Relevance of the uMap Collaborative Platform as Support for Choropleth Mapping: A Traffic‒Light Statistical Signal Atlas of All-Cause Mortality—First French Lockdown (Preprint)
Notice bibliographique
Résumé
BACKGROUND: The growing need for and interest in geomatics in the medical sector, as well as the pandemic crisis, led us to create a France-wide geomatics project aimed at producing several atlases of all-cause mortality at the municipal and submunicipal district levels via uMap France, a free and open-source collaborative map-sharing platform. In 2020, we decided to circumvent the obstacle of accessing detailed COVID-19 data by adopting a mortality-based approach to map the consequences of the crisis. OBJECTIVE: The aim of the uMap study was to provide a webmapping platform with original visualization and knowledge, as well as decision-making aids that complement existing information and are relevant to public and healthcare professionals. Our main hypotheses are as follows: 1- the medical sector could develop a private uMap platform dedicated to health; 2- interest in a municipal mortality atlas for France linked to the pandemic crisis will increase, even if it is produced after the pandemic; and 3- sharing the atlases with the uMap community will enhance their appeal and inspire the creation of similar atlases, owing to the new "experimental choropleth layer" recently developed by the uMap team. METHODS: This approach focuses on three main parts-data management (data collection, cleansing and scheduling) and geomatic engineering-through a two-step geomatic action plan to create atlases of the first lockdown period in France, displayed on the uMap platform. A logarithmically transformed variable allows us to obtain an immediate statistical signal of excess mortality or submortality via the Traffic-Light Atlas. RESULTS: The uMap Traffic-Light display provides instant statistical signals at a glance owing to the semantic interplay of colors. The atlas's double legends make it easy to compare specific regions (northeast, northwest, southeast, and southwest) to all of France. The atlas revealed excess mortality in 42% of the municipalities (14,503) out of 34,833. Thirty-five percent are in the green class (close to average to twice the average), 5% are in the orange class (2-4 times the average), and 2% are in the red class (4-11 times higher than average). CONCLUSIONS: We innovated, enriched, and reinforced the value of uMap for visual rendering by instantiating colored choropleth map atlases and double legends and showed its relevance to the healthcare sector. We focused on the Traffic-Light Atlas, which is the most relevant because of the instant message it conveys and its interpretability for all audiences. The uMap community can share our all-cause mortality atlases. A second version of the atlas encompassing four periods in 2020 and containing a minor error will be updated using either the "experimental choropleth layer" feature recently developed by the uMap team or, if this feature proves insufficient, the geomatic optimization process via the R-project. CLINICALTRIAL: Not applicable.
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 | 0,008 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,004 |
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 ».