促进数据协调,以评估LMIC中疫苗犹:方法和应用
Ryan T Rego1,2, Yuri Zhukov3,4, Kyrani A Reneau5
1Center for Global Health Equity, Michigan Medicine, University of Michigan, Ann Arbor, MI, USA. ryanregoph@gmail.com.
BMC medical research methodology
|November 24, 2023
概括
整合不同的数据集对于公共卫生研究至关重要. 一个新的工具包,SUNGEO,将健康数据与政治暴力等因素联系起来,揭示疫苗犹与不稳定性和无法获得公共产品相关.
科学领域:
- 公共卫生 公共卫生
- 地理空间分析是什么
- 计算社会科学 计算社会科学
背景情况:
- 公共卫生研究需要跨学科数据,但由于地理,结构和方法的不兼容性,将数据集结合起来具有挑战性.
- 现有的数据集往往缺乏将健康结果与政治暴力或发展等关键上下文因素联系起来的广度.
研究的目的:
- 提出一个计算包,分国家地理空间数据档案 (SUNGEO),用于组合空间不对齐和不兼容的数据集.
- 通过分析影响低收入和中等收入国家 (LMIC) 疫苗犹的多维因素来证明SUNGEO的实用性.
主要方法:
- 利用SUNGEO将来自肯尼亚,印度尼西亚和马拉维的世界银行高频电话调查 (HFPS) 与有关政治暴力,选举和经济发展的数据相结合.
- 开发了一个随机模型来评估疫苗接种偏好的稳定性及其与当地上下文因素的关联.
主要成果:
- 在所有国家,接种疫苗的接受比犹更持久.
- 在政治暴力地区,接种疫苗的耐久性显著下降 (-10%至-64%ppd).
- 在印度尼西亚和肯尼亚缺乏竞争性选举和有限的运输基础设施的地区,接种疫苗的接受程度较低.
结论:
- 通过SUNGEO,可以整合不同的数据集进行全面的公共卫生分析.
- 疫苗犹与政治暴力,选举竞争力低下和公共商品获取限制有关,这表明与政府不信任有关.
