Welkom op deze webpagina over de invloed van welvaartsfactoren op de aanwezigheid van HIV in de
wereld. We proberen de relatie tussen HIV-prevalentie en welvaartsfactoren weer te geven door de
tijd heen. We hopen dat deze grafieken u zullen helpen een beter begrip te krijgen van de
complexe interacties tussen HIV en welvaartsfactoren.
Gebruik het selectiemenu en de schuiver bovenaan de pagina om een dataset en een jaartal te kiezen.
Niet alle jaartallen bevatten data, dus speel een beetje met de schuiver.
Health Nutrition and Population Databank
De
Health Nutrition and Population Databank van de Wereldbank bevat gegevens van zo goed als alle
landen en regio's vanaf 1960 tot en met 2020. Hoewel het niet perfect is, aangezien sommige reeksen
ijl zijn, bevat het een uitgebreide verzameling gegevens voor een aanzienlijk deel van de landen.
Het is belangrijk op te merken dat de geselecteerde indicatoren slechts een deel zijn van de vele
beschikbare opties.
We hebben zorgvuldig reeksen geselecteerd die relatief volledig zijn qua gegevens, aangezien de
dataset soms vrij ijl kan zijn, en waarvan wij vermoeden dat ze een correlatie kunnen hebben met de
prevalentie van HIV. Daarbij hebben we getracht om verschillende domeinen van de samenleving te
omvatten, zoals uitgaven, onderwijs, gezondheid en infrastructuur.
Hieronder kan je een uitgebreide uitleg vinden van de geselecteerde reeks.
Visuele vergelijking
Hover over een land voor meer info
Bovenstaande kaartjes bieden een visuele vergelijking aan tussen respectievelijk de voorkomens van
HIV (per 1.000 niet-geïnfecteerden) en de gekozen serie.
Als we als vergelijkende serie de "Incidentie van tuberculose (per 100.000 mensen)"
nemen kunnen we zien dat Argentinië een gelijklopend verhaal heeft doorheen de
tijd, i.e. zowel HIV als tuberculose heeft altijd een relatief hoog voorkomen.
Daarnaast kan er ook waargenomen worden dat Groenland een zeer hoge tuberculosegraad heeft. Dit is
iets dat in de academische wereld gekend is en uitvoerig gedocumenteerd is geweest, zoals onder meer
hier en
hier beschreven.
Correlatie in de wereld
Op de scatterplot is in één oogopslag te zien hoe landen zich tegenover elkaar verhouden. Zelfs kleinere landen, die niet zo hard opvallen op de wereldkaartjes. Het geeft ook een overzicht hoe werelddelen zich tot elkaar verhouden.
De grafiek verandert ook samen met de jaarschuiver, om de evolutie door de tijd te tonen. Bijvoorbeeld eSwatini, het voormalige Swaziland scoort heel slecht op HIV en in het algemeen ook op andere indicatoren.
Factor doorheen de tijd
Deze grafiek vergelijkt de geselecteerde reeks met de HIV-reeks en toont een tijdlijn voor een
specifiek land. Het doel is om inzicht te krijgen in hoe de geselecteerde reeks in de loop van de
tijd verandert in vergelijking met de HIV-reeks. Om specifieke gegevens voor een land te bekijken,
moet je een land hieronder selecteren. De schuifregelaar bovenaan heeft geen invloed op deze
grafiek. Met deze grafiek kunnen we natuurlijk geen sluitende conclusies trekken omdat dit
waarschijnlijk het gevolg is van meerdere factoren.
Omdat de Y-as van de twee reeksen sterk kan verschillen, gebruiken we een Power-schaal. Een
Power-schaal is een weergave waarbij de afstand tussen de waarden op de as exponentieel verandert.
Dit betekent dat de stijging of daling van de waarden op de Y-as niet lineair is. Bij het lezen van
deze grafiek is het dus belangrijk om je niet enkel te baseren op de afstand tussen de lijnen op de
grafiek, maar ook de exacte waarden in overweging te nemen.
Als we bijvoorbeeld de waarden van Niger bekijken voor de reeksen "Inschrijving in scholen,
basisonderwijs" en "Inschrijving in scholen, secundair", zien we een duidelijke daling in het
voorkomen van HIV wanneer de scholingsgraad toeneemt.