במפת הנגישות הגלובלית הזו מפורט זמן הנסיעה (בדקות) ביבשה לבית החולים או למרפאה הקרובים ביותר בכל האזורים בין 85 מעלות צפון ל-60 מעלות דרום, לשנת 2019. הוא כולל גם את זמן הנסיעה 'בהליכה בלבד', באמצעות אמצעי תחבורה לא ממונעים בלבד.
נעשה שימוש במאמצים משמעותיים לאיסוף נתונים שמתבצעים על ידי OpenStreetMap, Google Maps וחוקרים אקדמיים כדי ליצור את האוסף המלא ביותר של מיקומי מתקני בריאות עד היום. המפה הזו נוצרה בשיתוף פעולה בין MAP (אוניברסיטת אוקספורד), Telethon Kids Institute (פרת', אוסטרליה), Google ואוניברסיטת טוונטה (הולנד).
הפרויקט הזה מבוסס על עבודה קודמת שפורסמה על ידי Weiss et al 2018
(doi:10.1038/nature25181).
Weiss et al (2018) השתמשו במערכי נתונים של כבישים (כולל השימוש הראשון אי פעם במערכי נתונים של כבישים ב-Open Street Map וב-Google בקנה מידה גלובלי), מסילות רכבת, נהרות, אגמים, אוקיינוסים, תנאים טופוגרפיים (שיפוע וגובה), סוגי כיסוי קרקע וגבולות לאומיים. לכל אחד ממערכי הנתונים האלה הוקצתה מהירות או מהירויות נסיעה במונחים של זמן לחציית כל פיקסל מהסוג הזה. לאחר מכן, מערבבים את מערכי הנתונים כדי ליצור 'משטח חיכוך': מפה שבה לכל פיקסל מוקצה מהירות נסיעה כוללת נומינלית על סמך הסוגים שמופיעים בפיקסל הזה. בפרויקט הנוכחי, נוצר משטח חיכוך מעודכן כדי לשלב שיפורים שבוצעו לאחרונה בנתוני הכבישים ב-OSM.
השתמשנו באלגוריתמים של נתיב העלות הנמוכה ביותר (שמופעלים ב-Google Earth Engine, ובאזורים בקווי רוחב גבוהים, ב-R) בשילוב עם משטח החיכוך הזה כדי לחשב את זמן הנסיעה מכל המיקומים למתקן הבריאות הקרוב ביותר (בזמן). מערך הנתונים של מתקני הבריאות מבוסס על נתוני מיקום משני מסדי הנתונים הגלובליים הגדולים ביותר: (1) נתוני OSM שנאספו והועמדו להורדה בכתובת www.healthsites.io; ו-(2) נתונים שחולצו ממפות Google. הוספנו למערכי הנתונים הגלובליים מיקומים של מתקנים בקנה מידה יבשתי שפורסמו לאחרונה באפריקה ובאוסטרליה. כדי להקל על השוואות בין מקורות נתונים, השתמשנו רק במתקנים שהוגדרו כבתי חולים ומרפאות. כמה נקודות שנמצאו באותו פיקסל מוזגו כדי להתאים לרזולוציה של הניתוח, כפי שהוגדרה על ידי הייצוג הנבחר של פני כדור הארץ. כל פיקסל במפת הנגישות שמתקבלת מייצג את הזמן הקצר ביותר (בדקות) מהמיקום הזה לבית חולים או למרפאה, לפי המודל.
הקרדיטים של מערך הנתונים של המקור מפורטים במאמר הנלווה.
תחום תדרים
גודל פיקסל 927.67 מטרים
תחום תדרים
שם
יחידות
מינימום
מקסימום
גודל הפיקסל
תיאור
accessibility
דק'
0
41504.1
מטרים
זמן הנסיעה לבית החולים או למרפאה הקרובים ביותר.
accessibility_walking_only
דק'
0
138893
מטרים
זמן הנסיעה לבית החולים או למרפאה הקרובים ביותר באמצעות תחבורה לא ממונעת.
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. קמרון, ק.א. באטל, ס. Bhatt, P.W. Gething.
מפות גלובליות של זמן הנסיעה למוסדות בריאות. Nature Medicine (2020).
במפת הנגישות הגלובלית הזו מפורט זמן הנסיעה (בדקות) ביבשה לבית החולים או למרפאה הקרובים ביותר בכל האזורים בין קו רוחב 85 צפון לקו רוחב 60 דרום, בשנה נומינלית 2019. הוא כולל גם את זמן הנסיעה ב "הליכה בלבד", באמצעות אמצעי תחבורה לא ממונעים בלבד. מתבצעים מאמצים משמעותיים לאיסוף נתונים על ידי …
[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)"]]
