এই গ্লোবাল অ্যাক্সেসিবিলিটি ম্যাপটি 2019 সালের জন্য 85 ডিগ্রি উত্তর এবং 60 ডিগ্রি দক্ষিণের মধ্যে সমস্ত এলাকার জন্য নিকটতম হাসপাতাল বা ক্লিনিকে ভূমি-ভিত্তিক ভ্রমণের সময় (মিনিটের মধ্যে) গণনা করে৷ এটিতে "শুধুমাত্র হাঁটা" ভ্রমণের সময়ও অন্তর্ভুক্ত রয়েছে, যা কেবলমাত্র পরিবহনের অ-মোটরাইজড মাধ্যম ব্যবহার করে৷
ওপেনস্ট্রিটম্যাপ, গুগল ম্যাপস, এবং একাডেমিক গবেষকদের দ্বারা চলমান প্রধান ডেটা সংগ্রহের প্রচেষ্টাগুলিকে আজ পর্যন্ত স্বাস্থ্যসেবা সুবিধার অবস্থানগুলির সবচেয়ে সম্পূর্ণ সংগ্রহ কম্পাইল করার জন্য ব্যবহার করা হয়েছে৷ এই মানচিত্রটি এমএপি (অক্সফোর্ড বিশ্ববিদ্যালয়), টেলিথন কিডস ইনস্টিটিউট (পার্থ, অস্ট্রেলিয়া), গুগল এবং ইউনিভার্সিটি অফ টুয়েন্টি, নেদারল্যান্ডের মধ্যে সহযোগিতার মাধ্যমে তৈরি করা হয়েছে।
এই প্রকল্পটি ওয়েইস এট আল 2018 ( doi:10.1038/nature25181 ) দ্বারা প্রকাশিত পূর্ববর্তী কাজের উপর ভিত্তি করে তৈরি করা হয়েছে। Weiss et al (2018) রাস্তাগুলির জন্য ডেটাসেটগুলি ব্যবহার করেছেন (ওপেন স্ট্রিট ম্যাপ এবং Google রাস্তার ডেটাসেটের প্রথমবারের মতো বিশ্বব্যাপী ব্যবহার সমন্বিত), রেলপথ, নদী, হ্রদ, মহাসাগর, টপোগ্রাফিক অবস্থা (ঢাল এবং উচ্চতা), ল্যান্ডকভারের ধরন এবং জাতীয় সীমানা। এই ডেটাসেটগুলিকে সেই ধরণের প্রতিটি পিক্সেল অতিক্রম করার জন্য সময়ের পরিপ্রেক্ষিতে একটি গতি বা ভ্রমণের গতি বরাদ্দ করা হয়েছিল। ডেটাসেটগুলিকে তারপর একটি "ঘর্ষণ পৃষ্ঠ" তৈরি করতে একত্রিত করা হয়েছিল: একটি মানচিত্র যেখানে প্রতিটি পিক্সেলকে সেই পিক্সেলের মধ্যে ঘটতে থাকা প্রকারের উপর ভিত্তি করে ভ্রমণের একটি নামমাত্র সামগ্রিক গতি বরাদ্দ করা হয়। বর্তমান প্রকল্পের জন্য, OSM রাস্তার ডেটার মধ্যে সাম্প্রতিক উন্নতিগুলিকে অন্তর্ভুক্ত করার জন্য একটি আপডেট করা ঘর্ষণ পৃষ্ঠ তৈরি করা হয়েছিল৷
সর্বনিম্ন-খরচ-পাথ অ্যালগরিদমগুলি (গুগল আর্থ ইঞ্জিনে চালিত এবং উচ্চ-অক্ষাংশ অঞ্চলের জন্য, R-এ) এই ঘর্ষণ পৃষ্ঠের সাথে ব্যবহার করা হয়েছিল সমস্ত অবস্থান থেকে নিকটতম (সময়ে) স্বাস্থ্যসেবা সুবিধায় ভ্রমণের সময় গণনা করতে। স্বাস্থ্যসেবা সুবিধার ডেটাসেট দুটি বৃহত্তম গ্লোবাল ডাটাবেস থেকে অবস্থান ডেটা ব্যবহার করেছে: (1) OSM ডেটা যা একত্রিত করা হয়েছিল এবং www.healthsites.io এ ডাউনলোডের জন্য উপলব্ধ করা হয়েছিল; এবং (2) ডেটা গুগল ম্যাপ থেকে বের করা হয়েছে। বিশ্বব্যাপী ডেটাসেটগুলি মহাদেশীয়-স্কেল সুবিধার অবস্থানগুলির সাথে বর্ধিত করা হয়েছিল যা সম্প্রতি আফ্রিকা এবং অস্ট্রেলিয়ার জন্য প্রকাশিত হয়েছিল। ডেটা উত্সগুলির মধ্যে তুলনা করার সুবিধার্থে, শুধুমাত্র হাসপাতাল এবং ক্লিনিক হিসাবে সংজ্ঞায়িত সুবিধাগুলি ব্যবহার করা হয়েছিল। একই পিক্সেলের মধ্যে পাওয়া একাধিক পয়েন্ট পৃথিবীর পৃষ্ঠের নির্বাচিত গ্রিডেড উপস্থাপনা দ্বারা সংজ্ঞায়িত বিশ্লেষণের রেজোলিউশনের সাথে মেলে। ফলস্বরূপ অ্যাক্সেসিবিলিটি মানচিত্রের প্রতিটি পিক্সেল এইভাবে সেই অবস্থান থেকে একটি হাসপাতাল বা ক্লিনিকে মডেল করা সবচেয়ে কম সময় (মিনিটের মধ্যে) উপস্থাপন করে।
উত্স ডেটাসেট ক্রেডিটগুলি সহগামী কাগজে বর্ণনা করা হয়েছে৷
ব্যান্ড
পিক্সেল সাইজ 927.67 মিটার
ব্যান্ড
নাম
ইউনিট
মিন
সর্বোচ্চ
পিক্সেল সাইজ
বর্ণনা
accessibility
মিনিট
0
41504.1
মিটার
নিকটস্থ হাসপাতাল বা ক্লিনিকে ভ্রমণের সময়।
accessibility_walking_only
মিনিট
0
138893
মিটার
অ-মোটর চালিত পরিবহন ব্যবহার করে নিকটস্থ হাসপাতাল বা ক্লিনিকে ভ্রমণের সময়।
এই গ্লোবাল অ্যাক্সেসিবিলিটি ম্যাপটি 2019 সালের জন্য 85 ডিগ্রি উত্তর এবং 60 ডিগ্রি দক্ষিণের মধ্যে সমস্ত এলাকার জন্য নিকটতম হাসপাতাল বা ক্লিনিকে ভূমি-ভিত্তিক ভ্রমণের সময় (মিনিটের মধ্যে) গণনা করে৷ এটিতে "শুধুমাত্র হাঁটা" ভ্রমণের সময়ও অন্তর্ভুক্ত রয়েছে, যা কেবলমাত্র পরিবহনের অ-মোটরাইজড মাধ্যম ব্যবহার করে৷ প্রধান তথ্য সংগ্রহের প্রচেষ্টা চলছে...
[null,null,[],[[["\u003cp\u003eThis dataset provides a global map of travel time to the nearest hospital or clinic, including both overall and walking-only travel times.\u003c/p\u003e\n"],["\u003cp\u003eThe data covers areas between 85 degrees north and 60 degrees south for the year 2019, with a resolution of 927.67 meters.\u003c/p\u003e\n"],["\u003cp\u003eThe map was created using a friction surface model and least-cost-path algorithms, incorporating data from OpenStreetMap, Google Maps, and other sources.\u003c/p\u003e\n"],["\u003cp\u003eHealthcare facility locations were sourced from healthsites.io, Google Maps, and other continental-scale datasets, focusing on hospitals and clinics.\u003c/p\u003e\n"],["\u003cp\u003eThis dataset is licensed under a Creative Commons Attribution 4.0 International License.\u003c/p\u003e\n"]]],[],null,["# Accessibility to Healthcare 2019\n\nDataset Availability\n: 2019-01-01T00:00:00Z--2020-01-01T00:00:00Z\n\nDataset Provider\n:\n\n\n [Malaria Atlas Project](https://malariaatlas.org/research-project/accessibility-to-cities/)\n\nTags\n:\n[accessibility](/earth-engine/datasets/tags/accessibility) [jrc](/earth-engine/datasets/tags/jrc) [map](/earth-engine/datasets/tags/map) [oxford](/earth-engine/datasets/tags/oxford) [population](/earth-engine/datasets/tags/population) [twente](/earth-engine/datasets/tags/twente) \n\n#### Description\n\nThis global accessibility map enumerates land-based travel time (in\nminutes) to the nearest hospital or clinic for all areas between 85\ndegrees north and 60 degrees south for a nominal year 2019. It also\nincludes \"walking-only\" travel time, using non-motorized means of\ntransportation only.\n\nMajor data collection efforts underway by OpenStreetMap, Google Maps, and\nacademic researchers have been harnessed to compile the most complete\ncollection of healthcare facility locations to date. This map was\nproduced through a collaboration between MAP (University of Oxford),\nTelethon Kids Institute (Perth, Australia), Google, and the University\nof Twente, Netherlands.\n\nThis project builds on previous work published by Weiss et al 2018\n([doi:10.1038/nature25181](https://doi.org/10.1038/nature25181)).\nWeiss et al (2018) utilised datasets for roads\n(comprising the first ever global-scale use of Open Street Map and Google\nroads datasets), railways, rivers, lakes, oceans, topographic conditions\n(slope and elevation), landcover types, and national borders. These\ndatasets were each allocated a speed or speeds of travel in terms of time\nto cross each pixel of that type. The datasets were then combined to\nproduce a \"friction surface\": a map where every pixel is allocated a\nnominal overall speed of travel based on the types occurring within that\npixel. For the current project, an updated friction surface was created to\nincorporate recent improvements within OSM roads data.\n\nLeast-cost-path algorithms (run in Google Earth Engine and, for\nhigh-latitude areas, in R) were used in conjunction with this friction\nsurface to calculate the time of travel from all locations to the nearest\n(in time) healthcare facility. The healthcare facilities dataset utilized\nlocation data from two of the largest global databases: (1) OSM data that\nwas collated and made available for download at\n[www.healthsites.io](https://www.healthsites.io/); and (2) data\nextracted from Google Maps. The global datasets were augmented with\ncontinental-scale facility locations that were recently published for\nAfrica and Australia. To facilitate comparisons between data sources, only\nfacilities defined as hospitals and clinics were used. Multiple points\nfound within the same pixel were merged to match the resolution of the\nanalysis as defined by the selected gridded representation of the Earth's\nsurface. Each pixel in the resultant accessibility map thus represents the\nmodelled shortest time (in minutes) from that location to a hospital or\nclinic.\n\nSource dataset credits are as described in the accompanying paper.\n\n### Bands\n\n\n**Pixel Size**\n\n927.67 meters\n\n**Bands**\n\n| Name | Units | Min | Max | Pixel Size | Description |\n|------------------------------|-------|-----|---------|------------|------------------------------------------------------------------------------|\n| `accessibility` | min | 0 | 41504.1 | meters | Travel time to the nearest hospital or clinic. |\n| `accessibility_walking_only` | min | 0 | 138893 | meters | Travel time to the nearest hospital or clinic using non-motorized transport. |\n\n### Terms of Use\n\n**Terms of Use**\n\nThis work is licensed under a [Creative Commons Attribution\n4.0 International License](https://creativecommons.org/licenses/by/4.0/).\n\n### Citations\n\nCitations:\n\n- D.J. Weiss, A. Nelson, C.A. Vargas-Ruiz, K. Gligorić, S. Bavadekar,\n E. Gabrilovich, A. Bertozzi-Villa, J. Rozier, H.S. Gibson, T. Shekel,\n C. Kamath, A. Lieber, K. Schulman, Y. Shao, V. Qarkaxhija, A.K. Nandi,\n S.H. Keddie, S. Rumisha, E. Cameron, K.E. Battle, S. Bhatt, P.W. Gething.\n Global maps of travel time to healthcare facilities. Nature Medicine (2020).\n\n### Explore with Earth Engine\n\n| **Important:** Earth Engine is a platform for petabyte-scale scientific analysis and visualization of geospatial datasets, both for public benefit and for business and government users. Earth Engine is free to use for research, education, and nonprofit use. To get started, please [register for Earth Engine access.](https://console.cloud.google.com/earth-engine)\n\n### Code Editor (JavaScript)\n\n```javascript\nvar dataset = ee.Image('Oxford/MAP/accessibility_to_healthcare_2019');\nvar accessibility = dataset.select('accessibility');\nvar accessibilityVis = {\n min: 0.0,\n max: 41556.0,\n gamma: 4.0,\n};\nMap.setCenter(18.98, 6.66, 2);\nMap.addLayer(accessibility, accessibilityVis, 'Accessibility');\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/Oxford/Oxford_MAP_accessibility_to_healthcare_2019) \n[Accessibility to Healthcare 2019](/earth-engine/datasets/catalog/Oxford_MAP_accessibility_to_healthcare_2019) \nThis global accessibility map enumerates land-based travel time (in minutes) to the nearest hospital or clinic for all areas between 85 degrees north and 60 degrees south for a nominal year 2019. It also includes \"walking-only\" travel time, using non-motorized means of transportation only. Major data collection efforts underway by ... \nOxford/MAP/accessibility_to_healthcare_2019, accessibility,jrc,map,oxford,population,twente \n2019-01-01T00:00:00Z/2020-01-01T00:00:00Z \n-60 -180 85 180 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [](https://doi.org/https://malariaatlas.org/research-project/accessibility-to-cities/)\n- [](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/Oxford_MAP_accessibility_to_healthcare_2019)"]]
