(Last updated on 2024-09-03)

Subnational data chaos and bandaid as needed….

Problem: different data sources have different ID for subnational units.
Worse problem: it has to be resolved country-by-country

Solution steps:
1. SELECT sample countries
2. FIND all datasets that have subnational data
3. REVIEW each data source
4. DECIDE which will be used as a reference
5. CREATE the adminID in all datasets that have subnational data

1. SELECT sample countries

countrylist<-c("Ghana", "Uganda", "Kenya")

2. FIND all datasets that have subnational data

dir(outdatadir)

[1] “dta_dhs_coverage_region.csv”
[2] “dta_dhs_coverage_wealth.csv”
[3] “dta_dhs_coverage.csv”
[4] “dta_dhs_denominator_by_region.csv”
[5] “dta_dhs_mortality_by_region.csv”
[6] “dta_igme_mort_all_cause_by_wealth.csv” [7] “dta_igme_mort_all_cause_region.csv”
[8] “dta_igme_mort_all_cause.csv”
[9] “dta_igme_mort_by_cause.csv”
[10] “dta_unicef_coverage.csv”
[11] “dta_unsd_region.csv”
[12] “dta_who_hidr_dtst_dptdrop_quintile.csv” [13] “dta_who_hidr_long_detail.csv”
[14] “dta_who_hidr_region.csv”
[15] “dta_who_hidr_residence.csv”
[16] “dta_who_hidr_wealth.csv”
[17] “dta_world_population_prospects.csv”
[18] “shapefile”

# filelist<-list.files(outdatadir, 
#                  pattern="(subnational)+(.csv)", 
#                  full.names=TRUE)
# 
# filelist

filelist<-list.files(outdatadir, 
                 pattern="(region)+(.csv)", 
                 full.names=TRUE)
filelist

[1] “/Users/yoonjoungchoi/Dropbox/0iSquared/iSquared_GHTAMS/GHTAMS_MCH/Analysis_MCHN_PR/2_MCHN_PR_data/3_data_for_viz//dta_dhs_coverage_region.csv”
[2] “/Users/yoonjoungchoi/Dropbox/0iSquared/iSquared_GHTAMS/GHTAMS_MCH/Analysis_MCHN_PR/2_MCHN_PR_data/3_data_for_viz//dta_dhs_denominator_by_region.csv” [3] “/Users/yoonjoungchoi/Dropbox/0iSquared/iSquared_GHTAMS/GHTAMS_MCH/Analysis_MCHN_PR/2_MCHN_PR_data/3_data_for_viz//dta_dhs_mortality_by_region.csv”
[4] “/Users/yoonjoungchoi/Dropbox/0iSquared/iSquared_GHTAMS/GHTAMS_MCH/Analysis_MCHN_PR/2_MCHN_PR_data/3_data_for_viz//dta_igme_mort_all_cause_region.csv” [5] “/Users/yoonjoungchoi/Dropbox/0iSquared/iSquared_GHTAMS/GHTAMS_MCH/Analysis_MCHN_PR/2_MCHN_PR_data/3_data_for_viz//dta_unsd_region.csv”
[6] “/Users/yoonjoungchoi/Dropbox/0iSquared/iSquared_GHTAMS/GHTAMS_MCH/Analysis_MCHN_PR/2_MCHN_PR_data/3_data_for_viz//dta_who_hidr_region.csv”
NOTE: See ~/Dropbox/0iSquared/iSquared_GHTAMS/GHTAMS_MCH/Analysis_MCHN_PR/2_MCHN_PR_data/1_data_source/ for country-specific shape files at the admin-1 level.

3. REVIEW each data source

3.1. IGME

filename<-c('dta_igme_mort_all_cause_region.csv')
dta<-read.csv(paste0(outdatadir, filename), header = TRUE)
n_country<-length(unique(dta$country))

dta<-dta%>%filter(country %in% countrylist)
dtaigme<-dta

dta_igme_mort_all_cause_region.csv has 31 countries that were included in the IGME subnational estimate dataset. [1] “country” “iso3code” “admin_level”
[4] “area_name” “year” “admin_1_area.nmr” [7] “nmr” “admin_1_area.u5mr” “u5mr”
[10] “mr_1_59” “group_u5mr” “group_nmr”
[13] “group_mr_1_59” “m49” “isoalpha3”
[16] “UNSDsubregion” “ssa” “priority”
[19] “isoalpha2” “nmr_national” “u5mr_national”
[22] “births” “d_0” “d_0_59”
[25] “d_1_59” “births_national” “pct_births_2yrs”

See names of the “regions” in Ghana.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

area_name isoalpha3.2010 isoalpha3.2015 isoalpha3.2020 isoalpha3.2021
Ashanti GHA GHA GHA GHA
Brong Ahafo GHA GHA GHA GHA
Central GHA GHA GHA GHA
Eastern GHA GHA GHA GHA
Greater Accra GHA GHA GHA GHA
Northern GHA GHA GHA GHA
Upper East GHA GHA GHA GHA
Upper West GHA GHA GHA GHA
Volta GHA GHA GHA GHA
Western GHA GHA GHA GHA
See names of the “regions” in Uganda.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

area_name isoalpha3.2010 isoalpha3.2015 isoalpha3.2020 isoalpha3.2021
Acholi UGA UGA UGA UGA
Ankole UGA UGA UGA UGA
Bugisu UGA UGA UGA UGA
Bukedi UGA UGA UGA UGA
Bunyoro UGA UGA UGA UGA
Busoga UGA UGA UGA UGA
Kampala UGA UGA UGA UGA
Karamoja UGA UGA UGA UGA
Kigezi UGA UGA UGA UGA
Lango UGA UGA UGA UGA
North Central UGA UGA UGA UGA
South Central UGA UGA UGA UGA
Teso UGA UGA UGA UGA
Tooro UGA UGA UGA UGA
West Nile UGA UGA UGA UGA
See names of the “regions” in Kenya.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

area_name isoalpha3.2010 isoalpha3.2015 isoalpha3.2020 isoalpha3.2021
Baringo KEN KEN KEN KEN
Bomet KEN KEN KEN KEN
Bungoma KEN KEN KEN KEN
Busia KEN KEN KEN KEN
Elgeyo-Marakwet KEN KEN KEN KEN
Embu KEN KEN KEN KEN
Garissa KEN KEN KEN KEN
Homa Bay KEN KEN KEN KEN
Isiolo KEN KEN KEN KEN
Kajiado KEN KEN KEN KEN
Kakamega KEN KEN KEN KEN
Kericho KEN KEN KEN KEN
Kiambu KEN KEN KEN KEN
Kilifi KEN KEN KEN KEN
Kirinyaga KEN KEN KEN KEN
Kisii KEN KEN KEN KEN
Kisumu KEN KEN KEN KEN
Kitui KEN KEN KEN KEN
Kwale KEN KEN KEN KEN
Laikipia KEN KEN KEN KEN
Lamu KEN KEN KEN KEN
Machakos KEN KEN KEN KEN
Makueni KEN KEN KEN KEN
Mandera KEN KEN KEN KEN
Marsabit KEN KEN KEN KEN
Meru KEN KEN KEN KEN
Migori KEN KEN KEN KEN
Mombasa KEN KEN KEN KEN
Murang’a KEN KEN KEN KEN
Nairobi KEN KEN KEN KEN
Nakuru KEN KEN KEN KEN
Nandi KEN KEN KEN KEN
Narok KEN KEN KEN KEN
Nyamira KEN KEN KEN KEN
Nyandarua KEN KEN KEN KEN
Nyeri KEN KEN KEN KEN
Samburu KEN KEN KEN KEN
Siaya KEN KEN KEN KEN
Taita Taveta KEN KEN KEN KEN
Tana River KEN KEN KEN KEN
Tharaka-Nithi KEN KEN KEN KEN
Trans Nzoia KEN KEN KEN KEN
Turkana KEN KEN KEN KEN
Uasin Gishu KEN KEN KEN KEN
Vihiga KEN KEN KEN KEN
Wajir KEN KEN KEN KEN
West Pokot KEN KEN KEN KEN

3.2. DHS

coverage

filename<-c('dta_dhs_coverage_region.csv')
dta<-read.csv(paste0(outdatadir, filename), header = TRUE)
n_country<-length(unique(dta$country))

dta<-dta%>%filter(country %in% countrylist)
dtadhs_cov<-dta

dta_dhs_coverage_region.csv has 24 countries that had DHS and are MCH priority countries. Only the latest year is included because the region unit AND name have changed over time.

[1] “isoalpha2” “surveyid”
[3] “grouplabel” “mnh_ironpreg”
[5] “denomw_mnh_ironpreg” “fp_dswm”
[7] “denomw_fp_dswm” “mnh_anc4”
[9] “denomw_mnh_anc4” “denomw_mnh_anc0”
[11] “mnh_sba” “denomw_mnh_sba”
[13] “mnh_csection” “denomw_mnh_csection”
[15] “denomw_mnh_delhome” “chim_msl”
[17] “denomw_chim_msl” “chim_hib”
[19] “denomw_chim_hib” “chim_pn1”
[21] “denomw_chim_pn1” “chim_pn2”
[23] “denomw_chim_pn2” “chim_pn3”
[25] “denomw_chim_pn3” “chim_rota”
[27] “denomw_chim_rota” “chim_bcg”
[29] “denomw_chim_bcg” “chim_dp1”
[31] “denomw_chim_dp1” “chim_dp3”
[33] “denomw_chim_dp3” “chim_basic”
[35] “denomw_chim_basic” “chim_pol”
[37] “denomw_chim_pol” “ch_ari_prevalence”
[39] “denomw_ch_ari_prevalence” “ch_aritrt”
[41] “denomw_ch_aritrt” “ch_arianti”
[43] “denomw_ch_arianti” “ch_aritrt1”
[45] “denomw_ch_aritrt1” “ch_dia_prevalence”
[47] “denomw_ch_dia_prevalence” “ch_diaors”
[49] “denomw_ch_diaors” “ch_diaorz”
[51] “denomw_ch_diaorz” “ch_fev_prevalence”
[53] “denomw_ch_fev_prevalence” “mnh_bfexcl”
[55] “denomw_mnh_bfexcl” “nut_stuntingsev”
[57] “denomw_nut_stuntingsev” “nut_stunting”
[59] “denomw_nut_stunting” “nut_wastingsev”
[61] “denomw_nut_wastingsev” “nut_wasting”
[63] “denomw_nut_wasting” “mnh_tetanuspreg”
[65] “denomw_mnh_tetanuspreg” “mnh_tetanusbirth”
[67] “denomw_mnh_tetanusbirth” “mnh_pncmom”
[69] “denomw_mnh_pncmom” “mnh_pncbaby”
[71] “denomw_mnh_pncbaby” “ch_itn”
[73] “denomw_ch_itn” “mnh_itn”
[75] “denomw_mnh_itn” “ch_fevmaltest”
[77] “denomw_ch_fevmaltest” “mnh_iptp3”
[79] “denomw_mnh_iptp3” “ch_fevtrt1”
[81] “denomw_ch_fevtrt1” “mnh_delfac”
[83] “mnh_anc1” “cci_fp”
[85] “cci_mh” “cci_vac”
[87] “cci_ch” “cci”
[89] “year” “type”
[91] “yearlatest” “latest”
[93] “country” “m49”
[95] “isoalpha3” “UNSDsubregion”
[97] “ssa” “priority”

GH1988DHS GH1993DHS GH1998DHS GH2003DHS GH2008DHS GH2014DHS GH2016MIS GH2019MIS 9 12 12 12 12 12 12 12 GH2022DHS KE1989DHS KE1993DHS KE1998DHS KE2003DHS KE2008DHS KE2014DHS KE2015MIS 22 8 8 8 9 9 55 6 KE2020MIS KE2022DHS UG1988DHS UG1995DHS UG2000DHS UG2006DHS UG2009MIS UG2011DHS 6 55 5 5 5 10 11 11 UG2014MIS UG2016DHS UG2018MIS 11 24 22

See names of the “regions” in Ghana.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

grouplabel sample.1993 sample.1998 sample.2003 sample.2008 sample.2014 sample.2022 sample.2019 sample.1988 sample.2016
Total 59.3 61.9 68.9 77.0 86.2 88.3 90.1 NA NA
Western (pre 2022) 56.7 59.5 59.2 78.5 92.4 90.0 92.5 NA NA
Central 57.2 67.3 67.0 77.0 89.4 88.8 90.3 NA NA
Greater Accra 79.4 74.0 78.7 87.1 90.8 87.3 95.3 NA NA
Volta (pre 2022) 52.1 46.5 65.1 75.5 75.9 86.1 81.9 NA NA
Eastern 68.2 56.7 64.7 71.5 75.7 91.0 85.2 NA NA
Ashanti 62.4 68.1 80.2 82.0 92.5 90.7 91.5 NA NA
Brong-Ahafo 69.1 69.1 76.9 81.2 89.3 89.2 92.2 NA NA
Northern, Upper West, Upper East 45.5 56.3 59.2 68.0 79.4 85.8 90.3 NA NA
..Northern (pre 2022) 37.7 42.4 54.2 65.3 72.0 81.2 88.5 NA NA
..Upper West 46.5 55.9 62.1 82.7 93.0 95.0 87.9 NA NA
..Upper East 58.2 71.5 68.7 67.2 92.9 95.8 97.9 NA NA
..Western (post 2022) NA NA NA NA NA 91.6 NA NA NA
..Western North NA NA NA NA NA 86.2 NA NA NA
..Volta (post 2022) NA NA NA NA NA 94.2 NA NA NA
..Oti NA NA NA NA NA 77.1 NA NA NA
..Ahafo NA NA NA NA NA 91.3 NA NA NA
..Bono NA NA NA NA NA 91.8 NA NA NA
..Bono East NA NA NA NA NA 86.8 NA NA NA
….Northern(post 2022) NA NA NA NA NA 80.6 NA NA NA
….Savannah NA NA NA NA NA 82.0 NA NA NA
….Northeast NA NA NA NA NA 82.6 NA NA NA
See names of the “regions” in Uganda.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

grouplabel sample.1995 sample.2000 sample.2006 sample.2011 sample.2016 sample.2018 sample.1988 sample.2009 sample.2014
Total 47.1 40.2 45.9 47.2 60.2 56.3 NA NA NA
Central 62.6 53.9 NA NA NA NA NA NA NA
Eastern 39.8 34.9 NA NA NA NA NA NA NA
Northern 50.4 46.8 NA NA NA NA NA NA NA
Western 37.3 25.9 NA NA NA NA NA NA NA
..South Buganda NA NA 52.5 48.3 62.8 49.7 NA NA NA
..North Buganda NA NA 51.3 45.4 57.5 55.0 NA NA NA
..Kampala NA NA 62.3 62.8 64.8 54.8 NA NA NA
..East Central NA NA 42.0 44.0 66.2 47.9 NA NA NA
..Eastern NA NA 37.4 37.0 52.6 47.7 NA NA NA
..West Nile NA NA 59.2 64.9 64.9 69.9 NA NA NA
..Northern NA NA 45.9 NA 58.5 64.1 NA NA NA
..Western NA NA 42.9 48.3 56.6 64.1 NA NA NA
..South West NA NA 41.6 47.0 67.8 68.2 NA NA NA
..North NA NA NA 42.3 NA NA NA NA NA
..Karamoja NA NA NA 56.6 66.8 42.5 NA NA NA
….Busoga NA NA NA NA 66.2 47.9 NA NA NA
….Bukedi NA NA NA NA 55.8 45.2 NA NA NA
….Bugisu NA NA NA NA 47.8 48.2 NA NA NA
….Teso NA NA NA NA 52.9 49.4 NA NA NA
….Lango NA NA NA NA 56.8 61.9 NA NA NA
….Acholi NA NA NA NA 60.3 67.2 NA NA NA
….Bunyoro NA NA NA NA 44.2 58.9 NA NA NA
….Tooro NA NA NA NA 65.6 68.3 NA NA NA
….Ankole NA NA NA NA 70.1 76.5 NA NA NA
….Kigezi NA NA NA NA 62.5 56.7 NA NA NA
Islands NA NA NA NA 62.9 NA NA NA NA
Mountains NA NA NA NA 55.4 NA NA NA NA
Greater Kampala NA NA NA NA 63.8 NA NA NA NA
Refugee settlements NA NA NA NA NA 67.0 NA NA NA
East Central (AIS/MIS) NA NA NA NA NA NA NA NA NA
Mid Eastern NA NA NA NA NA NA NA NA NA
Mid Northern NA NA NA NA NA NA NA NA NA
North East NA NA NA NA NA NA NA NA NA
See names of the “regions” in Kenya.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

grouplabel sample.1993 sample.1998 sample.2003 sample.2008 sample.2014 sample.2022 sample.2015 sample.2020 sample.1989
Total 63.2 60.4 50.9 45.7 55.8 NA 61.5 60.3 NA
Coast 57.8 62.6 48.6 45.8 61.1 NA NA NA NA
Eastern 63.2 60.1 42.3 48.7 52.8 NA NA NA NA
Central 66.8 58.8 63.5 56.9 61.9 NA NA NA NA
Rift Valley 62.9 60.8 51.8 41.2 49.9 NA NA NA NA
Western 70.4 64.2 54.7 41.6 50.7 NA NA NA NA
Nyanza 54.5 54.6 45.0 42.6 59.1 NA NA NA NA
Nairobi 70.2 72.4 72.1 67.6 70.9 NA NA NA NA
North Eastern NA NA 13.1 31.8 38.1 NA NA NA NA
..Mombasa NA NA NA NA 62.3 NA NA NA NA
..Kwale NA NA NA NA 59.8 NA NA NA NA
..Kilifi NA NA NA NA 63.7 NA NA NA NA
..Tana River NA NA NA NA 51.6 NA NA NA NA
..Lamu NA NA NA NA 56.7 NA NA NA NA
..Taita Taveta NA NA NA NA 59.2 NA NA NA NA
..Garissa NA NA NA NA 47.7 NA NA NA NA
..Wajir NA NA NA NA 39.5 NA NA NA NA
..Mandera NA NA NA NA 21.3 NA NA NA NA
..Marsabit NA NA NA NA 44.6 NA NA NA NA
..Isiolo NA NA NA NA 48.4 NA NA NA NA
..Meru NA NA NA NA 39.3 NA NA NA NA
..Tharaka-Nithi NA NA NA NA 55.3 NA NA NA NA
..Embu NA NA NA NA 54.4 NA NA NA NA
..Kitui NA NA NA NA 60.7 NA NA NA NA
..Machakos NA NA NA NA 56.9 NA NA NA NA
..Makueni NA NA NA NA 60.1 NA NA NA NA
..Nyandarua NA NA NA NA 60.2 NA NA NA NA
..Nyeri NA NA NA NA 57.3 NA NA NA NA
..Kirinyaga NA NA NA NA 58.2 NA NA NA NA
..Murang’a NA NA NA NA 60.1 NA NA NA NA
..Kiambu NA NA NA NA 65.1 NA NA NA NA
..Turkana NA NA NA NA 46.6 NA NA NA NA
..West Pokot NA NA NA NA 16.8 NA NA NA NA
..Samburu NA NA NA NA 50.7 NA NA NA NA
..Trans-Nzoia NA NA NA NA 37.0 NA NA NA NA
..Uasin Gishu NA NA NA NA 61.3 NA NA NA NA
..Elgeyo Marakwet NA NA NA NA 45.6 NA NA NA NA
..Nandi NA NA NA NA 57.1 NA NA NA NA
..Baringo NA NA NA NA 53.0 NA NA NA NA
..Laikipia NA NA NA NA 51.5 NA NA NA NA
..Nakuru NA NA NA NA 61.7 NA NA NA NA
..Narok NA NA NA NA 44.6 NA NA NA NA
..Kajiado NA NA NA NA 66.7 NA NA NA NA
..Kericho NA NA NA NA 50.5 NA NA NA NA
..Bomet NA NA NA NA 35.6 NA NA NA NA
..Kakamega NA NA NA NA 42.5 NA NA NA NA
..Vihiga NA NA NA NA 61.7 NA NA NA NA
..Bungoma NA NA NA NA 50.4 NA NA NA NA
..Busia NA NA NA NA 59.3 NA NA NA NA
..Siaya NA NA NA NA 61.7 NA NA NA NA
..Kisumu NA NA NA NA 69.6 NA NA NA NA
..Homa Bay NA NA NA NA 61.4 NA NA NA NA
..Migori NA NA NA NA 56.8 NA NA NA NA
..Kisii NA NA NA NA 50.6 NA NA NA NA
..Nyamira NA NA NA NA 48.6 NA NA NA NA
Highland epidemic NA NA NA NA NA NA 59.3 59.6 NA
Lake endemic NA NA NA NA NA NA 62.4 70.2 NA
Coast endemic NA NA NA NA NA NA 65.4 62.2 NA
Semi-arid, seasonal NA NA NA NA NA NA 56.6 54.3 NA
Low risk NA NA NA NA NA NA 64.9 57.1 NA

mortality

filename<-c('dta_dhs_mortality_by_region.csv')
dta<-read.csv(paste0(outdatadir, filename), header = TRUE)
n_country<-length(unique(dta$country))

dta<-dta%>%filter(country %in% countrylist)
dtadhs_mort<-dta

dta_dhs_mortality_by_region.csv has 87 countries that had DHS.

[1] “country” “surveyid” “grouplabel” “nmr”
[5] “u5mr” “nmr_total” “u5mr_total” “nmr_min”
[9] “u5mr_min” “nmr_max” “u5mr_max” “nmr_difference” [13] “u5mr_difference” “n_region” “year” “type”
[17] “yearlatest” “latest” “m49” “isoalpha3”
[21] “UNSDsubregion” “ssa” “priority” “isoalpha2”

GH1988DHS GH1993DHS GH1998DHS GH2003DHS GH2008DHS GH2014DHS GH2022DHS KE1989DHS 9 12 12 12 12 12 22 8 KE1993DHS KE1998DHS KE2003DHS KE2008DHS KE2014DHS KE2022DHS UG1988DHS UG1995DHS 8 8 9 9 55 55 5 5 UG2000DHS UG2006DHS UG2009MIS UG2011DHS UG2016DHS 5 10 11 11 24

See names of the “regions” in Ghana.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

grouplabel sample.1988 sample.1993 sample.1998 sample.2003 sample.2008 sample.2014 sample.2022
Total 154 133 110 110 85 70 43
Western (pre 2022) 148 132 110 109 65 56 45
Central 210 128 142 90 108 69 46
Greater Accra 104 100 62 75 50 47 20
Volta (pre 2022) 134 116 98 113 50 61 59
Eastern 138 93 89 95 81 68 42
Ashanti 145 98 78 116 80 80 45
Brong-Ahafo 122 95 129 91 76 57 40
Northern, Upper West, Upper East 221 212 161 141 123 99 50
..Northern (pre 2022) NA 237 171 154 137 111 52
..Upper West NA NA 156 208 142 92 42
..Upper East NA 180 155 79 78 72 49
..Western (post 2022) NA NA NA NA NA NA 48
..Western North NA NA NA NA NA NA 37
..Volta (post 2022) NA NA NA NA NA NA 47
..Oti NA NA NA NA NA NA 72
..Ahafo NA NA NA NA NA NA 29
..Bono NA NA NA NA NA NA 36
..Bono East NA NA NA NA NA NA 48
….Northern(post 2022) NA NA NA NA NA NA 52
….Savannah NA NA NA NA NA NA 63
….Northeast NA NA NA NA NA NA 41
See names of the “regions” in Uganda.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

grouplabel sample.1988 sample.1995 sample.2000 sample.2006 sample.2009 sample.2011 sample.2016
Total 187 156 156 144 101 106 73
Central 186 141 135 NA NA NA NA
Eastern 206 176 147 NA NA NA NA
Northern NA 190 178 NA NA NA NA
Western 170 131 176 NA NA NA NA
..South Buganda NA NA NA 155 82 109 59
..North Buganda NA NA NA 125 116 87 74
..Kampala NA NA NA 94 93 65 64
..East Central NA NA NA 125 NA 106 84
..Eastern NA NA NA 113 NA 87 65
..West Nile NA NA NA 179 143 125 86
..Northern NA NA NA 169 NA NA 68
..Western NA NA NA 146 104 116 84
..South West NA NA NA 168 107 128 70
East Central (AIS/MIS) NA NA NA NA 82 NA NA
Mid Eastern NA NA NA NA 67 NA NA
Mid Northern NA NA NA NA 116 NA NA
North East NA NA NA NA 101 NA NA
..North NA NA NA NA NA 105 NA
..Karamoja NA NA NA NA NA 153 102
….Busoga NA NA NA NA NA NA 84
….Bukedi NA NA NA NA NA NA 72
….Bugisu NA NA NA NA NA NA 68
….Teso NA NA NA NA NA NA 54
….Lango NA NA NA NA NA NA 68
….Acholi NA NA NA NA NA NA 69
….Bunyoro NA NA NA NA NA NA 89
….Tooro NA NA NA NA NA NA 81
….Ankole NA NA NA NA NA NA 72
….Kigezi NA NA NA NA NA NA 67
Islands NA NA NA NA NA NA 96
Mountains NA NA NA NA NA NA 67
Greater Kampala NA NA NA NA NA NA 47
See names of the “regions” in Kenya.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

grouplabel sample.1989 sample.1993 sample.1998 sample.2003 sample.2008 sample.2014 sample.2022
Total 91 93 105 113 84 56 43
Coast 158 109 96 116 87 57 41
Eastern 64 66 78 84 52 45 34
Central 46 41 33 54 51 42 45
Rift Valley 51 61 68 77 59 45 40
Western 133 110 122 144 121 64 51
Nyanza 149 187 199 206 149 82 56
Nairobi 81 82 66 95 64 72 44
North Eastern NA NA NA 163 80 44 39
..Mombasa NA NA NA NA NA 52 50
..Kwale NA NA NA NA NA 60 30
..Kilifi NA NA NA NA NA 56 40
..Tana River NA NA NA NA NA 72 45
..Lamu NA NA NA NA NA 68 50
..Taita Taveta NA NA NA NA NA 48 29
..Garissa NA NA NA NA NA 67 44
..Wajir NA NA NA NA NA 35 57
..Mandera NA NA NA NA NA 25 21
..Marsabit NA NA NA NA NA 38 15
..Isiolo NA NA NA NA NA 36 33
..Meru NA NA NA NA NA 67 35
..Tharaka-Nithi NA NA NA NA NA 41 25
..Embu NA NA NA NA NA 59 44
..Kitui NA NA NA NA NA 35 27
..Machakos NA NA NA NA NA 39 41
..Makueni NA NA NA NA NA 27 38
..Nyandarua NA NA NA NA NA 58 45
..Nyeri NA NA NA NA NA 36 52
..Kirinyaga NA NA NA NA NA 39 56
..Murang’a NA NA NA NA NA 45 47
..Kiambu NA NA NA NA NA 38 40
..Turkana NA NA NA NA NA 71 55
..West Pokot NA NA NA NA NA 25 46
..Samburu NA NA NA NA NA 23 38
..Trans-Nzoia NA NA NA NA NA 54 42
..Uasin Gishu NA NA NA NA NA 40 37
..Elgeyo Marakwet NA NA NA NA NA 27 33
..Nandi NA NA NA NA NA 36 39
..Baringo NA NA NA NA NA 40 55
..Laikipia NA NA NA NA NA 36 50
..Nakuru NA NA NA NA NA 62 51
..Narok NA NA NA NA NA 42 26
..Kajiado NA NA NA NA NA 22 32
..Kericho NA NA NA NA NA 46 31
..Bomet NA NA NA NA NA 50 28
..Kakamega NA NA NA NA NA 54 45
..Vihiga NA NA NA NA NA 91 51
..Bungoma NA NA NA NA NA 57 55
..Busia NA NA NA NA NA 78 53
..Siaya NA NA NA NA NA 87 63
..Kisumu NA NA NA NA NA 76 45
..Homa Bay NA NA NA NA NA 119 61
..Migori NA NA NA NA NA 98 73
..Kisii NA NA NA NA NA 36 40
..Nyamira NA NA NA NA NA 41 42

denominator

filename<-c('dta_dhs_denominator_by_region.csv')
dta<-read.csv(paste0(outdatadir, filename), header = TRUE)
n_country<-length(unique(dta$country))

dta<-dta%>%filter(country %in% countrylist)
dtadhs_denom<-dta

dta_dhs_denominator_by_region.csv has 84 countries that had DHS.

[1] “country” “surveyid” “grouplabel” “num_women”
[5] “num_births_2yrs” “num_u5” “num_u5_ari” “num_u5_fever”
[9] “n_region” “year” “type” “yearlatest”
[13] “latest” “m49” “isoalpha3” “UNSDsubregion”
[17] “ssa” “priority” “isoalpha2”

GH1988DHS GH1993DHS GH1998DHS GH2003DHS GH2008DHS GH2014DHS GH2016MIS GH2019MIS 8 11 11 11 11 11 11 11 GH2022DHS KE1989DHS KE1993DHS KE1998DHS KE2003DHS KE2008DHS KE2014DHS KE2015MIS 21 7 7 7 8 8 54 5 KE2020MIS KE2022DHS UG1988DHS UG1995DHS UG2000DHS UG2006DHS UG2009MIS UG2011AIS 5 54 4 4 4 9 10 10 UG2011DHS UG2014MIS UG2016DHS UG2018MIS 10 10 23 21

See names of the “regions” in Ghana.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

grouplabel sample.1988 sample.1993 sample.1998 sample.2003 sample.2008 sample.2014 sample.2016 sample.2019 sample.2022
Western (pre 2022) 155 135 184 137 116 228 NA 119 312
Central 189 156 157 123 130 265 NA 100 380
Greater Accra 147 145 141 154 136 341 NA 177 427
Volta (pre 2022) 205 164 138 139 111 182 NA 126 263
Eastern 252 144 170 150 108 214 NA 117 252
Ashanti 294 271 227 260 223 419 NA 193 666
Brong-Ahafo 235 140 103 163 108 221 NA 98 400
Northern, Upper West, Upper East 212 330 212 350 296 480 NA 264 939
..Northern (pre 2022) NA 172 87 213 193 315 NA 168 634
..Upper West NA 51 42 50 38 66 NA 38 109
..Upper East NA 107 83 86 65 99 NA 57 196
..Western (post 2022) NA NA NA NA NA NA NA NA 212
..Western North NA NA NA NA NA NA NA NA 101
..Volta (post 2022) NA NA NA NA NA NA NA NA 135
..Oti NA NA NA NA NA NA NA NA 128
..Ahafo NA NA NA NA NA NA NA NA 81
..Bono NA NA NA NA NA NA NA NA 117
..Bono East NA NA NA NA NA NA NA NA 202
….Northern(post 2022) NA NA NA NA NA NA NA NA 406
….Savannah NA NA NA NA NA NA NA NA 111
….Northeast NA NA NA NA NA NA NA NA 116
See names of the “regions” in Uganda.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

grouplabel sample.1988 sample.1995 sample.2000 sample.2006 sample.2009 sample.2011 sample.2014 sample.2016 sample.2018
Central 665 839 918 NA NA NA NA NA NA
Eastern 600 894 976 NA NA NA NA NA NA
Northern 120 667 549 NA NA NA NA NA NA
Western 788 911 794 NA NA NA NA NA NA
..South Buganda NA NA NA 675 119 NA NA 762 NA
..North Buganda NA NA NA 585 129 NA NA 682 NA
..Kampala NA NA NA 340 68 NA NA 249 NA
..East Central NA NA NA 761 NA 727 NA 615 NA
..Eastern NA NA NA 1059 NA 1118 NA 1162 NA
..West Nile NA NA NA 381 117 NA NA 432 NA
..Northern NA NA NA 1178 NA NA NA 604 NA
..Western NA NA NA 1064 153 NA NA 841 NA
..South West NA NA NA 806 206 NA NA 674 NA
East Central (AIS/MIS) NA NA NA NA 199 NA NA NA NA
Mid Eastern NA NA NA NA 178 NA NA NA NA
Mid Northern NA NA NA NA 233 NA NA NA NA
North East NA NA NA NA 145 NA NA NA NA
..North NA NA NA NA NA 876 NA NA NA
..Karamoja NA NA NA NA NA 331 NA 177 NA
….Busoga NA NA NA NA NA NA NA 615 NA
….Bukedi NA NA NA NA NA NA NA 412 NA
….Bugisu NA NA NA NA NA NA NA 314 NA
….Teso NA NA NA NA NA NA NA 436 NA
….Lango NA NA NA NA NA NA NA 312 NA
….Acholi NA NA NA NA NA NA NA 292 NA
….Bunyoro NA NA NA NA NA NA NA 359 NA
….Tooro NA NA NA NA NA NA NA 482 NA
….Ankole NA NA NA NA NA NA NA 483 NA
….Kigezi NA NA NA NA NA NA NA 191 NA
Islands NA NA NA NA NA NA NA 84 NA
Mountains NA NA NA NA NA NA NA 493 NA
Greater Kampala NA NA NA NA NA NA NA 500 NA
Refugee settlements NA NA NA NA NA NA NA NA NA
See names of the “regions” in Kenya.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

grouplabel sample.1989 sample.1993 sample.1998 sample.2003 sample.2008 sample.2014 sample.2015 sample.2020 sample.2022
Coast 153 196 189 222 220 847 NA NA 636
Eastern 494 465 382 394 350 902 NA NA 852
Central 414 275 212 263 175 701 NA NA 818
Rift Valley 640 547 584 711 670 2237 NA NA 2152
Western 461 389 299 334 265 860 NA NA 753
Nyanza 527 415 532 413 477 1085 NA NA 873
Nairobi 186 122 160 157 141 790 NA NA 773
North Eastern NA NA NA 67 67 241 NA NA 245
..Mombasa NA NA NA NA NA 198 NA NA 187
..Kwale NA NA NA NA NA 191 NA NA 119
..Kilifi NA NA NA NA NA 324 NA NA 191
..Tana River NA NA NA NA NA 70 NA NA 56
..Lamu NA NA NA NA NA 20 NA NA 29
..Taita Taveta NA NA NA NA NA 44 NA NA 54
..Garissa NA NA NA NA NA 90 NA NA 94
..Wajir NA NA NA NA NA 100 NA NA 56
..Mandera NA NA NA NA NA 51 NA NA 95
..Marsabit NA NA NA NA NA 36 NA NA 54
..Isiolo NA NA NA NA NA 34 NA NA 37
..Meru NA NA NA NA NA 203 NA NA 207
..Tharaka-Nithi NA NA NA NA NA 56 NA NA 50
..Embu NA NA NA NA NA 82 NA NA 69
..Kitui NA NA NA NA NA 172 NA NA 145
..Machakos NA NA NA NA NA 197 NA NA 166
..Makueni NA NA NA NA NA 121 NA NA 126
..Nyandarua NA NA NA NA NA 99 NA NA 84
..Nyeri NA NA NA NA NA 96 NA NA 88
..Kirinyaga NA NA NA NA NA 62 NA NA 84
..Murang’a NA NA NA NA NA 127 NA NA 142
..Kiambu NA NA NA NA NA 317 NA NA 420
..Turkana NA NA NA NA NA 135 NA NA 130
..West Pokot NA NA NA NA NA 128 NA NA 177
..Samburu NA NA NA NA NA 48 NA NA 62
..Trans-Nzoia NA NA NA NA NA 225 NA NA 137
..Uasin Gishu NA NA NA NA NA 192 NA NA 219
..Elgeyo Marakwet NA NA NA NA NA 68 NA NA 69
..Nandi NA NA NA NA NA 158 NA NA 118
..Baringo NA NA NA NA NA 98 NA NA 103
..Laikipia NA NA NA NA NA 79 NA NA 65
..Nakuru NA NA NA NA NA 340 NA NA 342
..Narok NA NA NA NA NA 250 NA NA 242
..Kajiado NA NA NA NA NA 188 NA NA 205
..Kericho NA NA NA NA NA 143 NA NA 147
..Bomet NA NA NA NA NA 188 NA NA 137
..Kakamega NA NA NA NA NA 253 NA NA 298
..Vihiga NA NA NA NA NA 86 NA NA 67
..Bungoma NA NA NA NA NA 371 NA NA 243
..Busia NA NA NA NA NA 149 NA NA 145
..Siaya NA NA NA NA NA 153 NA NA 125
..Kisumu NA NA NA NA NA 186 NA NA 177
..Homa Bay NA NA NA NA NA 266 NA NA 156
..Migori NA NA NA NA NA 213 NA NA 190
..Kisii NA NA NA NA NA 197 NA NA 168
..Nyamira NA NA NA NA NA 69 NA NA 57
Highland epidemic NA NA NA NA NA NA NA NA NA
Lake endemic NA NA NA NA NA NA NA NA NA
Coast endemic NA NA NA NA NA NA NA NA NA
Semi-arid, seasonal NA NA NA NA NA NA NA NA NA
Low risk NA NA NA NA NA NA NA NA NA

3.3. WHO HIDR

filename<-c('dta_who_hidr_region.csv')
dta<-read.csv(paste0(outdatadir, filename), header = TRUE)
n_country<-length(unique(dta$country))

dta<-dta%>%filter(country %in% countrylist)
dtawho<-dta

dta_who_hidr_region.csv has 25 countries that were included in the WHO HIDR dataset.

[1] “country” “isoalpha3” “year”
[4] “group” “grouplabel” “cci”
[7] “ch_ari_prevalence” “ch_arianti” “ch_aritrt”
[10] “ch_dia_prevalence” “ch_diaors” “ch_diaorz”
[13] “ch_fevmaltest” “ch_fevtrt1” “ch_itn”
[16] “chim_basic” “chim_bcg” “chim_dp3”
[19] “chim_dptdrop” “chim_hib” “chim_msl”
[22] “chim_nobasic” “chim_nodpt” “chim_pol”
[25] “chim_rota” “fp_dswm” “mnh_anc1”
[28] “mnh_anc4” “mnh_bfexcl” “mnh_csection”
[31] “mnh_delfac” “mnh_ironpreg” “mnh_itn”
[34] “mnh_pncbaby” “mnh_pncmom” “mnh_sba”
[37] “mnh_tetanusbirth” “mnh_tetanuspreg” “nut_stunting”
[40] “nut_wasting” “nut_wastingsev” “ch_aritrt1”
[43] “mnh_iptp3” “cci_fp” “cci_mh”
[46] “cci_vac” “cci_ch”

See names of the “regions” in Ghana.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

grouplabel isoalpha3.1993 isoalpha3.1998 isoalpha3.2003 isoalpha3.2006 isoalpha3.2008 isoalpha3.2011 isoalpha3.2014 isoalpha3.2017 isoalpha3.2022 isoalpha3.2000 isoalpha3.2001 isoalpha3.2002 isoalpha3.2004 isoalpha3.2005 isoalpha3.2007 isoalpha3.2009 isoalpha3.2010 isoalpha3.2012 isoalpha3.2013 isoalpha3.2015 isoalpha3.2016 isoalpha3.2018 isoalpha3.2019 isoalpha3.1997
ashanti GHA GHA GHA GHA GHA GHA GHA GHA GHA NA NA NA NA NA NA NA NA NA NA NA GHA NA GHA NA
brong ahafo GHA NA GHA GHA GHA GHA GHA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
central GHA GHA GHA GHA GHA GHA GHA GHA GHA NA NA NA NA NA NA NA NA NA NA NA GHA NA GHA NA
east GHA NA GHA NA GHA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
greater accra GHA GHA GHA GHA GHA GHA GHA GHA GHA NA NA NA NA NA NA NA NA NA NA NA GHA NA GHA NA
northern GHA GHA GHA GHA GHA GHA GHA GHA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
upper east GHA GHA GHA GHA GHA GHA GHA GHA GHA NA NA NA NA NA NA NA NA NA NA NA GHA NA GHA NA
upper west GHA GHA GHA GHA GHA GHA GHA GHA GHA NA NA NA NA NA NA NA NA NA NA NA GHA NA GHA NA
volta GHA GHA GHA GHA GHA GHA GHA GHA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
west GHA NA GHA NA GHA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Total GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA
brong-ahafo GHA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA GHA NA GHA NA
eastern GHA GHA GHA GHA GHA GHA GHA GHA GHA NA NA NA NA NA NA NA NA NA NA NA GHA NA GHA NA
western GHA GHA GHA GHA GHA GHA GHA GHA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
northern (pre 2022) GHA GHA GHA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA GHA NA GHA NA
volta (pre 2022) GHA GHA GHA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA GHA NA GHA NA
western (pre 2022) GHA GHA GHA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA GHA NA GHA NA
ahafo NA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
bono NA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
bono east NA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
northeast NA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
northern(post 2022) NA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
oti NA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
savannah NA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
volta (post 2022) NA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
western (post 2022) NA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
western north NA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Ashanti NA NA GHA GHA GHA GHA GHA GHA NA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA
Brong Ahafo NA NA GHA GHA GHA GHA GHA GHA NA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA
Central NA NA GHA GHA GHA GHA GHA GHA NA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA
Eastern NA NA GHA GHA GHA GHA GHA GHA NA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA
Greater Accra NA NA GHA GHA GHA GHA GHA GHA NA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA
Northern NA NA GHA GHA GHA GHA GHA GHA NA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA
Upper East NA NA GHA GHA GHA GHA GHA GHA NA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA
Upper West NA NA GHA GHA GHA GHA GHA GHA NA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA
Volta NA NA GHA GHA GHA GHA GHA GHA NA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA
Western NA NA GHA GHA GHA GHA GHA GHA NA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA GHA
ashanti region NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
brong ahafo region NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
central region NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
eastern region NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
greater accra region NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
northern region NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
upper east region NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
upper west region NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
volta region NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
western region NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Asante NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
ASHANTI NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
BRONG AHAFO NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
CENTRAL NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
EASTERN NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
GREATER ACCRA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
NORTHERN NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
UPPER EAST NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
UPPER WEST NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
VOLTA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
WESTERN NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
north east NA NA NA NA NA NA NA NA GHA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
See names of the “regions” in Uganda.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

grouplabel isoalpha3.1995 isoalpha3.2000 isoalpha3.2006 isoalpha3.2011 isoalpha3.2016 isoalpha3.2001 isoalpha3.2002 isoalpha3.2003 isoalpha3.2004 isoalpha3.2005 isoalpha3.2007 isoalpha3.2008 isoalpha3.2009 isoalpha3.2010 isoalpha3.2012 isoalpha3.2013 isoalpha3.2014 isoalpha3.2015 isoalpha3.2017 isoalpha3.2018 isoalpha3.2019
central UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
east UGA UGA UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
north UGA UGA UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
west UGA UGA UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Total UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
east central NA NA UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
kampala NA NA UGA UGA UGA NA NA NA NA NA NA NA UGA NA NA NA UGA NA NA UGA NA
north central NA NA UGA UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
south central NA NA UGA UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
southwest NA NA UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
west nile NA NA UGA UGA UGA NA NA NA NA NA NA NA UGA NA NA NA UGA NA NA UGA NA
karamoja NA NA NA UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA UGA NA
acholi NA NA NA NA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA UGA NA
ankole NA NA NA NA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA UGA NA
bugisu NA NA NA NA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA UGA NA
bukedi NA NA NA NA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA UGA NA
bunyoro NA NA NA NA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA UGA NA
busoga NA NA NA NA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA UGA NA
kigezi NA NA NA NA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA UGA NA
lango NA NA NA NA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA UGA NA
teso NA NA NA NA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA UGA NA
tooro NA NA NA NA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA UGA NA
eastern UGA UGA UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
northern UGA UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
western UGA UGA UGA UGA NA NA NA NA NA NA NA NA UGA NA NA NA UGA NA NA NA NA
Abim NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Adjumani NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Agago NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Alebtong NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Amolatar NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Amudat NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Amuria NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Amuru NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Apac NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Arua NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Budaka NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Bududa NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Bugiri NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Bugweri NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Buhweju NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Buikwe NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Bukedea NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Bukomansimbi NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Bukwo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Bulambuli NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Buliisa NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Bundibugyo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Bunyangabu NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Bushenyi NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Busia NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Butaleja NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Butambala NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Butebo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Buvuma NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Buyende NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Dokolo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Gomba NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Gulu NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Hoima NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Ibanda NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Iganga NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Isingiro NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Jinja NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kaabong NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kabale NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kabarole NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kaberamaido NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kagadi NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kakumiro NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kalangala NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kaliro NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kalungu NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kampala NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kamuli NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kamwenge NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kanungu NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kapchorwa NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kapelebyong NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kasese NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kassanda NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Katakwi NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kayunga NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kibaale NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kiboga NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kibuku NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kikuube NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kiruhura NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kiryandongo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kisoro NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kitgum NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Koboko NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kole NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kotido NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kumi NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kwania NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kween NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kyankwanzi NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kyegegwa NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kyenjojo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Kyotara NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Lamwo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Lira NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Luuka NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Luwero NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Lwengo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Lyantonde NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Manafwa NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Maracha NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Masaka NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Masindi NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Mayuge NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Mbale NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Mbarara NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Mitooma NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Mityana NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Moroto NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Moyo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Mpigi NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Mubende NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Mukono NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Nabilatuk NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Nakapiripirit NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Nakaseke NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Nakasongola NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Namayingo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Namisindwa NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Namutumba NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Napak NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Nebbi NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Ngora NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Ntoroko NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Ntungamo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Nwoya NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Omoro NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Otuke NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Oyam NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Pader NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Pakwach NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Pallisa NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Rakai NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Rubanda NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Rubirizi NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Rukiga NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Rukungiri NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Serere NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Sheema NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Sironko NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Soroti NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Ssembabule NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Tororo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Wakiso NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Yumbe NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
Zombo NA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA UGA
east central (ais/mis) NA NA NA NA NA NA NA NA NA NA NA NA UGA NA NA NA UGA NA NA NA NA
mid eastern NA NA NA NA NA NA NA NA NA NA NA NA UGA NA NA NA UGA NA NA NA NA
mid northern NA NA NA NA NA NA NA NA NA NA NA NA UGA NA NA NA UGA NA NA NA NA
north buganda NA NA NA NA NA NA NA NA NA NA NA NA UGA NA NA NA UGA NA NA UGA NA
north east NA NA NA NA NA NA NA NA NA NA NA NA UGA NA NA NA UGA NA NA NA NA
south buganda NA NA NA NA NA NA NA NA NA NA NA NA UGA NA NA NA UGA NA NA UGA NA
south west NA NA NA NA NA NA NA NA NA NA NA NA UGA NA NA NA UGA NA NA NA NA
central 1 NA NA UGA UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
central 2 NA NA UGA UGA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Central without Kampala NA NA NA NA NA NA NA NA NA NA NA NA UGA NA NA NA NA NA NA NA NA
Eastern NA NA NA UGA NA NA NA NA NA NA NA NA UGA UGA NA UGA NA UGA NA UGA UGA
Northern NA NA NA UGA NA NA NA NA NA NA NA NA UGA UGA NA UGA NA UGA NA UGA UGA
Western NA NA NA UGA NA NA NA NA NA NA NA NA UGA UGA NA UGA NA UGA NA UGA UGA
Central NA NA NA UGA NA NA NA NA NA NA NA NA NA UGA NA UGA NA UGA NA UGA UGA
west-nile NA NA NA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
bugishu NA NA NA NA UGA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
See names of the “regions” in Kenya.

Check if they are consistent over time. “NA” indicates that the region name was not used for the year.

grouplabel isoalpha3.1993 isoalpha3.1998 isoalpha3.2003 isoalpha3.2008 isoalpha3.2014 isoalpha3.2022 isoalpha3.2000 isoalpha3.2001 isoalpha3.2002 isoalpha3.2004 isoalpha3.2005 isoalpha3.2006 isoalpha3.2007 isoalpha3.2009 isoalpha3.2010 isoalpha3.2011 isoalpha3.2012 isoalpha3.2013 isoalpha3.2015 isoalpha3.2016 isoalpha3.2017 isoalpha3.2018 isoalpha3.2019 isoalpha3.2020 isoalpha3.1994
central KEN KEN KEN KEN KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
coast KEN KEN KEN KEN KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
east KEN KEN KEN KEN KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
nairobi KEN KEN KEN KEN KEN KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
nyanza KEN KEN KEN KEN KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
rift valley KEN KEN KEN KEN KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
west KEN KEN KEN KEN KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Total KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN
north eastern NA NA KEN KEN KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
baringo NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
bomet NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
bungoma NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
busia NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
elgeyo/ marakwet NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
embu NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
garissa NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
homa bay NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
isiolo NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
kajiado NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
kakamega NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
kericho NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
kiambu NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
kilifi NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
kirinyaga NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
kisii NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
kisumu NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
kitui NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
kwale NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
laikipia NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
lamu NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
machakos NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
makueni NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
mandera NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
marsabit NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
meru NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
migori NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
mombasa NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
murang’a NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
nairobi city NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
nakuru NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
nandi NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
narok NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
nyamira NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
nyandarua NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
nyeri NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
samburu NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
siaya NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
taita/ taveta NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
tana river NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
tharaka-nithi NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
trans nzoia NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
turkana NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
uasin gishu NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
vihiga NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
wajir NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
west pokot NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Baringo NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Bomet NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Bungoma NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Busia NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Elgeyo-Marakwet NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Embu NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Garissa NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Homa Bay NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Isiolo NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Kajiado NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Kakamega NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Kericho NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Kiambu NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Kilifi NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Kirinyaga NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Kisii NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Kisumu NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Kitui NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Kwale NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Laikipia NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Lamu NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Machakos NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Makueni NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Mandera NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Marsabit NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Meru NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Migori NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Mombasa NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Murang’a NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Nairobi NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Nakuru NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Nandi NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Narok NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Nyamira NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Nyandarua NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Nyeri NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Samburu NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Siaya NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Taita Taveta NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Tana River NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Tharaka-Nithi NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Trans Nzoia NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Turkana NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Uasin Gishu NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Vihiga NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
Wajir NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
West Pokot NA NA KEN KEN KEN NA KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN KEN NA NA
coast endemic NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA KEN NA NA NA NA KEN NA
highland epidemic NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA KEN NA NA NA NA KEN NA
lake endemic NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA KEN NA NA NA NA KEN NA
low risk NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA KEN NA NA NA NA KEN NA
semi-arid, seasonal NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA KEN NA NA NA NA KEN NA
eastern KEN KEN KEN KEN KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
western KEN KEN KEN KEN KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Central NA NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Coast NA NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Eastern NA NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
North Eastern’ NA NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Nyanza NA NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Rift valley NA NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Western NA NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
northeastern NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
Elgeyo/Marakwet NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA KEN NA NA NA NA NA NA
Nairobi City NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA KEN NA NA NA NA NA NA
Taita/Taveta NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA KEN NA NA NA NA NA NA
elgeyo-marakwet NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
taita taveta NA NA NA NA NA KEN NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA

4. DECIDE which will be used as a reference

BUT! first think strategically which datasets even need to be merged….
- WHO HIDR has different units and names for different indicators (presumably because each data set was updated/produced by different group?) - this requires massive LOE just to make it consistent within the repository.
- It may be only IGME and DHS denominator, since we may want to show the number of deaths by region. Between the two, IGME uses whatever most recent and relevant admin units - and throughout all years. DHS in each survey uses most relevant at the time of survey, and thus the unit evolves - although later surveys have comparable (aggregate) units for older surveys.
- Let’s use IGME as a reference.

Specific steps:

  1. Open DHS denom data
    1.1. Create area_name that matches with IGME

  2. Open IGME subnational data
    2.1. Import total births from WPP
    2.2. Import the distribution from DHS denom
    2.3. Calculate the number of births
    2.4. Save

5. Execution

prep DHS denom data

  1. Open DHS denom data
    1.1. Create area_name that matches with IGME
    NOTE: See ~/Dropbox/0iSquared/iSquared_GHTAMS/GHTAMS_MCH/Analysis_MCHN_PR/2_MCHN_PR_data/1_data_source//Data_source_note.xlsx, worksheet Subnational_ID_area_name for details
filename<-c('dta_dhs_denominator_by_region.csv')
dtadhs_denom<-read.csv(paste0(outdatadir, filename), header = TRUE)
dtadhs_denom<-dtadhs_denom%>%
    
    mutate(
        area_name = NA,  
        
        ##### Ghana #####
        area_name = ifelse(country=="Ghana" & grouplabel=="Western (pre 2022)", "Western", area_name), 
        area_name = ifelse(country=="Ghana" & grouplabel=="Central", "Central", area_name), 
        area_name = ifelse(country=="Ghana" & grouplabel=="Greater Accra", "Greater Accra", area_name), 
        area_name = ifelse(country=="Ghana" & grouplabel=="Volta (pre 2022)", "Volta", area_name), 
        area_name = ifelse(country=="Ghana" & grouplabel=="Eastern", "Eastern", area_name), 
        area_name = ifelse(country=="Ghana" & grouplabel=="Ashanti", "Ashanti", area_name), 
        area_name = ifelse(country=="Ghana" & grouplabel=="Brong-Ahafo", "Brong Ahafo", area_name), 
        area_name = ifelse(country=="Ghana" & grouplabel=="..Northern (pre 2022)", "Northern", area_name),  
        area_name = ifelse(country=="Ghana" & grouplabel=="..Upper West", "Upper West", area_name),     
        area_name = ifelse(country=="Ghana" & grouplabel=="..Upper East", "Upper East", area_name), 
        
        ##### Kenya #####
        area_name = ifelse(country=="Kenya" & grouplabel=="..Baringo", "Baringo", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Bomet", "Bomet", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Bungoma", "Bungoma", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Busia", "Busia", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Elgeyo Marakwet", "Elgeyo-Marakwet", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Embu", "Embu", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Garissa", "Garissa", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Homa Bay", "Homa Bay", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Isiolo", "Isiolo", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Kajiado", "Kajiado", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Kakamega", "Kakamega", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Kericho", "Kericho", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Kiambu", "Kiambu", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Kilifi", "Kilifi", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Kirinyaga", "Kirinyaga", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Kisii", "Kisii", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Kisumu", "Kisumu", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Kitui", "Kitui", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Kwale", "Kwale", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Laikipia", "Laikipia", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Lamu", "Lamu", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Machakos", "Machakos", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Makueni", "Makueni", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Mandera", "Mandera", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Marsabit", "Marsabit", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Meru", "Meru", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Migori", "Migori", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Mombasa", "Mombasa", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Murang’a", "Murang’a", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="Nairobi", "Nairobi", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Nakuru", "Nakuru", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Nandi", "Nandi", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Narok", "Narok", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Nyamira", "Nyamira", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Nyandarua", "Nyandarua", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Nyeri", "Nyeri", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Samburu", "Samburu", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Siaya", "Siaya", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Taita Taveta", "Taita Taveta", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Tana River", "Tana River", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Tharaka-Nithi", "Tharaka-Nithi", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Trans-Nzoia", "Trans Nzoia", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Turkana", "Turkana", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Uasin Gishu", "Uasin Gishu", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Vihiga", "Vihiga", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..Wajir", "Wajir", area_name), 
        area_name = ifelse(country=="Kenya" & grouplabel=="..West Pokot", "West Pokot", area_name)         
    )
# write.csv(dtadhs_denom, 
#           paste0(outdatadir, 'dta_dhs_denominator_by_region.csv'), 
#           col.names = TRUE, row.names=FALSE)

IGME data

  1. Open IGME subnational data
    2.1. Import total births from WPP
    2.2. Import the distribution from DHS denom
    2.3. Calculate the number of births
    2.4. Save
filename<-c('dta_igme_mort_all_cause_region.csv')
dta<-read.csv(paste0(outdatadir, filename), header = TRUE)
filename<-c('dta_world_population_prospects.csv')
dtawpp<-read.csv(paste0(outdatadir, filename), header = TRUE)

dtawpp<-dtawpp%>%
    select(isoalpha3, year, births_projection)%>%
    rename(births_national = births_projection)
##### Check DATA FIRST #####
dta<-dta%>%
    select(-starts_with(c("births_national", "pct_births_2yrs")))

##### MERGE #####

dim(dta)
dim(dtawpp)

dta<-left_join(dta, dtawpp, by = c("isoalpha3", "year"))
    
dim(dta)
write.csv(dta, 
          paste0(outdatadir, 'dta_igme_mort_all_cause_region.csv'), 
          col.names = TRUE, row.names=FALSE)