/e7c39340eba09b7315759e960ce3a3f9

►https://bl.ocks.org/Fil/e7c39340eba09b7315759e960ce3a3f9

#FDEB #d3.js

@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.

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

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…

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.

je crois que c’est une pièce du puzzle

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

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

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

Excellent !

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

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

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

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

cc @louca

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.

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

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)

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