Using GIS-based methods of multicriteria analysis to construct socio-economic deprivation indices
Notice bibliographique
Résumé
BACKGROUND: Over the past several decades researchers have produced substantial evidence of a social gradient in a variety of health outcomes, rising from systematic differences in income, education, employment conditions, and family dynamics within the population. Social gradients in health are measured using deprivation indices, which are typically constructed from aggregated socio-economic data taken from the national census--a technique which dates back at least until the early 1970's. The primary method of index construction over the last decade has been a Principal Component Analysis. Seldom are the indices constructed from survey-based data sources due to the inherent difficulty in validating the subjectivity of the response scores. We argue that this very subjectivity can uncover spatial distributions of local health outcomes. Moreover, indication of neighbourhood socio-economic status may go underrepresented when weighted without expert opinion. In this paper we propose the use of geographic information science (GIS) for constructing the index. We employ a GIS-based Order Weighted Average (OWA) Multicriteria Analysis (MCA) as a technique to validate deprivation indices that are constructed using more qualitative data sources. Both OWA and traditional MCA are well known and used methodologies in spatial analysis but have had little application in social epidemiology. RESULTS: A survey of British Columbia's Medical Health Officers (MHOs) was used to populate the MCA-based index. Seven variables were selected and weighted based on the survey results. OWA variable weights assign both local and global weights to the index variables using a sliding scale, producing a range of variable scenarios. The local weights also provide leverage for controlling the level of uncertainty in the MHO response scores. This is distinct from traditional deprivation indices in that the weighting is simultaneously dictated by the original respondent scores and the value of the variables in the dataset. CONCLUSION: OWA-based MCA is a sensitive instrument that permits incorporation of expert opinion in quantifying socio-economic gradients in health status. OWA applies both subjective and objective weights to the index variables, thus providing a more rational means of incorporating survey results into spatial analysis.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,013 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».