Estimating the impact of prevention action: A simulation model of - - PowerPoint PPT Presentation

▶
estimating the impact of prevention action a simulation
SMART_READER_LITE
LIVE PREVIEW

Estimating the impact of prevention action: A simulation model of - - PowerPoint PPT Presentation

Mar 04, 2024 161 likes •457 views

Estimating the impact of prevention action: A simulation model of cervical cancer progression Michal Rosen-Zvi 1 , Lavi Shpigelman 1 , Alan Kalton 1 , Omer Weissbrod 1 , Saheed Akindeinde 1 , Soren Benefeldt 2 , Andrew Bentley 3 , Terry Everett 2 ,

slide-1
SLIDE 1

Estimating the impact of prevention action: A simulation model of cervical cancer progression

Michal Rosen-Zvi1, Lavi Shpigelman1, Alan Kalton1, Omer Weissbrod1, Saheed Akindeinde1, Soren Benefeldt2, Andrew Bentley3, Terry Everett2, Joseph Jajinski1, Emmanuel Kweyu4, Chalapathy Neti1, Joesep Saab2, Osamuyimen Stewart1, Malcolm Ward2, Guo Tong Xie1

  • 1. IBM Research 2. IBM services 3. IBM Software 4. Strathmore University Kenya
slide-2
SLIDE 2

2

Cervical ¡cancer ¡in ¡East ¡Africa ¡ ¡ VS ¡Western ¡countries: ¡

x7 ¡incidence ¡, ¡x13 ¡mortality ¡ ¡ (deadliest ¡cancer ¡for ¡women) ¡

Source: GLOBOCAN 2012

Papilloma ¡Virus ¡ ¡

The ¡major ¡cause ¡

  • f ¡cervical ¡cancer ¡
slide-3
SLIDE 3

Awareness

Prevention

HPV Vaccinations

Eliminates 70% of cancer cases

Screening & treatment

Pre-cancerous tissue removal is highly effective

slide-4
SLIDE 4

Doing more with less: Single visit screening and treatment approach

4

Visual Inspection with Acetic Acid (VIA)

  • r with Lugol’s Iodine (VILI)

Cryotherapy

slide-5
SLIDE 5

Collect and monitor data efficiently Analyze current disease levels Implement predictive models that learn from data Enable evidence- based decisions to

  • ptimize the use of

limited resources

Effective planning

slide-6
SLIDE 6

Suggested solution

A ¡new ¡system ¡that ¡leverages ¡mobile ¡and ¡ cloud ¡technologies ¡to ¡gather, ¡manage, ¡ analyze ¡and ¡visualize ¡data ¡on ¡cervical ¡cancer ¡ in ¡Kenya ¡

6

slide-7
SLIDE 7

Centralized data warehouse

Solution Architecture

7

Mana anage ge Anal nalyze e Vis isualiz ualize e Ga Gather her

Data access and Visualization app for decision support model of cervical cancer care Collect data in the field

slide-8
SLIDE 8

Mobile application prototype that community and healthcare workers can take to the field

§ Developed ¡using ¡the ¡IBM ¡Worklight ¡pla>orm ¡ § Runs ¡on ¡Android ¡/ ¡iOS ¡devices ¡ § Uses ¡a ¡cervical ¡cancer ¡ ¡form ¡on ¡the ¡device ¡to ¡record ¡data ¡ § Data ¡can ¡be ¡stored ¡on ¡the ¡device ¡unFl ¡a ¡mobile ¡data ¡network ¡can ¡be ¡ established, ¡then ¡uploaded ¡to ¡the ¡registry ¡ § Can ¡capture ¡image ¡of ¡the ¡screening ¡test ¡result ¡for ¡later ¡follow-­‑up ¡review ¡

8

Current paper form

=

slide-9
SLIDE 9

The new disease model relates disease dynamics to demographics of population and healthcare system services. This allows researchers to create “what-if” scenarios to determine the best outcome

  • f where to spend efforts and budget.

§ Client ¡Value ¡

– Help ¡government ¡agencies ¡understand ¡ disease ¡progression ¡over ¡Ime ¡across ¡ different ¡regions ¡of ¡Kenya ¡ – Help ¡policy ¡makers ¡to ¡evaluate ¡the ¡impact ¡

  • f ¡different ¡programs ¡and ¡make ¡the ¡best ¡

decision ¡

§ Key ¡Technology ¡

– Dynamic ¡Bayesian ¡Network ¡with ¡ ¡ LocaIon ¡-­‑ ¡specific ¡and ¡ ¡ disease ¡-­‑ ¡specific ¡variables

9

Health ¡ Resources ¡ Disease ¡ ¡ StaIsIcs ¡ PopulaIon ¡ Demographics ¡ Co-­‑incident ¡ Medical ¡ ¡ InformaFon ¡ Genomic ¡ Data ¡ EducaFon ¡ Data ¡ Co-­‑incident ¡ Social ¡ ¡ InformaFon ¡

slide-10
SLIDE 10

Model:

slide-11
SLIDE 11

Model: Disease Specific Effects of location On disease Location Specific

slide-12
SLIDE 12

Vaccination program facility awareness program mobile clinics

Modelling intervention

Model Outputs

  • Program Cost
  • 10 / 30 Year View
  • Lives saved
  • Years of life saved
  • Cancer incidence rate
  • Economic impact
slide-13
SLIDE 13

The Front End Demo

Map of Kenya interactively updated based on chosen scenario Various ‘What if’ scenarios

slide-14
SLIDE 14

Taking known demographics into account

14

Age distribution: Showing number of women (x1000) aged 35-40 (left) and 9-12 (right) per district Other features includes rural /urban ratio, population density, locations of clinics and schools and HIV prevalence

slide-15
SLIDE 15

Model estimates: mortality rate per 100K women aged 35-40 in 10 years

15

status quo screen & treat 90% this year screen & treat 90% who live near health facility

slide-16
SLIDE 16

16

Programs ¡comparison ¡

soluIon ¡ program ¡ cost ¡($K) ¡ cost ¡per ¡ life-­‑year-­‑ saved($/yr) ¡ Life-­‑years ¡ saved ¡ ¡ 10-­‑yr ¡pd ¡ (years) ¡ Life-­‑years ¡ saved ¡ ¡ 30-­‑yr ¡pd ¡ (years) ¡ ¡ PopulaIon ¡ (1000 ¡women) ¡ 9-­‑12 ¡year ¡olds: ¡ status ¡quo ¡

0 ¡ 0 ¡ 0 ¡ 0 ¡ 2091 ¡

9-­‑12 ¡year ¡olds: ¡ vaccinate ¡

21846 369 625 59277 2091

35-­‑40 ¡year ¡olds: ¡ status ¡quo ¡

1195

35-­‑40 ¡year ¡olds: ¡ status ¡quo ¡

15523 221 5047 70190 1195

slide-17
SLIDE 17

17

Programs ¡comparison ¡

soluIon ¡ program ¡ cost ¡($K) ¡ cost ¡per ¡ life-­‑year-­‑ saved($/yr) ¡ Life-­‑years ¡ saved ¡ ¡ 10-­‑yr ¡pd ¡ (years) ¡ Life-­‑years ¡ saved ¡ ¡ 30-­‑yr ¡pd ¡ (years) ¡ ¡ PopulaIon ¡ (1000 ¡women) ¡ 9-­‑12 ¡year ¡olds: ¡ status ¡quo ¡

0 ¡ 0 ¡ 0 ¡ 0 ¡ 2091 ¡

9-­‑12 ¡year ¡olds: ¡ vaccinate ¡

21846 369 625 59277 2091

35-­‑40 ¡year ¡olds: ¡ status ¡quo ¡

1195

35-­‑40 ¡year ¡olds: ¡ status ¡quo ¡

15523 221 5047 70190 1195

MOOV

slide-18
SLIDE 18

Summary

§ Proposed ¡a ¡system ¡for ¡accessing ¡cervical ¡cancer ¡prevenFon ¡policies ¡ in ¡low ¡resource ¡se[ngs ¡ § Based ¡on ¡modelling ¡the ¡dependency ¡of ¡cervical ¡cancer ¡on ¡local ¡ demographics ¡and ¡health ¡services ¡availability ¡ § Effects ¡of ¡prevenFon ¡programs ¡can ¡be ¡simulated ¡and ¡contrasted ¡ § DigiFzed ¡collecFon ¡of ¡paFent ¡records ¡(or ¡specific ¡aggregated ¡ staFsFcs) ¡is ¡essenFal ¡for ¡model ¡fi[ng, ¡validaFon ¡and ¡monitoring ¡of ¡ future ¡programs. ¡

18

slide-19
SLIDE 19

THANK YOU

19

slide-20
SLIDE 20

Optimizer

Decision support tool

Program maker Program analyzer Programs visualizer & contraster

slide-21
SLIDE 21

Cervical cancer is the largest cancer threat to women’s health in Africa

21

Age Standardized Rates per 100K

Africa

Cancer type

Source: GLOBOCAN 2012

slide-22
SLIDE 22

Cervical cancer incidence is ~7 times higher in East Africa than in most western countries

22

Mortality

Source: GLOBOCAN 2012

slide-23
SLIDE 23

Human Papilloma Virus

§ The ¡major ¡cause ¡of ¡cervical ¡cancer ¡ § Over ¡100 ¡strains ¡of ¡HPV ¡ § Sexually ¡transmiced ¡ § 80% ¡of ¡all ¡women ¡have ¡an ¡HPV ¡infecFon ¡

  • ver ¡their ¡lifeFme ¡(but ¡only ¡0.66% ¡

develop ¡cervical ¡cancer) ¡ § Strains ¡16 ¡and ¡18 ¡cause ¡70% ¡of ¡all ¡cervical ¡

  • cancers. ¡

§ There ¡are ¡HPV ¡vaccines ¡that ¡cover ¡types ¡ 16,18 ¡(+ ¡6 ¡and ¡11) ¡ § Vaccines ¡considered ¡effecFve ¡only ¡before ¡ first ¡infecFon ¡(of ¡same ¡strain) ¡

23

slide-24
SLIDE 24

2012 CCA REPORT CARD

http://www.cervicalcanceraction.org/home/home.php

slide-25
SLIDE 25

Cervical screening in developed countries – Pap Smear

Requires ¡ § Shipping ¡of ¡sample ¡to ¡lab ¡ § Expensive ¡equipment ¡ § Trained ¡lab ¡staff ¡ § Electricity ¡ § Screening ¡result ¡not ¡ immediately ¡available ¡ – ¡Return ¡visit ¡for ¡ ¡ ¡treatment ¡ ¡

25

slide-26
SLIDE 26

Mobile clinic for cervical cancer screening

26

slide-27
SLIDE 27

2012 CCA REPORT CARD

http://www.cervicalcanceraction.org/home/home.php

slide-28
SLIDE 28

Health service information management in Africa

§ Mostly ¡paper ¡based ¡ § DigiFzaFon ¡only ¡of ¡selected ¡aggregated ¡ staFsFcs ¡ § PaFent ¡records ¡stay ¡on ¡paper ¡in ¡visited ¡ clinic ¡ ¡ § Uncollected ¡staFsFcs ¡are ¡virtually ¡ unrecoverable ¡

28