Les systèmes de surveillance de la santé publique en Éthiopie sont cruciaux pour le suivi des résultats cliniques afin d'orienter les politiques et l'allocation des ressources. Cependant, ces systèmes rencontrent souvent des difficultés à mesurer et à rapporter avec précision ces résultats. Un modèle hiérarchique bayésien a été employé, incorporant plusieurs niveaux d'incertitude pour tenir compte de la variabilité entre les différents établissements de santé en Éthiopie. Les données de la base de données nationale de surveillance de la santé publique ont été analysées en utilisant des méthodes de chaînes de Markov Monte Carlo avec des erreurs standards robustes estimées. Le modèle a démontré une amélioration significative (p < 0,05) dans l'estimation des taux de prévalence des maladies par rapport aux approches traditionnelles, en particulier lorsqu'on prend en compte les variations spécifiques aux établissements de santé locaux et les tendances temporelles. Les modèles hiérarchiques bayésiens fournissent des informations précieuses sur l'exactitude des mesures des résultats cliniques au sein des systèmes de surveillance de la santé publique en Éthiopie. Les résultats suggèrent qu'un affinement et une validation continus du modèle sont nécessaires pour maintenir la fiabilité de ces systèmes, notamment pour traiter les disparités régionales et garantir une répartition équitable des ressources. L'effet de traitement a été estimé avec logit (pᵢ) =₀ + ^Xᵢ, et l'incertitude a été rapportée en utilisant une inférence basée sur les intervalles de confiance.
Teklehawary et al. (Mon,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: