Seenthis
•
 
Identifiants personnels
  • [mot de passe oublié ?]

 

Fil

@fil

 ? — fil@rezo.net — ►https://twitter.com/recifs — ►https://rezo.net — ►https://visionscarto.net — https://vis.social/@fil

//
RSS: Fil
tous les messages de Fil
  • @fil
    Fil @fil 30/08/2016
    3
    @reka
    @severo
    @simplicissimus
    3
    @severo

    Mapping internal connectivity through human migration in malaria endemic countries : Scientific Data
    ►http://www.nature.com/articles/sdata201666

    Estimating internal migration flows between administrative units
    Following Garcia et al. a gravity model-based approach was used to estimate the total number of people migrating from one administrative unit to any other administrative unit, between 2005 and 2010, within each malaria endemic country located in Africa, Asia, Latin America and the Caribbean

    http://www.nature.com/article-assets/npg/sdata/2016/sdata201666/images_hires/w926/sdata201666-f6.jpg http://www.nature.com/article-assets/npg/sdata/2016/sdata201666/images_hires/w926/sdata201666-f4.jpg http://www.nature.com/article-assets/npg/sdata/2016/sdata201666/images_hires/w926/sdata201666-f5.jpg

    #migrations_internes #santé #paludisme #afrique #amérique_du_sud #inde etc. #cartographie #mobilité #complexité_visuelle #recherche #visualisation
    @severo
    pour la population voir aussi du même auteur Alessandro Sorichetta ▻http://www.nature.com/articles/sdata201545

    Datasets : ▻http://www.worldpop.org.uk/data/data_sources

    Fil @fil
    • @severo
      severo @severo PUBLIC DOMAIN 30/08/2016
      @louca

      @louca toi qui cherchait des manières de représenter les flux de migrations, ça peut t’intéresser. Cela dit, sur la carte d’Amérique du Sud, c’est peu lisible je trouve. En gros toutes les capitales départementales/provinciales sont reliées par des traits rouges. Ça voudrait dire qu’il y a beaucoup de trafic entre toutes les villes, j’en doute cela dit, parce que ce sont des villes de tailles très différentes.

      severo @severo PUBLIC DOMAIN
    • @fil
      Fil @fil 30/08/2016

      oui moi aussi — la représentation me paraît améliorable, mais le modèle sous-jacent est intéressant, en tout cas c’est la première fois que je le vois

      Fil @fil
    • @simplicissimus
      Simplicissimus @simplicissimus 30/08/2016

      Effectivement, le graphe relie tous les centroïdes des unités administratives immédiatement inférieures aux pays (et non pas leurs capitales).

      Mais bien que les flux soient bien identifiés entre origine et destination, le graphe qui les représente n’est pas orienté. C’est un peu déroutant…

      Simplicissimus @simplicissimus
    • @liotier
      liotier @liotier CC BY-SA 31/08/2016

      La quasi étanchéité des frontières nationales me paraît suspecte... L’absence de flux entre le sud du Mali, le sud-ouest du Burkina et le nord de la Côte d’Ivoire est juste délirante.

      Bon, je vois que la méthode s’intitule « Estimating internal migration flows between administrative unit » et a lieu « within each malaria endemic country » ... C’est une approche qui me paraît totalement invalide - je me demande même commente elle a pu être retenue.

      liotier @liotier CC BY-SA
    • @fil
      Fil @fil 31/08/2016

      je crois que c’est une pièce du puzzle

      Fil @fil
    • @fil
      Fil @fil 13/01/2017

      une piste pour améliorer ce type de graphiques : l’algorithme #FDEB
      ▻https://github.com/upphiminn/d3.ForceBundle
      ►http://bl.ocks.org/Fil/e7c39340eba09b7315759e960ce3a3f9

      Example of d3-ForceEdgeBundling on US airline routes graph. - Philippe Rivière

      Fil @fil
    • @fil
      Fil @fil 13/01/2017

      par exemple, pour la Bolivie :
      ►http://bl.ocks.org/Fil/338173f684c195696b440993713d287a

      bolivia internal migrations - Philippe Rivière

      https://gist.githubusercontent.com/Fil/338173f684c195696b440993713d287a/raw/68a4125f0ff8e24d8cbd5facd044db558c26ec0d/thumbnail.png

      Fil @fil
    • @severo
      severo @severo PUBLIC DOMAIN 13/01/2017
      @fil @louca

      Excellent !

      à comparer avec l’exemple suivant (sans le « bundling »)

      ▻http://bl.ocks.org/Fil/2255f5e79b2fc88efacc6df0ea108142

      bolivia internal migrations - Philippe Rivière

      Je me demandais comment étaient estimées les valeurs des flux entre les villes. C’est ... compliqué :

      ▻http://www.nature.com/articles/sdata201666#methods

      @fil : tu as reproduit les calculs, en te basant sur les données suivantes ?

      ▻http://www.nature.com/articles/sdata201666#data-records

      Pour le « bundling », c’est beaucoup plus clair, mais ça fait apparaître des lignes courbes, qui ressemblent à des routes, ce qui peut induire en erreur.

      Autre truc qui m’a paru bizarre : on dirait que les points ne sont pas les villes principales, mais les centroïdes des départements (où il n’y a personne en général).

      En fait je dirais même qu’il y a trop de points ou pas assez (35 points) : il existe 9 départements et 112 provinces, et aucune autre division administrative entre les deux.

      Le fichier de données ne dit pas grand chose :

      ▻http://bl.ocks.org/Fil/raw/338173f684c195696b440993713d287a/ce64e58f8abc767da7d0201c7c98663add099399/BOL_5yrs_InternalMigFlows_2010.csv

      -

      ISO,NODEJ,NODEI,LONFR,LATFR,LONTO,LATTO,PrdMIG
      BOL,101,103,-64.75520521,-18.96055212,-65.32139438,-18.84782587,480.9150057

      Pas d’information de ce que sont ces points (NODEJ, NODEI).

      cc @louca

      severo @severo PUBLIC DOMAIN
    • @fil
      Fil @fil 13/01/2017

      Non je n’ai pas reproduit les calculs ;-)

      J’ai récupéré le fichier de résultats, et me suis contenté dans un premier temps de reproduire le graphique. Je n’aimais pas bien le résultat, mais je ne savais pas trop comment l’améliorer. Et quand je suis tombé sur #FDEB j’y ai repensé.

      Fil @fil
    • @severo
      severo @severo PUBLIC DOMAIN 13/01/2017

      Bonne idée, le résultat est beaucoup plus agréable et compréhensible.

      severo @severo PUBLIC DOMAIN
    • @fil
      Fil @fil 17/01/2017

      Mapping Plasmodium falciparum Mortality in Africa between 1990 and 2015 — NEJM
      ▻http://www.nejm.org/doi/full/10.1056/NEJMoa1606701

      http://www.nejm.org/na101/home/literatum/publisher/mms/journals/content/nejm/2016/nejm_2016.375.issue-25/nejmoa1606701/20161216/images/large/nejmoa1606701_f4.jpeg

      (où l’on voit que les #frontières restent des barrières en matière de santé)

      Fil @fil
    • @simplicissimus
      Simplicissimus @simplicissimus 17/01/2017

      Les frontières administratives sont certainement des délimitations entre des niveaux différents de soins et de couverture médicale mais aussi entre les différents protocoles de collecte de l’information. De ce point de vue l’élément clé de tout l’article c’est évidemment la #cause_de_décès, or celle-ci est connue de façon essentiellement déclarative : l’#autopsie_verbale (cf. ce document de l’OMS de 2009, Normes d’autopsie verbale, établissement et attribution de la cause de décès ▻http://apps.who.int/iris/bitstream/10665/44056/1/9789442547214_fre.pdf )

      Par ailleurs, je ne comprends pas bien comment se fait le passage des nombres bruts de décès aux taux de mortalité. Il ne semble pas dépendre de la connaissance de la population au niveau des mailles géographiques mais résulter du modèle (passage par la part des décès dûs à la malaria dans le total des décès).

      http://www.nejm.org/na101/home/literatum/publisher/mms/journals/content/nejm/2016/nejm_2016.375.issue-25/nejmoa1606701/20161216/images/large/nejmoa1606701_f3.jpeg

      Simplicissimus @simplicissimus
    Écrire un commentaire

thèmes

  • #afrique
  • #amérique_du_sud
  • #cartographie
  • #complexité_visuelle
  • #inde
  • #migrations_internes
  • #mobilité
  • #paludisme
  • #recherche
  • #santé
  • #visualisation
Propriété intellectuelle Recommandations API