RESUMEN
BACKGROUND: Identifying spatial variation in TB burden can help national TB programs effectively allocate resources to reach and treat all people with TB. However, data limitations pose challenges for subnational TB burden estimation. METHODS: We developed a small-area modeling approach using geo-positioned prevalence survey data, case notifications, and geospatial covariates to simultaneously estimate spatial variation in TB incidence and case notification completeness across districts in Uganda from 2016-2019. TB incidence was estimated using 1) cluster-level data from the national 2014-2015 TB prevalence survey transformed to incidence, and 2) case notifications adjusted for geospatial covariates of health system access. The case notification completeness surface was fit jointly using observed case notifications and estimated incidence. RESULTS: Estimated pulmonary TB incidence among adults varied >10-fold across Ugandan districts in 2019. Case detection increased nationwide from 2016 to 2019, and the number of districts with case detection rates >70% quadrupled. District-level estimates of TB incidence were five times more precise than a model using TB prevalence survey data alone. CONCLUSION: A joint spatial modeling approach provides useful insights for TB program operation, outlining areas where TB incidence estimates are highest and health programs should concentrate their efforts. This approach can be applied in many countries with high TB burden.
CONTEXTE: L'identification des variations spatiales de la charge de morbidité de la TB peut aider les programmes nationaux de lutte contre la TB à allouer efficacement les ressources pour atteindre et traiter toutes les personnes atteintes de TB. Cependant, les limites des données posent des problèmes pour l'estimation de la charge de morbidité infranationale. MÉTHODES: Nous avons développé une approche de modélisation à petite échelle en utilisant des données d'enquête de prévalence géolocalisées, des notifications de cas et des covariables géospatiales pour estimer simultanément la variation spatiale de l'incidence de la TB et l'exhaustivité de la notification des cas dans les districts de l'Ouganda de 2016 à 2019. L'incidence de la TB a été estimée à l'aide 1) des données au niveau des grappes de l'enquête nationale sur la prévalence de la TB de 20142015, transformées en incidence, et 2) des notifications de cas ajustées pour tenir compte des covariables géospatiales de l'accès au système de santé. La surface de complétude des notifications de cas a été ajustée conjointement à l'aide des notifications de cas observés et de l'incidence estimée. RÉSULTATS: L'incidence estimée de la TB pulmonaire chez les adultes a été multipliée par >10 dans les districts ougandais en 2019. La détection des cas a augmenté à l'échelle nationale entre 2016 et 2019, et le nombre de districts avec des taux de détection des cas >70% a quadruplé. Les estimations de l'incidence de la TB au niveau des districts étaient cinq fois plus précises qu'un modèle utilisant uniquement les données de l'enquête sur la prévalence de la TB. CONCLUSION: Une approche conjointe de modélisation spatiale fournit des informations utiles pour le fonctionnement des programmes de lutte contre la TB, en décrivant les domaines où les estimations de l'incidence de la TB sont les plus élevées et où les programmes de santé devraient concentrer leurs efforts. Cette approche peut être appliquée dans de nombreux pays où la charge de morbidité de la TB est élevée.