Accessibilité aux services de santé dans la région du Haut-Plateau Central en Haïti. Application d’un modèle de localisation-affectation opérationnalisé dans un SIG
Bibliographic record
Abstract
L’objectif de cet article est d’explorer l’utilisation combinée d’un modèle de localisation-affectation et du two-step floating catchment area et intégrée dans un SIG pour évaluer l’accessibilité aux services et équipements de santé dans les communes de Hinche et Thomassique de la région du Haut-Plateau Central en Haïti. Plusieurs études empiriques ont utilisé ces modèles soit pour évaluer la localisation des équipements de santé, soit pour améliorer l’accessibilité spatiale, soit à des fins de planification dans les pays en développement. À notre connaissance, aucune étude ne combine cependant ces modèles de localisation-affectation aux mesures d’accessibilité spatial et peu d’études ont mis en œuvre les modèles de localisation-affectation dans les SIG. Notre recherche repose sur une méthodologie qui cherche à montrer la complémentarité des mesures d’accessibilité et des modèles de localisation-affectation. Elle illustre l’intérêt et l’importance d’une telle démarche pour la planification et l’aménagement du territoire dans les pays en développement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".