Optimization of preventive health care facility locations
Notice bibliographique
Résumé
BACKGROUND: Preventive health care programs can save lives and contribute to a better quality of life by diagnosing serious medical conditions early. The Preventive Health Care Facility Location (PHCFL) problem is to identify optimal locations for preventive health care facilities so as to maximize participation. When identifying locations for preventive health care facilities, we need to consider the characteristics of the preventive health care services. First, people should have more flexibility to select service locations. Second, each preventive health care facility needs to have a minimum number of clients in order to retain accreditation. RESULTS: This paper presents a new methodology for solving the PHCFL problem. In order to capture the characteristics of preventive health care services, we define a new accessibility measurement that combines the two-step floating catchment area method, distance factor, and the Huff-based competitive model. We assume that the accessibility of preventive health care services is a major determinant for participation in the service. Based on the new accessibility measurement, the PHCFL problem is formalized as a bi-objective model based on efficiency and coverage. The bi-objective model is solved using the Interchange algorithm. In order to accelerate the solving process, we implement the Interchange algorithm by building two new data structures, which captures the spatial structure of the PHCFL problem. In addition, in order to measure the spatial barrier between clients and preventive health care facilities accurately and dynamically, this paper estimates travelling distance and travelling time by calling the Google Maps Application Programming Interface (API). CONCLUSIONS: Experiments based on a real application for the Alberta breast cancer screening program show that our work can increase the accessibility of breast cancer screening services in the province.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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 ».