领募-混合流行率估计：改善干预覆盖率估计的方法

一项新研究的资深作者，该研究概述了更准确的健康数据估算方法。

关于人口健康的及时而有力的数据在规划和管理卫生系统和政策方面发挥着至关重要的作用。几十年来，中低收入国家的卫生信息记录分散且以纸张为基础，但现在正迅速转向电子系统。在四大洲60个国家的国际社会支持的主要电子系统是地区卫生信息系统-2（DHIS2）。然而，LSTM的研究团队已经表明，这并不像它需要的那样准确，特别是当世界走向全民健康覆盖和全球健康议程时，没有人落后。

Valadez教授说：“传染病负担最重的国家总是拥有最不发达的卫生系统。良好的干预措施对于减少传染病负担至关重要。来自卫生机构登记处的经常性卫生信息对于健康管理至关重要系统，但它有局限性。它不代表人口的健康，因为它报告了参加诊所的人的健康行为。这些基于行政的系统都没有衡量他们自己的准确性，因此，卫生系统管理人员和政策制定者在使用这些信息时无法判断自己的风险。“

这项已发表的研究是由比尔和梅林达盖茨基金会在印度资助的，与哈佛大学Pagano教授和LSTM博士Caroline Jeffery共同开展的研究，描述了卫生系统研究人员，决策者的系统。通过将健康信息系统（HIS）数据与概率调查相结合，生成混合估计器，政策制定者可以测量数据中任何估计值的误差。混合流行率估计可用于验证，然后，如有必要，可以适度调整HIS的覆盖范围。

作为儿童健康日的一部分，该小组在贝宁和马达加斯加进行了两次干预措施的家庭调查，其结果与HIS数据相结合，为估算人员提供了自己的准确度和准确度。 HIS数据。与仅利用源数据相比，这允许更准确的健康信息。

Valadez教授继续说道：“在这里，我们提供了一个简单的新统计数据，将国家经常性健康信息数据库与基本的本地化调查数据相结合，以便更准确地评估干预措施的覆盖范围，以此为基础减轻疾病负担。我们的新方法也首次产生了对经常性卫生系统数据中的误差的衡量。“

该团队建议将生成的估算器纳入DHIS2，以评估数据质量并指导决策者使用HIS数据，并通过DHIS2在全球范围内推广。