O Ministério da Saúde da Tanzânia implantou uma camada de triagem por IA na plataforma DHIS2, eliminando 85% do acúmulo de 15 000 alertas e reduzindo o tempo de processamento de 36–48 horas para quase imediato, encaminhando 23% dos alertas para investigação humana.
26
Regiões abrangidas pelo e-IDSR
>15,000
Atraso de alertas não revistos (2021-2023)
~23%
Alertas encaminhados para epidemiologistas humanos
36-48 hours
Tempo de processamento por lote de alertas, antes
85%
Atraso eliminado após a implementação
5
Regiões da implementação inicial
21
Regiões remanescentes visadas para expansão
95%
Meta de taxa de triagem automática
>70
Países que utilizam o DHIS2
Details
Maturity
Scaling
Promoter
Tanzania Ministry of Health
Period
2021–present
Keywords
health, disease surveillance, public health
Context
O sistema Eletrónico Integrado de Vigilância e Resposta a Doenças (e-IDSR) da Tanzânia recolhe relatórios de alertas de doenças provenientes de unidades de saúde em todas as 26 regiões através da plataforma DHIS2; à medida que a comunicação de dados pelas unidades melhorou entre 2021 e 2023, acumulou-se um atraso de mais de 15.000 alertas não revistos, dificultando a deteção atempada de surtos.
Objectives
Eliminar o atraso de alertas e acelerar a triagem para evitar a sua repetição, num momento em que a rapidez de deteção de surtos é crucial.
Activities
O Ministério da Saúde da Tanzânia, o Laboratório DHIS2 da UDSM e os CDC dos EUA desenvolveram uma ferramenta de triagem de alertas baseada em regras e integrada no DHIS2, que classifica automaticamente os alertas recebidos, encaminhando cerca de 23% para epidemiologistas humanos e filtrando os restantes, com melhorias de aprendizagem automática previstas; a implementação inicial abrangeu cinco regiões prioritárias, estando em curso a expansão para as restantes 21.
Results
O processamento que anteriormente demorava 36-48 horas por lote de alertas ocorre agora quase em tempo real, e o sistema conseguiu eliminar 85% do atraso de 15.000 alertas após a implementação.
Conclusions
O Ministério da Saúde está a expandir a ferramenta a nível nacional, com uma meta de 95% de triagem automática; a utilização do DHIS2 em mais de 70 países sugere que a abordagem poderá ser adaptável a outros sistemas de saúde de países de baixo e médio rendimento.
Implementation
Implementation detail (cost, timeline, staffing, conditions for success) is not yet available for this practice.
Data sources
Where this practice's information was retrieved from, and when.
Statistics Sierra Leone and the GRID3 partnership use machine-learning building-footprint detection on satellite imagery to map population at 1-hectare resolution, …
Greece deployed Eva, a reinforcement-learning system directing COVID-19 tests at high-risk incoming travellers across 40+ border points, detecting 2× more …