Suite

Identifier les blocs de recensement à l'intérieur des zones urbaines (en utilisant pyshp ou similaire)


J'essaie de trouver les blocs de recensement qui se trouvent à l'intérieur de zones urbaines ou de grappes urbaines spécifiques.

Le Census Bureau fournit une liste de zones urbaines/groupes urbains avec les informations suivantes :

| Nom de la colonne | Description de la colonne | | ------------- | -------------------------------------------------- --------------- | | UACE | Code à cinq chiffres qui identifie de manière unique les entités de la zone urbaine 2010 | | NOM | Nom de la zone urbaine 2010 | | POP | 2010 population de la zone urbaine | | HU | Nombre de logements 2010 pour l'agglomération | | AREALAND | Superficie du terrain pour la zone urbaine en mètres carrés | | ZONELANDSQMI | Superficie des terres pour le record convertie en milles carrés | | AREAEAU | Surface d'eau pour le record en mètres carrés | | AIREEAUSQMI | Surface d'eau pour le record convertie en milles carrés | | POPDEN | Densité de population | | LSADC | Code de description de zone légale/statistique pour | | | la zone urbaine (75 pour zone urbanisée, 76 pour cluster urbain) |

La première zone urbaine de ce fichier estAbbeville, Louisiane(UACE=00037). À titre d'exemple, j'aimerais trouver tous les îlots de recensement qui se trouvent dans cette région urbaine.

Pour autant que je sache, il n'y a pas d'API ou d'autre méthode pour obtenir une liste des îlots de recensement d'une zone urbaine spécifiée, j'essaie donc de trouver des alternatives.

Je suis un programmeur expérimenté mais je n'ai aucune expérience en SIG. Théoriquement, il semble qu'il devrait être possible de prendre le fichier de formes pour les zones urbaines et le fichier de formes pour les îlots de recensement dans la paroisse de Vermilion (où se trouve Abbeville), de superposer les deux et de trouver tous les îlots de recensement qui sont couverts par la zone urbaine d'Abbeville polygone.

Je dois le faire plusieurs fois, donc j'espérais le faire par programme avec pyshp ou similaire. Mais je suis ouvert à toute solution que je peux automatiser et je n'achète pas ArcGIS.


J'ai écrit un ensemble de scripts pour résoudre ce problème et j'ai publié le résultat au cas où quelqu'un d'autre en aurait besoin. Voir le bas de cette réponse pour plus de détails.

GeospatialPython.com m'a orienté dans la bonne direction. J'ai pu créer un script Python rapide pour ce faire. Je suis sûr qu'il y a des problèmes ici parce que je ne suis pas très familier avecpyqgis, mais cela semble fonctionner (voici comment le vérifier via l'interface graphique QGIS.

from qgis.core import * # Remarque : ajoutez /Applications/QGIS.app/Contents/Resources/python/ à la variable d'environnement PYTHONPATH pour que cela soit importé. # chemin d'accès à l'endroit où votre qgis est installé QgsApplication.setPrefixPath("/Applications/QGIS.app/Contents/MacOS", True) # chargement des fournisseurs QgsApplication.initQgis() # Si vous rencontrez des problèmes pour charger les couches, consultez ceci : /questions/ 59069/creating-qgis-layers-in-python-console-vs-stand-alone-application urban_areas_layer = QgsVectorLayer("data/census/urban_areas/tl_2010_us_uac10.shp", "urban_areas", "ogr") sinon urban_areas_layer.isValid (): print "La couche n'a pas pu se charger!" block_layer = QgsVectorLayer("data/census/blocks/tl_2010_22113_tabblock10/tl_2010_22113_tabblock10.shp", "blocks", "ogr") sinon block_layer.isValid(): print "La couche n'a pas pu se charger!" # Obtient les noms des champs dans une couche # /questions/76364/how-to-get-field-names-in-pyqgis-2-0 field_names = [field.name() for field in urban_areas_layer.pendingFields() ] field_names_blocks = [field.name() pour le champ dans block_layer.pendingFields() ] pour urban_area dans urban_areas_layer.getFeatures() : attributs = dict(zip(field_names, urban_area.attributes())) if attribute['UACE10'] == '00037' : block_count = 0 imprime les attributs du bloc dans block_layer.getFeatures() : if block.geometry().touches(urban_area.geometry()) == True : block_attributes = dict(zip(field_names_blocks, block.attributes() )) block_count += 1 # print block_attributes['GEOID10'] print "%d block(s) found" % block_count QgsApplication.exitQgis()

Édition 1 :

Voici le code Python qui automatise entièrement le processus de téléchargement des fichiers de formes de comté nécessaires pour chaque zone urbaine. La sortie devrait être un fichier CSV répertoriant chaque îlot de recensement qui se trouve dans une zone urbaine.

Il y a quelques prérequis pour ce code :

  • qgisPackage Python installé (il fait partie de l'installation de l'interface graphique QGIS)
  • pandaspaquet
  • Créez ces dossiers imbriqués dans votre répertoire de travail pour les fichiers de formes du comté :données/recensement/blocs/
  • Télécharger tl_2010_us_uac10.shp àdata/cens/blocks/urban_areas/
  • Télécharger ua_county_rel_10.txt àdata/cens/blocks/urban_areas/
import pandas as pd import os # pour exécuter des commandes shell à partir de qgis.core import * # Remarque : ajoutez /Applications/QGIS.app/Contents/Resources/python/ à la variable d'environnement PYTHONPATH pour l'importer. # chemin d'accès à l'endroit où votre qgis est installé QgsApplication.setPrefixPath("/Applications/QGIS.app/Contents/MacOS", True) # chargement des fournisseurs QgsApplication.initQgis() # Si vous rencontrez des problèmes pour charger les couches, consultez ceci : /questions/ 59069/creating-qgis-layers-in-python-console-vs-stand-alone-application urban_areas_layer = QgsVectorLayer("data/census/urban_areas/tl_2010_us_uac10.shp", "urban_areas", "ogr") sinon urban_areas_layer.isValid (): print "La couche n'a pas pu se charger!" # Codes numériques d'état valides # De https://www.census.gov/geo/reference/ansi_statetables.html valid_states = [1, 2, 4, 5, 6, 8, 9, 10, 11, 12, 13, 15 , 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40 , 41, 42, 44, 45, 46, 47, 48, 49, 50, 51, 53, 54, 55, 56] # Relations entre les zones urbaines et les comtés # http://www2.census.gov/geo/docs /maps-data/data/rel/ua_county_rel_10.txt urban_areas_counties = pd.read_csv('data/census/urban_areas/urban_area_county.txt',") # Obtient les noms des champs dans une couche # /questions/76364/how- to-get-field-names-in-pyqgis-2-0 field_names = [field.name() pour le champ dans urban_areas_layer.pendingFields() ] # Configurer les colonnes de données de sortie = ['ua_name', 'ua_id', 'state ', 'county', 'tract', 'block', 'block_geoid'] output_df = pd.DataFrame(columns=columns) pour urban_area dans urban_areas_layer.getFeatures() : block_count = 0 attributs = dict(zip(field_names, urban_area. attributs())) print "Zone urbaine de départ % s… " % attributs['NAME10'] # Recherchez les comtés couverts par cet UA counties = urban_areas_counties[(urban_areas_counties.UA == int(float(attributes['UACE10'])))] # Ignorez tous les comtés qui ne le sont pas aux États-Unis counties = counties[counties['STATE'].isin(valid_states)] # Vérifiez si les fichiers de formes sont déjà téléchargés pour le comté dans counties.iterrows() : print " Starting county %s" % county[1][ 'CNAME'] # Déterminer le nom du fichier de shapefile pour le comté zero_pad_state = '%02d' % int(float(county[1]['STATE'])) zero_pad_county = '%03d' % int(float(county[1][ 'COUNTY'])) filename = 'tl_2010_%s%s_tabblock10' % (zero_pad_state, zero_pad_county) # Téléchargez le shapefile pour le comté s'il n'a pas déjà été téléchargé sinon os.path.exists("data/census/blocks/% s/%s.shp" % (nom de fichier, nom de fichier)): cmd = "cd data/census/blocks && rm -rf %s && mkdir %s && cd %s && curl -O ftp://ftp2.census. gov//geo/tiger/TIGER2010/TABBLOCK/2010/%s.zip && unzip %s.zip" % (nom de fichier, nom de fichier, nom de fichier, nom de fichier, nom de fichier) os.system(c md) # Charger dans la couche de blocs pour le comté block_layer = QgsVectorLayer("data/census/blocks/%s/%s.shp" % (filename, filename), "blocks", "ogr") sinon block_layer.isValid() : print "Layer %s.shp à charger !" % filename else : # Obtenir les noms de champ pour le bloc field_names_blocks = [field.name() pour le champ dans block_layer.pendingFields() ] pour le bloc dans block_layer.getFeatures() : if block .geometry().within(urban_area.geometry()) == True: block_attributes = dict(zip(field_names_blocks, block.attributes())) block_count += 1 # print " Bloc trouvé : %s" % block_attributes['GEOID10 '] # Besoin de vider les attributs suivants : # STATEFP10 # COUNTYFP10 # TRACTCE10 # BLOCKCE10 # GEOID10 # # Parallèlement à cela, enregistrez les informations sur la zone urbaine : # attributs['NAME10'] # attributs['UACE10'] # # colonnes = ['ua_name', 'ua_id', 'state', 'county', 'tract', 'block', 'block_geoid'] data = [{ 'ua_name' : attributs['NAME10'], 'ua_id' : attributs[ 'UACE10'], 'state' : block_attributes['STATEFP10'], 'county' : block_attributes['COUNTYFP10'], ' tract': block_attributes['TRACTCE10'], 'block': block_attributes['BLOCKCE10'], 'block_geoid': block_attributes['GEOID10'] }] output_df = output_df.append(data) # code.interact(local=locals( )) # sys.exit() print "%d bloc(s) trouvé(s) pour %s" % (block_count, attributs['NAME10']) output_df.to_csv('data/census/urban_area_blocks.csv', index = False) # nettoyage QgsApplication.exitQgis()

J'ai publié tout le code pour le faire sur GitHub et j'ai publié la sortie (un seul fichier CSV avec une ligne pour chaque bloc qui se trouve dans une zone urbaine/un cluster urbain, ainsi que la population de ce bloc) ici. Ces scripts/données ne sont pas vérifiés, utilisez-les donc à vos risques et périls. Les demandes de tirage sont les bienvenues.


Je suis l'auteur de PyShp. Ce que vous essayez de faire est un truc SIG très standard. Téléchargez QGIS. Il s'agit essentiellement d'ArcGIS open source. Il regroupe tous les meilleurs outils SIG open source dans une interface graphique agréable ainsi qu'un fantastique cadre d'automatisation Python. Il existe des dizaines de didacticiels et de vidéos gratuits pour effectuer différentes tâches. Il y a aussi plein de bons livres. Faites glisser vos fichiers de formes (.shp) sur le canevas et prototypez-le dans l'interface graphique, puis automatisez-les par lots à l'aide de la boîte à outils de traitement. Dans QGIS speak (et la bibliothèque OGR sous-jacente), vous voulez voir ce qui bloque une zone urbaine "contient". Vous pouvez exécuter votre script automatisé dans QGIS ou le transformer en un programme de ligne de commande à l'aide d'OGR qui a la méthode contains () si vous en avez besoin pour une exécution en dehors de QGIS. Peu importe, vous utiliserez Python.


Disparités urbaines et rurales dans l'accès au dépistage du cancer du poumon par tomodensitométrie à faible dose dans le Missouri et l'Illinois

Citation suggérée pour cet article : Rohatgi KW, Marx CM, Lewis-Thames MW, Liu J, Colditz GA, James AS. Disparités urbaines et rurales dans l'accès au dépistage du cancer du poumon par tomodensitométrie à faible dose dans le Missouri et l'Illinois. Précédent Chronique Dis 202017:200202. DOI : http://dx.doi.org/10.5888/pcd17.200202 icône externe .

Qu'est-ce qu'on sait déjà à ce sujet?

Le dépistage par tomodensitométrie à faible dose (LDCT) du cancer du poumon est recommandé pour les fumeurs actuels et anciens répondant aux critères d'éligibilité. En 2017, les zones rurales avaient généralement moins d'accès géographique au dépistage LDCT que les zones urbaines.

Qu'apporte ce rapport ?

Malgré la prolifération récente du dépistage par LDCT, les zones rurales du Missouri et de l'Illinois ont un faible accès au dépistage. Nous n'avons observé aucune association entre l'accès géographique au dépistage et la mortalité par cancer du poumon.

Quelles sont les implications pour la pratique de la santé publique?

À mesure que le dépistage par LDCT se généralise, de futures études doivent évaluer ses effets sur les taux de mortalité par cancer du poumon au niveau de la population dans les zones urbaines et rurales.


Qu'entendons-nous par analyse sur petits domaines?

La définition d'une petite zone dépend de vos besoins. Il peut s'agir d'une zone géographique, d'une circonscription politique ou administrative, voire d'un groupe particulier de personnes.

Le but de l'analyse sur de petites zones est de se concentrer sur des zones ou des populations spécifiques afin que vous puissiez voir les différences entre les petites zones au sein d'un modèle statistique plus large. Si, par exemple, la plus petite unité pour laquelle des statistiques existent est un comté, il peut y avoir de grandes différences entre les différentes villes ou régions de ce comté en ce qui concerne un problème particulier, par exemple le pourcentage d'enfants asthmatiques. Les statistiques pour le comté dans son ensemble peuvent être moyennes, mais une ou deux petites villes peuvent représenter la majorité des cas, le reste du comté ne connaissant presque pas d'asthme infantile. De toute évidence, l'accent devrait être mis sur les villes où l'asthme est le plus grave.

Les difficultés liées à la conduite d'une analyse sur de petits domaines viennent de la définition des domaines qui vous concernent et de la recherche de moyens d'obtenir des informations pour ces domaines. Nous discuterons plus en détail de ces deux questions – définir de petites zones et collecter des informations – dans la partie pratique de cette section.

Comme pour la plupart des efforts décrits dans la Boîte à outils communautaire, l'analyse sur de petites zones peut souvent fonctionner mieux lorsqu'il est possible d'impliquer la communauté dans la planification de l'évaluation. Ceux qui vivent dans la communauté et sont touchés par les problèmes révélés par l'évaluation peuvent avoir de bonnes idées sur la façon de diviser la communauté plus large en petites zones (c. .


Pourquoi utiliser des documents publics ou des données d'archives ?

Il existe un certain nombre de raisons d'utiliser ce matériau, certaines évidentes, d'autres moins.

Ils sont relativement faciles d'accès pour la plupart des gens.

De nombreux documents publics et documents archivés peuvent être lus en ligne, et la plupart des autres peuvent être trouvés et commandés, à un coût raisonnable, auprès des agences ou institutions qui les détiennent. La plupart de ces informations peuvent également être trouvées dans les bibliothèques, ou dans les agences ou institutions qui les collectent.

Les informations que vous souhaitez probablement proviennent de sources nationales et locales. Les agences gouvernementales nationales et locales sont habituées à rechercher les demandes et ont mis en place des systèmes pour vous aider à trouver ou à commander ce dont vous avez besoin. Sauf dans les grands États, où la distance de la capitale peut constituer un obstacle, la plupart des gens peuvent se rendre à l'agence qui détient le matériel qu'ils recherchent.

Les Archives nationales, c'est une autre affaire. Une grande partie de leur matériel n'est pas en ligne à l'heure actuelle, et vous devrez peut-être visiter le bâtiment des Archives nationales à Washington, DC, ou l'une des succursales - San Francisco et Laguna Niguel, CA Denver, CO Kansas City, MO Ft. Worth, TX Chicago, IL Atlanta, GA Philadelphie, PA ou Pittsfield et Waltham, MA - pour trouver ce dont vous avez besoin. Évidemment, cela ne vaut la peine que si l'information est absolument cruciale pour votre évaluation.

Ils peuvent vous donner des informations sur l'histoire ou le statut de la communauté qu'il serait difficile d'obtenir ailleurs.

Des chiffres précis sur le revenu, le parc immobilier ou la démographie, les histoires orales, les informations sur l'immigration, qui possède quelle terre - ces informations et d'innombrables autres informations peuvent être glanées, généralement en ligne, à partir de documents publics et d'archives. Trouver vous-même la plupart de ces mêmes informations prendrait énormément de temps et d'efforts.

Ils vous permettent souvent de comparer votre communauté avec d'autres.

Cela peut faciliter la détermination des problèmes de votre communauté qui sont les plus importants ou vous donner des idées sur la manière de trouver des ressources pour résoudre les problèmes.

Ils vous aident à utiliser votre temps plus efficacement et vous évitent de perdre du temps à collecter des données vous-même.

Vous pouvez obtenir plus d'informations de meilleure qualité, en particulier lorsqu'il s'agit de chiffres précis, en passant quelques heures avec des archives publiques plutôt qu'en passant des semaines à essayer d'obtenir les mêmes informations directement de la communauté.

Cela ne veut pas dire que les entretiens, l'observation et d'autres méthodes similaires de collecte d'informations ne sont pas extrêmement utiles. Au contraire, ils sont absolument nécessaires. Les entretiens, par exemple, vous raconteront l'histoire derrière le succès ou l'échec des tentatives passées pour résoudre un problème, ou exactement comment les gens ressentent les effets d'un problème particulier. Cependant, ils sont moins bons pour retracer l'histoire économique de la communauté au cours des 50 dernières années, ou pour comparer le taux de grossesse chez les adolescentes de la communauté à ceux de communautés similaires dans l'État ou dans le pays. Le point ici est simplement qu'il est logique d'utiliser la méthode qui convient le mieux pour recueillir le type particulier d'informations dont vous avez besoin.

Leurs informations peuvent vous empêcher de commettre des erreurs importantes.

Vous plaidez peut-être pour la sauvegarde d'un terrain découvert qui a "toujours été sauvage", par exemple, quand un coup d'œil aux archives de la ville vous dirait qu'il s'agissait d'un site industriel il y a cent ans. Les opposants peuvent sauter sur ce genre d'erreur. sans parler du fait que vous pouvez constater que vous défendez la mauvaise chose.

Ils font partie d'un ensemble d'informations plus large.

Avec les autres stratégies d'évaluation, sources d'information et outils que vous utilisez, ils vous donneront l'image la plus précise et la plus complète des aspects de la communauté - aujourd'hui et dans le passé - qui vous concernent.


Diez Roux AV. Commentaires invités : lieux, personnes et santé. Suis J Epidémiol. 2002155:516–519.

O'Campo P. Commentaire invité : faire avancer la théorie et les méthodes pour les modèles multiniveaux des quartiers résidentiels et de la santé. Suis J Epidémiol. 2003157:9–13.

Oakes JM. La (més)estimation des effets de quartier : inférence causale pour une épidémiologie sociale praticable. Soc Sci Med. 200458:1929–1952.

Koushik A, King WD, McLaughlin JR. Une étude écologique de la leucémie infantile et du mélange de population en Ontario, Canada. Contrôle des causes du cancer. 200112:483–490.

Swan SH, Brésil C, Drobnis EZ, et al. Différences géographiques dans la qualité du sperme des mâles américains fertiles. Regard sur la santé de l'environnement. 2003111:414–420.

Parcs SE, Housemann RA, Brownson RC. Corrélats différentiels de l'activité physique chez les adultes urbains et ruraux de divers milieux socio-économiques aux États-Unis. J Epidemiol Santé Communautaire. 200357:29–35.

Adgate JL, Eberly LE, Stroebel C, et al. Expositions personnelles, intérieures et extérieures aux COV dans un échantillon probabiliste d'enfants. J Expo Anal Environ Epidémiol. 200414 (Suppl 1) : S4–S13.

Département américain de la Santé et des Services sociaux. Un département au service de l'Amérique rurale : Rapport du groupe de travail rural du HHS au secrétaire, 2002. Disponible sur : ftp://ftp.hrsa.gov/ruralhealth/PublicReportJune2002.pdf. Consulté le 23 septembre 2005.

Galea S, Vlahov D. Santé urbaine : preuves, défis et orientations. Annu Rev Santé Publique. 200526:341–365.

Vlahov D, Galea S. Urbanisation, urbanité et santé. J Santé Urbaine. 2002 Dec79 (4 Suppl 1) : S1–S12.

Vlahov D, Galea S. La santé urbaine : une nouvelle discipline. Lancette. 2003362:1091–1092.

Centre de recherche en santé rurale WWAMI. Définitions rurales : qu'est-ce que la ruralité ? Disponible sur : http://www.fammed.washington.edu/wwamirhrc/rucas/ruca_definitions.html. Consulté le 23 septembre 2005.

Bingenheimer JB, Raudenbush SW. Inférences statistiques et substantielles en santé publique : enjeux dans l'application des modèles multiniveaux. Annu Rev Santé Publique. 200425:53–77.

Hiotis K, Ye W, Sposto R, Goldberg J, Mukhi V, Skinner K. L'importance de l'emplacement dans la détermination des taux de conservation du sein. Suis J Surg. 190 juil. 2005 (1) : 18-22.

Bureau du recensement des États-Unis. Tableau de comparaison géographique : population, unités de logement, superficie et densité de GCT-PH1-R (zones géographiques classées par population totale), 2000, fichier sommaire 1 du recensement de 2000 (SF 1) Données à 100 %. Disponible sur : http://factfinder.census.gov. Consulté le 23 septembre 2005.

Goodall C, Kafadar K, Tukey J. Calcul et utilisation de mesures rurales et urbaines dans les applications statistiques. Suis Stat. 199852:101–111.

Bureau du recensement des États-Unis. Zones de tabulation du code postal® (ZCTA™). 2004. Disponible sur : http://www.census.gov/geo/ZCTA/zctafaq.html. Consulté le 23 septembre 2005.

Bureau du recensement des États-Unis, Définitions urbaines et rurales. Disponible sur : http://www.census.gov/population/censusdata/urdef.txt. Consulté le 23 septembre 2005.

Bureau du recensement des États-Unis. Recensement 2000 Classification urbaine et rurale. Disponible sur : http://www.census.gov/geo/www/ua/ua_2k.html. Consulté le 23 septembre 2005.

Bureau du recensement des États-Unis. Recensement 2000, fichier sommaire 3, documentation technique, p. B-54, 2002. Disponible sur : http://www.census.gov/Press-Release/www/2002/sumfile3.html. Consulté le 23 septembre 2005.

Bureau du recensement des États-Unis. Population, unités de logement, superficie et densité : 2000. Disponible sur : http://factfinder.census.gov/servlet/SAFFPeople?_sse=on. Consulté le 23 septembre 2005.

Bureau du recensement des États-Unis Population urbaine et rurale : 1900 à 1990. Disponible sur : http://factfinder.census.gov/servlet/SAFFPeople?_sse=on. Consulté le 23 septembre 2005.

Bureau du recensement des États-Unis. Population, unités de logement, superficie et densité : 2000. États-Unis-Urban/Rural and Inside/Outside Metropolitan Area. Disponible sur : http://factfinder.census.gov/servlet/SAFFPeople?_sse=on. Consulté le 23 septembre 2005.

Prehn AW, West DW. Évaluation des différences locales dans les taux d'incidence du cancer du sein : une méthodologie basée sur le recensement (États-Unis). Contrôle des causes du cancer. 9 octobre 1998 (5) : 511-517.

Ricketts T, Johnson-Webb K, Taylor P. Définitions de la ruralité : un manuel à l'intention des décideurs et des chercheurs en matière de politiques de santé. Washington : Département américain de la Santé et des Services sociaux 1998 : 1-12.

Hewitt M. Définition des zones « rurales » : impact sur la politique et la recherche en matière de soins de santé. Dans : Gesler WM, Ricketts TC, éd. Santé en Amérique du Nord rurale. Nouveau-Brunswick : Rutgers University Press 1992 : 25-54.

Johnson-Webb K. Qu'est-ce que le rural? Problèmes et considérations. J Santé rurale. 199713:254–256.

Bureau de la gestion et du budget de la Maison Blanche des États-Unis. Listes des zones métropolitaines I-IV, 1995. Disponible sur : http://www.whitehouse.gov/omb/bulletins/95-04attachintro.html. Consulté le 23 septembre 2005.

Bureau de la gestion et du budget de la Maison Blanche des États-Unis, Communiqué de presse 2003-18 : L'OMB annonce 49 nouvelles zones statistiques métropolitaines 2003. Disponible sur http://www.whitehouse.gov/omb/pubpress/2003-18.pdf. Consulté le 23 septembre 2005.

Bureau de la gestion et du budget de la Maison Blanche des États-Unis. Partie IX : Normes de définition des zones statistiques métropolitaines et micropolitaines, avis, 27 décembre 2000. Disponible sur : http://www.census.gov/population/www/estimates/00-32997.pdf. Consulté le 23 septembre 2005.

Bureau de la gestion et du budget de la Maison Blanche des États-Unis. Mise à jour des définitions des zones statistiques et conseils supplémentaires sur leurs utilisations. Bulletin n° 05-02, 2005. Disponible sur http://www.whitehouse.gov/omb/bulletins/fy05/b05-02.html. Consulté le 23 septembre 2005.

Bureau du recensement des États-Unis. Définitions des zones statistiques métropolitaines et micropolitaines. Disponible sur : http://www.census.gov/population/www/estimates/metrodef.html. Consulté le 23 septembre 2005.

Bureau du recensement des États-Unis. Population et répartition en pourcentage selon le statut de la zone statistique principale (BCSA) pour les États-Unis, les régions et les divisions : 1990, 2000 et 2003 (CBSA-EST2003-09). Disponible sur : http://www.census.gov/population/www/estimates/Estimates%20pages_final.html. Consulté le 23 septembre 2005.

Bureau du recensement des États-Unis, Division de la population. Classements pour les régions statistiques métropolitaines : du 1er avril 2000 au 1er juillet 2003 (CBSA-EST2003-04). Disponible sur : http://www.census.gov/population/www/estimates/metropop/PopTable04.xls. Consulté le 23 septembre 2005.

Bureau du recensement des États-Unis, Division de la population. Estimations annuelles de la population des régions statistiques métropolitaines et micropolitaines : du 1er avril 2000 au 1er juillet 2003 (CBSA-EST2003-01). Disponible sur : http://www.census.gov/population/www/estimates/metropop/PopTable04.xls. Consulté le 23 septembre 2005.

Centres de Contrôle des Maladies. Décès non intentionnels par intoxication médicamenteuse par urbanisation de la région—Nouveau-Mexique, 1994-2003. MMWR Morb Mortal Wkly Rep. 200554(35):870–873.

Centres pour le Contrôle et la Prévention des catastrophes. SMART : Tendances de risque sélectionnées pour les zones métropolitaines/micropolitaines, Smart BRFSS. Mis à jour le 22 juin 2005. Disponible sur : http://www.cdc.gov/brfss/smart/faqs.htm. Consulté le 23 septembre 2005.

Slifkin RT, Randolph R, Ricketts TC. L'évolution du processus de désignation métropolitaine et l'Amérique rurale. J Santé rurale. 200420:1–6.

Hart LG, Larson EH, Lishner DM. Définitions rurales pour la politique de santé et la recherche. Am J Santé publique. 2005 juillet95(7):1149-1155.

Ghelfi L, Parker T. Une mesure de l'influence urbaine au niveau du comté. Perspective de développement rural. 199512:32–41.

Baer LD, Johnson-Webb KD, Gesler WM. Qu'est-ce que le rural ? Focus sur les codes d'influence urbains. J Santé rurale. 199713:329–333.

ERS/USDA Briefing Room-Measuring Rurality: Urban Influence Codes. Service de recherche économique USDA, 2003. Disponible sur : http://www.ers.usda.gov/briefing/Rurality/UrbanInf/. Consulté le 23 septembre 2005.

Département de l'Agriculture des États-Unis, Service de recherche économique. ERS/USDA Briefing Room-Measuring Rurality: 1993 Urban Influence Codes. Disponible sur : http://www.ers.usda.gov/briefing/Rurality/UrbanInf/1993UIC.htm. Consulté le 23 septembre 2005.

Baer LD, Johnson-Webb KD, Gesler WM. Qu'est-ce que le rural ? Focus sur les codes d'influence urbains. J Santé rurale. 199713:329–333.

Département de l'agriculture des États-Unis, Service de recherche économique. Salle d'information ERS/USDA - Mesurer la ruralité : codes du continuum rural-urbain. Disponible sur : http://www.ers.usda.gov/briefing/rurality/RuralUrbCon/. Consulté le 23 septembre 2005.

Larson SL, le juge Fleishman. Différences rurales-urbaines dans la source habituelle de soins et l'utilisation des services ambulatoires : analyses des données nationales à l'aide des codes d'influence urbaine. Soins médicaux 200341:65–74.

Hawley ST, Chang S, Risser D, et al. Incidence et mortalité du cancer colorectal au Texas 1990-1992: une comparaison des classifications rurales. J Santé rurale. 200218:536–546.

Hall SA, Kaufman JS, Millikan RC, Ricketts TC, Herman D, Savitz DA. L'urbanisation et l'incidence du cancer du sein en Caroline du Nord, 1995-1999. Anne Epidémiol. 15 novembre 2005(10) : 796–803.

Bennett T, Skatrud JD, Guild P, et al. Grossesse adolescente en milieu rural : une vue du Sud. Fam Plann Perspective. 199729:256–260, 267.

Département de l'Agriculture des États-Unis, Service de recherche économique. Salle d'information ERS/USDA : Mesurer la ruralité : codes de zone de navettage rural-urbain. Disponible sur : http://www.ers.usda.gov/briefing/Rurality/RuralUrbanCommutingAreas/. Consulté le 23 septembre 2005.

Semaines WB, Kazis LE, Shen Y, Cong Z, Ren XS, Miller D, Lee A, Perlin JB. Différences dans la qualité de vie liée à la santé chez les anciens combattants ruraux et urbains. Am J Santé publique. 2004 octobre 94 (10) : 1762-1767.

Faculté de médecine de l'Université de Washington. L'utilisation des RUCA dans les soins de santé. Disponible sur : http://www.fammed.washington.edu/wwamirhrc/rucas/use_healthcare.html. Consulté le 23 septembre 2005.

Faculté de médecine de l'Université de Washington. Méthodologie d'approximation du code postal RUCA. Disponible sur : http://www.fammed.washington.edu/wwamirhrc/rucas/methods.html. Consulté le 23 septembre 2005.

Centre de recherche en santé rurale WWAMI. Importance et disponibilité des taxonomies rurales-urbaines. Disponible sur : http://www.fammed.washington.edu/wwamirhrc/rucas/ruca_definitions.html. Consulté le 23 septembre 2005.


Utilisation de la statistique Spatial Scan pour identifier les variations géographiques du cancer colorectal au stade avancé en Californie (États-Unis)

Identifier les variations géographiques du cancer colorectal par stade au diagnostic en Californie à l'aide d'une analyse descriptive couplée à une analyse spatiale et discuter des considérations méthodologiques concernant la méthode statistique spatiale.

Méthodes

Nous avons analysé 59 076 cas de cancer colorectal diagnostiqués en Californie de 1996 à 2000 par régression logistique et par une statistique de balayage spatial pour identifier les zones présentant un risque relatif plus élevé et plus faible de cancer colorectal à un stade avancé.

Résultats

En Californie, 57 % de l'ensemble des cas de cancer colorectal ont été diagnostiqués à un stade avancé. Les Californiens diagnostiqués avec un cancer colorectal à un stade avancé étaient plus susceptibles d'être hispaniques et de vivre dans des zones de statut socio-économique inférieur. L'analyse spatiale a identifié deux zones où le nombre observé de cancers à un stade avancé était différent du nombre attendu de la distribution dans le reste de l'État.

Conclusion

Les analyses spatiales peuvent compléter les statistiques descriptives, mais les résultats doivent être interprétés en tenant compte des facteurs qui affectent la capacité à détecter des différences significatives telles que le nombre d'événements observés, la précision du géocodage des adresses rurales par rapport aux adresses urbaines et la difficulté d'ajustement pour les covariables.


« Coûts des fournisseurs de haut débit »

"La commission ne devrait pas utiliser le formulaire 477 pour collecter des données de déploiement en dessous du niveau du bloc de recensement", a déclaré mardi à la FCC la NCTA-The Internet & Television Association, le principal groupe de pression de l'industrie du câble.

La FCC a déjà étendu l'exigence de déclaration du secteur de recensement au niveau de l'îlot de recensement en 2013, a noté la NCTA. "La mise en œuvre de cette nouvelle exigence a imposé de nouvelles charges considérables aux fournisseurs de haut débit, obligeant de nombreuses entreprises à consacrer des ressources importantes à la mise à jour de leurs dossiers internes et au tri des données d'une manière qui ne sert pas un objectif commercial", a déclaré le groupe.

La NCTA a reconnu que ce changement avait aidé la commission à "cibler les subventions au haut débit dans les domaines où elles sont le plus nécessaires et à éviter de fournir un soutien injustifié dans les domaines où les entreprises sont disposées à investir des capitaux privés". Mais le groupe a également fait valoir que rendre les données encore plus précises n'aurait pas un effet bénéfique similaire.

"Chaque proposition de collecter plus de données ou différentes impose des coûts aux fournisseurs de haut débit", a écrit la NCTA. « Dans le même temps, dans de nombreux cas, la disponibilité de données de déploiement plus granulaires peut ne pas conduire à une amélioration significative des décisions de la commission concernant les données granulaires au niveau du bloc de recensement que la commission collecte déjà. données concernant les îlots de recensement situés dans les zones urbaines, car ces îlots ont tendance à être petits et le service est généralement disponible de manière uniforme dans tous ces îlots.

La NCTA a reconnu qu'il pourrait être utile de collecter des données plus granulaires dans les zones peu peuplées, où la disponibilité du haut débit à une seule adresse est moins susceptible de signifier que chaque adresse du bloc est couverte. Mais la NCTA a toujours soutenu que l'utilisation du programme Form 477 pour collecter ces données ne serait pas "économiquement faisable".

Selon la NCTA, de nombreuses entreprises de câblodistribution ne suivent pas exactement les adresses auxquelles elles peuvent offrir un service :

Pour déterminer toutes les adresses desservies par ses installations existantes (qu'elles soient déjà connectées, accessibles par des stations ou accessibles par des extensions de ligne qui peuvent être construites dans un intervalle de service typique) dans ses zones de service, une entreprise devrait probablement dépenser des fonds importants identifier (à partir de sources tierces, telles que les dossiers fiscaux du comté et les dossiers postaux) les adresses potentielles dans les zones de service nécessitant une enquête, payer les fournisseurs pour normaliser les formats d'adresse, analyser les adresses individuellement par rapport aux emplacements de son usine, effectuer des inspections sur le terrain dans un grand pourcentage des îlots de recensement où ils ont actuellement des installations, puis créent manuellement des enregistrements pour chaque adresse.


Identifier les blocs de recensement à l'intérieur des zones urbaines (à l'aide de pyshp ou similaire) - Systèmes d'information géographique

Des grappes géographiques de prévalence et d'hospitalisations pour BPCO ont été identifiées aux niveaux national, étatique et départemental. L'objectif de l'étude est d'identifier l'accessibilité géographique au niveau du comté aux pneumologues pour les adultes atteints de MPOC.

Méthodes

Les emplacements des services de 12 392 pneumologues praticiens et de 248 160 médecins de soins primaires ont été identifiés à partir du registre national des identificateurs de fournisseurs de 2013 et pondérés par les populations au niveau des blocs de recensement dans une série de zones tampons à distance circulaire. Les dénombrements de population au niveau du comté basés sur un modèle d'adultes américains âgés de with 18 ans atteints de MPOC ont été estimés à partir du système de surveillance des facteurs de risque comportemental de 2013. Les pourcentages de tous les adultes estimés ayant un accès potentiel à au moins un type de prestataire et le ratio au niveau du comté d'adultes atteints de MPOC par pneumologue ont été estimés pour des distances sélectionnées.

Résultats

La plupart des adultes américains (100 % dans les zones urbanisées, 99,5 % dans les grappes urbaines et 91,7 % dans les zones rurales) avaient un accès géographique à un médecin de soins primaires dans une distance tampon de 10 milles presque tous (≥ 99,9 %) avaient accès à un médecin de soins dans un rayon de 50 miles. Au moins un pneumologue dans un rayon de 10 miles était disponible pour 97,5% des adultes américains vivant dans les zones urbanisées, mais seulement pour 38,3% dans les grappes urbaines et 34,5% dans les zones rurales. When distance increased to 50 miles, at least one pulmonologist was available for 100% in urbanized areas, 93.2% in urban clusters, and 95.2% in rural areas. County-level ratios of adults with COPD per pulmonologist varied greatly across the United States, with residents in many counties in the Midwest having no pulmonologist within 50 miles.

Conclusion

County-level geographic variations in pulmonologist access for adults with COPD suggest that those adults with limited access will have to depend on care from primary care physicians.


Success Stories - Identifying Communities at Risk

Nitrate-contaminated drinking water can lead to serious illness in infants. Also, exposure to nitrates has been associated with certain cancers and adverse reproductive outcomes, including various birth defects. In California, some communities are at higher risk for having nitrate contamination in their drinking water. Because there was no statewide digital map of the areas served by drinking water systems, identifying communities at higher risk for nitrate exposure has been difficult. Moreover, the state had no central location for gathering this information.

What did Tracking do?

The California Tracking Program created a Web-based tool to help water systems create digital maps of the areas they serve. Prior to this effort, many systems only had paper maps. The tracking program&rsquos water tool has received information for public water systems that serve almost 90% of the state&rsquos total population. With this information, users can also identify communities that may be using unregulated private wells, which are also at high risk for nitrate contamination.

Improved public health

The University of California at Davis, on behalf of the state Water Resources Control Board, used data from the water tool and other sources in a report to the state legislature. The report identified communities most exposed to nitrate contamination in drinking water and proposed potential remediation solutions. Findings and recommendations in the report have led to prevention, monitoring, training, and funding activities in high risk areas.

California &ndash Identifying Exposures to Air Pollution from Traffic

What is the problem?

Air pollution from traffic is associated with a variety of health problems. Researchers and public health workers use data on traffic to estimate air pollution and to look at the relationship between traffic pollution and health. However, traffic data can be difficult to access and use.

What did Tracking do?

The California Tracking Program developed a traffic tool to make it easier to access and use CalTrans traffic data for public health activities. People can use the tool to calculate a range of traffic features, such as the average number of vehicles traveling near a location per day. Users of the tool can find out how much traffic passes through any geography, such as a zip code, neighborhood, or another custom area around a specific address. Researchers can compare data from the traffic tool with health data from the CA Tracking Network or other sources to understand better the possible links between air pollution and health.

Improved public health

Several agencies have used the traffic tool to protect and improve public health. For example, the Bay Area Air Quality Management District uses the traffic tool to determine if a proposed project will increase risks of exposure to traffic pollutants. And the CA Environmental Protection Agency used the traffic tool to identify locations more likely to be exposed to pollution from traffic. The agency added this information to its screening tool which identifies communities likely to be affected most by environmental exposures and poor health.

California &ndash Identifying the increases in preterm birth rates in Fresno County

What is the problem?

Research shows that preterm birth is associated with the mother&rsquos exposure to traffic pollutants and lead. A routine review of data on the California Tracking Network revealed a pattern in the risk of preterm birth in Fresno County, one of the major population centers in the state&rsquos Central Valley area.

What did Tracking do?

California&rsquos Environmental Health Tracking Program informed the Fresno Department of Public Health of the trends. The local health department asked the Tracking Network for more data about:

  • Preterm birth trends reported by race and ethnicity.
  • Maternal Infant Health (MIH) indicators, including very preterm birth (less than 32 weeks gestation).
  • Rates by census tracts.

Improved public health

Fresno County used the information to identify locations for targeting activities that are related to childhood lead poisoning, air quality, and asthma. Fresno County officials reported that the data and assistance from the tracking network were very helpful to the local childhood lead poisoning prevention program.

California &ndash Improving community access to useful information

What is the problem?

Variations in health status most frequently occur at the community level, but health information often is available only at the county level. The challenge is how to use existing data to increase the public&rsquos knowledge about how the environment affects their community&rsquos health, without compromising individual privacy. The affected communities should be able to gain access to this information.

What did Tracking do?

The California Tracking Network used special analytic and mapping techniques to locate areas in Alameda County with:

  • high rates of preterm birth.
  • high rates of full term births with low birth weight.
  • a range of asthma indicators.

The staff explored possible relationships between these outcomes and environmental hazards. The project demonstrated how the California Tracking Network can identify elevated rates of community health outcomes while maintaining individual confidentiality. The California Tracking Network also identified disparities in rates by race and ethnicity, income, and geography.

Improved public health

The California Tracking Program partnered with the Urban Strategies Council and several other organizations in a community collaborative called InfoAlameda-County. The collaboration aimed to make these data available publicly and to provide technical assistance to promote equity and empowerment for low-income neighborhoods and communities of color in Alameda County. The information generated by the Tracking Network was incorporated into the InfoAlamedaCounty.org interactive mapping Web site so that community residents will continue to have access to the data even after the project ends.

Florida &ndash Consuming fish safely: Mercury biomonitoring project

What is the problem?

Mercury is a toxin that occurs in the environment naturally and as a result of industrial pollution. Methylmercury is a form of mercury found in some fish and shellfish. It poses a risk to people who consume certain types of fish and shellfish. The greatest risk is to women of childbearing age and to children, who should not eat certain types of fish. Mercury can damage the nervous system of young children and developing fetuses.

Human exposure to mercury through fish consumption is a growing concern in the United States. Areas with high mercury emissions from coal-fired power plants and that have populations who frequently consume fish are of most concern. To help people eat the proper amount and species, they need accurate information about how much and what types of fish to consume.

What did Tracking do?

Researchers evaluated fish eating patterns among women of child-bearing age in Duval and Martin Counties, their research also included mercury biomonitoring. Participants completed a survey about their fish eating habits, knowledge of fish consumption advisories, pregnancy status, demographic and socio-economic information, and mercury exposure history. And each participant provided a scalp hair sample for mercury analysis.

Results showed that women of child-bearing age in Duval and Martin Counties consume more fish than their counterparts in other areas of the United States and that their hair-mercury levels are higher than the participants of the study who do not consume fish. Because of the low local awareness of fish advisories, increased education is needed about the advisories and about mercury exposure among at-risk populations in Duval and Martin Counties.

Improved public health

The Florida Tracking Program created the Fish for Your Health Wallet Card. It contains information about what types and amounts of fish to eat. It encourages women to enjoy the health benefits of certain kinds of fish but also avoid unsafe amounts of mercury. The card lists:

  • Species of fish by different categories of mercury content, and
  • Suggested amounts of fish to eat each week.

The Florida Tracking Program distributes the wallet cards to county health departments, state fish markets and grocery stores, and to the Florida Medical Association (FMA). The FMA sends the wallet cards to local branches and to physicians&rsquo offices.

Iowa &ndash Pesticides in Private Water Wells

What is the problem?

Contact with pesticides may be related to a variety of acute and chronic health problems. Private water wells have the potential to be contaminated with pesticides, especially in farming areas. About 15% of Iowans use private wells for drinking water. Little is known about the extent of human pesticide exposure from private well water.

What did Tracking do?

To improve the state&rsquos ability to measure pesticide exposure, the Iowa Tracking Program will work with the State Hygienic Laboratory and the Iowa Department of Agriculture and Land Stewardship to map off-label pesticide use, pesticide sales, pesticide application statistics, and private well contamination data.

Improved public health

Being able to identify areas with high pesticide use will help Iowa monitor those areas for health problems that are related to using pesticides. This may also help the Iowa Department of Public Health determine if education and intervention programs are needed or if new regulations or guidelines are needed for monitoring drinking wells.

Maine &ndash Educating Residents about a New Risk for Carbon Monoxide Poisoning

What is the problem?

In May 2012, three adults died from carbon monoxide (CO) poisoning after their off-roading vehicle became stuck in a mudbog in central Maine. While CO poisoning has long been a public health concern in Maine, off-roading was not among the list of potentially risky activities included in the state health department&rsquos public education efforts about preventing CO poisoning.

What did Tracking do?

Immediately responding to the deaths, Maine Tracking Program staff used data from their case-based CO poisoning surveillance system to identify a similar event that occurred in 2010. Using information about the two events, the tracking program identified off-roading as a more significant risk for CO poisoning than previously thought. Within a day of the 2012 deaths, tracking staff began educating reporters about CO poisoning, providing them guidance about preventing CO poisoning while off-roading to include in the ongoing news coverage of the deaths.

Improved public health

A few weeks following the deaths, the tracking program issued its annual advisory about preventing CO poisoning during summertime activities. This advisory included specific CO poisoning prevention advice about off-roading. These recommendations are now part of Maine&rsquos standard health advisory issued each spring.

Maine &ndash Preventing childhood lead poisoning

What is the problem?

The number of newly identified cases of childhood lead poisoning in Maine has decreased steadily over the last five years. But lead poisoning continues to threaten children&rsquos health and development. To continue reducing the number of cases of lead poisoning, the Maine Childhood Lead Poisoning Prevention Program needed to understand more about the state&rsquos at risk children.

What did Tracking do?

The Maine Tracking Program used geo-coding and mapping to analyze childhood lead poisoning data. This fresh look at an old problem shed light on some previously unknown critical risk factors. For example, the new analysis revealed that 40% of all childhood lead poisonings occur in just five urban areas. Further probing showed that within those five urban areas, more than 80% of lead-poisoned children lived in rental housing. Data from the U.S. Census Bureau then allowed the tracking program to look by census blocks at the percentage of houses built before 1950. This revealed streets and whole neighborhoods where children were most at risk.

Improved public health

The Maine Tracking Program gave the Childhood Lead Poisoning Prevention Program an advanced understanding of lead poisoning distribution throughout the state. Childhood Lead Poisoning Prevention could now shift resources where they were most needed. Community groups in the five urban areas where 40% of childhood lead poisonings occur could now receive contracts from the Maine CDC for targeted prevention activities in their communities. The contracts help to educate local landlords and tenants about the dangers of lead paint dust and help landlords test their units for lead dust. After just one year of targeted outreach, about 240 rental units were tested for lead dust. Landlords whose units tested high for lead dust were given support or were enrolled in the Lead Hazard Control Program. The Maine Tracking Program has been critical in helping prevent lead poisoning in Maine children.

Maine &ndash Tracking the effect of outdoor air quality on health

What is the problem?

Asthma is one of the most common and costly illnesses in the United States. Maine has one of the highest rates of asthma in the country. About 130,000 Mainers&ndashincluding 28,000 children&ndashhave asthma. Put another way, about one in 10 children and adults in Maine have asthma. Maine often has elevated levels of ozone and particulate matter. People are understandably concerned about the effects of ozone on asthma. Ozone is a main ingredient in smog. At ground level, ozone can be a health risk. Studies have shown that as ozone levels increase, asthma-related hospital stays and emergency department visits tend also to increase.

What did Tracking do?

Maine&rsquos Tracking Program linked outdoor ozone data with asthma-related emergency department data. Now scientists can estimate ozone-related asthma cases both in a community and statewide. Further studies show asthma cases associated with ozone levels by age, sex, and geography.

Improved public health

The tracking program has analyzed the association between asthma and outdoor air quality. The health department has used this information to identify Mainers at high risk. Asthma has no cure, but it can be controlled. Learning about this association has helped the Maine Tracking Program provide information to health care professionals. They can now target people who are at risk and can share prevention tips.

Minnesota &ndash Preparing for Extreme Heat Events

What is the problem?

Extreme heat events, or heat waves, are the most common cause of weather-related deaths in the United States. In Minnesota each year, heat-related illnesses lead to hundreds of emergency department visits and hospital stays. Planning successful prevention and response activities for extreme heat events can be difficult for public health agencies when they do not have a clear picture of who is most at risk.

What did Tracking do?

The Minnesota Tracking Program analyzed data on heat-related illnesses and deaths to inform health professionals about groups most at risk during extreme heat events. They found surprising new information, including:

  • 15- to 34-year-olds are an at-risk age group, in addition to people aged 65-years and older.
  • Rates of hospital stays and emergency department visits were higher in greater Minnesota compared to the 7-county metropolitan area that includes the Twin Cities.

State and local health professionals used the tracking data to develop and update maps showing areas with at-risk populations. The maps show which areas need support to prepare for heat waves.

Improved public health

Health agencies across Minnesota now have a clearer understanding of the people most at risk for illness or death from extreme heat. Each summer, they use the data to focus outreach and planning efforts. Then they use the data to evaluate the effectiveness of their prevention and response efforts and to monitor trends of heat-related illness over time.

Minnesota &ndash Preventing Melanoma

What is the problem?

Melanoma is the most dangerous form of skin cancer. It is one of the most rapidly increasing cancers among Minnesotans. CDC estimates that exposure to ultraviolet (UV) light causes 65-90% of all melanoma. UV light comes from the sun but can also come from tanning beds. Despite the risks for melanoma, tanning bed use remains common in Minnesota.

What did Tracking do?

The Minnesota Tracking Program published interactive maps and charts on their state tracking network showing trends and geographic patterns of melanoma across the state. They also collaborated with the state cancer registry to add county-level melanoma data to MN County Health Tables, a resource used by state and county public health officials to guide program planning and evaluation.

Improved public health

Since making melanoma data easy to find and use, tracking program staff have worked with state programs and other partners, such as the American Cancer Society of MN and the MN Cancer Alliance, to use tracking data to support program and policy initiatives to prevent melanoma. For example, these partners identified reducing the use of artificial UV light for tanning as a key objective in Cancer Plan Minnesota: 2011-2016 pdf icon external icon , a framework for preventing and controlling different types of cancer. In addition, tracking data will be used to evaluate the effectiveness of melanoma prevention program and policy initiatives over time.

Minnesota &ndash Evaluating Indoor Smoking Ban Legislation to Protect Residents from Secondhand Smoke

What is the problem?

Secondhand smoke, also known as environmental tobacco smoke, causes cancer and other health problems in both children and adults. To help reduce exposure to secondhand smoke, Minnesota passed Freedom to Breathe legislation in 2007. The legislation banned smoking in almost all indoor public places and indoor work sites, including bars and restaurants. In 2011, some legislators worked to repeal the legislation.

What did Tracking do?

The Minnesota Tracking Program maintains data on secondhand smoke among nonsmokers for the state. Tracking staff analyzed state data to determine if Freedom to Breathe legislation helped reduce residents&rsquo exposures to secondhand smoke. Tracking staff found that since 2007, exposures to secondhand smoke decreased among non-smokers. In addition, children&rsquos exposures decreased by 20% and adults&rsquo exposures decreased by 25%.

Improved public health

Freedom to Breathe legislation remains in place because the tracking program demonstrated that the legislation was associated with a decrease in exposures to secondhand smoke and because there is strong support to keep the smoking bans in Minnesota. In addition, tobacco prevention programs and others have been able to use the tracking data to plan more effective smoking cessation and awareness activities.

New York &ndash Tracking carbon monoxide risk factors to prevent poisonings

What is the problem?

Many New Yorkers use portable generators when the power goes out. Generator use increases the risk of carbon monoxide (CO) poisoning. Little information is available about how many households use portable generators during power outages. Also, the number of households that have properly installed and maintained CO alarms is unknown.

What did Tracking do?

To learn more about portable generator and CO alarm use, New York State&rsquos Tracking Program added questions to the 2008 New York State Behavioral Risk Factor Surveillance System survey. The Tracking Program collected and analyzed survey results that showed nearly 20% of state residents and more than 33% of residents living outside major cities had a portable generator. Almost 30% of all residents did not have a CO alarm in their homes.

Improved public health

The state department of health used the tracking program information to identify areas most at risk for CO poisoning. The state worked with local health departments and other partners to distribute generator safety posters and CO poisoning-prevention door hangers to area residents. The survey data will track the success of the generator campaign. The data will also show whether people follow the 2009 state law mandating CO alarms in all homes.

New York City &ndash Informing health care providers about asthma

What is the problem?

Each fall NYC sees a large increase in hospital stays and in emergency department visits for asthma, especially among children. Illness rates in the fall can be three times higher than rates during the summer. Possible reasons include infections among children returning to school, seasonal pollen, and cooler weather.

What did Tracking do?

The NYC Tracking Program analyzed childhood asthma data. It used the results to write messages for health care providers. The messages&mdashsent through the city&rsquos Health Alert Network&mdashurged providers to update patients&rsquo asthma management plans in time for school year start.

Improved public health

In the last few years, the seasonal fall mailing to health care providers and other asthma prevention activities have coincided with a decrease in rates of NYC hospital stays among children.

Because of the program&rsquos success, advisories to health care providers have become a standard practice at the beginning of each school year in NYC.

Oregon &ndash Increasing Awareness of and Testing for Radon

What is the problem?

Radon is the second leading cause of lung cancer and is the leading environmental cause of cancer deaths in the United States. Radon is a colorless, odorless, tasteless radioactive gas. Testing is the only way to know if radon levels are high in a building or home. In 1993, the U.S. Environmental Protection Agency identified Oregon as having low to moderate levels of radon. However, recent data show that some areas of the state have high radon levels. The state needed more accurate data on radon hazards to promote testing.

What did Tracking do?

The Oregon Tracking Program and partners developed maps showing radon hazards for areas smaller than counties. Tracking staff used these maps to support public education to encourage in-home radon testing during January 2013, Radon Action Month. They published the radon maps on the health department&rsquos Radon Program web pages and on Oregon Tracking&rsquos Facebook page. They sent news releases to media outlets announcing the maps and providing information about radon testing.

Improved public health

Television news coverage and two front-page articles in The Oregonian newspaper about the maps helped raise public awareness of radon hazards and encourage radon testing. Following the media coverage, monthly average visits to the Radon Program&rsquos web pages tripled. Data from the American Lung Association (ALA) of Oregon showed that they sold nearly 300 test kits during the first day the front page Oregonian article ran. Within three days, ALA sold more radon test kits online than they did in the entire year of 2012. Increases in radon testing likely will lead to more people taking steps to decrease the amount of radon they come in contact with.

Pennsylvania &ndash Documenting elevated blood lead levels

What is the problem?

Studies have shown Pennsylvania to have elevated blood lead level (BLLs) prevalence rates for adults and children that are higher than the national average.

What did Tracking do?

Pennsylvania&rsquos Tracking Program began using the state&rsquos National Electronic Disease Surveillance System (PA-NEDSS) to analyze 123 clusters of family members, containing 268 people with elevated BLLs.

Improved public health

Tracking elevated BLLs is of particular interest because biomonitoring for the disease can be accomplished. The surveillance showed that the PA-NEDSS database could provide an extensive resource of those individuals showing high levels of a serious environmental toxin, and that through tracking collaborative efforts, a more complete and thorough surveillance system could be established, linking the environmental hazards, exposures, and adverse health effects of lead.

Pennsylvania &ndash Arsenic concentrations in groundwater

What is the problem?

Pennsylvania has a large rural population dependent on private wells for drinking water. Some of these wells pull groundwater that contains high levels of arsenic. Several studies have suggested that long-term exposure to arsenic contamination in groundwater increases the risk of developing bladder, kidney, liver, bronchus and lung, and prostate cancer.

What did Tracking do?

In order to better evaluate distribution of arsenic in the state&rsquos ground water, USGS, Pennsylvania Department of Health, and Pennsylvania Department of Environmental Protection began surveillance in 2005 to relate arsenic concentrations in major aquifers. Aquifers are a formation, group of formations, or part of a formation that contains sufficient saturated, permeable material to yield significant quantities of water to wells and springs. Of 169 domestic wells and springs tested, arsenic was detected in 18. Of these, 10 wells had total arsenic levels greater than the U.S. Environmental Protection Agency (EPA) maximum containment level.

Improved public health

Pennsylvania&rsquos Tracking Program counseled families in high risk areas to use bottled water and referred one person to a doctor because of extremely high arsenic levels. Also, doctors were advised to provide arsenic tests to residents in areas where severely elevated arsenic concentrations had been identified.

Utah &ndash Lowering exposure to arsenic from private well water

What is the problem?

Some Millard County residents use private wells for cooking and drinking water. The Health Hazard Assessment team of the Utah Department of Health confirmed that in the Delta Conservation Districts, many of the private wells had arsenic concentrations high enough to be an urgent public health hazard.

What did Tracking do?

The Health Hazard Assessment team used drinking water data from the Utah Tracking Network to assess health effects in residents of Millard County caused by drinking arsenic- contaminated water from private wells.

Improved public health

Due to the high levels of arsenic found in this study, the Health Hazard Assessment team recommended that well water in this area not be used for drinking or cooking. They also suggested that residents of the area purchase and install water systems to reduce arsenic exposure in the community. Arsenic levels in water will be monitored until amounts are at levels that are not harmful to human health.

Utah &ndash Reducing exposure to lead

What is the problem?

The Eureka Valley was heavily mined from the 1870s to 1965. Several large mine waste rock piles are located on the south side of the town of Eureka, close to homes and businesses. Mining activity and housing construction spread mine waste throughout the town. The mine waste exposed many residents to lead from the Eureka Mills Superfund site.

What did Tracking do?

Blood lead data available in the Utah Tracking Network showed highly elevated blood lead levels in children in Eureka. Soil sampling by the U.S. Environmental Protection Agency and the Utah Department of Environmental Quality also showed elevated levels of lead in soil in this community. These data resulted in an emergency cleanup of the area.

Improved public health

During the cleanup period, the Health Hazard Assessment team (HHA) and the Blood Lead Poisoning Prevention Program conducted free quarterly blood lead testing and provided education to the community. Since cleanup began, fewer children have shown signs of elevated blood lead levels. Now blood lead testing frequency has been reduced from every three months to once a year. The Utah Tracking Program with the Central Utah Public Health Department, Utah Department of Health, and the HHA team will continue blood lead testing for children living in Eureka until 2013.


Big data is increasingly seen as a way of providing a more ‘scientific’ approach to the understanding and management of cities. But most geographic analyses of geotagged social media data have failed to mobilize a sufficiently complex understanding of socio-spatial relations. By combining the conceptual approach of relational socio-spatial theory with the methods of critical GIScience, this paper explores the spatial imaginaries and processes of segregation and mobility at play in the notion of the ‘9th Street Divide’ in Louisville, Kentucky. Through a more context-sensitive analysis of this data, this paper argues against this popular spatial imaginary and the notion that the Louisville's West End is somehow separate and apart from the rest of the city. By analyzing the everyday activity spaces of different groups of Louisvillians through geotagged Twitter data, we instead argue for an understanding of these neighborhoods as fluid, porous and actively produced, rather than as rigid, static or fixed. Ultimately, this paper is meant to provide a conceptual and methodological framework for the analysis of social media data that is more attentive to the multiplicity of socio-spatial relations embodied in such data.

Taylor Shelton is currently a Ph.D. candidate in the Graduate School of Geography at Clark University. His research interests lie at the intersection of urban socio-spatial theory, internet geography and critical GIS, with a particular interest in new conceptual and methodological approaches to the study of geotagged social media data.

Ate Poorthuis is currently a Ph.D. candidate in the Department of Geography at the University of Kentucky. His research interests lie at the intersection of urban and internet geographies, with a particular focus on using mixed methodologies to study the everyday use of public space.

Matthew Zook is currently Professor of Geography at the University of Kentucky. His research interests lie in both economic and information geographies, with an interest in the role of code and new digital technologies in the shaping of everyday life.


Voir la vidéo: PySHP GIS (Octobre 2021).