Improving the management of imported malaria

Abstract

[eng] Malaria continues to be on the podium of the deadliest infectious diseases globally. Although imported malaria presents a different picture than in endemic areas, it remains a considerable source of morbidity and mortality. Early diagnosis is crucial due to the aggressive nature of the disease, but access to microbiological testing can be challenging in some medical settings. In addition, current criteria for severe malaria, based on the WHO criteria for endemic areas (and aimed primarily at detecting severity in children), may lead to incorrect classification in non-endemic regions, especially considering that the population in these areas is usually adult and may not have been previously exposed to the parasite. The hypothesis of this thesis is that the evaluation of new strategies for the early identification and stratification of patients would optimize the management of malaria in non-endemic regions. The objectives were: 1) To develop a machine-learning-based tool to predict the risk of malaria in travelers returning with fever; 2) Describe life-threatening conditions, including deaths and life-saving interventions, as well as the prevalence of co-infections in a cohort of malaria patients seen from 2005 to 2023; 3) Evaluate a modified classification of severe malaria for non-endemic regions, to identify patients at higher risk of developing life-threatening conditions; 4) To identify predictive factors associated with organ failure and death in patients with imported malaria; 5) To identify host biomarkers associated with severity and organ failure in patients with imported malaria.6) To identify parasite biomarkers associated with severity in patients with imported malaria.7) To evaluate the ability of a conventional HRP2/LDH lateral flow immunoassay test to identify patients with severe imported malaria.

[spa] La malaria sigue estando en el pódium de las enfermedades infecciosas más mortales a nivel global. Aunque la malaria importada presenta un panorama diferente al de las zonas endémicas, sigue siendo una fuente considerable de morbi-mortalidad. El diagnóstico precoz es crucial debido a la naturaleza agresiva de la enfermedad, pero el acceso a pruebas microbiológicas puede ser un desafío en algunos entornos médicos. Además, los criterios actuales de malaria grave, basados en los criterios de la OMS para áreas endémicas (y dirigidas principalmente a detectar gravedad en niños), pueden llevar a una clasificación incorrecta en regiones no endémicas, especialmente teniendo en cuenta que la población en estas áreas suele ser adulta y puede no haber estado expuesta previamente al parásito. La hipótesis de esta tesis es que la evaluación de nuevas estrategias para la identificación precoz y estratificación de pacientes optimizaría el manejo de la malaria en regiones no endémicas. Los objetivos fueron: 1) Desarrollar una herramienta basada en machine-learning para predecir el riesgo de presentar malaria en viajeros que regresan con fiebre;2) Describir las condiciones potencialmente mortales, incluyendo muertes e intervenciones vitales, así como la prevalencia de coinfecciones en una cohorte de pacientes con malaria atendidos desde 2005 hasta 2023;3)Evaluar una clasificación modificada de malaria grave para regiones no endémicas, para identificar pacientes con mayor riesgo de desarrollar condiciones potencialmente mortales;4) Identificar los factores predictivos asociados con el fallo orgánico y la muerte en pacientes con malaria importada;5) Identificar biomarcadores del huésped asociados con la gravedad y el fallo orgánico en pacientes con malaria importada.6) Identificar biomarcadores del parásito asociados con la gravedad en pacientes con malaria importada.7) Evaluar la capacidad de una prueba de inmunoensayo de flujo lateral convencional HRP2/LDH para identificar pacientes con malaria importada grave.