Vaccination coverage and adherence to a dengue vaccination program in the state of Paraná, Brazil.

The success of vaccination programs depends on the level of acceptance of the vaccine to achieve high vaccine coverage rates (VCR). Vaccine hesitancy is a challenge, especially concerning new vaccines. Dengue vaccine, Dengvaxia®, was licensed in Brazil in 2015 and implemented, in a pioneering publicly-funded initiative in the state of Paraná, between 2016 and 2018. The vaccination program took place in five phases in the 30 municipalities most affected by dengue in the state, targeting individuals from nine to 44 years-old in two cities and from 15 to 27 years-old in the other 28 municipalities, totaling a target population of 500,000 individuals. A cross-sectional descriptive study was carried out to assess VCR and adherence to the dengue vaccine in this program. VCR, dropout ratio (DR), and compliance with the vaccination schedule (CVS) were analyzed by sex, age group, and municipality size. A total of 302,603 individuals (60.5%) received ≥ 1 dose, 44.2% received ≥ 2 doses, and 28.6% 3 doses. The DR was 52.8%. Among individuals who started vaccination, 40.6% achieved CVS. The highest VCR, highest CVS, and lowest DR occurred in the age group from 9 to 14 years old and from 28 to 44 years old and in smaller municipalities. A greater proportion of men started vaccination (male 64.0%; female 57.1%) however, the DR was higher in men (male 55.4%; female 49.9%), and a higher percentage of women completed the vaccination schedule according to the recommendations (CVS male 37.8%; female 43.6%). Differences were noted in the CVS according to the initial phase of the program (first phase 50.8%; second phase 18.8%). The heterogeneity in vaccine uptake and compliance according to sex, age, and municipality size suggests the need for differentiated strategies to address challenges with new and multiple-dose vaccines.

Autologistic model with an application to the citrus "sudden death" disease

The citrus sudden death (CSD) disease affects dramatically citrus trees causing a progressive plant decline and death. The disease has been identified in the late 90's in the main citrus production area of Brazil and since then there are efforts to understand the etiology as well as the mechanisms its spreading. One relevant aspect of such studies is to investigate spatial patterns of the occurrence within a field. Methods for determining whether the spatial pattern is aggregated or not has been frequently used. However it is possible to further explore and describe the data by means of adopting an explicit model to discriminate and quantify effects by attaching parameters to covariates which represent aspects of interest to be investigated. One alternative involves autologistic models, which extend a usual logistic model in order to accommodate spatial effects. In order to implement such model it is necessary to take into account the reuse of data to built spatial covariates, which requires extensions in methodology and algorithms to assess the variance of the estimates. This work presents an application of the autologistic model to data collected at 11 time points from citrus fields affected by CSD. It is shown how the autologistic model is suitable to investigate diseases of this type, as well as a description of the model and the computational aspects necessary for model fitting.

A morte súbita dos citros (MSC) é uma doença com efeitos dramáticos em árvores de citros causando declínio progressivo e morte. Ela foi identificada no final da década de 90 em uma das principais áreas de produção no Brasil e desde então esforços são empregados para entender a sua etiologia e os seus mecanismos de dispersão. Um aspecto relevante para estudos é a investigação do padrão espacial da incidência dentro de um campo. Métodos para determinar se o padrão espacial é agregado ou não têm sido freqüentemente utilizados. Entretanto é possível explorar e descrever os dados adotando um modelo explícito, com o qual é possível discriminar e quantificar os efeitos com parâmetros para covariáveis que representam aspectos de interesse investigados. Uma das alternativas é adoção de modelos autologísticos, que estendem o modelo de regressão logística para acomodar efeitos espaciais. Para implementar esse modelo é necessário que se reutilize os dados para extrair covariáveis espaciais, o que requer extensões na metodologia e algoritmos para avaliar a variância das estimativas. Este trabalho apresenta uma aplicação do modelo autologístico a dados coletados em 11 pontos no tempo em um campo de citros afetado pela MSC. É mostrado como o modelo autologístico é apropriado para investigar doenças desse tipo, bem como é feita uma descrição do modelo e dos aspectos computacionais necessários para a estimação dos parâmetros.

Autologistic model with an application to the citrus "sudden death" disease

The citrus sudden death (CSD) disease affects dramatically citrus trees causing a progressive plant decline and death. The disease has been identified in the late 90's in the main citrus production area of Brazil and since then there are efforts to understand the etiology as well as the mechanisms its spreading. One relevant aspect of such studies is to investigate spatial patterns of the occurrence within a field. Methods for determining whether the spatial pattern is aggregated or not has been frequently used. However it is possible to further explore and describe the data by means of adopting an explicit model to discriminate and quantify effects by attaching parameters to covariates which represent aspects of interest to be investigated. One alternative involves autologistic models, which extend a usual logistic model in order to accommodate spatial effects. In order to implement such model it is necessary to take into account the reuse of data to built spatial covariates, which requires extensions in methodology and algorithms to assess the variance of the estimates. This work presents an application of the autologistic model to data collected at 11 time points from citrus fields affected by CSD. It is shown how the autologistic model is suitable to investigate diseases of this type, as well as a description of the model and the computational aspects necessary for model fitting.

A morte súbita dos citros (MSC) é uma doença com efeitos dramáticos em árvores de citros causando declínio progressivo e morte. Ela foi identificada no final da década de 90 em uma das principais áreas de produção no Brasil e desde então esforços são empregados para entender a sua etiologia e os seus mecanismos de dispersão. Um aspecto relevante para estudos é a investigação do padrão espacial da incidência dentro de um campo. Métodos para determinar se o padrão espacial é agregado ou não têm sido freqüentemente utilizados. Entretanto é possível explorar e descrever os dados adotando um modelo explícito, com o qual é possível discriminar e quantificar os efeitos com parâmetros para covariáveis que representam aspectos de interesse investigados. Uma das alternativas é adoção de modelos autologísticos, que estendem o modelo de regressão logística para acomodar efeitos espaciais. Para implementar esse modelo é necessário que se reutilize os dados para extrair covariáveis espaciais, o que requer extensões na metodologia e algoritmos para avaliar a variância das estimativas. Este trabalho apresenta uma aplicação do modelo autologístico a dados coletados em 11 pontos no tempo em um campo de citros afetado pela MSC. É mostrado como o modelo autologístico é apropriado para investigar doenças desse tipo, bem como é feita uma descrição do modelo e dos aspectos computacionais necessários para a estimação dos parâmetros.