Diese globale Karte zur Erreichbarkeit gibt die Reisezeit (in Minuten) zum nächstgelegenen Krankenhaus oder zur nächstgelegenen Klinik für alle Gebiete zwischen 85° N und 60° S für das nominelle Jahr 2019 an. Sie umfasst auch die Reisezeit für Fußgänger, bei der nur nicht motorisierte Transportmittel verwendet werden.
Die umfangreichen Datenerhebungen von OpenStreetMap, Google Maps und akademischen Forschern wurden genutzt, um die bisher vollständigste Sammlung von Standorten von Gesundheitseinrichtungen zusammenzustellen. Diese Karte wurde in Zusammenarbeit von MAP (University of Oxford), Telethon Kids Institute (Perth, Australien), Google und der Universität Twente (Niederlande) erstellt.
Dieses Projekt baut auf früheren Arbeiten von Weiss et al. (2018) auf (doi:10.1038/nature25181).
Weiss et al. (2018) verwendeten Datasets für Straßen (die erste globale Nutzung von Open Street Map- und Google-Straßendatasets), Eisenbahnen, Flüsse, Seen, Ozeane, topografische Bedingungen (Hangneigung und Höhe), Landbedeckungstypen und Landesgrenzen. Diesen Datasets wurde jeweils eine oder mehrere Geschwindigkeiten für die Zeit zugewiesen, die zum Durchqueren jedes Pixels dieses Typs erforderlich ist. Die Datasets wurden dann kombiniert, um eine „Reibungsfläche“ zu erstellen: eine Karte, auf der jedem Pixel eine nominelle Gesamtgeschwindigkeit basierend auf den Typen zugewiesen wird, die in diesem Pixel vorkommen. Für das aktuelle Projekt wurde eine aktualisierte Reibungsfläche erstellt, um die jüngsten Verbesserungen bei OSM-Straßendaten zu berücksichtigen.
Algorithmen für den kostengünstigsten Pfad (in Google Earth Engine und für Gebiete mit hohem Breitengrad in R ausgeführt) wurden in Verbindung mit dieser Reibungsfläche verwendet, um die Reisezeit von allen Standorten zur nächstgelegenen (zeitlich) Gesundheitseinrichtung zu berechnen. Für das Dataset zu Gesundheitseinrichtungen wurden Standortdaten aus zwei der größten globalen Datenbanken verwendet: (1) OSM-Daten, die unter www.healthsites.io zusammengestellt und zum Download zur Verfügung gestellt wurden, und (2) Daten, die aus Google Maps extrahiert wurden. Die globalen Datasets wurden mit kürzlich für Afrika und Australien veröffentlichten Standorten von Einrichtungen auf kontinentaler Ebene ergänzt. Um Vergleiche zwischen Datenquellen zu ermöglichen, wurden nur Einrichtungen verwendet, die als Krankenhäuser und Kliniken definiert sind. Mehrere Punkte innerhalb desselben Pixels wurden zusammengeführt, um der Auflösung der Analyse zu entsprechen, die durch die ausgewählte Rasterdarstellung der Erdoberfläche definiert wird. Jeder Pixel in der resultierenden Karte zur Barrierefreiheit stellt also die modellierte kürzeste Zeit (in Minuten) von diesem Ort zu einem Krankenhaus oder einer Klinik dar.
Die Quellenangaben für das Quell-Dataset sind im zugehörigen Artikel beschrieben.
Bänder
Pixelgröße 927,67 Meter
Bänder
Name
Einheiten
Min.
Max.
Pixelgröße
Beschreibung
accessibility
Min.
0
41504.1
Meter
Fahrzeit zum nächsten Krankenhaus oder zur nächsten Klinik.
accessibility_walking_only
Min.
0
138893
Meter
Reisezeit zum nächstgelegenen Krankenhaus oder zur nächstgelegenen Klinik mit nicht motorisierten Verkehrsmitteln.
D.J. Weiss, A. Nelson, C.A. Vargas-Ruiz, K. Gligorić, S. Bavadekar,
E. Gabrilovich, A. Bertozzi-Villa, J. Rozier, H.S. Gibson, T. Shekel,
C. Kamath, A. Lieber, K. Schulman, Y. Shao, V. Qarkaxhija, A.K. Nandi,
S.H. Keddie, S. Rumisha, E. Cameron, K.E. Battle, S. Bhatt, P.W. Gething.
Globale Karten der Reisezeit zu Gesundheitseinrichtungen. Nature Medicine (2020).
Diese globale Karte zur Erreichbarkeit gibt die Reisezeit (in Minuten) zum nächstgelegenen Krankenhaus oder zur nächstgelegenen Klinik für alle Gebiete zwischen 85° N und 60° S für das nominelle Jahr 2019 an. Sie enthält auch die Reisezeit für Fußgänger, bei der nur nicht motorisierte Transportmittel verwendet werden. Wichtige Datenerhebungen durch …
[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)"]]
