Aprender com os projectos-piloto de alerta precoce informados sobre o clima do DHIS2 para desenvolver ferramentas inovadoras de IA de fonte aberta

As doenças infecciosas sensíveis ao clima, como a malária e a dengue, representam uma ameaça significativa para a saúde pública, especialmente nos países de baixo e médio rendimento (PBMR). Por exemplo, Moçambique é considerado pela OMS como um país de elevada incidência de malária, com toda a população em risco. Entretanto, o Laos tem vindo a enfrentar um aumento significativo de infecções e mortes por dengue desde 2023. Dado que os factores em mudança influenciam a distribuição geográfica e o momento dos surtos de malária e dengue, as ferramentas digitais que permitem às autoridades sanitárias prever a evolução dos padrões da doença podem ajudá-las a planear intervenções mais eficazes – e mais rentáveis -, reduzindo potencialmente a incidência da malária e salvando vidas.

Moçambique foi um dos primeiros países a explorar a utilização de dados de saúde e dados meteorológicos no DHIS2 para apoiar a modelação preditiva e o alerta precoce para doenças sensíveis ao clima, com destaque para a malária. Antes do lançamento, em março de 2024, do projeto DHIS2 for Climate & Health, financiado pela Wellcome e liderado pelo HISP Centre da Universidade de Oslo (HISP UiO), já existiam duas iniciativas locais separadas em Moçambique sobre a previsão da incidência da malária com base no clima. No entanto, apesar de alguns resultados promissores, vários desafios persistentes impediram que estes modelos fossem utilizados de forma rotineira para orientar as decisões de planeamento dos programas da malária.

No Laos, um modelo de alerta precoce foi testado como prova de conceito para algumas doenças sensíveis ao clima, produzindo alguns resultados potencialmente úteis para a dengue, mas previsões menos exactas para as doenças diarreicas. No entanto, a prova de conceito não foi adoptada ou integrada no sistema de informação nacional, inibindo o potencial de utilização de rotina e de tomada de decisões pelo Ministério da Saúde.

Para aprender com os progressos e os desafios em Moçambique e no Laos, o HISP UiO iniciou uma colaboração de investigação-ação entre os grupos locais do HISP e as partes interessadas da saúde em cada país. Através deste trabalho, identificámos várias barreiras técnicas e desafios sociotécnicos que têm dificultado a utilização rotineira das previsões da malária, incluindo as barreiras à integração e harmonização dos dados climáticos e de saúde, a complexidade das ferramentas de modelação personalizadas, as limitações que impõem ao teste de vários modelos e o desafio de as integrar nos sistemas nacionais DHIS2 que facilitariam a sua utilização rotineira. Estas aprendizagens informaram o desenvolvimento da Plataforma de Modelação Chap pelo HISP UiO, uma ferramenta de código aberto independente de modelo e plataforma que permite aos países desenvolver, testar e executar vários modelos lado a lado, com documentação robusta, apoio à interoperabilidade e integração perfeita com o DHIS2.

Explorando os esforços de modelação em curso em Moçambique

Como o clima e a saúde são um novo domínio para a rede HISP – e para muitos dos nossos parceiros do Ministério da Saúde em países de baixa e média renda – um dos principais objectivos da fase inicial do projeto DHIS2 Clima e Saúde foi aprender com as experiências de países anteriores para informar o nosso trabalho e, em última análise, abordar as principais lacunas que limitaram a aceitação e a escala nos países através de soluções tecnológicas robustas e de código aberto. As partes interessadas de Moçambique já tinham apresentado o seu trabalho com o DHIS2 e os dados meteorológicos na Conferência Anual do DHIS2 em 2023, pelo que era um local natural para começar a nossa investigação aprofundada.

No início de 2024, havia (tanto quanto sabemos) dois projectos distintos de previsão da malária com base no clima em Moçambique. Uma das iniciativas foi conduzida pelo Instituto Nacional de Saúde Pública (NIPH). Explorou a utilização de uma versão adaptada de um modelo de previsão estatística de curto prazo fornecido pela OMS TDR/Universidade de Gotemburgo através do projeto EWARS com o objetivo de gerar alertas mensais ou semanais como parte de um sistema de alerta precoce do paludismo de rotina, bem como vários modelos desenvolvidos internamente pelo NIPH, incluindo um modelo de previsão de médio prazo (estação completa). Os resultados da previsão do paludismo produzidos pelo NIPH utilizando os seus próprios sistemas de software destinavam-se a apoiar o mapeamento de riscos, o planeamento e as decisões de atribuição de recursos pelo NMCP para adaptar as intervenções contra o paludismo. O HISP UiO não teve acesso ao código destes modelos, o que dificultou a sua avaliação e integração no nosso projeto. Através da nossa investigação, também ficámos a saber que os modelos do NIPH não estavam integrados com os dados de saúde de rotina do sistema nacional DHIS2 de Moçambique – a execução dos modelos era um processo manual feito ad hoc – e que as previsões resultantes não tinham sido integradas na utilização de rotina pelo PNCM.

A outra iniciativa foi coordenada no âmbito do Ministério da Saúde, com o apoio técnico da Saudigitus (HISP Moçambique), utilizando um modelo estatístico de previsão de curto prazo desenvolvido originalmente por um investigador da Universidade de Lancaster. Esta iniciativa apresentou os resultados do modelo num painel de controlo do DHIS2, desenvolvido em parceria com a Clinton Health Access Initiative (CHAI). A equipa da UiO do HISP explorou o sistema do MOH/CHAI através de uma visita presencial que incluiu reuniões com a Saudigitus, os criadores de modelos e as partes interessadas relevantes, bem como uma análise aprofundada do código.

Ao rever o código e ao colaborar com o programador do modelo original, surgiram vários problemas. Em primeiro lugar, embora o modelo tivesse utilizado dados climáticos na sua criação, alguns anos antes, o sistema de transmissão de dados climáticos para o modelo tinha deixado de funcionar, o que significava que estava a produzir previsões baseadas apenas em dados históricos da malária. Em segundo lugar, o modelo dependia da instalação manual num ambiente informático separado da infraestrutura de dados de saúde baseada no DHIS2 e da extração e transferência manual de conjuntos de dados do DHIS2 para o modelo. A complexidade desta configuração manual limitou seriamente o potencial de utilização rotineira deste modelo, e a conceção personalizada do software como um projeto de investigação (por oposição a uma ferramenta de software de nível empresarial) fez com que a integração com o DHIS2 para a introdução simplificada de dados e a divulgação dos resultados fosse um desafio. Em resultado destes desafios de integração de dados, o projeto do Ministério da Saúde não tinha chegado a uma fase em que as partes interessadas relevantes tivessem podido avaliar o bom funcionamento do modelo.

Por fim, descobrimos também que tinham sido feitos muitos ajustes técnicos ao código original do modelo para o fazer funcionar com os formatos de dados e o ambiente informático locais, mas que, nos anos que se seguiram à instalação original, o criador do modelo tinha produzido uma versão melhorada do próprio modelo subjacente. Para tirar partido do modelo mais recente – ou para o substituir por um modelo diferente, tal como um modelo desenvolvido pelo NIPH – a equipa em Moçambique teria de passar pelo extenso trabalho manual de adaptação local uma segunda vez, tal como qualquer outro país que estivesse interessado em adaptar este trabalho ao seu próprio contexto.

Aprendizagem com a implementação do EWARS-csd da OMS no Laos

No Laos, o gabinete nacional da OMS e um investigador da Universidade de Gotemburgo tinham trabalhado com o Ministério da Saúde para testar o EWARS-csd (uma versão do software EWARS que incorpora dados climáticos) como prova de conceito, mas não o tinham instalado na infraestrutura do sistema nacional de informação sanitária. Durante o processo de teste, tornou-se evidente que, para que o sistema de alerta precoce funcionasse como esperado, seria necessário estabelecer condutas automáticas e sem descontinuidades a partir das fontes de dados de saúde de rotina do país (no DHIS2) e das fontes de dados climáticos.

O DHIS2 já é uma plataforma altamente interoperável, com APIs bem documentadas e abertas baseadas em REST. Como resultado, o DHIS2 é normalmente capaz de interoperar com outros sistemas que suportam uma API igualmente robusta (e aberta). Os especialistas em DHIS2 do HISP UiO e do HISP Vietname (o nosso grupo parceiro local que apoia os sistemas nacionais DHIS2 no Laos) tinham estado a trabalhar com o gabinete nacional da OMS e o Ministério da Saúde para tentar integrar o sistema DHIS2 do Laos com o EWARS-csd, mas depararam-se com barreiras técnicas que impediam a automatização do intercâmbio de dados entre as duas plataformas, em particular a falta de uma API no EWARS-csd. Embora já existisse apoio institucional para a utilização potencial do sistema EWARS-csd no Laos, estes desafios técnicos impediram a sua utilização rotineira.

As percepções da investigação-ação informam a abordagem do HISP para desenvolver a plataforma de modelação Chap

Com base na nossa investigação-ação com as partes interessadas em Moçambique e no Laos, nas nossas observações das tentativas de operacionalizar os modelos de previsão da malária nesses países e numa revisão da literatura sobre a modelação da malária e da dengue com base no clima, a equipa do HISP UiO decidiu seguir uma abordagem algo diferente do status quo no campo da modelação do clima e da saúde.

Na abordagem padrão, a personalização local dos modelos existentes não se limita apenas à adaptação a diferentes doenças prioritárias, dados de modelação e horizontes de previsão. Muitas vezes também requer correcções técnicas adicionais para gerir as diferenças nos ambientes informáticos e nos formatos de dados. Isto ajudou a informar uma decisão central da equipa do HISP UiO: distinguir o modelo estatístico central da funcionalidade de ciência de dados de apoio, como a análise de dados, a avaliação e a divulgação de resultados. Em vez de desenvolver um sistema à medida, construído em torno de um modelo específico, o HISP UiO desenvolveu uma plataforma de software modularizada – a Plataforma de Modelação Chap – quefornece uma interface padronizada na qual qualquer modelo estatístico pode ser incorporado, e onde todos os modelos podem partilhar uma funcionalidade unificada e robusta para lidar com o processamento de dados e a interoperabilidade do sistema. Esta funcionalidade de apoio pode ser personalizada localmente, independentemente da adaptação do modelo. A interface unificada permite também avaliar vários modelos de forma rigorosa e personalizável, lado a lado.

Com base na abordagem do HISP para a co-criação de soluções de software com os utilizadores nacionais e soluções genéricas, reutilizáveis e extensíveis, a plataforma de modelação Chap foi concebida para preencher uma lacuna crítica observada em todos os países: a falta de uma infraestrutura de modelação robusta para acomodar múltiplos modelos e facilitar condutas de dados em tempo real a partir de sistemas de dados de rotina como o DHIS2. Significativamente, uma vez que o Chap foi desenvolvido através do projeto DHIS2 for Climate & Health, que visa alavancar os sistemas DHIS2 existentes, os dados e a capacidade local nos mais de 75 países onde o DHIS2 é utilizado à escala nacional, a plataforma Chap foi concebida desde o início para se integrar perfeitamente no DHIS2, tanto para a introdução de dados como para a divulgação de resultados. Em combinação com o desenvolvimento paralelo da aplicação climática do DHIS2, que facilita a integração e harmonização dos dados climáticos com os dados de saúde no DHIS2, isto resolve efetivamente os problemas de fluxo de dados encontrados em Moçambique.

Uma vez que foi construída desde o início para funcionar no âmbito das infra-estruturas nacionais de informação sobre saúde e dos fluxos de dados de rotina existentes, a plataforma Chap permite aos países desenvolver, avaliar e executar modelos de forma ágil. Utilizando o Chap, os países podem avaliar vários modelos lado a lado para ver qual funciona melhor no seu contexto e para ver quais as fontes de dados que contribuem para melhorar as previsões. Podem também ajustar os modelos de fonte aberta disponíveis para melhor se adequarem ao seu contexto ou desenvolver os seus próprios modelos, que podem depois ser facilmente partilhados através do Chap para reutilização e adaptação noutros países e contextos.

Reconhecendo que muitos países e partes interessadas podem optar por utilizar outras plataformas de dados que não o DHIS2, e dada a dificuldade que o HISP encontrou com a falta de apoio à interoperabilidade na solução modelo pré-existente em Moçambique, o Chap foi também concebido para ser agnóstico em relação à plataforma, apoiando a integração com outros sistemas de dados e softwares. Como o Chap também é agnóstico em relação aos modelos, isto significa que pode servir como uma arquitetura partilhada e genérica para o desenvolvimento e teste de modelos que os países podem utilizar sem terem de duplicar os esforços de integração e adaptação técnica para cada novo modelo estatístico que queiram experimentar.

No que diz respeito à funcionalidade de ciência de dados de apoio no Chap, a abertura da plataforma e a nossa colaboração direta com os intervenientes locais permite que a equipa do HISP veja as necessidades comportamentais de cada componente no contexto pretendido desde o início, ajudando a garantir que as soluções técnicas concebidas pelo HISP são relevantes para os intervenientes locais e permitindo que diferentes aspectos sejam trabalhados e melhorados em paralelo. O desenvolvimento de funcionalidades de processamento e avaliação de dados que sejam genéricas para a plataforma Chap, em vez de serem desenvolvidas de forma redundante para cada modelo, permite que uma comunidade mais vasta se junte para desenvolver funcionalidades mais sofisticadas e rigorosamente testadas para estes aspectos. A existência de uma funcionalidade unificada de tratamento de dados e de avaliação em todos os países, apesar de serem utilizados modelos estatísticos potencialmente diferentes, promove a partilha de experiências e facilita a criação de recursos de apoio partilhados, como materiais de formação, que também podem ser facilmente reutilizados e adaptados.

Por fim, a utilização das melhores práticas para o desenvolvimento de software de código aberto desde o início, incluindo bases de código rigorosas e genéricas, versionamento de software, utilização de soluções padrão como a contentorização (como o Docker) e documentação completa sobre a instalação, configuração e utilização, facilita aos países a implementação do Chap e a sua atualização à medida que a equipa do HISP UiO continua a fazer melhorias iterativas na plataforma como parte do nosso projeto de investigação de ação em curso. Isto reduz o tempo necessário para adaptar a plataforma de software subjacente, permitindo que os modeladores passem mais tempo a trabalhar com os próprios modelos.

Esta ênfase na abertura, na co-criação iterativa com parceiros locais e na conceção para adaptabilidade, integração e reutilização é central para a abordagem HISP, que tem orientado o trabalho do HISP UiO e da rede HISP nos últimos 30 anos. A aplicação desta abordagem ao domínio da modelização oferece uma solução potencial para as abordagens em silos e personalizadas que têm limitado o potencial dos países para pôr em prática de rotina a previsão de doenças sensíveis ao clima.

Apoiar a interoperabilidade do EWARS com o DHIS2

Para além dos modelos propriamente ditos, também reconhecemos na nossa investigação que as ferramentas existentes para a previsão de doenças sensíveis ao clima também fornecem funcionalidades adicionais que são úteis para as partes interessadas da saúde (como a produção de alarmes para surtos previstos) e que já existe uma adesão institucional para a sua implementação nas arquitecturas dos sistemas nacionais de informação sobre saúde. Foi o caso do EWARS-csd no Laos. A solução a que chegámos não foi substituir este sistema, mas facilitar a sua utilização eficaz, simplificando a ligação ao DHIS2 e ao Chap.

Para tal, o HISP UiO trabalhou com a equipa da Universidade de Gotemburgo para introduzir uma API para o sistema EWARS-csd. Trabalhámos com a universidade para testar a nova API como um meio de receber alertas e alarmes gerados pelo EWARS-csd como pontos de dados no DHIS2 para preencher painéis de alerta precoce e gerar notificações para os utilizadores do sistema de saúde.

Foi necessário desenvolver um novo código para facilitar a transformação das entradas e saídas de dados do EWARS-csd para o DHIS2 e vice-versa. Por conseguinte, o HISP UiO tomou a decisão de integrar este código na plataforma Chap para facilitar a transformação de dados necessária para que o EWARS-csd e o DHIS2 possam enviar dados e informações de forma bidirecional. Isto oferece uma solução simplificada para enfrentar o desafio de gerir as diferenças nos ambientes informáticos e nos formatos de dados acima referidos, e fornece uma solução que pode ser adoptada por outros países que utilizam o sistema EWARS-csd juntamente com o DHIS2.

Outras lições aprendidas ajudam a orientar o trabalho do HISP – e podem beneficiar outros no campo da modelação da saúde

Para além de informar o desenvolvimento e a implementação da Plataforma de Modelação de Chap, as experiências do HISP em Moçambique proporcionaram várias aprendizagens que levaremos adiante no nosso trabalho futuro no DHIS2 para o Clima e Saúde. Estas lições aprendidas podem também ser úteis para outros que trabalham no domínio da modelação.

Em primeiro lugar, ao explorar os sistemas existentes nos países, é crucial ter acesso ao código completo de funcionamento para determinar como é que uma solução funciona verdadeiramente. Por este motivo, é muito importante que o código esteja disponível ao público desde o início, para evitar que se gaste muito tempo e esforço a obter acesso ao mesmo. É igualmente essencial não só ter acesso ao modelo genérico subjacente, mas também ao código adaptado que está efetivamente a ser utilizado num determinado país, uma vez que só este revelará que dados estão realmente a ser utilizados e que resultados específicos estão a ser gerados.

Em segundo lugar, mesmo quando um modelo parece estar próximo de uma utilização real, podem existir ainda grandes lacunas, tanto sociotécnicas como puramente técnicas, para atingir uma verdadeira utilização operacional. A um nível puramente técnico, pode ser necessário um esforço de desenvolvimento substancial para passar de scripts executados em infra-estruturas separadas com preparação manual de dados e divulgação de resultados para uma solução que possa ser executada regularmente em fluxos de dados de rotina com divulgação simplificada de resultados às partes interessadas relevantes. A nível sociotécnico, é importante validar os modelos com as partes interessadas locais para garantir que os resultados são relevantes, significativos, exactos e utilizáveis, e investigar os fluxos de trabalho existentes, SOPs e canais de disseminação para garantir que, uma vez que um sistema de alerta precoce esteja pronto para uso rotineiro, haja suficiente adesão, confiança e apoio organizacional para facilitar o uso dos seus resultados.

Finalmente, notamos que a divisão entre instituições e propriedade e utilização de dados que observámos em Moçambique é um tema recorrente noutros países, especialmente naqueles que têm um Ministério da Saúde e um Instituto Nacional de Saúde Pública. Em Moçambique, o HISP descobriu que o Ministério da Saúde (MISAU) é o proprietário dos dados sobre a malária do país – e a agência de saúde que está habilitada a agir com base nesses dados – enquanto o Instituto Nacional de Saúde Pública (NIPH) fornece serviços de análise de dados para responder a questões políticas específicas ou para apoiar projectos e iniciativas específicos. As lacunas entre estas organizações, que podem ser tanto técnicas como sociotécnicas, podem fazer com que seja difícil para um programa de paludismo num Ministério da Saúde operacionalizar análises e previsões ad hoc produzidas por um Instituto Nacional de Saúde Pública. Incentivar ambas as agências a utilizar uma plataforma de modelação partilhada, como o Chap, pode ser uma forma de resolver este desafio.

Saiba mais sobre o Chap e a aplicação de modelação DHIS2 com esta apresentação da Conferência Anual DHIS2 de 2025: