Understanding the use of geographical information systems (GIS) in health informatics research: A review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The purpose of this literature review is to understand geographical information systems (GIS) and how they can be applied to public health informatics, medical informatics, and epidemiology. METHOD: Relevant papers that reflected the use of geographical information systems (GIS) in health research were identified from four academic databases: Academic Search Complete, BioMed Central, PubMed Central, and Scholars Portal, as well as Google Scholar. The search strategy used was to identify articles with "geographic information systems", "GIS", "public health", "medical informatics", "epidemiology", and "health geography" as main subject headings or text words in titles and abstracts. Papers published between 1997 and 2014 were considered and a total of 39 articles were included to inform the authors on the use of GIS technologies in health informatics research. RESULTS: The main applications of GIS in health informatics and epidemiology include disease surveillance, health risk analysis, health access and planning, and community health profiling. GIS technologies can significantly improve quality and efficiency in health research as substantial connections can be made between a population's health and their geographical location. CONCLUSIONS: Gains in health informatics can be made when GIS are applied through research, however, improvements need to occur in the quantity and quality of data input for these systems to ensure better geographical health maps are used so that proper conclusions between public health and environmental factors may be made.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,046 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle