A new ‘malaria map’ suggests that the disease is far more common than was thought. There is still no reliable estimate of the global distribution of the public health burden posed by malaria, making it impossible to allocate resources for malaria control on the basis of objective evidence. Snow et al. set out to improve the situation by developing a map of the global distribution of clinical episodes of Plasmodium falciparum malaria incorporating epidemiological, geographic and demographic data. The bottom line is a total of around 500 million cases in 2002, which is 50% higher than the WHO figure. For areas outside Africa the new estimate is twice the WHO figure, reflecting lax reporting procedures in some countries. Interest in mapping the global distribution of malaria is motivated by a need to define populations at risk for appropriate resource allocation1,2 and to provide a robust framework for evaluating its global economic impact3,4. Comparison of older5,6,7 and more recent1,4 malaria maps shows how the disease has been geographically restricted, but it remains entrenched in poor areas of the world with climates suitable for transmission. Here we provide an empirical approach to estimating the number of clinical events caused by Plasmodium falciparum worldwide, by using a combination of epidemiological, geographical and demographic data. We estimate that there were 515 (range 300–660) million episodes of clinical P. falciparum malaria in 2002. These global estimates are up to 50% higher than those reported by the World Health Organization (WHO) and 200% higher for areas outside Africa, reflecting the WHO's reliance upon passive national reporting for these countries. Without an informed understanding of the cartography of malaria risk, the global extent of clinical disease caused by P. falciparum will continue to be underestimated.

Mobile Phone “Hot Spots” An obstacle to developing effective national malaria control programs is a lack of understanding of human movements, which are an important component of disease transmission. As mobile phones have become increasingly ubiquitous, it is now possible to collect individual-level, longitudinal data on human movements on a massive scale. Wesolowski et al. (p. 267 ) analyzed mobile phone call data records representing the travel patterns of 15 million mobile phone owners in Kenya over the course of a year. This was combined with a detailed malaria risk map, to estimate malaria parasite movements across the country that could be caused by human movement. This information enabled detailed analysis of parasite sources and sinks between hundreds of local settlements. Estimates were compared with hospital data from Nairobi to show that local pockets of transmission likely occur around the periphery of Nairobi, accounting for locally acquired cases, contrary to the accepted idea that there is no transmission in the capital.

The spatial distribution of populations and settlements across a country and their interconnectivity and accessibility from urban areas are important for delivering healthcare, distributing resources and economic development. However, existing spatially explicit population data across Africa are generally based on outdated, low resolution input demographic data, and provide insufficient detail to quantify rural settlement patterns and, thus, accurately measure population concentration and accessibility. Here we outline approaches to developing a new high resolution population distribution dataset for Africa and analyse rural accessibility to population centers. Contemporary population count data were combined with detailed satellite-derived settlement extents to map population distributions across Africa at a finer spatial resolution than ever before. Substantial heterogeneity in settlement patterns, population concentration and spatial accessibility to major population centres is exhibited across the continent. In Africa, 90% of the population is concentrated in less than 21% of the land surface and the average per-person travel time to settlements of more than 50,000 inhabitants is around 3.5 hours, with Central and East Africa displaying the longest average travel times. The analyses highlight large inequities in access, the isolation of many rural populations and the challenges that exist between countries and regions in providing access to services. The datasets presented are freely available as part of the AfriPop project, providing an evidence base for guiding strategic decisions.

Background Efficient allocation of resources to intervene against malaria requires a detailed understanding of the contemporary spatial distribution of malaria risk. It is exactly 40 y since the last global map of malaria endemicity was published. This paper describes the generation of a new world map of Plasmodium falciparum malaria endemicity for the year 2007. Methods and Findings A total of 8,938 P. falciparum parasite rate (PfPR) surveys were identified using a variety of exhaustive search strategies. Of these, 7,953 passed strict data fidelity tests for inclusion into a global database of PfPR data, age-standardized to 2–10 y for endemicity mapping. A model-based geostatistical procedure was used to create a continuous surface of malaria endemicity within previously defined stable spatial limits of P. falciparum transmission. These procedures were implemented within a Bayesian statistical framework so that the uncertainty of these predictions could be evaluated robustly. The uncertainty was expressed as the probability of predicting correctly one of three endemicity classes; previously stratified to be an informative guide for malaria control. Population at risk estimates, adjusted for the transmission modifying effects of urbanization in Africa, were then derived with reference to human population surfaces in 2007. Of the 1.38 billion people at risk of stable P. falciparum malaria, 0.69 billion were found in Central and South East Asia (CSE Asia), 0.66 billion in Africa, Yemen, and Saudi Arabia (Africa+), and 0.04 billion in the Americas. All those exposed to stable risk in the Americas were in the lowest endemicity class (PfPR2−10 ≤ 5%). The vast majority (88%) of those living under stable risk in CSE Asia were also in this low endemicity class; a small remainder (11%) were in the intermediate endemicity class (PfPR2−10 > 5 to < 40%); and the remaining fraction (1%) in high endemicity (PfPR2−10 ≥ 40%) areas. High endemicity was widespread in the Africa+ region, where 0.35 billion people are at this level of risk. Most of the rest live at intermediate risk (0.20 billion), with a smaller number (0.11 billion) at low stable risk. Conclusions High levels of P. falciparum malaria endemicity are common in Africa. Uniformly low endemic levels are found in the Americas. Low endemicity is also widespread in CSE Asia, but pockets of intermediate and very rarely high transmission remain. There are therefore significant opportunities for malaria control in Africa and for malaria elimination elsewhere. This 2007 global P. falciparum malaria endemicity map is the first of a series with which it will be possible to monitor and evaluate the progress of this intervention process.

Background The efficient allocation of financial resources for malaria control using appropriate combinations of interventions requires accurate information on the geographic distribution of malaria risk. An evidence-based description of the global range of Plasmodium falciparum malaria and its endemicity has not been assembled in almost 40 y. This paper aims to define the global geographic distribution of P. falciparum malaria in 2007 and to provide a preliminary description of its transmission intensity within this range. Methods and Findings The global spatial distribution of P. falciparum malaria was generated using nationally reported case-incidence data, medical intelligence, and biological rules of transmission exclusion, using temperature and aridity limits informed by the bionomics of dominant Anopheles vector species. A total of 4,278 spatially unique cross-sectional survey estimates of P. falciparum parasite rates were assembled. Extractions from a population surface showed that 2.37 billion people lived in areas at any risk of P. falciparum transmission in 2007. Globally, almost 1 billion people lived under unstable, or extremely low, malaria risk. Almost all P. falciparum parasite rates above 50% were reported in Africa in a latitude band consistent with the distribution of Anopheles gambiae s.s. Conditions of low parasite prevalence were also common in Africa, however. Outside of Africa, P. falciparum malaria prevalence is largely hypoendemic (less than 10%), with the median below 5% in the areas surveyed. Conclusions This new map is a plausible representation of the current extent of P. falciparum risk and the most contemporary summary of the population at risk of P. falciparum malaria within these limits. For 1 billion people at risk of unstable malaria transmission, elimination is epidemiologically feasible, and large areas of Africa are more amenable to control than appreciated previously. The release of this information in the public domain will help focus future resources for P. falciparum malaria control and elimination.

Reference 56 [Hay SI, Sinka ME, Tatem AJ, Patil AP, Guerra CA, et al. (2009) Developing global maps of the dominant Anopheles vectors of human malaria. PLoS Med. press.] was erroneously listed as In press. It was in preparation at the time but was not published.

Philip Bejon and colleagues document the clustering of malaria episodes and malarial parasite infection. These patterns may enable future prediction of hotspots of malaria infection and targeting of treatment or preventive interventions.

Summary

Background

 Over a decade ago, the Roll Back Malaria Partnership was launched, and since then there has been unprecedented investment in malaria control. We examined the change in malaria transmission intensity during the period 2000–10 in Africa. 

Methods

 We assembled a geocoded and community Plasmodium falciparum parasite rate standardised to the age group 2–10 years (PfPR_2–10) database from across 49 endemic countries and territories in Africa from surveys undertaken since 1980. The data were used within a Bayesian space–time geostatistical framework to predict PfPR_2–10 in 2000 and 2010 at a 1 × 1 km spatial resolution. Population distribution maps at the same spatial resolution were used to compute populations at risk by endemicity class and estimate population-adjusted PfPR_2–10 (PAPfPR_2–10) for each of the 44 countries for which predictions were possible for each year. 

Findings

 Between 2000 and 2010, the population in hyperendemic (>50% to 75% PfPR_2–10) or holoendemic (>75% PfPR_2–10) areas decreased from 218·6 million (34·4%) of 635·7 million to 183·5 million (22·5%) of 815·7 million across 44 malaria-endemic countries. 280·1 million (34·3%) people lived in areas of mesoendemic transmission (>10% to 50% PfPR_2–10) in 2010 compared with 178·6 million (28·1%) in 2000. Population in areas of unstable or very low transmission (<5% PfPR_2–10) increased from 131·7 million people (20·7%) in 2000 to 219·0 million (26·8%) in 2010. An estimated 217·6 million people, or 26·7% of the 2010 population, lived in areas where transmission had reduced by at least one PfPR_2–10 endemicity class. 40 countries showed a reduction in national mean PAPfPR_2–10. Only ten countries contributed 87·1% of the population living in areas of hyperendemic or holoendemic transmission in 2010. 

Interpretation

 Substantial reductions in malaria transmission have been achieved in endemic countries in Africa over the period 2000–10. However, 57% of the population in 2010 continued to live in areas where transmission remains moderate to intense and global support to sustain and accelerate the reduction of transmission must remain a priority. 

Funding

 Wellcome Trust.

Advances in genetic sequencing and accompanying methodological approaches have resulted in pathogen genetics being used in the control of infectious diseases. To utilise these methodologies for malaria we first need to extend the methods to capture the complex interactions between parasites, human and vector hosts, and environment. Here we develop an individual-based transmission model to simulate malaria parasite genetics parameterised using estimated relationships between complexity of infection and age from 5 regions in Uganda and Kenya. We predict that cotransmission and superinfection contribute equally to within-host parasite genetic diversity at 11.5% PCR prevalence, above which superinfections dominate. Finally, we characterise the predictive power of six metrics of parasite genetics for detecting changes in transmission intensity, before grouping them in an ensemble statistical model. The best performing model successfully predicted malaria prevalence with mean absolute error of 0.055, suggesting genetic tools could be used for monitoring the impact of malaria interventions.

Objective: To evaluate the diagnostic accuracy of X-rays in detecting osteoarthritis (OA) in comparison to MRI. Study Design: Cross-sectional study. Setting: The Fauji Foundation Hospital, Rawalpindi. Period: August, 2023 to March, 2024. Methods: Total 350 patients consented to clinical interviews, physical examinations, standing radiographs, and MRIs. Standing, semi-flexed posteroanterior radiographs of the knees were obtained with proper alignment to accurately detect joint space narrowing. Manual measurements of joint space width were conducted by a blinded orthopedic surgeon using the Kellgren-Lawrence grading system. Data analysis was performed using SPSS 23, with frequencies, percentages, means, and standard deviations calculated for relevant variables. Diagnostic accuracy was assessed using a 2x2 table. Results: Of the 350 patients, 61.1% were up to 60 years old, and 38.9% were over 60 years old. Among those with positive MRI results, 70.1% also had a positive X-ray, while 29.6% did not. Cohen's Kappa was 0.377, indicating fair to moderate agreement. Sensitivity was 54.3%, specificity 82.4%, positive predictive value 70.1%, and negative predictive value 70.4%, with an overall diagnostic accuracy of 70.3%. Conclusion: X-rays demonstrated high specificity and moderate predictive values, but low sensitivity, suggesting that some OA cases may be missed if relying solely on X-rays.