Bản đồ khả năng tiếp cận toàn cầu này liệt kê thời gian di chuyển trên đất liền (tính bằng phút) đến bệnh viện hoặc phòng khám gần nhất cho tất cả các khu vực từ 85 độ bắc đến 60 độ nam trong năm 2019. Chế độ này cũng bao gồm thời gian di chuyển "chỉ đi bộ", chỉ sử dụng các phương tiện giao thông không có động cơ.
OpenStreetMap, Google Maps và các nhà nghiên cứu học thuật đã nỗ lực thu thập dữ liệu trên quy mô lớn để tổng hợp bộ sưu tập đầy đủ nhất về vị trí của các cơ sở chăm sóc sức khoẻ cho đến nay. Bản đồ này được tạo ra thông qua sự hợp tác giữa MAP (Đại học Oxford), Viện Telethon Kids (Perth, Úc), Google và Đại học Twente, Hà Lan.
Dự án này dựa trên công trình trước đây do Weiss và cộng sự xuất bản năm 2018 (doi:10.1038/nature25181).
Weiss và cộng sự (2018) đã sử dụng các tập dữ liệu về đường bộ (bao gồm cả việc sử dụng tập dữ liệu Open Street Map và Google Roads trên quy mô toàn cầu lần đầu tiên), đường sắt, sông, hồ, đại dương, điều kiện địa hình (độ dốc và độ cao), các loại lớp phủ bề mặt và biên giới quốc gia. Mỗi tập dữ liệu này được phân bổ một hoặc nhiều tốc độ di chuyển theo thời gian để vượt qua từng điểm ảnh thuộc loại đó. Sau đó, các tập dữ liệu được kết hợp để tạo ra một "bề mặt ma sát": một bản đồ trong đó mỗi pixel được phân bổ tốc độ di chuyển tổng thể danh nghĩa dựa trên các loại xảy ra trong pixel đó. Đối với dự án hiện tại, chúng tôi đã tạo một bề mặt ma sát mới để kết hợp những điểm cải tiến gần đây trong dữ liệu đường của OSM.
Các thuật toán đường đi có chi phí thấp nhất (chạy trong Google Earth Engine và ở các khu vực có vĩ độ cao, trong R) được sử dụng cùng với bề mặt ma sát này để tính thời gian di chuyển từ tất cả các vị trí đến cơ sở chăm sóc sức khoẻ gần nhất (tính theo thời gian). Tập dữ liệu về cơ sở y tế sử dụng dữ liệu vị trí từ 2 cơ sở dữ liệu toàn cầu lớn nhất: (1) dữ liệu OSM được đối chiếu và cung cấp để tải xuống tại www.healthsites.io; và (2) dữ liệu được trích xuất từ Google Maps. Các tập dữ liệu toàn cầu được bổ sung bằng các vị trí cơ sở ở quy mô lục địa mới được xuất bản cho Châu Phi và Úc. Để so sánh giữa các nguồn dữ liệu, chúng tôi chỉ sử dụng những cơ sở được xác định là bệnh viện và phòng khám. Nhiều điểm được tìm thấy trong cùng một pixel đã được hợp nhất để phù hợp với độ phân giải của quá trình phân tích theo định nghĩa của biểu diễn dạng lưới đã chọn trên bề mặt Trái Đất. Do đó, mỗi pixel trong bản đồ hỗ trợ tiếp cận thu được sẽ biểu thị thời gian ngắn nhất được mô hình hoá (tính bằng phút) từ vị trí đó đến một bệnh viện hoặc phòng khám.
Thông tin ghi nhận công lao đóng góp cho tập dữ liệu nguồn được mô tả trong bài viết đi kèm.
Băng tần
Kích thước pixel 927,67 mét
Băng tần
Tên
Đơn vị
Tối thiểu
Tối đa
Kích thước pixel
Mô tả
accessibility
phút
0
41504.1
mét
Thời gian di chuyển đến bệnh viện hoặc phòng khám gần nhất.
accessibility_walking_only
phút
0
138893
mét
Thời gian di chuyển đến bệnh viện hoặc phòng khám gần nhất bằng phương tiện không có động cơ.
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.
Bản đồ toàn cầu về thời gian di chuyển đến các cơ sở y tế. Nature Medicine (2020).
Bản đồ toàn cầu về khả năng tiếp cận này liệt kê thời gian di chuyển trên đất liền (tính bằng phút) đến bệnh viện hoặc phòng khám gần nhất cho tất cả các khu vực từ 85 độ Bắc đến 60 độ Nam trong năm 2019. Thời gian này cũng bao gồm thời gian di chuyển "chỉ đi bộ", chỉ sử dụng các phương tiện giao thông không có động cơ. … đang nỗ lực thu thập dữ liệu trên quy mô lớn
[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)"]]
