Zapoznaj się z publikacjami recenzowanymi i badaniami akademickimi, które potwierdzają metodologię, dokładność przestrzenną i zastosowania w świecie rzeczywistym danych Population Dynamics Insights.
Te badania pokazują, jak można zintegrować osadzanie danych Population Dynamics Insights z zewnętrznymi zbiorami danych, aby zwiększyć dokładność przewidywania, zmniejszyć nierówności demograficzne i rozwiązać złożone problemy z modelowaniem.
Publikacje
| Tytuł artykułu | Opis |
|---|---|
| Osadzanie danych z modelu podstawowego geoprzestrzennego poprawia szacowanie populacji nierównomiernie w przestrzeni i skali | Porównuje osadzanie danych PDI z tradycyjnymi geoprzestrzennymi zmiennymi towarzyszącymi w celu szacowania populacji na poziomie subnarodowym w Brazylii, Nigerii i Stanach Zjednoczonych. (Zhang i in., 2026) |
| Ocena luk w zakresie szczepień MMR u dzieci w Stanach Zjednoczonych za pomocą cyfrowego nadzoru uczestniczącego | Łączy cyfrowy nadzór uczestniczący z modelowaniem przestrzennym, aby mapować luki w zakresie szczepień MMR na poziomie powiatu i obszary o wysokim ryzyku epidemii odry. (Zhou, Brownstein i Rader, 2026) |
| Zastosowanie i weryfikacja danych z modelu podstawowego geoprzestrzennego do przewidywania wyników programowych placówek opieki zdrowotnej – studium przypadku w Malawi | Pokazuje, jak używać osadzania danych PDI do modelowania rutynowych wyników placówek opieki zdrowotnej i wzmacniania systemów nadzoru zdrowotnego w miejscach o ograniczonych zasobach. (Metz i in., 2025) |
| Zmniejszanie nierówności w zakresie badań przesiewowych na depresję poporodową za pomocą osadzania danych z modelu podstawowego geoprzestrzennego: badanie przekrojowe obejmujące 209 872 kobiet w Stanach Zjednoczonych | Wzbogaca dane z badań klinicznych o osadzanie danych PDI, aby poprawić przewidywanie ryzyka depresji poporodowej i zmniejszyć nierówności demograficzne. (Frasch, 2026) |
Przydatne materiały
Aby rozpocząć korzystanie z przykładów kodu i interaktywnych przepływów pracy, zapoznaj się z notatnikami Colab.