< Terug naar vorige pagina

Project

Een geostatistisch kader om malaria-incidentie te voorspellen binnen de context van klimatologische gebeurtenissen

Malaria is een levensbedreigende ziekte die wereldwijd een aanzienlijke last voor de volksgezondheid veroorzaakt. Malaria-incidenties vertonen aanzienlijke temporele en geografische variatie, die ten minste gedeeltelijk kan worden gekoppeld aan klimatologische omstandigheden. In de afgelopen twintig jaar zijn er meerdere Malaria Early Warning Systems (MEWS) ontwikkeld. Deze systemen zijn voornamelijk gericht op voorspellingen van incidentie op korte termijn, maar er is een groeiende vraag om voorspellingen op lange termijn te implementeren die gebaseerd zijn op klimaatvariabelen. Dit project zal een geostatistisch raamwerk voor de langetermijnvoorspelling van malaria-incidentie ontwikkelen met de nadruk op de effecten van klimaatgerelateerde omstandigheden. De statistische methodologie zal worden ontwikkeld die gebruik maakt van ruimtelijke multivariate tijdreeksanalyses en gedistribueerde lag-modellen, om op flexibele wijze spatio-temporele variatie in malaria-incidentie te modelleren en hoe deze wordt beïnvloed door klimatologische gebeurtenissen. Het zal deze methoden inbedden in een MEWS, die prioriteit geeft aan toepasbaarheid en interpreteerbaarheid voor gezondheidswerkers en beleidsmakers in ontwikkelingslanden.

Datum:16 jun 2022 →  Heden
Trefwoorden:long-term prediction, spatio-temporal statistics, Malaria Early Warning System
Disciplines:Statistiek
Project type:PhD project