MétaCan
Menu
Retour à la cohorte
Enregistrement W3099862276 · doi:10.2196/23379

Starter Kit for Geotagging and Geovisualization in Health Care: Resource Paper

2020· article· en· W3099862276 sur OpenAlexvenueno aff
Quan Do, David T. Marc, Marat Plotkin, Brian W. Pickering, Vitaly Herasevich

Notice bibliographique

RevueJMIR Formative Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeotaggingGeospatial analysisResource (disambiguation)Computer scienceNanolaserHealth careHealth geographyGeovisualizationGeographic information systemGeographyData scienceWorld Wide WebVisualizationCartographyData miningHealth policyInternational health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Geotagging is the process of attaching geospatial tags to various media data types. In health care, the goal of geotagging is to gain a better understanding of health-related questions applied to populations. Although there has been a prevalence of geographic information in public health, in order to effectively use and expand geotagging across health care there is a requirement to understand other factors such as the disposition, standardization, data sources, technologies, and limitations. OBJECTIVE: The objective of this document is to serve as a resource for new researchers in the field. This report aims to be comprehensive but easy for beginners to understand and adopt in practice. The optimal geocodes, their sources, and a rationale for use are suggested. Geotagging's issues and limitations are also discussed. METHODS: A comprehensive review of technical instructions and articles was conducted to evaluate guidelines for geotagging, and online resources were curated to support the implementation of geotagging practices. Summary tables were developed to describe the available geotagging resources (free and for fee) that can be leveraged by researchers and quality improvement personnel to effectively perform geospatial analyses primarily targeting US health care. RESULTS: This paper demonstrated steps to develop an initial geotagging and geovisualization project with clear structure and instructions. The geotagging resources were summarized. These resources are essential for geotagging health care projects. The discussion section provides better understanding of geotagging's limitations and suggests suitable way to approach it. CONCLUSIONS: We explain how geotagging can be leveraged in health care and offer the necessary initial resources to obtain geocodes, adjustment data, and health-related measures. The resources outlined in this paper can support an individual and/or organization in initiating a geotagging health care project.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,467
Score d'incertitude au seuil0,370

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,060
Tête enseignante GPT0,437
Écart entre enseignants0,377 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetData-Driven Disease SurveillanceTravaux en français237 207