Geospatial analysis of accessibility to oculofacial plastic surgery in the United States: Driving distance and sociodemographic disparities
Notice bibliographique
Résumé
To identify disparities in access to complex oculofacial plastic care by mapping American Society of Ophthalmic Plastic and Reconstructive Surgery (ASOPRS) members’ service coverage areas (SCAs) in the United States (US). Cross-sectional analysis We analyzed US-based ASOPRS members’ practice locations in ArcGIS Pro (Esri) to define SCAs as regions within a 60-minute drive. With American Community Survey data and chi-square tests, we compared social determinants of health within and outside SCAs. Of the 322,561,852 Americans, 260,154,031 (80.7%) lived within a 60-minute driving time from one of the 635 ASOPRS members. The population outside 60-minute SCAs was significantly more likely to be White, Non-Hispanic, without university education, receiving social security income, residing in a household below federal poverty level, and lacking health insurance, compared to the population inside SCAs (each P<0.001). States with the most ASOPRS members were California (n=95, 2.4 per million residents), Texas (n=47, 1.5/million) and Florida (n=45, 2.0/million), while none practiced in Montana, North Dakota, South Dakota, New Mexico and Wyoming. Inequitable geographic distribution of ASOPRS members disproportionately affects patients in rural areas and those with lower socio-economic status. Recognizing these geographic-social obstacles can inform policies to reduce barriers to complex oculofacial plastic care access.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».