Bayesian Spatiotemporal Small-Area Estimation of HIV Testing Uptake in Ghana, 2008-2022: Integrating Machine-Learning-Derived Geospatial Covariates with District-Level BYM2-RW1 Modelling of the Ghana Demographic and Health Surveys
Este estudio utilizó un modelo jerárquico espaciotemporal bayesiano que integra covariables geoespaciales derivadas de aprendizaje automático con datos de la Encuesta Demográfica y de Salud de Ghana de 2008 a 2022 para generar estimaciones calibradas a nivel de distrito sobre la captación de pruebas de VIH, revelando un gradiente persistente de norte a sur e identificando grupos específicos para intervenciones focalizadas que permanecen inexplicados únicamente por la accesibilidad y la urbanidad.