MétaCan
Menu
← Retour à la cohorte
Enregistrement W2891445851 · doi:10.1177/0361198118797459

Relationship between Neighborhood Characteristics and Demand for Emergency Health Service Vehicles: A Poisson Hurdle Regression Modeling Approach

2018· article· en· W2891445851 sur OpenAlexafffundabout
Muhammad Ahsanul Habib, Babatope Olajide, Mikiko Terashima, S. Duke Campbell

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNova Scotia Department of Health and Wellness
Mots-clésPoisson regressionNova scotiaService (business)PopulationTransport engineeringPoisson distributionRegression analysisEnvironmental healthBusinessGeographyStatisticsMedicineEngineeringMarketingMathematics

Résumé

récupéré en direct d'OpenAlex

The main objective of this study is to explore the spatial and temporal variability of demand for emergency health service vehicles, measured at the 1 km-by-1 km grid level in Halifax, Nova Scotia, Canada. This study utilizes and compares a Poisson regression and Poisson hurdle regression model that examine the effects of neighborhood characteristics on emergency health service vehicle demand. It also develops a time-segmented model to investigate the temporal variability of the effects of factors considered in relation to demand. It analyzes the Nova Scotia emergency health service administrative database for the period from January 2012 to December 2012. A comprehensive set of socio-demographic attributes, land use characteristics, and measures of accessibility to services are used to achieve the objectives of this research. Results found that demand for emergency health service vehicles was higher in areas where there was higher population density, more heterogeneous land uses, and a larger proportion of the population aged 40 years and above. The time-segmented model shows demand was highest during morning peak periods for residential areas, afternoon peak for commercial areas, and morning peak and midday for members of the population aged over 75 years. An assessment of the time-segmented model suggests that the generic model is sufficient for predicting how neighborhood characteristics relate to the demand for emergency health service vehicles. The findings of this study will be beneficial for urban planners and health professionals in designing healthy cities and targeting health promotions to reduce the need for emergency services.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,492
Score d'incertitude au seuil0,978

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,233
Tête enseignante GPT0,457
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research Board→Même sujetUrban Transport and Accessibility→Travaux en français237 207→