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
Cette étude a utilisé un modèle hiérarchique bayésien spatio-temporel intégrant des covariables géospatiales dérivées de l'apprentissage automatique avec les données de l'Enquête Démographique et de Santé du Ghana de 2008 à 2022 pour générer des estimations calibrées au niveau des districts de l'adoption du dépistage du VIH, révélant un gradient persistant du nord au sud et identifiant des clusters spécifiques pour des interventions ciblées qui ne sont pas expliqués par l'accessibilité et l'urbanité seules.