Modèle prédictif de la capacité de paiement des services de prophylaxie pré-exposition (PrEP) en Ouganda

Aperçu

À travers l’Afrique subsaharienne, le VIH reste l’une des crises de santé publique les plus dévastatrices de notre époque. Pourtant, l’un des outils de prévention les plus efficaces, la PrEP (prophylaxie pré-exposition), n’atteint toujours pas les populations qui en ont le plus besoin.

Identifier et atteindre les populations à haut risque éligibles à la PrEP reste un défi persistant pour les systèmes de santé et les partenaires de mise en œuvre. Sans informations précises et basées sur les données pour déterminer où et quand déployer les services, les ressources sont souvent mal allouées, laissant les communautés les plus vulnérables insuffisamment couvertes.

Ce projet utilise des modèles d’apprentissage automatique et d’IA pour identifier, quantifier et cartographier les populations les plus exposées au VIH et éligibles à la PrEP. En générant des informations détaillées et basées sur les données sur le moment et le lieu optimal pour déployer les services en particulier auprès des populations les mieux positionnées pour accéder au traitement et le maintenir l’outil permet aux partenaires de mise en œuvre de cibler leurs interventions avec beaucoup plus de précision.

Le résultat est une allocation plus intelligente des ressources, une portée plus large et un impact mesurablement renforcé dans la distribution de la PrEP. En garantissant que les outils de prévention atteignent les bonnes personnes au bon moment, le projet offre un modèle d’IA responsable et évolutif pour la prévention du VIH, capable de contribuer à réduire le nombre de nouvelles infections dans la région.