BMC Public Health Band 22, Artikelnummer: 1899 (2022) Diesen Artikel zitierenDurch Impfung vermeidbare Krankheiten (VPDs) bestehen weltweit mit einer unverhältnismäßig hohen Belastung in Ländern mit niedrigem und mittlerem Einkommen (LMICs).Obwohl dies teilweise darauf zurückzuführen sein könnte, dass es in einigen WHO-Regionen nicht gelungen ist, eine Durchimpfungsrate von über 90 % aufrechtzuerhalten, könnte ein differenzierteres Verständnis der VPD-Übertragung über die Impfabdeckung hinaus andere wichtige Faktoren der VPD-Übertragung und -Kontrolle aufdecken.Diese Studie identifizierte VPDs-Hotspots und untersuchte ihre Beziehungen zu Ökologie, Urbanität und Landnutzungsvariationen (Artisanal and Small-scale Gold Mining (ASGM)-Aktivitäten) in Ghana.Krankheitszahlen auf Distriktebene von 2010 bis 2014 vom Ghana Health Service (GHS) und Bevölkerungsdaten von der Ghana Population and Housing Census (PHC) wurden verwendet, um Häufungsmuster von sechs VPDs (Masern, Meningitis, Mumps, Otitis media, Lungenentzündung und Tetanus).Räumliche und raumzeitliche Clusteranalysen wurden in SaTScan unter Verwendung des diskreten Poisson-Modells implementiert.P-Werte wurden unter Verwendung einer Kombination aus sequentiellen Monte-Carlo-, Standard-Monte-Carlo- und Gumbel-Approximationen geschätzt.Die Studie fand ein Überwiegen von VPD-Hotspots in den nördlichen Teilen von Ghana und den nördlichsten ökologischen Zonen (Sudan-Savanne und Guinea-Savanne).Die Inzidenz von Meningitis war in der ökologischen Zone der Sudan-Savanne höher im Vergleich zu: Tropischer Regenwald (p = 0,001);Halblaubwald (p < 0,0001);Übergangszone (p < 0,0001);Küstensavanne (p < 0,0001) und Guinea-Savanne (p = 0,033).Mit Ausnahme von Mumps, das eine höhere Inzidenz in städtischen Kreisen verzeichnete (p = 0,045), unterschied sich die Inzidenz der anderen fünf VPDs nicht über das Stadt-Land-Gefälle.Während eine räumliche Analyse darauf hindeutete, dass einige VPD-Hotspots (Tetanus und Otitis media) häufiger in Bergbaugebieten im Süden des Landes auftreten, zeigte ein Mann-Whitney-U-Test eine höhere Inzidenz von Meningitis in Nicht-Bergbaugebieten (p = 0,019). .Pneumonie und Meningitis verzeichneten während des Studienzeitraums die höchsten (722,8 pro 100.000) bzw. niedrigsten (0,8 pro 100.000) Inzidenzraten.Diese Studie zeigt ein Übergewicht von VPD-Hotspots in den nördlichen Teilen Ghanas und in halbtrockenen Ökoklimata.Die Beziehung zwischen ASGM-Aktivitäten und VPD-Übertragung in Ghana bleibt verschwommen und erfordert weitere Studien mit besserer räumlicher Auflösung, um sie zu klären.Obwohl Global Health Initiatives (GHIs) wie die Global Alliance for Vaccines and Immunization (GAVI) und das Expanded Programme on Immunization (EPI) in den letzten Jahrzehnten dazu beigetragen haben, die Belastung durch durch Impfung vermeidbare Krankheiten (VPDs) zu verringern, gibt es besorgniserregende Anzeichen für einen Stillstand Der Rückgang der VPD beginnt sich abzuzeichnen [1].Jüngste Überwachungsdaten deuten darauf hin, dass VPDs immer noch ein erhebliches globales Gesundheitsproblem darstellen, insbesondere in Ländern mit niedrigem und mittlerem Einkommen (LMICs) [2, 3].Im Jahr 2009 wurde geschätzt, dass Krankheiten, die durch Routineimpfungen hätten verhindert werden können, immer noch jährlich 2–3 Millionen Todesfälle verursachten[4].Mehr als ein Jahrzehnt später haben VPDs weiterhin komplizierte globale Aussichten, selbst wenn Länder mit hohem Einkommen (HICs) eine Zunahme der Häufigkeit von Ausbrüchen verzeichnen – eine Situation, die auf eine wachsende VPD-gefährdete Bevölkerung hindeutet[5].VPD-Ausbrüche werden oft Lücken in der Impfabdeckung zugeschrieben, und die Faktoren, die das Entstehen dieser Lücken untermauern, können in verschiedenen Regionen der Welt unterschiedlich sein.Bei HICs zum Beispiel wird angenommen, dass ein wachsender Anti-Impfstoff-Aktivismus zu einer Zunahme nichtmedizinischer Ausnahmen von Impfungen, einer verringerten Impfaufnahme und einem Anstieg der VPD-Inzidenz geführt hat [5,6,7,8].Obwohl Desinformationen über aktuelle COVID-19-Impfstoffe einige Anti-Impfstoff-Stimmungen in LMICs geschürt haben, sind Lücken in der Durchimpfung hauptsächlich auf logistische und finanzielle Einschränkungen zurückzuführen [9, 10].Es ist verlockend, das Fortbestehen von VPDs ausschließlich auf Lücken in der Durchimpfung zurückzuführen, aber Berichte über VPD-Ausbrüche in Gebieten mit hoher Durchimpfung [11,12,13] deuten darauf hin, dass andere Faktoren wie ökologische, klimatische und möglicherweise Landnutzungsänderungen direkt auftreten können oder indirekt die VPD-Übertragung beeinflussen[14,15,16,17,18].Leider untergräbt das Fehlen eines differenzierten Verständnisses des Zusammenspiels zwischen VPD-Übertragungsdynamik, Ökologie, Klima und Landnutzungsvariationen ernsthaft die Bemühungen, neue Strategien für gezielte Interventionen zu entwickeln [19].Das Konvergenzmodell der Übertragung von Infektionskrankheiten zeigt elegant die Wechselwirkungen zwischen Klima, Ökologie und Übertragungsmustern von Infektionskrankheiten[20], aber ungeachtet dessen haben sich nur sehr wenige Studien in Ghana mit der Übertragung von Infektionskrankheiten aus ökoregionaler Sicht befasst[16].Per Definition sind ökologische Zonen Gebiete mit einheitlichem Klima, Geologie, Topographie, Boden, Vegetation und vorherrschender Landnutzung[21].Daher können ökologische Zonen die Übertragungsmuster von Infektionskrankheiten besser erklären als politische oder administrative Bezirke.Ghana ist die Heimat von sechs unterschiedlichen terrestrischen ökologischen Zonen, darunter die Sudan-Savanne, die Guinea-Savanne, der Wald-Savannen-Übergang, der Halblaub-Regenwald, der Regenwald und die Küstensavanne.Es ist plausibel, dass eine bessere Einschätzung der räumlichen Verteilung von VPDs in diesen ökologischen Zonen Einblicke in VPD-Übertragungsmuster bieten kann.Neben Faktoren im Konvergenzmodell der Übertragung von Infektionskrankheiten können mehrere andere Faktoren die VPD-Übertragung auf unscheinbare Weise beeinflussen.Beispielsweise können Unterernährung und einige berufsbedingte Probleme die Herdenimmunität untergraben, indem sie die impfinduzierte Immunität gegen verschiedene VPDs verringern, selbst wenn die Durchimpfung ausreichend ist[22].Dies rückt die Zusammenhänge zwischen Landnutzungsänderungen und der Übertragung von Infektionskrankheiten in den Fokus.Abgesehen von der Beeinträchtigung komplexer ökologischer Zusammenhänge können vom Menschen verursachte Landnutzungsänderungen, wie sie durch die Artisanal and Small-Scale Gold Mining (ASGM)-Industrie in einigen Gemeinden in Ghana verursacht werden, indirekt die Herdenimmunität für VPDs verringern [20, 23].Weltweit gilt der ASGM-Sektor als die bedeutendste Quecksilberquelle[24], und einige Gemeinden mit ASGM-Aktivitäten haben als „giftige Standorte“ Bekanntheit erlangt, da die von Bergleuten verwendeten Methoden Immuntoxine wie Quecksilber, Arsen und Cadmium in die Umwelt freisetzen [24].Eine Studie zur Bewertung der potenziellen Auswirkungen von ASGM-Aktivitäten auf die menschliche Gesundheit in ghanaischen Gemeinden kam zu dem Schluss, dass es eine hohe Gewissheit gibt, dass Bergleute und Gemeindemitglieder hohen und potenziell gefährlichen Konzentrationen von Quecksilber, Arsen und Cadmium ausgesetzt waren [23].Angesichts einer zunehmenden Menge an Literatur über immunsuppressive Wirkungen dieser Metalle [25,26,27,28] ist es logisch, die Hypothese aufzustellen, dass Bewohner solcher Gemeinschaften, die langfristig hohen Konzentrationen dieser Immuntoxine ausgesetzt sind, immunsupprimiert sein können.Während sich die Bewertung der Immunsuppression auf Bevölkerungsebene als entmutigend erweisen könnte, ist ein Vergleich von VPD-Clustermustern in Bergbau- und Nicht-Bergbaugemeinden machbar und kann Aufschluss darüber geben, wie sich bergbaubedingte Landnutzungsänderungen auf die Übertragungsdynamik von VPDs in Ghana auswirken.In jüngster Zeit haben Epidemiologen Geoinformationssysteme (GIS)-Technologien und räumlich-zeitliche Modellierungstechniken genutzt, um Gebiete mit außergewöhnlich hohen (Hotspots) oder niedrigen (Cold Spots) Krankheitsraten in verschiedenen Umgebungen zu kartieren.Diese Werkzeuge wurden verwendet, um Durchfallerkrankungen [29,30,31], verschiedene Aspekte der Epidemiologie von Malaria und Tuberkulose [32,33,34,35], vernachlässigte Tropenkrankheiten (NTDs) [36] und eine Vielzahl anderer Erkrankungen zu untersuchen Bedeutung für die öffentliche Gesundheit, einschließlich Fußgängerunfällen [37, 38].Diese Studie verwendete die SaTScan-Software [39] bei der Kartierung von sechs VPDs (Masern, Meningitis, Mumps, Mittelohrentzündung, Lungenentzündung und Tetanus) in Ghana.Es untersuchte auch die Beziehungen zwischen VPD-Inzidenz und ökologischen Zonen, Siedlungstyp und Goldminenaktivitäten.Die Ergebnisse dieser Studie bieten wichtige Informationen über die Verbreitung von VPDs in Ghana und bereiten den Weg für weitere Studien, die die variable VPD-Inzidenz im Land erklären könnten.Manager des Expanded Programme on Immunization (EPI) und politische Entscheidungsträger können wertvolle Lehren aus den in dieser Studie vorgelegten Daten ziehen.Diese Studie wurde in der westafrikanischen Nation Ghana entlang des Golfs von Guinea zwischen den Breiten 4° und 12° N und den Längen 4° W und 2° O durchgeführt.Ghana nimmt eine Landmasse von 238.535 km2 ein und grenzt im Norden an Burkina Faso, im Süden an den Atlantischen Ozean, im Osten an Togo und im Westen an die Elfenbeinküste.Derzeit gibt es in Ghana 16 Verwaltungsregionen und 275 Distrikte.Verwaltungsgrenzen in Ghana werden oft neu abgegrenzt, um einen effizienten Betrieb zu gewährleisten.Vor 2012 hatte Ghana 10 Regionen und 170 Distrikte, die in 216 Distrikte unterteilt waren.Diese Unterteilungen werden oft aus politischen Zweckmäßigkeitsgründen und mit wenig Rückgriff auf das Gesundheitssystem vorgenommen, und daher fehlen neu geschaffenen Regionen und Bezirken häufig ergänzende Krankheits- und Demografiedaten.Diese Studie wurde auf Basis der bisher 10 Regionen und 170 Landkreise durchgeführt und auf den Zeitraum zwischen 2010 und 2014 beschränkt, um die Datenvollständigkeit zu gewährleisten.Die Daten zur Anzahl der durch Impfung vermeidbaren Krankheiten für einen Zeitraum von 5 Jahren (2010–2014) wurden vom Center for Health Information Management (CHIM) des Ghana Health Service (GHS) erhalten.Das CHIM aggregiert Krankheitszahldaten auf Distriktebene unter Verwendung von Daten aus verschiedenen Gesundheitseinrichtungen innerhalb jedes Distrikts in zwei Hauptvariablen – Krankheitszahl und Verwaltungsbezirke.Die Bevölkerungszahlen für jeden Distrikt wurden den PHC-Daten von Ghana aus dem Jahr 2010 entnommen[40].Sowohl die CHIM- als auch die PHC-Daten sind nützliche und zuverlässige Datenquellen, die routinemäßig in Studien dieser Art verwendet werden[41].Die Population wurde während des Studienzeitraums als stabil angenommen [42].Ein Shapefile mit Distriktgrenzen, ökologischen Zonen und bedeutenden Bergbaugebieten, die als Polygonmerkmale digitalisiert wurden, wurde von der kartografischen Einheit des Instituts für Geographie und Regionalplanung der Universität von Cape Coast bezogen.Diese Studie nutzt ein Merkmal im PHC-Datensatz, das die Anzahl der Menschen angibt, die in städtischen und ländlichen Gebieten in einem Bezirk leben, um den Siedlungstyp zu bestimmen.Bei der Einteilung der Kreise in Siedlungstypen wurden Kreise mit einer gegenüber der Landbevölkerung höheren Stadtbevölkerung als städtische Kreise und solche mit einer höheren Landbevölkerung als Landkreise klassifiziert.Bei der Klassifizierung von Distrikten nach Ökozonen wurde eine Karte von Ghana mit Ökozonengrenzen über die Distriktgrenzen gelegt.Bezirke, die innerhalb der Grenzen einer bestimmten ökologischen Zone lagen, wurden zusammengefasst und nach dieser ökologischen Zone benannt.Bezirke, die in zwei oder mehr ökologischen Zonen lagen, nahmen die Identität der ökologischen Zone an, die die größte Landmasse dieses Bezirks einnahm.Informationen des Ghana Geological Survey Department und des Toxic Sites Identification Program (TSIP) wurden bei der Kategorisierung von Distrikten in Bergbaugebiete und Nicht-Bergbaugebiete verwendet.Bezirke mit Hinweisen auf Bergbautätigkeiten wurden als Bergbaugebiete eingestuft, und Bezirke ohne solche Aufzeichnungen über Bergbautätigkeiten wurden als Nichtbergbaugebiete eingestuft.VPD-Cluster- und Inzidenzkarten wurden in ArcMap 10.3 unter Verwendung von Shapefile-Ausgaben von SaTScan generiert.In dieser Studie wurde die SaTScan-Softwareversion 9.4.3 verwendet, um VPD-Cluster mit hohen und niedrigen Raten im Untersuchungsgebiet zu bewerten.Abgesehen von der Benutzerfreundlichkeit hat SaTScan mehrere Vorteile gegenüber ähnlichen Softwares [39, 43].SaTScan benötigt zum Betrieb mindestens drei Dateitypen: (1) Falldatei mit Informationen über die Anzahl der Fälle pro Standort für einen bestimmten Zeitraum;(2) eine Bevölkerungsdatei mit Informationen über die Bevölkerung pro Ort und (3) eine Koordinatendatei mit Informationen über die Koordinaten jedes Ortes [43].Die Grid-Datei kann verwendet werden, wenn der Benutzer an fokussierten Clustertests interessiert ist.Während für die Raum-Zeit-Analyse Zeit für jeden Fall benötigt wird, benötigt SaTScan diese für eine rein räumliche Analyse nicht und ignoriert die Zeit, selbst wenn sie bereitgestellt wird [43].In dieser Studie wurden in SaTScan rein räumliche (im Folgenden einfach als räumlich bezeichnet) und raumzeitliche Clusteranalysen unter Verwendung der Poisson-Verteilung und einer maximalen räumlichen Clustergröße von 50 % der Risikopopulation implementiert.Durch die Verwendung einer maximalen Clustergröße von 50 % der Risikopopulation kann SaTScan eine breitere Palette von Clustern auswerten, um die Chancen zu verbessern, „echte“ Cluster unabhängig von ihrer Größe (dh sehr klein oder sehr groß) zu erkennen.P-Werte für die erkannten Cluster wurden unter Verwendung der SaTScan-Standardeinstellung berechnet.Die Standardeinstellungen berechnen die p-Werte mithilfe einer Kombination aus Standard-Monte-Carlo-, sequentiellen Monte-Carlo- und Gumbel-Approximationen.Wir berichten über die Top-5-Cluster in der räumlichen Analyse und die Top-3-Cluster in der Raum-Zeit-Analyse.Um ein umfassendes und differenziertes Verständnis der Clustering-Muster von VPD in der Studie zu fördern, triangulierten wir räumliche Analysen mit geeigneten nichträumlichen Statistiken (Mann-Whitney U und Kruskal-Wallis H-Test) und bewerteten die Beziehungen zwischen VPD-Inzidenz, Siedlungstypen und Land -Verwendungsmuster und ökologische Zonen unter Verwendung von IBM SPSS Statistics Version 26. Diese Tests sind nichtparametrisch und ermöglichen die Analyse von nichtnormalverteilten Daten mit minimalen Kosten für die statistische Aussagekraft [44].Um ein Gefühl dafür zu bekommen, wo VPDs im Untersuchungsgebiet (Ghana) geclustert sind, wurden räumliche und raumzeitliche Clusteranalysen in SaTScan unter Verwendung des diskreten Poisson-Modells implementiert.Die Ergebnisse dieser Analysen wurden verwendet, um die Choroplethen in den Fig. 1 und 2 zu erzeugen.1, 2, 3, 4, 5 und 6. Abbildung 1 A, 2 A, 3 A, 4 A, 5 und 6 A sind Inzidenzkarten von VPDs pro Distrikt für den Fünfjahreszeitraum (2010–2014).Obwohl Inzidenzkarten einen gewissen Hinweis auf die Lage von VPD-Clustern geben, sind sie im Wesentlichen ein Flickenteppich aus erhöhten und verringerten Inzidenzraten und nicht besonders aufschlussreich für Clustergrenzen.Die Abbildungen 1B, 2B, 3B, 4B, 5B und 6B sind Clusterkarten, die die 5 wahrscheinlichsten Cluster für jede der in dieser Studie betrachteten VPDs zeigen.Clusterattribute wie Clustertyp, relative Risiken, Fallzahl und erwartete Fallzahl sind in Tabelle 1 aufgeführt. Sofern nicht anders angegeben, waren alle gemeldeten Cluster bei ap < 0,0001 signifikant.Diese Studie zeigt die fünf wahrscheinlichsten räumlichen Cluster und die drei wahrscheinlichsten Raum-Zeit-Cluster für jede VPD.Choroplethen, die das Auftreten und die Häufung von Masern im Untersuchungsgebiet zeigen(A) Eine Choroplethen-Inzidenz von Masern im Untersuchungsgebiet (2010–2014);(B) Masern-Cluster-Karte: Diese Choroplethe zeigt die 5 wahrscheinlichsten räumlichen Masern-Cluster im Untersuchungsgebiet.Vier (4) Cluster (1,2,3 und 4) sind Hotspots (rot), während ein einzelner Cluster (5) ein Coldspot (blau) ist.Choroplethen, die das Auftreten und die Häufung von Meningitis in Ghana zeigen(A) Eine Choroplethen-Meningitis-Inzidenz im Untersuchungsgebiet (2010–2014);(B) Meningitis-Cluster-Karte: Diese Choroplethe zeigt die 5 wahrscheinlichsten räumlichen Meningitis-Cluster im Untersuchungsgebiet.Alle fünf (5) Cluster sind Hotspots (rot)Choroplethen, die das Auftreten und die Häufung von Masern-Mumps in Ghana zeigen(A) Eine Choroplethen-Mumps-Inzidenz im Untersuchungsgebiet (2010–2014);(B) Mumps-Cluster-Karte: Diese Choroplethe zeigt die 5 wahrscheinlichsten räumlichen Mumps-Cluster im Untersuchungsgebiet.Alle fünf (5) Cluster sind Hotspots (rot)Choroplethen, die das Auftreten und die Häufung von Otitis media in Ghana zeigen(A) Otitis media-Inzidenzkarte für Ghana (2010–2014): Diese Choroplethe zeigt die Otitis media-Inzidenz für jeden der 170 Distrikte in Ghana.(B) Otitis-Media-Clusterkarte: Diese Choroplethe zeigt die 5 wahrscheinlichsten Otitis-Media-Cluster im Untersuchungsgebiet.Drei der Cluster (1, 4 und 5) sind Hotspots (rot), während zwei Cluster (2 und 3) Cold Spots (blau) sind.Choroplethen, die das Auftreten und die Häufung von Lungenentzündungen in Ghana zeigen(A) Pneumonie-Inzidenzkarte für Ghana (2010–2014): Diese Choroplethe zeigt die Pneumonie-Inzidenz für jeden der 170 Distrikte in Ghana.(B) Pneumonie-Cluster-Karte: Diese Choroplethe zeigt die Top 5 der wahrscheinlichsten Pneumonie-Cluster in Ghana.Drei der Cluster (1, 4 und 5) sind Hotspots (rot), während zwei Cluster (2 und 3) Cold Spots (blau) sind.Choroplethen, die das Auftreten und die Häufung von Tetanus in Ghana zeigen(A) Tetanus-Inzidenzkarte für Ghana (2010–2014): Tetanus-Inzidenz für jeden der 170 Distrikte in Ghana.(B) Ein Choroplethen mit den 5 wahrscheinlichsten Tetanus-Clustern in Ghana.Alle 5 Cluster hatten Hotspots (erhöhte) KrankheitsratenRäumliche Analyse: Insgesamt wurden im Untersuchungszeitraum 1189 Masernfälle erfasst, was einer Inzidenzrate von 1,0 pro 100.000 entspricht.Die fünf wahrscheinlichsten Häufungen für Masern sind in Abb. 1B dargestellt;es umfasste vier Hotspots und einen Coldspot.Das wahrscheinlichste Masern-Cluster war ein Hotspot, der einen einzelnen Distrikt (Bole) in der nördlichen Region von Ghana umfasste (Koordinaten: 8.717652 N, 2.283088 W).Dieser Cluster verzeichnete 116 Masernfälle und hatte ein relatives Risiko von 43,9 (Tabelle 1).Zwei der vier anderen Masern-Hotspots befanden sich in den nördlichsten Teilen des Landes (Abb. 1B), und der einzige Masern-Hotspot außerhalb der nördlichen Landesteile wurde in den südöstlichen Teilen Ghanas gefunden.Dieser Masern-Hotspot war ein großer Cluster (Koordinaten/Radius: (6,177242 N, 0,403307 E) / 41,66 km), der fünf zusammenhängende Bezirke mit 111 Masernfällen und einem relativen Risiko von 6,20 umfasste.Die einzige entdeckte Masern-Kältestelle war auch die größte und fünftwahrscheinlichste Anhäufung (Koordinaten/Radius: (8,557400 N, 0,299873 E) / 242,22 km).Dieser große Cluster aus 43 Distrikten verzeichnete 98 Masernfälle und hatte ein relatives Risiko von 0,33.Raum-Zeit-Analyse: Um Einblicke in die zeitlichen Dimensionen der detektierten räumlichen Cluster zu erhalten, wurde eine Poisson-Modell-Raum-Zeit-Analyse in SaTScan implementiert.Informationen zur Raum-Zeit-Analyse für alle VPDs sind in Tabelle 1 dargestellt. Die drei wahrscheinlichsten Raum-Zeit-Cluster umfassten zwei Hotspots in den Jahren 2014 und 2012 und einen Cold Spot zwischen 2010 und 2011. Bemerkenswert ist das wahrscheinlichste Masern-Raum-Zeit-Cluster , der 2014 als Hotspot (relatives Risiko = 214,2) zusammen mit dem wahrscheinlichsten räumlichen Cluster (relatives Risiko 43,19) im Distrikt Bole auftrat.Der dritte Raum-Zeit-Cluster war ein Cold Spot, der zwischen 2010 und 2011 bei (Koordinaten/Radius: (6,216364 N, 0,795332 E) / 267,81 km) mit einem relativen Risiko von 0,02 identifiziert wurde.Räumliche Analyse: Die Inzidenz von Meningitis in Ghana für den fünfjährigen Studienzeitraum betrug 0,8 Fälle pro 100.000.Die fünf wahrscheinlichsten Meningitis-Cluster waren alle Hotspots (Abb. 2 A), und der größte dieser Cluster, der auch der wahrscheinlichste Cluster war, trat in den nördlichsten Teilen des Landes auf.Dieser Cluster (Koordinaten/Radius: (10.656451 N, 1.802392 W) / 159,73 km) umfasste 23 Distrikte und hatte ein relatives Risiko von 9,17.Die einzigen Meningitis-Cluster im südlichen Teil des Landes (Cluster 2 und 3) waren Einzelbezirks-Cluster in einigen der am dichtesten besiedelten Bezirke des Landes in den südlichsten Teilen des Landes (dh Tema Metropolitan Assembly und Sekondi Takoradi).Der fünftwahrscheinlichste Cluster war ein Ein-Distrikt-Cluster im Mittleren Westen von Ghana und teilt die Grenze mit der Elfenbeinküste (Koordinaten/Radius: (7.916430 N, 2.679788 W) / 0 km).Raum-Zeit-Analyse: Der wahrscheinlichste Raum-Zeit-Cluster (Koordinaten/Radius: (10,656451 N, 1,802392 W) / 110,90 km) trat 2012 auf, umfasste 13 Distrikte und hatte ein relatives Risiko von 33,44.Ein weiterer Raum-Zeit-Cluster (Cold Spot) (Koordinaten/Radius: (6,908037 N, 2,212044 W) / 221,65 km), der zwischen 2010 und 2011 entstand und 103 Distrikte umfasste, hatte null beobachtete Fälle anstelle der erwarteten 189,89.Räumliche Analyse: Die Inzidenz von Mumps in Ghana für den Fünfjahreszeitraum betrug 41,2 pro 100.000.Alle fünf wahrscheinlichsten räumlichen Mumps-Cluster waren Hotspots und der wahrscheinlichste Cluster (Koordinaten: (5,700777 N, 0,033269 W)) umfasste einen einzelnen Bezirk (Ashaiman) mit einem relativen Risiko von 21,85 (Abb. 3A). Die Mumps-Hotspots waren alle verstreut über das Land, wobei drei der fünf wahrscheinlichsten räumlichen Cluster in den südlichen Landesteilen auftraten (Cluster 1, 2 und 5), der Mittelgürtel und die nördlichen Landesteile jeweils einen Cluster hatten (Cluster 4 und 3, beziehungsweise).Raum-Zeit-Analyse: Die drei wahrscheinlichsten Mumps-Raum-Zeit-Cluster umfassten zwei Hotspots und einen Cold Spot.Die ersten und dritten Cluster, die Hotspots waren (relatives Risiko = 52,46 bzw. 4,18), befinden sich zusammen mit ihren räumlichen Gegenstücken (relatives Risiko = 21,85 bzw. 2,86), und obwohl keiner der räumlichen Mumps-Cluster Cold Spots waren, die zweithäufigsten wahrscheinlicher raumzeitlicher Cluster war ein Cold Spot (relatives Risiko = 0,36).Dieser große Cold Spot umfasste 97 Distrikte (Koordinaten / Radius: (6.669270 N, 1.384939 W) / 163,69 km) und trat zwischen 2010 und 2011 auf.Räumliche Analyse: Im Untersuchungsgebiet wurden während der fünfjährigen Studiendauer insgesamt 81.156 Mittelohrentzündungen registriert.Die fünf wahrscheinlichsten Otitis-Media-Cluster umfassten drei Hotspots und zwei Coldspots (Abb. 4 A).Der wahrscheinlichste Cluster war ein Hotspot, der einen einzelnen Distrikt (Gemeinde Takwa Nsuaem; Koordinaten: (5.193130 N, 1.971290 W)) mit einem relativen Risiko von 12,48 umfasste.Die beiden anderen Hotspots (Cluster 4 und 5) traten in den nördlichsten Teilen des Landes mit relativen Risiken von 4,70 bzw. 2,10 auf (Tabelle 1; Abb. 4 A).Einer der Cold Spots war ein großer Cluster (Koordinaten/Radius: (8,385741 N, 0,066774 W) / 192,65 km), der den Mittelgürtel und die nördlichen Teile des Landes mit einem relativen Risiko von 0,36 überspannte.Der andere Cold Spot (Koordinate/Radius 5,640235 N, 1,010241 W) / 89,36 km) wurde im südlichen Teil des Landes mit einem relativen Risiko von 0,4 gefunden.Raum-Zeit-Analyse: Der einzige nachgewiesene Raum-Zeit-Cluster war ein Hotspot, der mehr als die Hälfte des Landes bedeckt (Koordinaten / Radius: (10,605260 N, 2,593035 W) / 495,77 km) mit einem relativen Risiko von 12,38.Es geschah im Jahr 2014.Räumliche Analyse: Pneumonie stellte sich als VPD mit der höchsten Inzidenzrate (722,8 pro 100.000) im Untersuchungsgebiet und für den Fünfjahreszeitraum heraus.Die fünf wahrscheinlichsten Pneumonie-Cluster im gezeigten Untersuchungsgebiet sind in Abb. 5B dargestellt.Drei der fünf wahrscheinlichsten Cluster (Cluster 1, 4 und 5) waren Hotspots, während zwei (Cluster 2 und 3) Cold Spots waren.Der wahrscheinlichste Cluster (Koordinaten/Radius: (9,406780 N, 0,800510 W) / 167,94 km) war ein Hotspot (relatives Risiko = 3,1), der weite Gebiete in den nördlichen Teilen des Landes bedeckte.Nahezu angrenzend an den wahrscheinlichsten Cluster war ein weiterer Hotspot (Cluster 5), der sich über mehrere Distrikte im mittleren Gürtel des Landes (Koordinaten/Radius: (10,173846 N, 0,231248 E) / 463,30 km) erstreckte und ein relatives Risiko von 1,59 aufwies.Der viertwahrscheinlichste Cluster, ebenfalls ein Hotspot (relatives Risiko = 3,4), trat im Südwesten des Landes auf (Koordinaten/Radius: (5.101192 N, 2.212673 W) / 28,60 km) mit einem relativen Risiko von 3,4.Interessanterweise trat der zweitwahrscheinlichste Cluster, ein Cold Spot (relatives Risiko = 0,32), im mittleren Gürtel (Koordinaten/Radius: (8,703810 N, 0,054154 E) / 216,64 km) auf, der zwischen den beiden Hotspots (Cluster 1 und 5).Die andere Kältestelle trat in den südlichen Teilen Ghanas auf (Koordinaten/Radius: (5,465317 N, 0,617052 W) / 47,08 km) mit einem relativen Risiko von 0,37.Raum-Zeit-Analyse: Die drei wahrscheinlichsten Raum-Zeit-Pneumonie-Cluster bestanden aus zwei Cold-Spots und einem Hot-Spot.Der einzige raumzeitliche Pneumonie-Hotspot (24.83) trat zwischen 2010 und 2011 an einem Ort auf, der sich mit Raumcluster 1 an seinen südlichen Grenzen überschnitt (Koordinaten: 8.099945 N, 1.045458 W).Der zweitwahrscheinlichste raumzeitliche Pneumonie-Cluster, ein Cold Spot (relatives Risiko = 0,24), trat zwischen 2012 und 2013 auf. Er befindet sich zusammen mit dem räumlichen Cluster 3, der ebenfalls ein Cold Spot ist.Der letzte Raum-Zeit-Cluster, ebenfalls ein Cold Spot (relatives Risiko = 0,19), trat zwischen 2010 und 2011 im Mittelgürtel des Landes auf (Koordinaten/Radius: (7.944419 N, 1.760507 W) / 40,31 km).Räumliche Analyse: Die Inzidenz von Tetanus in Ghana betrug im Zeitraum von fünf Jahren zwischen 2010 und 2014 2,2 Fälle pro 100.000. Die fünf häufigsten Häufungen waren alle Hotspots, die über das ganze Land verstreut waren (Abb. 6B).Die wahrscheinlichste Häufung (Koordinaten: (5.721938 N, 2.346117 W) war eine einzelne Distrikt-Häufung (Wassa Amenfi West) im Südwesten des Landes mit 814 Fällen und einem relativen Risiko von 65,04. Die fünftwahrscheinlichste Häufung (Koordinaten: /Radius: (10,685248 N, 0,712475 W) / 19,97 km), der zwei Distrikte (Talensi Nabdam und Bolgatanga) umfasste, lag in den nördlichen Teilen des Landes und hatte ein relatives Risiko von 11,52.Raum-Zeit-Analyse: Die Raum-Zeit-Analyse ergab nur zwei Cluster, die beide Hotspots waren.Der wahrscheinlichste Raum-Zeit-Cluster trat 2014 auf (Koordinaten: (5,721938 N, 2,346117 W) mit 814 Fällen und einem relativen Risiko von 327,09. Der zweite Tetanus-Raum-Zeit-Cluster trat 2014 auf (Koordinaten/Radius: (7,705438 N, 1,553793 W) / 103,96 km) mit 664 Fällen und einem relativen Risiko von 8,98.Die potenziellen Auswirkungen von Klima und Ökologie auf die Verbreitung von Krankheiten sind bekannt [40,41,42,43].Um also einen Einblick in die Beziehung(en) zwischen den untersuchten VPDs und den ökologischen Zonen in Ghana zu erhalten, verglich diese Studie die Häufigkeit der verschiedenen VPDs in verschiedenen ökologischen Zonen unter Verwendung des Kruskal-Wallis-Tests (Tabelle 2).Die Inzidenz der meisten untersuchten VPDs unterschied sich nicht zwischen den ökologischen Zonen, mit Ausnahme von Meningitis (χ2 (5) = 38,5521, p < 0,0001), Mittelohrentzündung (χ2 (5) = 15,529, p = 0,008) und Lungenentzündung (χ2 (5) = 13,163 , p < 0,022).Meningitis wurde am höchsten in der Sudan-Savanne (mittlerer Rang = 140,17) und am niedrigsten in der ökologischen Zone des tropischen Regenwaldes (mittlerer Rang = 51,50) eingestuft.Post-hoc-Vergleiche mit Bonferroni-Korrektur für multiple Tests (Tabelle 2) zeigten eine höhere Inzidenz von Meningitis in der ökologischen Zone der Sudan-Savanne im Vergleich zu: Tropischer Regenwald (U = 88,67, p = 0,001);Halblaubwald (U = -67,78, p < 0,0001);Übergangszone (U = 14,22, p < 0,0001);Küstensavanne (U = -60,62, p < 0,0001) und Guinea-Savanne (U = -40,39, p = 0,033).Die Post-hoc-Vergleiche zeigten ferner eine höhere Inzidenz von Meningitis in der Guinea-Savanne (mittlerer Rang = 99,78) im Vergleich zu den ökologischen Zonen des Halblaubwaldes (mittlerer Rang 72,39) (U = 27,39, p < 0,023).Wie bei Meningitis war die Inzidenz von Mittelohrentzündung und Lungenentzündung in der ökologischen Zone der Sudan-Savanne ähnlich höher als im Halblaubwald (Tabelle 2).Ungleichheiten zwischen Land und Stadt haben oft Auswirkungen auf die Epidemiologie von Infektionskrankheiten, und daher verglich diese Studie die Inzidenz von VPDs in ländlichen und städtischen Bezirken (Tabelle 3).Mit Ausnahme von Mumps, das in überwiegend ländlichen Bezirken höher war (U = 1971,00 p = 0,045), variierte keine der VPDs über das Stadt-Land-Gefälle hinweg (Tabelle 3).Um herauszufinden, ob Distrikte mit Bergbauaktivitäten eine erhöhte Inzidenz von VPDs aufwiesen, wurden Distrikte anhand von Daten des Ghana Geological Survey Department und des Toxic Sites Identification Program (TSIP) in Bergbau und Nicht-Bergbau kategorisiert.Ein Mann-Whitney-U-Test ergab keinen signifikanten Unterschied in der Inzidenz von VPD in Bergbau- und Nicht-Bergbaustädten, außer bei Meningitis, die in Nicht-Bergbaugebieten höher war (U = 1541,50, p = 0,019) (Tabelle 4). .Der wahrscheinlichste Cluster aller sechs VPDs wurde auf einer einzigen Choroplethe abgebildet, um die Visualisierung der relativen Position jedes VPD-Clusters zu ermöglichen (Abb. 7).Dadurch konnten wir die Belastung durch VPDs im Land, einschließlich Überschneidungen, einschätzen.Nahezu jeder Bezirk in den nördlichen Landesteilen gehörte mindestens einem von drei hochfrequenten Clustern (Meningitis, Lungenentzündung und Masern) an.Darüber hinaus gehörten 15 Bezirke in den nördlichen Teilen zu zwei hochfrequenten Clustern (Meningitis und Lungenentzündung).Höchstwahrscheinlich Cluster aller sechs VPDs.Höchstwahrscheinlich Cluster der sechs in dieser Studie eingeschlossenen VPDs.Rot gefärbte Bereiche sind die wahrscheinlichsten Cluster und der rosa gefärbte Bereich ist der Bereich, in dem sich Meningitis und Lungenentzündung überschneiden.Die grünen Rauten zeigen Bezirke mit Bergbauaktivitäten anDaten aus dieser Studie geben Einblick in die Clusterbildung von sechs VPDs in Ghana.Räumliche und Raum-Zeit-Analysen ergaben unterschiedliche Clustering-Muster für die verschiedenen untersuchten VPDs.Diese Beobachtung kann Auswirkungen auf die Bestrebungen der WHO haben, die VPD-Überwachung in einen einheitlichen Rahmen zu integrieren, der die Vorteile bestehender Systeme nutzt, um die Ergebnisse zu optimieren [45].Die unterschiedlichen Clustermuster von VPDs und ihre vielfältigen Beziehungen zu Ökologie, Urbanität und Landnutzungsdiversität unterstreichen eine gegenseitige Ausschließlichkeit in der VPD-Epidemiologie, die dieses einheitliche Rahmenideal untergraben kann.Die in dieser Studie beobachteten empirischen Zusammenhänge werden im Lichte des breiteren Kontexts der öffentlichen Gesundheit diskutiert.Eine Vielzahl von Faktoren, einschließlich komplexer ökologischer Zusammenhänge, beeinflussen die Übertragungsmuster von Infektionskrankheiten und damit die in dieser Studie identifizierten Standorte und ökologischen Kontexte von VPD-Clustern (Hotspots und Coldspots).Erstens war das Überwiegen von Pneumokokken- und Meningokokken-Hotspots (Meningitis, Lungenentzündung und Mittelohrentzündung) in den nördlichen Teilen und im mittleren Gürtel von Ghana ziemlich auffällig.Beispielsweise deckten drei der fünf entdeckten Meningitis-Hotspots den größten Teil der nördlichen, oberen Ost- und oberen Westregion des Landes ab.Insgesamt machten diese drei Hotspots 58,63 % der im ganzen Land gemeldeten Meningitis-Fälle aus.Die nördlichsten Landesteile liegen im afrikanischen Meningitis-Gürtel, der sich vom Senegal im Westen bis nach Äthiopien im Osten erstreckt.Das Land teilt auch seine nördliche Grenze mit Burkina Faso, einem Land mit hyperendemischer Meningitis.Daher war es nicht verwunderlich, dass acht Distrikte im Meningitis-Hotspot gemeinsame Grenzen mit Burkina Faso hatten.Die einzigen Meningitis-Hotspots im Süden Ghanas traten in den dicht besiedelten Distrikten Tema und Sekondi Takoradi auf.Obwohl das Klima ein Schlüsselfaktor für Meningitis im Meningitis-Gürtel ist, erleichterten auch andere Faktoren wie überfüllte Wohnungen die Übertragung, verlängerte enge Kontakte und soziale Interaktionen (Massenversammlungen, Pilgerfahrten, Stammeswanderungen und Treffen) 21. So finden Sie Meningitis-Hotspots in dicht besiedelten Gebieten Küstenbezirke in den südlichsten Teilen Ghanas ist nicht ganz unerwartet.Es ist bemerkenswert, dass einige der jüngsten Meningitis-Ausbrüche in Ghana in Internaten aufgetreten sind [46], die normalerweise überfüllt sind und in denen die Menschen in längerem engen Kontakt mit einer Vielzahl sozialer Interaktionen leben.Der Mangel an Beweisen, die die Auswirkungen der Impfung auf die Inzidenz von VPDs belegen, verstärkt die Vorstellung, dass ökologische und andere Umweltfaktoren die Wirkung der Impfung plausibel verwirren und die VPD-Verteilungsmuster in Ghana beeinflussen.Artikel PubMed PubMed CentralGoogle ScholarArtikel PubMed PubMed CentralGoogle ScholarInt J Environ Res Public Health.Artikel PubMed PubMed CentralGoogle ScholarArtikel PubMed PubMed CentralGoogle ScholarInt J Environ Res Public Health.Artikel PubMed PubMed CentralGoogle ScholarArtikel PubMed PubMed CentralGoogle ScholarBMC Öffentliche Gesundheit.Plus eins.Artikel PubMed PubMed CentralGoogle ScholarArtikel PubMed PubMed CentralGoogle ScholarBMC Öffentliche Gesundheit.Artikel PubMed PubMed CentralGoogle Scholar2012.Artikel PubMed PubMed CentralGoogle ScholarArtikel PubMed PubMed CentralGoogle ScholarArtikel PubMed PubMed CentralGoogle ScholarArtikel PubMed PubMed CentralGoogle ScholarArtikel PubMed PubMed CentralGoogle ScholarArtikel PubMed PubMed CentralGoogle ScholarSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenSie können diesen Autor auch in PubMed Google Scholar suchenJeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:Leider ist für diesen Artikel derzeit kein teilbarer Link verfügbar.Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt