(Shapefiles - Validation countries) SEEDNet: A covariate-free multi-country settlement-level database of epidemiological estimates for network analysis
Notice bibliographique
Résumé
This folder includes the shapefiles for the 10 validation countries included in the manuscript. Abstract: The study of population health through network science holds high promise, but data sources that allow complete representation of populations are limited in low- and middle-income settings. Large national health surveys designed to gather nationally representative health and development data in low- and middle-income countries are promising sources of such data. Although they provide researchers, healthcare providers, and policymakers with valuable information, they are not designed to produce small-area estimates of health indicators, and the methods for producing these tend to rely on diverse and imperfect covariate data sources, have high data input requirements and are computationally demanding, limiting their use for network representations of populations. To reduce the sources of measurement error and allow efficient multi-country representation of populations as networks of human settlements here, we present a covariate-free multi-country method to estimate small-area health indicators using standardized georeferenced surveys. The approach utilizes interpolation via local inverse distance weighting. The estimates are compared to those obtained using a Bayesian Geostatistical Model and have been cross-validated. The estimates are aggregated into population settlements and identified using the Global Human Settlement Layer database. The method is fully automated, requiring a single standard georeferenced survey data source for mapping populations, eliminating the need for indicator or country-specific covariate selection by investigators. Efficient estimation is achieved by only computing values for human-occupied areas and adopting a logical aggregation of estimates into the complete range of settlement sizes. An open-access library of standardized georeferenced settlement-level datasets for 15 indicators and 10 countries was validated in this paper, as well as the code used to identify settlements and estimate indicators. The datasets are intended to be used as the basis for population health studies, and the library will continue to be expanded. The novel aspects include using harmonized input sources and estimation procedures across countries and the adoption of real-world units for population data aggregation, creating a specialized library of nodes that serve as a basis for network representations of population health in low- and middle-income countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,427 | 0,259 |
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 source (Gemma direct ou Codex distillé), 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 ».