MétaCan
Menu
Retour à la cohorte
Enregistrement W4407895265 · doi:10.3389/fpubh.2025.1526454

Significance of the ARIMA epidemiological modeling to predict the rate of HIV and AIDS in the Kumba Health District of Cameroon

2025· article· en· W4407895265 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFrontiers in Public Health · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHIV/AIDS Impact and Responses
Établissements canadiensArtificial Intelligence in Medicine (Canada)Response Biomedical (Canada)York University
Organismes subventionnairesnon disponible
Mots-clésEpidemiologyHuman immunodeficiency virus (HIV)Autoregressive integrated moving averageMedicineEnvironmental healthVirologyComputer scienceInternal medicineTime series

Résumé

récupéré en direct d'OpenAlex

Background: AIDS is a severe medical condition caused by the human immunodeficiency virus (HIV) that primarily attacks the immune system, specifically CD4+ T lymphocytes (a type of white blood cell crucial for immune response), monocyte macrophages, and dendritic cells. This disease has significant health and socio-economic implications and is one of the primary causes of illness and death globally (UNAIDS, 2022). It presents significant challenges for public health and population well-being, both in developed and developing countries. By conducting a time series analysis, this research seeks to identify any significant changes in HIV rates over the next 4 years in the Kumba District Hospital and provide valuable insights to inform evidence-based decision-making and strategies for preventing and controlling HIV within the Kumba Health District. Materials and methods: A hospital-based retrospective study on HIV/AIDS recorded cases was conducted at the Kumba District Hospital. Using data extraction form, hospital records from 2012 to 2022 were reviewed and data extracted and used to make predictions on the number of future incidence cases. Time series analysis using Auto-Regressive Integrated Moving Average (ARIMA) model was done using Statistical Package for the Social Sciences (SPSS) Version 26. Results: According to the ARIMA parameter (p,d,q), the results for the Partial Autocorrelation Factor (p) was 1, differencing (d) was 0 and Autocorrelation Factor (q) was 0. Putting these values together, we had the ARIMA model (1,0,0) which predicted an overall increase in HIV incidence cases at the Kumba District Hospital for the upcoming Years (2023-2026). Interpretation: -value of 0.410, indicating that the model's predictions aligned well with the observed data. The model predicted an increase in the number of HIV incidence cases over the coming years (2023-2026), potentially suggesting a worsening situation. However, it is important to interpret these predictions with caution and consider other factors that may influence the incidence of HIV in reality.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil0,316

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,059
Tête enseignante GPT0,291
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle