MétaCan
Menu
← Retour à la cohorte
Enregistrement W3213939324

Pharmacy Disparities in Rural Georgia

2021· article· en· W3213939324 sur OpenAlexvenueno aff
Anthony Oliveira, Marcus Singletary, Jia Lu

Notice bibliographique

RevueJournal of rural and community development · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPharmacyPolitical scienceMedicineGeographyFamily medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The investigators of the present study have identified Georgia as an area that could potentially have spatial equity issues with pharmacy deserts in rural areas and small cities. However, limited studies have been conducted for spatial equity of pharmacies in Georgia. Fewer studies have investigated these phenomena at the state level, and few have performed spatial correlations. Spatial equity refers to the idea that people should have equal or near-equal access to certain services (Hu et al., 2019). To fill in the gap of the literature and aid in forming solutions to pharmacy deserts in Georgia, the present study analyzed geographical patterns of spatial equity of pharmacy. Because large portions of Georgia are rural, such an analysis will elucidate how spatial equity affects such rural communities.Correlational analyses, logical regressions, and spatial analyses using Geographic Information Systems (GIS) were performed to understand the relationship between variables such as race, income level, poverty rate, and the total number of pharmacies. The study applied spatial autocorrelation and cluster analyses in ArcGIS, and statistical correlational analyses, and logical regressions in SPSS. Furthermore, the study used the 5-year (2014–2018) American Community Survey (ACS) database.At the county level, the results showed that a dense population, high median family income, and low poverty rate—among other variables—correlated with more pharmacies. In particular, total population (r(148) = .95) and population density (r(148) = .83) had a strong, positive relationship with the number of pharmacies in each county. Furthermore, the county level logical regression showed that total population and poverty rate significantly predict the number of pharmacies in each county, F(2, 146) = 648.91, P < .001, R2 = .95. At the census tract level, a low unemployment rate, high percentage of Hispanic Americans, and high median family income—among other variables—were associated with more pharmacies. In particular, total population (r(1967) = .28) had the strongest positive relationship with the number of pharmacies in each census tract. GIS global spatial autocorrelation and high-low cluster analyses further confirmed the spatial clustering of pharmacies in urban areas.Overall, results showed that counties and census tracts with lower populations and lower population densities tended to have fewer pharmacies. Because small populations and small population densities tend to couple with rurality, the results indicate that rural Georgia has less access to pharmacies than urban and suburban Georgia. In general, many pharmacy deserts exist in Georgia, and large urban areas have more access to pharmacies than rural areas and small cities. Rural areas of Georgia could experience the adverse effects of pharmacy deserts more than other non-rural areas. Overall, this analysis showed that there is a clear, positive relationship between rural counties and a lower number of pharmacies. Policy suggestions were proposed to increase access in pharmacy deserts. Keywords: spatial equity, GIS, accessibility, pharmacy desert, spatial analysis_________________ Disparités pharmaceutiques dans la Géorgie rurale RésuméLes enquêteurs de la présente étude ont identifié la Géorgie comme une zone qui pourrait potentiellement avoir des problèmes d'équité spatiale avec les déserts pharmaceutiques dans les zones rurales et les petites villes. Cependant, des études limitées ont été menées sur l'équité spatiale des pharmacies en Géorgie. Peu d'études ont étudié ces phénomènes au niveau de l'État, et peu ont effectué des corrélations spatiales. L'équité spatiale fait référence à l'idée que les personnes devraient avoir un accès égal ou quasi égal à certains services (Hu et al., 2019). Pour combler les lacunes de la littérature et aider à trouver des solutions aux déserts pharmaceutiques en Géorgie, la présente étude a analysé les modèles géographiques d'équité spatiale de la pharmacie. Étant donné que de grandes parties de la Géorgie sont rurales, une telle analyse élucidera comment l'équité spatiale affecte ces communautés rurales.Des analyses de corrélation, des régressions logiques et des analyses spatiales utilisant des systèmes d'information géographique (SIG) ont été effectuées pour comprendre la relation entre des variables telles que la race, le niveau de revenu, le taux de pauvreté et le nombre total de pharmacies. L'étude a appliqué l'autocorrélation spatiale et les analyses typologiques dans ArcGIS, ainsi que des analyses de corrélation statistique et des régressions logiques dans SPSS. De plus, l'étude a utilisé la base de données de l'American Community Survey (ACS) sur 5 ans (2014-2018).Au niveau du comté, les résultats ont montré qu'une population dense, un revenu familial médian élevé et un faible taux de pauvreté, parmi d’autres variables, étaient en corrélation avec un nombre plus élevé de pharmacies. En particulier, la population totale (r(148) = .95) et la densité de population (r(148) = .83) avaient une relation forte et positive avec le nombre de pharmacies dans chaque comté. De plus, la régression logique au niveau du comté a montré que la population totale et le taux de pauvreté prédisent de manière significative le nombre de pharmacies dans chaque comté, F(2, 146) = 648,91, P < 0,001, R2 = 0,95. Au niveau du secteur de recensement, un faible taux de chômage, un pourcentage élevé d'Hispano-Américains et un revenu familial médian élevé, parmi d’autres variables, étaient associés à un nombre plus élevé de pharmacies. En particulier, la population totale (r (1967) = 0,28) avait la relation positive la plus forte avec le nombre de pharmacies dans chaque secteur de recensement. L'autocorrélation spatiale globale du SIG et les analyses de classification typologique haut-bas ont confirmé le regroupement spatial des pharmacies dans les zones urbaines.Dans l'ensemble, les résultats ont montré que les comtés et les secteurs de recensement ayant une population et une densité de population plus faibles avaient tendance à avoir moins de pharmacies. Étant donné que les petites populations et les faibles densités de population ont tendance à se regrouper avec la ruralité, les résultats indiquent que la Géorgie rurale a moins accès aux pharmacies que la Géorgie urbaine et suburbaine. En général, de nombreux déserts pharmaceutiques existent en Géorgie, et les grandes zones urbaines ont plus accès aux pharmacies que les zones rurales et les petites villes. Les zones rurales de Géorgie pourraient subir les effets néfastes des déserts pharmaceutiques plus que d'autres zones non rurales. Dans l'ensemble, cette analyse a montré qu'il existe une relation claire et positive entre les comtés ruraux et un nombre plus faible de pharmacies. Des suggestions de politiques ont été proposées pour accroître l'accès aux déserts pharmaceutiques. Mots clés: équité spatiale, SIG, accessibilité, désert pharmaceutique, analyse spatiale

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)0,000
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,069
Score d'incertitude au seuil0,138

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,061
Tête enseignante GPT0,413
Écart entre enseignants0,352 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of rural and community development→Même sujetGlobal Health Workforce Issues→Travaux en français237 207→