Confronto di modelli autoregressivi condizionali per la mappatura spaziale bayesiana dei casi di dengue in Indonesia

Lo studio rappresenta un'applicazione sofisticata di metodologie statistiche bayesiane spaziali per la modellazione epidemiologica. L'utilizzo di modelli autoregressivi condizionali (CAR) consente di catturare la dipendenza spaziale nella distribuzione dei casi di dengue tra province indonesiane, confermata dall'indice di Moran significativo (I=0,4689; p=0,021). La dengue emorragica rimane un importante problema di sanità pubblica in Indonesia con considerevole variabilità provinciale, riflettendo differenze climatiche, ecologiche e infrastrutturali. Il disegno dello studio confronta due approcci bayesiani principali: il modello BYM (Besag-York-Mollié) che separa gli effetti spaziali strutturati e non strutturati, e il modello Leroux che offre flessibilità nel peso relativo della componente spaziale. I risultati numerici evidenziano che l'aumento della temperatura di 1°C è associato a riduzione del rischio relativo (RR=0,90; IC 95%: 0,76-1,07), sebbene con incertezza che include l'unità. Contrariamente, ogni unità aggiuntiva di operatori sanitari è associata a incremento del rischio riferito (RR=1,05; IC 95%: 1,03-1,07). Questa associazione paradossale con la forza lavoro sanitaria probabilmente riflette effetti confondenti legati alla capacità di segnalazione o al dispiegamento reattivo. Il confronto dei modelli mediante DIC e WAIC indicava performance marginalmente superiore del modello BYM. La mappatura del rischio ha identificato aree critiche in Kalimantan e Indonesia orientale richiedenti interventi prioritari.