Développement d'indicateur d'accessibilité spatiale permettant l'investigation des inégalités socio-territoriales de santé à l'échelle fine
Notice bibliographique
Résumé
REMERCIEMENTSJe tiens tout d'abord remercier vivement Sverine Deguen, pour avoir accept de diriger ma thse et pour la confiance que tu m'as accorde tout au long de ce travail.Merci de m'avoir donn l'opportunit de raliser ce travail de recherche.Je tiens te remercier galement pour tes prcieux conseils et ton aide.Merci de m'avoir paul et conseill tout au long de ma thse.Je remercie Marc Souris, mon co-directeur de thse.Je te remercie profondment pour tes nombreux conseils pertinents, pour nos discussions et nos changes qui ont apport beaucoup de rigueur mon travail et qui m'ont systmatiquement permis d'amliorer la vision d'analyse spatiale.Merci Batrice Fervers et Franois Langevin pour avoir accept d'tre les rapporteurs de cette thse.Merci aussi Marc Guggia pour avoir accept de faire partie de mon jury et d'examiner ce travail.Je remercie Nolwenn Le Meur et Wahida Kihal.Merci encore pour vos intrts et vos contributions mon travail.Je remercie Nicolas Rose, mon tuteur de thse ainsi que tous les membres de mon comit de thse, Denis Zmirou-Navier, Etienne Minvielle, et Michel Louazel, pour vos remarques et suggestions qui ont contribu amliorer la qualit de ce travail.J'exprime ma profonde gratitude l'EHESP, et notamment au directeur du dpartement Mthodes quantitatives en sant publique (METIS) Olivier Grimaud.Merci de m'avoir offert l'opportunit de raliser cette thse en formation continue.Merci de m'avoir accord la confiance sur l'organisation du travail et merci pour tes encouragements au quotidien.C'est une telle chance de pouvoir continuer tudier, de pouvoir faire le lien entre les travaux quotidiens et cette thse, et de pouvoir valoriser tout ce travail par un diplme.Je tiens remercier particulirement Sahar Bayat, la directrice adjointe du dpartement METIS.Merci de m'avoir accompagn toutes ces annes, notamment pour les enseignements.Merci de m'avoir toujours encourag, donn de l'assurance, pouss vers l'avant et donn de prcieux conseils.Grce ton soutien, j'ai pu trouver un quilibre et assurer mon travail d'ingnieur informatique et cette thse en mme temps.Un grand merci galement Adlade, qui m'a support pendant ces 4 ans et demi de thse dans notre bureau.Merci pour ta sympathie, ta compagnie, ta bonne humeur et ton sourire au quotidien.Tu es une vritable amie pour moi.Merci de m'avoir donn un si parfait exemple de doctorante modle.Merci galement d'avoir pris le soin de relire l'ensemble de mon manuscrit.Mes remerciements sincres mes chers collgues, notamment Nadine qui m'a aid rsoudre toutes mes difficults administratives.Merci pour ton coute, ta sympathie et ton sourire au quotidien.Merci galement Cindy pour ton aide et ton partage.Et bien sur tous les autres value was more likely to deteriorate than improve.Moreover, edge effect impact can vary widely by health provider type.There is greater variability within the rural IRIS group than within the urban IRIS group.We found a positive correlation between socioeconomic distress variables and composite ISA.Spatial analysis results (such as Moran's spatial autocorrelation index and local indicators of spatial autocorrelation) are not really impacted. Conclusion:Our research has revealed that the inclusion of edge effect results in a minor accessibility variation.This impact has varying levels of intensity according to healthcare provider type and urbanization level.Because it relies on choice of indicator, spatial distribution of facilities and urban organization of the territory studied, edge effect should be considered on a case-by-case basis.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».