Spatial analysis to locate new clinics for diabetic kidney patients in the underserved communities in Alberta
Notice bibliographique
Résumé
BACKGROUND: Canadians with chronic diseases often live far away from healthcare facilities, which may compromise their level of care. We used a new method for selecting optimal locations for new healthcare facilities in remote regions. METHODS: We used a provincial laboratory database linked to data from the provincial health ministry. From all patients with serum creatinine measured at least once between 2002 and 2008 in Alberta, Canada, we selected those with diabetes and an estimated glomerular filtration rate (eGFR) of 15-60 mL/min/1.73 m(2). We then used two methods to select potential locations for new clinics that would serve the greatest number of remote-dwelling patients: plots showing the unadjusted density of such patients per 100 km(2) and SatScan analysis presenting the prevalent clusters of patients on the basis of chronic kidney disease (CKD) rates (adjusted for population size). RESULTS: We studied 32,278 patients with concomitant diabetes and CKD. A substantial number of patients (8%) resided >200 km from existing nephrologists' clinics. Density plots mapped with ArcGIS were useful for localizing a large cluster of underserved patients. However, objective assessment with SatScan technique and ArcGIS permitted us to detect additional clusters of patients in the northwest and southeast regions of Alberta--and suggested potential locations for new clinics in these areas. CONCLUSIONS: Objective techniques such as SatScan can identify clusters of underserved patients with CKD and identify potential new facility locations for consideration by decision-makers. Our findings may also be applicable to patients with other chronic diseases.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».