MétaCan
Menu
Retour à la cohorte
Enregistrement W4387880964 · doi:10.1038/s41597-023-02651-9

A geospatial database of close-to-reality travel times to obstetric emergency care in 15 Nigerian conurbations

2023· article· en· W4387880964 sur OpenAlexaff
Peter M. Macharia, Kerry LM Wong, Tope Olubodun, Lenka Beňová, Charlotte Stanton, Narayanan Sundararajan, Yash Shah, Gautam Prasad, Mansi Kansal, Swapnil Vispute, Tomer Shekel, Uchenna Gwacham-Anisiobi, Olakunmi Ogunyemi, Jia Wang, Ibukun‐Oluwa Omolade Abejirinde, Prestige Tatenda Makanga, Bosede Bukola Afolabi, Aduragbemi Banke‐Thomas

Notice bibliographique

RevueScientific Data · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensPublic Health OntarioWomen's College HospitalUniversity of Toronto
Organismes subventionnairesFundação para a Ciência e a TecnologiaBalliol College, University of OxfordFonds Wetenschappelijk OnderzoekNuffield College, University of OxfordBundesministerium für GesundheitRoyal SocietyWellcome TrustGoogleVlaamse regeringBill and Melinda Gates Foundation
Mots-clésGeospatial analysisGeographyDatabaseComputer scienceCartography

Résumé

récupéré en direct d'OpenAlex

Travel time estimation accounting for on-the-ground realities between the location where a need for emergency obstetric care (EmOC) arises and the health facility capable of providing EmOC is essential for improving pregnancy outcomes. Current understanding of travel time to care is inadequate in many urban areas of Africa, where short distances obscure long travel times and travel times can vary by time of day and road conditions. Here, we describe a database of travel times to comprehensive EmOC facilities in the 15 most populated extended urban areas of Nigeria. The travel times from cells of approximately 0.6 × 0.6 km to facilities were derived from Google Maps Platform's internal Directions Application Programming Interface, which incorporates traffic considerations to provide closer-to-reality travel time estimates. Computations were done to the first, second and third nearest public or private facilities. Travel time for eight traffic scenarios (including peak and non-peak periods) and number of facilities within specific time thresholds were estimated. The database offers a plethora of opportunities for research and planning towards improving EmOC accessibility.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Jeu de données
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetmedium
gptaucune catégorie
Domaine: non disponible · Genre: Jeu de données
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,847
Score d'incertitude au seuil0,854

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,358
Écart entre enseignants0,300 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetGlobal Maternal and Child HealthTravaux en français237 207