El proyecto de DHIS2 sobre clima y salud en Nepal se basa en la infraestructura y la capacidad existentes de DHIS2 y las refuerza, al tiempo que incorpora herramientas innovadoras de DHIS2 para la integración de datos climáticos y la elaboración de modelos predictivos.
Sistema de información de salud y capacidad
En Nepal, DHIS2 se utiliza desde 2016 como sistema de información de salud a escala nacional (HMIS). Nepal también se utiliza para la vigilancia rutinaria de enfermedades prioritarias, como el dengue. Los actores del sector sanitario de Nepal han conseguido resultados importantes utilizando DHIS2 en programas específicos, como el del VIH. Sin embargo, el sistema también se ha enfrentado a algunos retos debido a la fragmentación y a las limitaciones de infraestructura y capacidad. En el proyecto sobre clima y salud, el PHRC ha estado trabajando principalmente en una instancia de prueba de DHIS2 que extrae datos sobre enfermedades del HMIS de Nepal, donde han desarrollado varios productos de información sobre clima y salud para la vigilancia del dengue. Tras el éxito de las pruebas realizadas con su método de modelización predictiva, el PHRC tiene previsto hablar con el Departamento de Servicios Sanitarios sobre la implementación de estas soluciones en el HMIS.
De momento no hay ningún grupo local de HISP establecido en Nepal. HISP India lleva varios años prestando asistencia técnica sobre DHIS2 y apoyo al desarrollo de capacidades al Gobierno de Nepal, y ha colaborado con el PHRC para dar el apoyo necesario al proyecto sobre el clima y la salud.
Integración de datos climáticos
La aplicación DHIS2 Climate ya está instalada en el sistema de pruebas de DHIS2, lo que permite acceder a los datos de reanálisis ERA-5 y a los datos de precipitaciones de CHIRPS. Los socios de Nepal han evaluado estos conjuntos de datos de reanálisis disponibles a nivel mundial, así como los conjuntos de datos locales, para utilizarlos en programas relacionados con el clima y la salud. Aunque Nepal cuenta con más de 40 años de datos sobre precipitaciones y temperaturas de todo el país (la mayoría de los cuales están digitalizados), la cobertura es muy escasa en las regiones montañosas, y la falta de datos sigue siendo un gran problema a la hora de usar los datos locales. Algunos conjuntos de datos geoespaciales locales ya han demostrado ser más útiles en DHIS2 gracias a su mayor resolución. El equipo del PHRC sigue trabajando en la integración de estos sets de datos locales a través de las herramientas climáticas de DHIS2, y también tiene previsto desarrollar procesos automatizados para incorporar datos de observación de la Tierra de MODIS y otros sets de datos no climáticos.
El equipo de Nepal está siguiendo de cerca el proceso de desarrollo de Open Climate Services Nepal (OCS). Como parte de este proceso, se han instalado y configurado con éxito las instancias de OCS Nepal, y el equipo ha empezado a incorporar conjuntos de datos globales para facilitar el desarrollo posterior del sistema, las pruebas y la puesta en marcha del servicio.
Modelización predictiva
El trabajo de Nepal en materia de modelos predictivos con DHIS2 tiene como objetivo desarrollar un modelo predictivo sólido para el dengue e integrarlo en el ecosistema de DHIS2 para reforzar la vigilancia y la alerta temprana del dengue en Nepal. Entre las preguntas clave que aborda este trabajo se encuentran cuáles son los factores más importantes que provocan los brotes de dengue en Nepal, qué sets de datos y modelos pueden ofrecer las mejores predicciones, cuáles son las mejores formas de integrar los datos meteorológicos locales cuando no hay productos de datos en malla, y cómo abordar el problema del escaso número de puntos de datos en ciertas zonas geográficas (como las zonas de montaña, donde históricamente no se han notificado de forma habitual los casos de dengue).
El equipo de PHRC, con el apoyo de HISP India, ha instalado la plataforma Chap Modeling Platform y la aplicación DHIS2 Modeling App en la instancia de pruebas de DHIS2. El modelo EWARS de la OMS se ha implementado y probado con éxito junto con otros modelos, y se han integrado varios sets de datos globales para mejorar el rendimiento del modelo, entre ellos ERA-5 Land, CHIRPS y MODIS. Los próximos pasos incluyen la integración de factores no climáticos en el modelo y su puesta en marcha en DHIS2, en colaboración con las partes interesadas que participan en los programas de vigilancia y control de enfermedades del Gobierno de Nepal.