A Cluster-based, Spatial-sampling Method for Assessing Household Healthcare Utilization Patterns in Resource-limited Settings
Notice bibliographique
Résumé
BACKGROUND: Implementation of population-based surveys is resource intensive and logistically demanding, especially in areas with rapidly changing demographics and incomplete or no enumeration of the underlying population and their residences. To remove the need for pre-enumeration and to simplify field logistics for the population healthcare utilization survey used for the Surveillance for Enteric Fever in Asia Project in Nepal, we incorporated a geographic information system-based geosurvey and field mapping system into a single-stage cluster sampling approach. METHODS: A survey was administered to ascertain healthcare-seeking behavior in individuals with recent suspected enteric fever. Catchment areas were based on residential addresses of enteric fever patients using study facilities; clusters were randomly selected from digitally created grids using available satellite images and all households within clusters were offered enrollment. A tablet-compatible geosurvey and mapping system that allowed for data-syncing and use in areas without cellular data was created using the ArcGIS suite of software. RESULTS: Between January 2017 and November 2018, we surveyed 25 521 households in Nepal (16 769 in urban Kathmandu and 8752 in periurban Kavrepalanchok), representing 84 202 individuals. Overall, the survey participation rate was 90.9%, with geographic heterogeneity in participation rates within each catchment area. Areas with higher average household wealth had lower participation rates. CONCLUSION: A geographic information system-based geosurvey and field mapping system allowed creation of a virtual household map at the same time as survey administration, enabling a single-stage cluster sampling method to assess healthcare utilization in Nepal for the Surveillance for Enteric Fever in Asia Project . This system removed the need for pre-enumeration of households in sampling areas, simplified logistics and could be replicated in future community surveys.
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 | 0,010 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».