Geographic Variation in Access to Pathology and Laboratory Services in Tanzania: A Cross-Sectional Geospatial Analysis
Notice bibliographique
Résumé
PURPOSE Increasing noncommunicable disease burden in sub-Saharan Africa requires the urgent scale-up of pathology and laboratory medicine (PALM) services. To identify service gaps at the district level, we studied geographic variation in the correlation between travel time to health facilities and population density. METHODS We linked geospatial data for Tanzania from multiple sources. Facility locations were extracted from a comprehensive facility list in Africa. Data on geographic factors, demographics, and roads were collected from government and nonprofit databases. We classified facilities assuming increasing PALM service readiness by level: dispensaries, health centers, district hospitals, and regional/referral hospitals. We input these data into the AccessMod 5 algorithm to estimate travel time across Tanzania with 1-km resolution for each PALM classification. We then calculated district-level averages of population and travel time for each PALM category. Associations between these variables were estimated using a bivariable local indicator of spatial autocorrelation, specifying immediate contiguity neighborhood definition. Spatial analysis was restricted to 172 contiguous districts (islands not included). Significance tests were two sided, with an α of .05. RESULTS Analysis included 5,342 dispensaries, 667 health centers, 185 district hospitals, and 34 regional/referral hospitals. Maps revealed clusters of estimated travel time in excess of 6 hours in less populated western and southern districts. More districts reported an average travel time of less than 1 hour to the nearest dispensary (69%) than to regional/referral hospitals (16%). Bivariable local indicators of spatial autocorrelation revealed few significant clusters of spatial correlations; however, significant correlations between low population density and longer travel times in neighboring districts were obtained for 13%, 16%, 15%, and 13% of districts for dispensaries, health centers, district hospitals, and regional/referral hospitals, respectively. CONCLUSION Limited variability of district-level spatial correlations suggests somewhat equitable geographic allocation of PALM services in Tanzania, with small areas of low population density and long travel times that demand additional intervention. Limitations include a lack of ascertainment of specific PALM 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 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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».