Measuring and modelling the effects of systematic non-adherence to mass drug administration

به خوبی درک می شود که موفقیت یا شکست یک مبارزات انتخاباتی مبارزه با مواد مخدر، به میزان قابل توجهی بستگی به سطح پوشش دارد. به این ترتیب سطح پوشش معمولا در طول مبارزات دقیق مورد بررسی قرار می گیرد و پاسخ به کمپین های ناموفق نیز تلاش برای بهبود پوشش است. با این حال، کار مدل سازی نشان داده است که کیفیت پوشش داده شده نیز ممکن است بر نتایج تاثیر بگذارد. اگر پوشش به دست آمده احتمالا در هر دور از دست رفته مردم مشابه باشد، این امر می تواند تاثیر مخربی جدی بر نتیجه انتخابات داشته باشد. ما با مرور توصیف های مدل سازی فعلی این اثر و ارائه یک چارچوب مدل سازی جدید که می تواند برای شبیه سازی سطح داده شده از عدم پذیرش سیستماتیک استفاده شود، آغاز می شود. ما احتمال این که مردم ممکن است چندین دور درمان را از دست بدهند با استفاده از همبستگی در حضور دورهای مختلف، رسمی کنیم. بدین ترتیب، با استفاده از دو مدل بسیار ساده از عفونت های کلمنت ها و غیر کلامیدی ها، ما نشان می دهیم که شرح مدل سازی مورد استفاده قرار گرفته است و همبستگی بین دوره های درمان می تواند تاثیر عمیقی بر زمان برطرف شدن بیماری در یک جمعیت داشته باشد. بدین ترتیب واضح است که اطلاعات دقیق پوشش برای پیش بینی دقیق زمان برای از بین بردن بیماری لازم است. ما دادههای مربوط به پوشش داده شده را بررسی می کنیم که از آنها خواسته می شود که تعداد دفعات قبلی آنها حضور داشته باشد و نشان دهد چگونه این اطلاعات ممکن است برای ارزیابی سطح عدم پذیرش سیستماتیک استفاده شود. ما متوجه می شویم که در حالی که پوشش داده ها در محدوده بین 40.5٪ تا 95.5٪ است، همبستگی ها در محدوده نسبتا باریک (بین 0.2806 و 0.5351) قرار دارند. این نشان می دهد که سطح عدم پذیرش سیستماتیک ممکن است حتی در داده های سال های مختلف، کشورهای، بیماری ها و داروهای اداری مشابه باشد.