Published September 16, 2022 | Version v1
Publication Open

Differences between gridded population data impact measures of geographic access to healthcare in sub-Saharan Africa

Creators

  • 1. University of Geneva
  • 2. University of Southampton
  • 3. Kenya Medical Research Institute
  • 4. University of Colorado Boulder
  • 5. Global Fund to Fight AIDS, Tuberculosis and Malaria

Description

Access to healthcare is imperative to health equity and well-being. Geographic access to healthcare can be modeled using spatial datasets on local context, together with the distribution of existing health facilities and populations. Several population datasets are currently available, but their impact on accessibility analyses is unknown. In this study, we model the geographic accessibility of public health facilities at 100-meter resolution in sub-Saharan Africa and evaluate six of the most popular gridded population datasets for their impact on coverage statistics at different administrative levels.Travel time to nearest health facilities was calculated by overlaying health facility coordinates on top of a friction raster accounting for roads, landcover, and physical barriers. We then intersected six different gridded population datasets with our travel time estimates to determine accessibility coverages within various travel time thresholds (i.e., 30, 60, 90, 120, 150, and 180-min).Here we show that differences in accessibility coverage can exceed 70% at the sub-national level, based on a one-hour travel time threshold. The differences are most notable in large and sparsely populated administrative units and dramatically shape patterns of healthcare accessibility at national and sub-national levels.The results of this study show how valuable and critical a comparative analysis between population datasets is for the derivation of coverage statistics that inform local policies and monitor global targets. Large differences exist between the datasets and the results underscore an essential source of uncertainty in accessibility analyses that should be systematically assessed.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يعد الوصول إلى الرعاية الصحية أمرًا ضروريًا لتحقيق العدالة الصحية والرفاهية. يمكن نمذجة الوصول الجغرافي إلى الرعاية الصحية باستخدام مجموعات البيانات المكانية في السياق المحلي، إلى جانب توزيع المرافق الصحية الحالية والسكان. تتوفر حاليًا العديد من مجموعات البيانات السكانية، ولكن تأثيرها على تحليلات إمكانية الوصول غير معروف. في هذه الدراسة، قمنا بنمذجة إمكانية الوصول الجغرافي لمرافق الصحة العامة بدقة 100 متر في أفريقيا جنوب الصحراء الكبرى وتقييم ست من مجموعات البيانات السكانية الشبكية الأكثر شعبية لتأثيرها على إحصاءات التغطية على مختلف المستويات الإدارية. تم حساب وقت السفر إلى أقرب المرافق الصحية من خلال تراكب إحداثيات المرافق الصحية فوق احتكاك محاسبة النقطية للطرق والغطاء الأرضي والحواجز المادية. ثم قمنا بتقاطع ست مجموعات بيانات سكانية شبكية مختلفة مع تقديرات وقت السفر الخاصة بنا لتحديد تغطيات إمكانية الوصول ضمن عتبات وقت السفر المختلفة (أي 30 و 60 و 90 و 120 و 150 و 180 دقيقة). هنا نوضح أن الاختلافات في تغطية إمكانية الوصول يمكن أن تتجاوز 70 ٪ على المستوى دون الوطني، بناءً على عتبة وقت السفر لمدة ساعة واحدة. وتظهر الاختلافات بشكل ملحوظ في الوحدات الإدارية الكبيرة ذات الكثافة السكانية المنخفضة وتشكل بشكل كبير أنماط إمكانية الوصول إلى الرعاية الصحية على المستويين الوطني ودون الوطني. وتظهر نتائج هذه الدراسة مدى قيمة وأهمية التحليل المقارن بين مجموعات البيانات السكانية لاشتقاق إحصاءات التغطية التي تسترشد بها السياسات المحلية وترصد الأهداف العالمية. توجد اختلافات كبيرة بين مجموعات البيانات وتؤكد النتائج مصدرًا أساسيًا لعدم اليقين في تحليلات إمكانية الوصول التي يجب تقييمها بشكل منهجي.

Translated Description (French)

L'accès aux soins de santé est impératif pour l'équité en santé et le bien-être. L'accès géographique aux soins de santé peut être modélisé à l'aide d'ensembles de données spatiales sur le contexte local, ainsi que la répartition des établissements et des populations de santé existants. Plusieurs ensembles de données démographiques sont actuellement disponibles, mais leur impact sur les analyses d'accessibilité est inconnu. Dans cette étude, nous modélisons l'accessibilité géographique des établissements de santé publics à une résolution de 100 mètres en Afrique subsaharienne et évaluons six des ensembles de données démographiques maillées les plus populaires pour leur impact sur les statistiques de couverture à différents niveaux administratifs. Le temps de trajet vers les établissements de santé les plus proches a été calculé en superposant les coordonnées des établissements de santé sur une trame de friction tenant compte des routes, de la couverture terrestre et des barrières physiques. Nous avons ensuite croisé six ensembles de données de population maillés différents avec nos estimations de temps de déplacement pour déterminer les couvertures d'accessibilité dans divers seuils de temps de déplacement (c.-à-d. 30, 60, 90, 120, 150 et 180 min). Ici, nous montrons que les différences de couverture d'accessibilité peuvent dépasser 70 % au niveau infranational, sur la base d'un seuil de temps de déplacement d'une heure. Les différences sont les plus notables dans les grandes unités administratives peu peuplées et façonnent de manière spectaculaire les modèles d'accessibilité des soins de santé aux niveaux national et infranational. Les résultats de cette étude montrent à quel point une analyse comparative entre les ensembles de données démographiques est précieuse et critique pour la dérivation de statistiques de couverture qui informent les politiques locales et surveillent les objectifs mondiaux. De grandes différences existent entre les ensembles de données et les résultats soulignent une source essentielle d'incertitude dans les analyses d'accessibilité qui devraient être systématiquement évaluées.

Translated Description (Spanish)

El acceso a la atención médica es imprescindible para la equidad y el bienestar de la salud. El acceso geográfico a la atención médica se puede modelar utilizando conjuntos de datos espaciales en el contexto local, junto con la distribución de las instalaciones y poblaciones de salud existentes. Actualmente se dispone de varios conjuntos de datos de población, pero se desconoce su impacto en los análisis de accesibilidad. En este estudio, modelamos la accesibilidad geográfica de los centros de salud pública a una resolución de 100 metros en el África subsahariana y evaluamos seis de los conjuntos de datos de población cuadriculados más populares por su impacto en las estadísticas de cobertura en diferentes niveles administrativos. El tiempo de viaje a los centros de salud más cercanos se calculó superponiendo las coordenadas de los centros de salud sobre una trama de fricción que contabiliza las carreteras, la cobertura terrestre y las barreras físicas. Luego, cruzamos seis conjuntos de datos de población cuadriculados diferentes con nuestras estimaciones de tiempo de viaje para determinar las coberturas de accesibilidad dentro de varios umbrales de tiempo de viaje (es decir, 30, 60, 90, 120, 150 y 180 minutos). Aquí mostramos que las diferencias en la cobertura de accesibilidad pueden exceder el 70% a nivel subnacional, en función de un umbral de tiempo de viaje de una hora. Las diferencias son más notables en las unidades administrativas grandes y escasamente pobladas y configuran dramáticamente los patrones de accesibilidad de la atención médica a nivel nacional y subnacional. Los resultados de este estudio muestran cuán valioso y crítico es un análisis comparativo entre conjuntos de datos de población para la derivación de estadísticas de cobertura que informan las políticas locales y monitorean los objetivos globales. Existen grandes diferencias entre los conjuntos de datos y los resultados subrayan una fuente esencial de incertidumbre en los análisis de accesibilidad que deben evaluarse sistemáticamente.

Files

s43856-022-00179-4.pdf.pdf

Files (4.5 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:aa7062bcaddf25233afd5f0cd696ea8d
4.5 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
الاختلافات بين البيانات السكانية الشبكية تؤثر على مقاييس الوصول الجغرافي إلى الرعاية الصحية في أفريقيا جنوب الصحراء الكبرى
Translated title (French)
Différences entre les mesures d'impact des données démographiques maillées sur l'accès géographique aux soins de santé en Afrique subsaharienne
Translated title (Spanish)
Las diferencias entre los datos de población cuadriculados afectan las medidas de acceso geográfico a la atención médica en el África subsahariana

Identifiers

Other
https://openalex.org/W4296041767
DOI
10.1038/s43856-022-00179-4

Is supplement to
https://openalex.org/W604260942 (Other)
https://openalex.org/W2773877060 (Other)
https://openalex.org/W2743147667 (Other)
https://openalex.org/W2386874685 (Other)
https://openalex.org/W2163421903 (Other)
https://openalex.org/W2093392189 (Other)
https://openalex.org/W2060977224 (Other)
https://openalex.org/W2029462932 (Other)
https://openalex.org/W1965226578 (Other)
https://openalex.org/W1587389446 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Kenya

References

  • https://openalex.org/W2028813093
  • https://openalex.org/W2052458288
  • https://openalex.org/W2057442840
  • https://openalex.org/W2076489890
  • https://openalex.org/W2097545317
  • https://openalex.org/W2139726867
  • https://openalex.org/W2139727821
  • https://openalex.org/W2142691518
  • https://openalex.org/W2169528473
  • https://openalex.org/W2539134167
  • https://openalex.org/W2580095392
  • https://openalex.org/W2613140046
  • https://openalex.org/W2746258687
  • https://openalex.org/W2785232091
  • https://openalex.org/W2790440883
  • https://openalex.org/W2883240105
  • https://openalex.org/W2890781576
  • https://openalex.org/W2901299564
  • https://openalex.org/W2932833545
  • https://openalex.org/W2936342662
  • https://openalex.org/W2944151096
  • https://openalex.org/W2952094509
  • https://openalex.org/W2952323954
  • https://openalex.org/W2953610829
  • https://openalex.org/W2954180448
  • https://openalex.org/W2956825289
  • https://openalex.org/W2972707075
  • https://openalex.org/W2982446989
  • https://openalex.org/W2997529933
  • https://openalex.org/W3000440663
  • https://openalex.org/W3014557103
  • https://openalex.org/W3020113335
  • https://openalex.org/W3037846227
  • https://openalex.org/W3039452513
  • https://openalex.org/W3041579839
  • https://openalex.org/W3082445115
  • https://openalex.org/W3083086902
  • https://openalex.org/W3086699080
  • https://openalex.org/W3089440935
  • https://openalex.org/W3097420137
  • https://openalex.org/W3112421172
  • https://openalex.org/W3134395485
  • https://openalex.org/W3158629215
  • https://openalex.org/W3168330079
  • https://openalex.org/W3176833877
  • https://openalex.org/W3184345837
  • https://openalex.org/W3185484898
  • https://openalex.org/W3201542545
  • https://openalex.org/W3207513507
  • https://openalex.org/W4225876200
  • https://openalex.org/W4283267840