de control objetivo en las areas de alto riesgo.

Byline: P. Eggimann (1,2), S. Hugonnet (2), H. Sax (2), J.-C. Chevrolet (1), D. Pittet (2) Author Affiliation: (1) Medical Intensive Care, University of Geneva Hospitals, 21 rue Micheli-du-Crest, 1211 , Geneva 14, Switzerland (2) Infection Control Program, University of Geneva Hospitals, 24 rue Micheli-du-Crest, 1211 , Geneva 14, Switzerland Article History: Registration Date: 26/02/2004 Received Date: 17/02/2004 Accepted Date: 19/02/2004 Online Date: 31/03/2004