HealthyPlan.City: A Web Tool to Support Urban Environmental Equity and Public Health in Canadian Communities
Notice bibliographique
Résumé
Urban environmental factors such as air quality, heat islands, and access to greenspaces and community amenities impact public health. Some vulnerable populations such as low-income groups, children, older adults, new immigrants, and visible minorities live in areas with fewer beneficial conditions, and therefore, face greater health risks. Planning and advocating for equitable healthy urban environments requires systematic analysis of reliable spatial data to identify where vulnerable populations intersect with positive or negative urban/environmental characteristics. To facilitate this effort in Canada, we developed HealthyPlan.City ( https://healthyplan.city/ ), a freely available web mapping platform for users to visualize the spatial patterns of built environment indicators, vulnerable populations, and environmental inequity within over 125 Canadian cities. This tool helps users identify areas within Canadian cities where relatively higher proportions of vulnerable populations experience lower than average levels of beneficial environmental conditions, which we refer to as Equity priority areas. Using nationally standardized environmental data from satellite imagery and other large geospatial databases and demographic data from the Canadian Census, HealthyPlan.City provides a block-by-block snapshot of environmental inequities in Canadian cities. The tool aims to support urban planners, public health professionals, policy makers, and community organizers to identify neighborhoods where targeted investments and improvements to the local environment would simultaneously help communities address environmental inequities, promote public health, and adapt to climate change. In this paper, we report on the key considerations that informed our approach to developing this tool and describe the current web-based application.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».