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
Deze studie maakte gebruik van een Bayesiaans spatiotemporeel hiërarchisch model dat machine learning-afgeleide geospatiale covariaten integreerde met gegevens uit de Ghana Demographic and Health Survey van 2008 tot 2022 om gekalibreerde district-niveau schattingen van de deelname aan HIV-testen te genereren, waarbij een hardnekkig noord-naar-zuid gradiënt werd onthuld en specifieke clusters voor gerichte interventie werden geïdentificeerd die niet louter door toegankelijkheid en urbaniteit verklaard kunnen worden.