Towards a Situated Spatial Epidemiology of Violence: A Placially-Informed Geospatial Analysis of Homicide in Alagoas, Brazil
Notice bibliographique
Résumé
This paper presents an empirically grounded call for a more nuanced engagement and situatedness with placial characteristics within a spatial epidemiology frame. By using qualitative data collected through interviews and observation to parameterise standard and spatial regression models, and through a critical interpretation of their results, we present initial inroads for a situated spatial epidemiology and an analytical framework for health/medical geographers to iteratively engage with data, modelling, and the context of both the subject and process of analysis. In this study, we explore the socioeconomic factors that influence homicide rates in the Brazilian state of Alagoas from a critical public health perspective. Informed by field observation and interviews with 24 youths in low-income neighbourhoods and prisons in Alagoas, we derive and critically reflect on three regression models to predict municipal homicide rates from 2016-2020. The model results indicate significant effects for the male population, persons without elementary school completion, households with reported income, divorced persons, households without piped water, and persons working outside their home municipality. These results are situated in the broader socioeconomic context, trajectories, and cycles of inequality in the study area and underscore the need for integrative and contextually engaged mixed method study design in spatial epidemiology.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».