Miércoles, Octubre 30, 2024

Novedades Biblioteca CPI

CPI – Un interesante artículo de la Revista Urban Science proporciona predicciones detalladas de accesibilidad a la atención médica en las poblaciones de adultos mayores en la ciudad de Surrey (Canadá)

El artículo “INSIGHTS FROM SELF-ORGANIZING MAPS FOR PREDICTING ACCESSIBILITY DEMAND FOR HEALTHCARE INFRASTRUCTURE” proporciona predicciones detalladas de accesibilidad a la atención médica en las poblaciones de adultos mayores (más de 65 años), en la ciudad de Surrey (Canadá) y se relacionan con factores socioeconómicos mediante una combinación de métodos de análisis de datos clásicos y modernos. Se agrupan datos de ingresos de alta resolución para 2016 y 2022, el análisis de componentes principales (PCA) y una poderosa herramienta de agrupación de ML, el mapa autoorganizado (SOM). Luego combina esto con los tiempos de viaje de puerta a puerta a hospitales y clínicas, calculados usando una herramienta simple de código abierto. El crecimiento de la población será el mayor desafío de accesibilidad en los vecindarios con buen acceso existente a la atención médica, mientras que el cambio de ingresos (tanto positivo como negativo) será mayor desafiante en barrios mal conectados. El estudio arroja que puede surgir un problema de doble accesibilidad en la ciudad: en primer lugar, las grandes poblaciones de personas mayores residirán en áreas con acceso a numerosas clínicas cercanas, presionando las instalaciones existentes para servicios especializados. En segundo lugar, las personas mayores de bajos ingresos residirán cada vez más en áreas mal conectadas a los servicios de salud, lo que puede afectar la equidad de accesibilidad. Se demuestra que la combinación de técnicas de agrupación de PCA y SOM da como resultado nuevas ideas para predecir la accesibilidad a nivel de vecindario. Esto permite extraer recomendaciones sólidas de políticas de planificación a partir de grandes conjuntos de datos multivariados.

Revista: Urban Science

Autores: R. Andrés Ibáñez Gutiérrez y Mónica Ramos Mejía.

Revise el artículo -ver artículo-  y encuentre búsquedas similares aquí

Fuente: CPI, Jueves 02 de Enero de 2020

CPI – Un interesante artículo de la Revista Urban Science proporciona predicciones detalladas de accesibilidad a la atención médica en las poblaciones de adultos mayores en la ciudad de Surrey (Canadá)

El artículo “INSIGHTS FROM SELF-ORGANIZING MAPS FOR PREDICTING ACCESSIBILITY DEMAND FOR HEALTHCARE INFRASTRUCTURE” proporciona predicciones detalladas de accesibilidad a la atención médica en las poblaciones de adultos mayores (más de 65 años), en la ciudad de Surrey (Canadá) y se relacionan con factores socioeconómicos mediante una combinación de métodos de análisis de datos clásicos y modernos. Se agrupan datos de ingresos de alta resolución para 2016 y 2022, el análisis de componentes principales (PCA) y una poderosa herramienta de agrupación de ML, el mapa autoorganizado (SOM). Luego combina esto con los tiempos de viaje de puerta a puerta a hospitales y clínicas, calculados usando una herramienta simple de código abierto. El crecimiento de la población será el mayor desafío de accesibilidad en los vecindarios con buen acceso existente a la atención médica, mientras que el cambio de ingresos (tanto positivo como negativo) será mayor desafiante en barrios mal conectados. El estudio arroja que puede surgir un problema de doble accesibilidad en la ciudad: en primer lugar, las grandes poblaciones de personas mayores residirán en áreas con acceso a numerosas clínicas cercanas, presionando las instalaciones existentes para servicios especializados. En segundo lugar, las personas mayores de bajos ingresos residirán cada vez más en áreas mal conectadas a los servicios de salud, lo que puede afectar la equidad de accesibilidad. Se demuestra que la combinación de técnicas de agrupación de PCA y SOM da como resultado nuevas ideas para predecir la accesibilidad a nivel de vecindario. Esto permite extraer recomendaciones sólidas de políticas de planificación a partir de grandes conjuntos de datos multivariados.

Revista: Urban Science

Autores: R. Andrés Ibáñez Gutiérrez y Mónica Ramos Mejía.

Revise el artículo -ver artículo-  y encuentre búsquedas similares aquí

Fuente: CPI, Jueves 02 de Enero de 2020

TITULARES