Hybrid-Prävalenz-Schätzung: Methode zur Verbesserung der intervention Abdeckung Schätzungen

LSTM Professor Joseph Valadez ist senior-Autor der neuen Studie, die heute veröffentlicht in den Proceedings der Nationalen Akademie der Wissenschaften, dargelegt sind, Vorschläge für eine genauere Schätzer von Gesundheitsdaten.

Zeitnahe und belastbare Daten über der Gesundheit der Bevölkerung spielt eine wesentliche Rolle in der Planung und Verwaltung von health systems and policies. Seit Jahrzehnten Gesundheitsinformationen Datensätze in geringem bis mittlerem Einkommen Länder wurden zersplittert und Papier-basierte, aber jetzt sind rasch zu elektronischen Systemen. Die wichtigsten elektronischen system unterstützt die internationalen Gemeinschaften, in 60 Ländern auf vier Kontinenten ist die District Health Information System-2 (DHIS2). Jedoch, LSTM-team von Forschern haben gezeigt, dass diese nicht so genau ist wie es sein sollte, vor allem, wie die Welt bewegt sich in Richtung universal health coverage und die Globale Gesundheit agenda, lässt niemanden hinter sich.

Professor Valadez, sagte: „Länder mit der höchsten Belastung von Infektionskrankheiten immer haben die am wenigsten entwickelten Gesundheitssysteme. Gute intervention ist die Abdeckung wesentlich zu reduzieren, die Belastung durch Infektionskrankheiten. Die wiederkehrende Gesundheit Informationen aus dem Gesundheits-facility Register, ist entscheidend für die Verwaltung des Gesundheitssystems, aber es hat Grenzen. Es ist nicht repräsentativ für die Gesundheit der Bevölkerung, wie es Berichte, die das Gesundheitsverhalten von Menschen, die an den Kliniken. Keine dieser Verwaltungs-basierte Systeme haben ein Maß Ihrer eigenen Genauigkeit, als ein Ergebnis, Gesundheits-system-Managern und politischen Entscheidungsträgern kann nicht beurteilen, Ihr eigenes Risiko bei der Verwendung der Informationen.“

Die veröffentlichte Studie, die das Ergebnis der Arbeit, finanziert von der Bill und Melinda Gates Stiftung in Indien, und führte gemeinsam mit Professor Pagano von der Harvard-Universität, und LSTM Dr. Caroline Jeffery, beschreibt ein system, wobei der Gesundheitssysteme, Forscher, Entscheidungsträger und die Politik Messen können, die Fehler in den Schätzungen, in die Daten durch die Kombination von Health Information System (HIS) Daten mit einer Wahrscheinlichkeit von Umfragen zum erzeugen einer hybrid-Schätzer. Die hybrid-Prävalenz-Schätzung verwendet werden können, zu überprüfen und dann, falls erforderlich, moderieren die Verwaltung schätzt der Berichterstattung.

Das team durchgeführten Haushaltsbefragungen in Benin und Madagaskar während der Verabreichung von zwei Eingriff-Coverage als Teil der Gesundheit von Kindern Tag, die Ergebnisse wurden kombiniert, mit SEINEN Daten, um eine schätzfunktion mit seinem eigenen Maß an Genauigkeit sowie die Genauigkeit der SEINE Daten. Dies ermöglichte genauere Informationen zur Gesundheit als Nutzung von source-Daten allein.

Professor Valadez weiter: „Hier bieten wir Ihnen eine einfache und neue Statistik zu kombinieren nationalen wiederkehrende Gesundheits-Informations-Datenbanken, mit basic lokalisiert Erhebung von Daten, um eine genauere Bewertung einer intervention bei der Berichterstattung auf die Aktionen basieren, zur Senkung der Krankheitslast. Unsere neue Methode produziert auch für die erste Zeit, ein Maß für die Fehler in wiederkehrenden Gesundheits-system-Daten“.