Establishing a Demographic, Development and Environmental Geospatial Surveillance Platform in India: Planning and Implementation
Notice bibliographique
Résumé
BACKGROUND: Inadequate administrative health data, suboptimal public health infrastructure, rapid and unplanned urbanization, environmental degradation, and poor penetration of information technology make the tracking of health and well-being of populations and their social determinants in the developing countries challenging. Technology-integrated comprehensive surveillance platforms have the potential to overcome these gaps. OBJECTIVE: This paper provides methodological insights into establishing a geographic information system (GIS)-integrated, comprehensive surveillance platform in rural North India, a resource-constrained setting. METHODS: The International Clinical Epidemiology Network Trust International established a comprehensive SOMAARTH Demographic, Development, and Environmental Surveillance Site (DDESS) in rural Palwal, a district in Haryana, North India. The surveillance platform evolved by adopting four major steps: (1) site preparation, (2) data construction, (3) data quality assurance, and (4) data update and maintenance system. Arc GIS 10.3 and QGIS 2.14 software were employed for geospatial data construction. Surveillance data architecture was built upon the geospatial land parcel datasets. Dedicated software (SOMAARTH-1) was developed for handling high volume of longitudinal datasets. The built infrastructure data pertaining to land use, water bodies, roads, railways, community trails, landmarks, water, sanitation and food environment, weather and air quality, and demographic characteristics were constructed in a relational manner. RESULTS: The comprehensive surveillance platform encompassed a population of 0.2 million individuals residing in 51 villages over a land mass of 251.7 sq km having 32,662 households and 19,260 nonresidential features (cattle shed, shops, health, education, banking, religious institutions, etc). All land parcels were assigned georeferenced location identification numbers to enable space and time monitoring. Subdivision of villages into sectors helped identify socially homogenous community clusters (418/676, 61.8%, sectors). Water and hygiene parameters of the whole area were mapped on the GIS platform and quantified. Risk of physical exposure to harmful environment (poor water and sanitation indicators) was significantly associated with the caste of individual household (P=.001), and the path was mediated through the socioeconomic status and density of waste spots (liquid and solid) of the sector in which these households were located. Ground-truthing for ascertaining the land parcel level accuracies, community involvement in mapping exercise, and identification of small habitations not recorded in the administrative data were key learnings. CONCLUSIONS: The SOMAARTH DDESS experience allowed us to document and explore dynamic relationships, associations, and pathways across multiple levels of the system (ie, individual, household, neighborhood, and village) through a geospatial interface. This could be used for characterization and monitoring of a wide range of proximal and distal determinants of health.
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 | 0,011 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».