أكثر

هل تصنع مضلعًا من ثقب المضلع؟

هل تصنع مضلعًا من ثقب المضلع؟


لدي مضلع كبير به العديد من الرؤوس به ثقب في وسطه. أريد مضلعًا للفتحة ، المساحة الفارغة. كيف يمكنني القيام بذلك ، حيث أن الرقمنة يدويًا أمر معقد للغاية؟


هذا إجراء من خطوتين مع ArcGIS. هذه الطريقة مناسبة أيضًا للأتمتة باستخدام ModelBuilder أو Python.

  1. القضاء على جزء المضلع (إدارة البيانات). استخدم هذا لملء ثقب المضلع. في هذا المثال ، حددت 50٪ كشرط في معلمات الأداة
  2. محو (تحليل). امسح المضلع الذي تم إنشاؤه حديثًا باستخدام المضلع الأصلي للحصول على مضلع الثقب


لم تذكر البرنامج الذي تستخدمه ، ولكن إحدى الطرق السريعة والقذرة التي استخدمتها في ArcGIS هي إضافة طبقة مضلع خدش ، ورسم مضلع مستطيل بسيط فيه يغطي المساحة الداخلية التي تريد الاحتفاظ بها في مضلع المصدر (لا يلزم أن يكون مستطيلاً ، ويمكن أن يمتد ليغطي ميزة المصدر بالكامل إذا كان ذلك أسهل). ثم استخدم مضلع المصدر لمسح مضلع الخدش. يمكن تصدير النتيجة إلى مضلع جديد بالحد الذي تريده. إذا لم يكن لديك ترخيص ArcInfo (لم يتم تضمين أداة Erase في الترخيص الأساسي) ، فإن Xtools Pro لديه وظيفة محو مجانية.

يمكنك أيضًا استخدام أداة ArcGIS Trace ، ولكن هذا الأمر أكثر صعوبة.


هذه مهمة سهلة لـ OpenJUMP.

حدد أداة "إنشاء مضلع من منطقة مغلقة".

انقر داخل الفتحة وسيتم إنشاء مضلع جديد يملأ الفجوة. تعمل الأداة أيضًا لملء المساحات الفارغة بين عدة مضلعات.


في ArcGIS ، في جلسة التحرير ، استخدم أداة الإكمال التلقائي المضلع لرسم خط عبر الفتحة الخاصة بك. سيؤدي هذا إلى إنشاء مضلعين مع الهيكل الصحيح ، ويمكنك دمجهما مباشرة (بعد الانتهاء ، سيتم تحديد كلاهما ، لذلك تفتح قائمة التعديل وتنقر على "دمج").

في QGIS ، يمكنك استخدام الإعداد للالتقاط للقيام بنفس المهمة (انظر هذا الفيديو للإكمال التلقائي). لا داعي للدمج ، فقط ارسم المضلع تقريبًا حول الفتحة.


يمكنك تشغيل نص python المرفق لملء الثقوب الدائرية المجوفة ثم توحيد الميزات الأصلية مع المضلعات المعبأة. من الاتحاد ، يجب أن تكون قادرًا على اختيار الثقوب الدائرية باستعلام "FID_POlYS" = -1 (استبدل اسم الحقل المناسب هناك).

import arcpy import os arcpy.env.overwriteOutput = True def iter_geom (g): for i in xrange (g.partCount): العائد i، g.getPart (i) def fill_donut_holes (polys، output): # حقول الحقول = [f .name لـ f في arcpy.ListFields (polys) إذا لم يكن f.type في ('OID' ، 'Geometry') و 'shape' ليس في f.name.lower ()] # loop thru geometry geom = {} مع arcpy .da.SearchCursor (polys ، ['SHAPE @'] + الحقول) كصفوف: للصف في الصفوف: array = arcpy.Array () لـ i ، جزء في iter_geom (الصف [0]): لـ pt in iter (lambda : part.next () ، بلا): array.add (pt) geom [arcpy.Polygon (array)] = row [1:] # create output path، name = os.path.split (output) sm = 'SAME_AS_TEMPLATE 'arcpy.CreateFeatureclass_management (path، name،' POLYGON '، polys، sm، sm، polys) # insert rows with arcpy.da.InsertCursor (output، [' SHAPE @ '] + field) as irows: for geometry، attributes in geom.iteritems (): irows.insertRow ((geometry،) + attributes) arcpy.AddMessage ('Created "{0}"'. format (output)) إرجاع الإخراج

يمكنك استخدام Shapely في Python لتحديد الحلقات الخارجية والداخلية.

https://shapely.readthedocs.io/en/stable/manual.html#polygons


رسم مضلع رشيق في matplotlib

عند العمل باستخدام كائنات هندسية ، أحب العمل مع الوحدة الرشيقة (Shapely - PyPI). من السهل هنا إنشاء المضلعات وتحديد الاتحاد والتقاطع والاختلافات. مثل ذلك:

ومع ذلك ، عند رسم هذه المضلعات في Matplotlib ، لم أتمكن من العثور على طريقة مباشرة حيث يمكنني رسم المسارات الخارجية والداخلية التي يمكن أن توجد في مضلعات جميلة. على وجه الخصوص ، القدرة على رسم "ثقوب" في مضلع أكبر تم إنشاؤه بواسطة اختلافات في المضلعات الأصغر المدمجة بالكامل في المضلع الأكبر.

لقد توصلت إلى الحل التالي حيث يتم رسم المسارات الخارجية والداخلية للمضلع باستخدام وحدة مسار mpl وتحويل هذا إلى رقعة.

يعود الفضل إلى Sean Gillies (الرسم المثقوب المضلعات مع matplotlib) الذي ألهمني للحل. ومع ذلك ، نحن الآن ما يقرب من 10 سنوات أخرى ، لذلك تساءلت عما إذا كان هناك طريقة أفضل!


يقول لاعبو Elite Dangerous إنهم يتعرضون للخداع ، ومحاصرين في الفضاء ، وإجبارهم على العمل

بالنسبة للعديد من اللاعبين ، فإن جاذبية النخبة الخطرة هي حرية استكشاف مجرة ​​درب التبانة ، لرؤية النجوم والكواكب التي لم يرها أي لاعب آخر من قبل. بالنسبة للآخرين ، هذا هو القتال ، حيث يمكنك اختبار قوتك ضد لاعبين آخرين أو أعداء فضائيين يمكنهم بسهولة اقتحام سفينتك إلى قسمين. لكن بالنسبة لعدد قليل من المتفانين ، فإن القرعة الحقيقية هي جعل الآخرين بائسين.

على عكس المهن الأخرى في نخبة، كونك حقيبة قذرة يتطلب عملاً شاقًا وإبداعًا واستعدادًا لأن تكون من النوع الأحمق الذي يفكر خارج الصندوق. مثلما حدث عندما قامت مجموعة من اللاعبين بتربية مجموعة من العناصر النادرة ، ثم قاموا بنقلها على بعد 22000 سنة ضوئية من أجل مضايقة مريض مصاب بالسرطان. وضعت تلك الحلقة الصغيرة العارضة عالية جدًا ، لكن مؤخرًا قفزت مجموعة من اللاعبين عليها مثل فريق من لاعبي الجمباز الأولمبيين المدججين بالسلاح.

في الشهر الماضي ، عملت مجموعة من اللاعبين على إنشاء غولاغ في الفضاء السحيق ، وهو سجن فضاء داخل اللعبة مصمم لاحتجاز لاعبين جدد بهدوء واستغلال عملهم. وكادوا أن يفلتوا من العقاب.

يتفادى اللاعب النيران الواردة في مركبة سطحية في عالم قاحل. Imsage: التطورات الحدودية

تبدأ قصتنا برجل يدعى جيسون. أنا لا أستخدم اسمه الأخير أو المعرّف داخل اللعبة لأسباب تتعلق بالخصوصية. لقد كان يلعب ألعابًا في امتياز النخبة منذ عام 1984 ، وهو الآن يشارك التجربة مع أطفاله. ابنه الأصغر يبلغ من العمر سبع سنوات ، وعلى الرغم من تصنيف اللعبة للاعبين الأكبر سنًا ، يتأكد جايسون من أن أصغر قائد له يلعب دائمًا بإشراف. في 29 يناير ، كانت تلك المشرفة أخته البالغة من العمر 10 سنوات.

قال لي جيسون عبر ديسكورد: "شخص ما يقترب منهم في اللعبة". "يطير إلى جانبهم ويبدأ التحدث في الدردشة داخل اللعبة. أود أن أعتقد أنني قمت بترسيخ درجة من الذكاء على الإنترنت في مجال الأمان ، لذلك تولت ابنتي المسؤولية وتركت النظام واستدعيتني ".

وتابع "تحدثت معي خلال اللقاء وما قيل". "تبين أن الشائعات التي كنت أسمعها في مكان آخر [كانت] صحيحة."

تلقى أطفال جايسون عرضًا مربحًا إلى حد ما. تم تشجيعهم على السفر إلى شركة نقل أسطول - وهي قاعدة متنقلة مملوكة للاعبين - وتبادل بعض السلع البسيطة بكمية كبيرة من العملات داخل اللعبة. بمجرد أن يتم تبادل الأموال ، ستساعدهم مجموعة من اللاعبين في بناء مركبة فضائية جديدة ، ونقلهم إلى مطالبة التعدين ، ومساعدتهم على تفكيك الكويكبات. كان الهدف هو العمل معًا من أجل زراعة Void Opals ، وهي واحدة من أندر وأغلى السلع في اللعبة.

بدا العرض جيدًا بدرجة يصعب تصديقها ، وبدأت غرائز "الخطر الغريب" لدى الفتاة.

إذا لم تتدخل أخته الكبرى ، لكان ابن جايسون سيضطر لبيع تلك الأوبال الفارغة بأقل بكثير من قيمتها السوقية العادلة. يقوم اللاعبون الآخرون بعد ذلك بتصدير هذه السلع إلى نظام آخر ، مستفيدين من عمله. ومما زاد الطين بلة ، أن ابن جيسون كان سيقع في فخ نظام التعدين هذا ، حيث تقطعت به السبل لأكثر من 800 سنة ضوئية من المركز المكتظ بالسكان للمجرة داخل اللعبة. لن يكون هناك طريق للعودة سوى تدمير المركبة الفضائية الجديدة الخاصة به والبدء بفعالية نخبةيطحن من جديد.

يقول جيسون: "لقد أثنت عليها لفعلها الشيء الصحيح ، [و] عززت الرسالة مع ابني (الذي قيل للحقيقة كان سيقفز مباشرة في الشاحنة)".

كما اتضح ، قفز العديد من اللاعبين الأكبر سنًا في الشاحنة التي أمامه. كان هناك ما لا يقل عن اثني عشر - على الأرجح أكثر - محاصرين بالفعل ، وتم تكديسهم للعمل بأجور منخفضة في نظام نجمي لم يكن لديهم أمل كبير في الهروب منه. تحدث بوليجون مع أربعة قادة كانوا محاصرين بهذه الطريقة. بالنظر إلى تفاصيل المخطط ، كان في الواقع ذكيًا جدًا.

ناقل أسطول في النخبة الخطرة. الصورة: التطورات الحدودية

تجول الجناة حول الأنظمة النجمية المكتظة باللاعبين الجدد ، وقد تم إحضار العديد منهم إلى اللعبة من خلال هبة مجانية في متجر Epic Games Store في نوفمبر. قالوا إنهم كانوا يبحثون عن مجندين ، وعرضوا منح هؤلاء اللاعبين المال لشراء سفينة أفضل ، لكنهم أيضًا يتدربون على كيفية زراعة أوبالس الفراغ ورحلة مجانية إلى مكان جيد للعثور عليهم. وراء الكواليس ، كانوا يستغلون أنظمة اللعبة لعزل هؤلاء القادة الجدد عن أي شخص آخر في اللعبة.

أولاً ، طلبوا مجندين جدد للانضمام إلى مثيل خاص لـ نخبة تسمى مجموعة اللاعب (PG). يعد اللعب في PG طريقة جيدة للتأكد من أنه يمكنك مقابلة أصدقائك وحلفائك ، ولكنه يمنعك أيضًا من رؤية أي شخص آخر. ساهم في هذه العزلة حقيقة أن كل هذا حدث على Xbox One ، والذي يضم عددًا أقل من اللاعبين بشكل ملحوظ مقارنة بإصدار الكمبيوتر الشخصي للعبة.

السفر في نخبة يتم إنجازه عن طريق طي الفضاء و "القفز" بين أنظمة النجوم ، باستخدام عنقود نجمي مجاور كنوع من المنارة. بمجرد الوصول إلى PG ، تم توجيه اللاعبين لتجهيز مركبة فضائية جديدة بطريقة معينة حدت من نطاقها إلى أقل من عامين ضوئيين. نتيجة لذلك ، لم يتمكنوا من السفر إلى نظام نجمي آخر دون مساعدة حامل الأسطول.

النخبة: تقطعت السبل باللاعبين الخطرين أثناء السفر مع ناقلات الأسطول الجديدة

حاملات الأسطول جديدة نسبيًا على نخبة، وتمت إضافته إلى اللعبة العام الماضي فقط. بعد الأشهر القليلة الأولى من عربات التي تجرها الدواب ، سرعان ما أصبحت الطريقة المفضلة للسفر لمسافات طويلة بفضل نطاق القفز الذي يبلغ 500 سنة ضوئية - أي ما يقرب من خمس مرات أكثر من أي سفينة أخرى في اللعبة. لكنهم ساعدوا أيضًا في عزل هؤلاء اللاعبين الجدد أكثر. بمجرد الالتحام على متن المركب مع منصات التعدين الخاصة بهم ، تم نقل المجندين على بعد 800 سنة ضوئية من قلب درب التبانة وتركوا ليتعفن. خيارات اللعب الوحيدة لديهم؟ منجم Void Opals وقم ببيعها مرة أخرى إلى شركة النقل التي جلبتها مقابل سدس سعر السوق العادل أو التدمير الذاتي.

لقد أخذ بعض القادة في الواقع فخهم جيدًا.

قال لي أحدهم على Discord: "لقد شعرت بالفعل بالبهجة من الموقف برمته". "أعني ، أردت حقًا المساعدة ، لكن رؤية مدى عمق بعض الناس يمكن أن يدخلوا في هذا يثير فضولهم. لهذا السبب أردت المشاركة في المقام الأول. حالتي الذهنية الحالية هي أنني كبرت وأتفهم عواقب القرارات وإلقاء اللوم على عواقبي على شخص آخر هو ببساطة خطأ. هذه حالة كلاسيكية بين الخير والشر والتي تحافظ على التوازن ".

كان لدى الآخرين رد فعل معاكس. حفنة من ترك اللعبة تماما. لا يزال آخرون يحاولون التفكير مع خاطفيهم ، لكنهم يقولون إنهم صرخوا سريعًا أو تم إسكاتهم على Discord. لكن قائدًا شجاعًا حاول الحصول على المساعدة. استدعوا فرسان الوقود - فصيل ينظمه اللاعب في النخبة الخطرة مخصص لإنقاذ اللاعبين الذين نفد وقودهم.

"هل تنقذ جرذان الوقود الطيارين المحاصرين في معسكرات الاعتقال بشكل أساسي؟" يقرأ سجل الدردشة ، والذي رد عليه المرسل المناوب في ذلك المساء بالارتباك - "o.O"

افترض المرسل أن اللاعب كان يشير إلى آلية داخل اللعبة تضع اللاعبين الذين يسيئون التصرف في "السجن" ، وإرسالهم إلى سجن بسبب الجرائم والجنح الجسيمة ضد السفن التي تسيطر عليها منظمة العفو الدولية. لكن سرعان ما أصبح واضحًا أن شيئًا أكثر شراً كان يحدث.

فئران الوقود هي مجموعة جيدة. في الواقع ، قاموا مؤخرًا بتسجيل رقم الإنقاذ 100،000 ، وهو إنجاز احتفل به النخبة الخطرة الناشر Frontier Developments داخل اللعبة. لكنهم في الواقع لا يقدمون خدمة يتم بموجبها إنقاذ الناس من معسكرات العمل. لذلك استدعى فئران الوقود المختصين. تُعرف المجموعة المشكَّلة حديثًا باسم Hull Seals ، وتقوم بإصلاحات عالية الخطورة وعمليات إنقاذ أخرى.

كان أحد اللاعبين في فئران الوقود المسمى Commander Lead من بين أول من بدأ في تنظيم عملية الإنقاذ. تم وضع Commander Modemus في قيادة هذا الجهد ، وباستخدام أصول Hull Seal المختلفة - بما في ذلك العديد من ناقلات الأسطول الخاصة بهم - قاموا بعملية إنقاذ. بعد عدة أسابيع من العمل ، تم سحب حوالي 12 من القادة الجدد ونقلهم إلى بر الأمان. أخبر Polygon أنهم يعتقدون أن ما يصل إلى 15 لاعبًا إضافيًا ما زالوا محاصرين ، على الرغم من أن البعض على الأقل قد يكونون مشاركين راغبين. العملية الآن تحت سيطرة لاعب آخر ، القائد إما. يتم توجيه المهتمين بالمساعدة - أو الإنقاذ - إلى خادم New Pilots Initiative Discord. ستتم مناقشة القضية بأكملها بالتفصيل قريبًا على بودكاست Squeaking Fuel.

للحصول على وجهة نظرهم من القصة ، قفزت إلى قناة Discord الخاصة بالجناة. (نخبةتحظر مدونة قواعد السلوك الخاصة بـ "تسمية اللاعبين الآخرين وفضحهم ، لذلك لن أفصح عن اسم الخادم أو الأفراد الذين صادفتهم هناك.) ما وجدته ، حتى في ردهة الدخول ، كان مجتمعًا صغيرًا مريحًا مع الإهانات والمضايقات العنصرية الشنيعة - بالكاد المكان المناسب لطفل يبلغ من العمر 7 سنوات.

بدأت الأمور بشكل ودي بما فيه الكفاية. لكن عند مواجهته ، رفض أحد الأعضاء التأكيد على أنهم كانوا يخدعون اللاعبين. زعموا أن كل شيء كان فوق اللوح ، وسمح للاعبين بالحضور والذهاب كما يحلو لهم. قالوا إن أي شيء يتعارض مع ذلك هو "قصة حزينة مثيرة للشفقة".

ودحض لاعبون آخرون تحدثت إليهم بوليجون هذه الادعاءات.

عندما سألت الجناة عما إذا كانوا يعلمون أنهم كادوا يوقعون في شرك قاصر ليكون عامل منجم ، طردني مشرفو الديسكورد. في وقت لاحق ، تواصل أحدهم عبر رسالة مباشرة ، مدعيا أنه منشئ المخطط.

النخبة الخطرة: إنقاذ دراماتيكي في مضيق إمبيرين

قالوا لي: "لقد كان حقًا للضحك فقط". "في الواقع يمكن لأي شخص أن يدمر نفسه ويجد طريقه. كما أن حركة ناقلات الأسطول التي قمنا بإنتاجها قبل أن يتدخل أي شخص آخر ستسمح أيضًا لأي شخص بالركوب ذهابًا وإيابًا. وهو ما فعله بعض اللاعبين ".

قالوا إن وصف هؤلاء القادة المحاصرين في المخطط بـ "المحاصرين" كان مبالغًا فيه - لقد كان مجرد جهد تجنيد شديد العدوانية لـ PG. لقد طلبت أرقامًا عن عدد اللاعبين الآخرين المشاركين ، لكنهم رفضوا مشاركة هذه المعلومات. سألتهم إذا كانوا سيستمرون في فعل ذلك. وذلك عندما تغيرت نبرتهم.

قالوا: "بالنظر إلى خروج القطة من الحقيبة وسيحاول الناس الآن تقليد أسلوبي ، نعم". "لن أستمر في فعل ذلك فحسب ، بل سأصعده قليلا. سأقوم بتجنيد أكثر من أي وقت مضى. سأقوم مع زملائي ببناء أعظم جيش مبتدئ شهدته هذه اللعبة على الإطلاق. سنكون قادرين حقًا على تشكيل المجرة بثروتنا وتأثيرنا. كل هذه الدعاية ألقت بنا في جنون. ولن ندخل في مسرحية خاصة كما يقول البعض. سنفعل ذلك في العراء. لذلك يمكن للجميع أن يشهدوا المجد ".

فن مفهوم من شركة Frontier Developments يُظهر للاعبين تعدين الكويكبات عن طريق تفكيكها بالمتفجرات. الصورة: التطورات الحدودية

شركة Frontier Developments على اتصال بمبادرة الطيارين الجدد بشأن جهود الإنقاذ. حتى الآن ، تجتمع مجموعات اللاعبين الأخرى معًا لإطلاق مهام إنقاذ خاصة بهم على Xbox One. تم وضع حاملة واحدة على الأقل في النظام ، في أعقاب سفن الجاني الخاصة. لقد تم إعدادهم لبيع الأجزاء اللازمة للهروب من الجولاج بسعر عادل.

وقال مدير العلاقات العامة والاتصالات في فرونتير ، الذي تم الاتصال به للتعليق ، إن فريقه يراقب الوضع عن كثب.

كما تعلم جيدا ، النخبة الخطرة هو صندوق رمل قائم على استجمام 1: 1 لطريقتنا اللبنية ، مع قدرة القادة على شق طريقهم الخاص ، وهو مبدأ أساسي للعبة. نتفاجأ باستمرار بالطريقة التي يختار بها اللاعبون لعب الأدوار داخل المجرة.

نحن نراقب الموقف عن كثب مع فرق المجتمع واللعب المباشر. تقديرنا هو أن أقل من 20 قائدًا قد تأثروا بسلوك أقلية صغيرة من اللاعبين.

نحن لا نتغاضى عن سلوك هؤلاء القادة المارقين ، لكننا سعداء بالجهود القوية التي تبذلها مجموعات المجتمع ، مثل أسراب فئران فيول وسيلز ، لإحضار هؤلاء القادة المتضررين إلى بر الأمان - وهو جهد يدعمه فريق المجتمع الخاص بنا.

نواصل مراقبة الموقف وفي اتصالات اللعبة ولن نتردد في التصرف إذا تبين أن اللاعبين قد انتهكوا إرشادات مجتمعنا بأي شكل من الأشكال. نشجع دائمًا أي لاعب يواجه صعوبة في اللعبة المباشرة على تسجيل الخروج والاتصال بفريق دعم العملاء لدينا الذي سيحاول حل أي مشكلة في أسرع وقت ممكن.

انطلاقًا من روايتنا الناشئة التي يقودها اللاعب ، سيتم إصدار نشرة Galnet في الأيام القادمة لتنبيه اللاعبين وإبلاغهم بالمخاطر المحتملة للصعود إلى ناقلات الأسطول غير المعروفة.

نظرًا لتورط القصر ، تواصلنا مع Discord لإبلاغ الشركة.


هل يجب أن تحذو حذو مارك كوبان؟

ارتفع سعر Polygon بأكثر من 10،000٪ منذ بداية هذا العام. ارتفعت أسعار العملات المشفرة في جميع المجالات منذ يناير ، لكن هذه قفزة هائلة. إن قيمتها السوقية التي تزيد عن 11 مليار دولار تجعلها تحتل المرتبة 15 في قائمة أكبر العملات المشفرة في الوقت الحالي ، وفقًا لبيانات CoinMarketCap.

القفزة الكبيرة بهذا الحجم مثيرة للإعجاب ، ولكن عليك أيضًا مراعاة إمكانات Polygon على المدى الطويل. قد يستمر السعر في الارتفاع ، خاصة وأن المزيد من الناس يدركون مدى قدرة التكنولوجيا على ذلك. ولكن في حين أن العديد من محللي العملات الرقمية متفائلون بشأن سعرها ، فمن المحتمل ألا تكون خطوة رائعة لشراء Polygon إذا كنت تبحث عن عوائد قصيرة الأجل بهذا الحجم.

يجدر أيضًا التفكير فيما سيحدث عندما ينتقل Ethereum بالكامل إلى Eth2 الذي تشتد الحاجة إليه. يحدث هذا على مراحل ، وفي الوقت الحالي ، يبدو أن النظام الأساسي لن يحل مشكلات قابلية التوسع بشكل كامل قبل عام 2022. بافتراض Ethereum تستطيع الترقية دون أي عقبات ، قد لا تكون حلول Polygon ضرورية في غضون عام.

من الناحية النظرية ، تتجاوز فائدة Polygon Ethereum. يمكن أن طبقة فوق أي blockchain لإضافة السرعة - والأهم من ذلك - أنه يسمح أيضًا لمنصات مختلفة بالعمل مع بعضها البعض. لكن Polygon ليست العملة المشفرة الوحيدة التي تطور هذه الوظيفة ، لذلك هناك أيضًا فرصة أن يقوم شخص آخر بتطوير حل أفضل.

بشكل عام ، عندما تشتري أي عملة مشفرة ، يجب أن تكون مستعدًا لدخول سوق لم يتم اختباره نسبيًا.لا نعرف حتى الآن ما الذي سيحدث مع التنظيم في الولايات المتحدة ، ومع كل هذه الضجة والتقنية المعقدة ، من الصعب التأكد من العملات المشفرة التي ستحقق إمكاناتها.

إذا قررت الشراء ، فستتداول العديد من بورصات العملات المشفرة في الولايات المتحدة على Polygon.

شيء واحد تعلمناه جميعًا في الشهر الماضي هو أنك بحاجة إلى أن تكون مستعدًا للتقلب. استثمر فقط الأموال التي يمكنك تحمل خسارتها ولا تقفز فيها لمجرد أنك تعرف مؤثرًا مثل مارك كوبان. من الواضح أنه مستثمر ناجح يتمتع بفهم جيد لمساحة العملات المشفرة. لكنك فقط تعرف مدى تحملك للمخاطر وأهدافك المالية ، لذلك من المهم إجراء البحوث الخاصة بك واتخاذ قراراتك الخاصة.


كراج ابن شقيق البناء

لقد بدأ بوب من لا شيء ثم تبني شيئًا مثل هذه الصورة: نينتندو

كنت أشعر بالإحباط حولي لعبة منشئ المرآب، حتى في خضم متعة الاكتشاف الصافية. لذلك قررت أن أجرب شيئًا مختلفًا بعض الشيء: ذهبت في رحلة ميدانية. بدلا من اللعب لعبة منشئ المرآب في غرفة المعيشة المريحة الخاصة بي ، توجهت إلى منزل أختي للتسكع مع ابنيها التوأمين اللذين يبلغان من العمر 11 عامًا.

أخرجت جهاز Switch الخاص بي من حقيبة ظهري ، ووضعته في قفص الاتهام الخاص بهم ، وأعدته إلى المهمة التعليمية الأولى لـ Bob. جلست على الأريكة وشاهدتهم يلعبون من خلال البرنامج التعليمي بعد البرنامج التعليمي ، وأعينهم على بعد بوصات من التلفزيون ، ويستهلكون كل شيء.

بعد التعلم قليلاً ، انغمسوا في البرمجة الحرة بمفردهم. ابتكر أحدهم "Mini-world" ، وهي لعبة صغيرة يمكنك من خلالها القفز على بعض ألعاب Joy-Cons الضخمة أو سمكة تونة كبيرة بشكل غير مستقر. بعد اللعب قليلاً ، بدأوا في طرح أسئلة حول الخيارات الأخرى ، أو الأشياء التي لم يتعلموها بعد. ثم ، كما فعلت ، عادوا للقاء بوب.

يمكن أن تصبح Game Builder Garage معقدة بسرعة ، مع الكثير من القطع المتحركة الصورة: Nintendo

لقد أخبروني عندما وصلت أنهم يريدون صنع الألعاب عندما يكبرون ، لذلك بطبيعة الحال ، كنت أشعر بالفضول لرؤية ردهم بعد خمس ساعات من بناء الألعاب. قالوا لي بناء الألعاب في لعبة منشئ المرآب أمر معقد ولكنه "ممتع للغاية" و "يشبه المدرسة إلى حد ما". لقد تمنوا ، مثلي ، أن يتمكنوا من تجربة أكثر قليلاً أثناء الدروس ، لكنهم لم يوقفوا التبديل مطلقًا للقيام بشيء آخر بعد جلسة طويلة مع بوب. عندما غادرت ، لم يكونوا متحمسين فقط لمواصلة لعب لعبة جديدة - لقد أرادوا مواصلة التعلم وإكمال البرامج التعليمية التي لم يحصلوا عليها بعد.

أعطتني زيارتي نوعًا مختلفًا من المنظور لعبة منشئ المرآب. كشخص بالغ ، أكره بوب ومعرفته الموسوعية. أريده أن يعطيه لي ثم يتركني وشأني إلى الأبد. لكن بالنسبة للطفل ، بوب معلم مفيد. ربما يكون صارمًا في خطة الدرس ، لكن النقطة الصغيرة تحصل بالتأكيد على النتائج.

الشيء الوحيد المشترك بيني وبين الأولاد هو الرغبة في تجربة الأشياء بأنفسنا. ليس فقط لاختبار ما تعلمناه ، ولكن لدفع حدود ما يمكن أن يكون ممكنًا من خلال تجربة أشياء جديدة. لكن بينما كنت قد عدت إلى بوب غاضبًا للحصول على القليل من المعرفة الجديدة ، عاد الأولاد إلى الفصل مليئين بالأمل والإثارة لما حدث بعد ذلك.

صنع الألعاب أمر مخيف ، حتى بالنسبة لـ Nodons التي تساعدك في بنائها الصورة: Nintendo

ربما هناك درس هنا حول فضيلة الصبر والأشياء التي نخسرها ونحن نكبر. لكني لست مهتمًا بذلك بشكل خاص في الوقت الحالي. بدلاً من ذلك ، أركز أكثر على تجربتي مع التوأم ، والتذكير بأن ما هو جامد جدًا بالنسبة لي هو ضروري تقريبًا للجمهور المستهدف من اللعبة. كأداة لتعليم الأطفال ، لعبة منشئ المرآب قام بعمل استثنائي ليس فقط جذب انتباههم ولكن تعليمهم كيفية عمل الألعاب.

الأطفال مثل الإسفنج ، حريصون على التعلم وامتصاص المعرفة الجديدة لتطبيقها على العقود التي تسبقهم. إذا كنت شخصًا بالغًا ولديك فضول لمعرفة كيفية عمل الألعاب ، لعبة منشئ المرآب هي تجربة ممتعة وغنية بالمعلومات في معظم الأوقات - لكنها تجربة قد تفضل تجربتها في دفعات قصيرة ، خشية أن تجبرك الدروس بطيئة الحركة على التقاط مفتاحك في جزأين.

لعبة منشئ المرآب سيتم إصداره في 11 يونيو على Nintendo Switch. تمت مراجعة اللعبة باستخدام كود تنزيل Switch الذي قدمته Nintendo. لدى Vox Media شراكات تابعة. لا تؤثر هذه على المحتوى التحريري ، على الرغم من أن Vox Media قد تكسب عمولات للمنتجات المشتراة عبر الروابط التابعة. تستطيع ان تجدمعلومات إضافية حول سياسة أخلاقيات Polygon هنا.


تكوين المضلعات باستخدام طرق البناء المختلفة

المتطلبات المسبقة:

Exercise1.mxd مفتوح وأنت في جلسة تحرير.

يؤدي اختيار قالب إلى إعداد بيئة التحرير للإعدادات في هذا القالب. يعيّن هذا الإجراء الطبقة المستهدفة التي سيتم تخزين الميزات الجديدة فيها ، وينشط أداة إنشاء المعالم أسفل نافذة إنشاء المعالم ، ويستعد لتعيين السمات الافتراضية للمعلم الجديد. نظرًا لأنه تم إعداد قالب الطبقة بحيث تكون أداة Polygon هي أداة إنشاء المعالم الافتراضية ، تصبح أداة Polygon نشطة.

بشكل افتراضي ، تنشئ أدوات الخط والمضلع مقاطع مستقيمة بين الرؤوس التي تنقرها. تحتوي هذه الأدوات أيضًا على طرق إضافية لتحديد شكل المعلم ، مثل إنشاء خطوط منحنية أو تتبع المعالم الموجودة. تُعرف هذه باسم طرق الإنشاء وتقع في شريط أدوات المحرر.

  1. قم بإيقاف تشغيل طبقة صور العالم (الويب) في جدول المحتويات.
  2. تكبير إشارة مرجعية Tracts.
  3. في نافذة إنشاء ميزات ، انقر فوق قالب Tracts. يؤدي هذا إلى تنشيط أداة إنشاء المضلع ، والتي قمت بتعيينها كأداة افتراضية باستخدام خصائص القالب.

إذا ارتكبت خطأ وأردت إلغاء قيد الرسم ، وهو أمر يحد من موضع الرأس التالي ، يمكنك الضغط على مفتاح ESC. بمجرد إضافة رأس ، يمكنك حذفه بالضغط على زر تراجع على شريط أدوات إنشاء الميزة أو شريط الأدوات القياسي.


انضم إلى فريق WHOI

نحن نقدم بيئة تعاونية للتعلم والنمو. إن التزامنا الجماعي بأبحاث المحيطات يجعل من منظمة الصحة العالمية مكانًا فريدًا للعمل ولتوسيع آفاقك.

بحث

أكاديميون

حول WHOI

موارد

شارك

عملنا غير ممكن بدونك.

انضم إلى قائمة البريد الإلكتروني لدينا

الحصول على اتصال

نظرة عامة على الخصوصية

تعد ملفات تعريف الارتباط الضرورية ضرورية للغاية لكي يعمل موقع الويب بشكل صحيح. تتضمن هذه الفئة فقط ملفات تعريف الارتباط التي تضمن الوظائف الأساسية وميزات الأمان لموقع الويب. لا تخزن ملفات تعريف الارتباط هذه أي معلومات شخصية.

أي ملفات تعريف ارتباط قد لا تكون ضرورية بشكل خاص لكي يعمل موقع الويب ويتم استخدامها خصيصًا لجمع بيانات المستخدم الشخصية عبر التحليلات والإعلانات والمحتويات المضمنة الأخرى تسمى ملفات تعريف ارتباط غير ضرورية. من الضروري الحصول على موافقة المستخدم قبل تشغيل ملفات تعريف الارتباط هذه على موقع الويب الخاص بك.

سيمون ثورولد ، عالم بيئة المحيطات

سايمون ثورولد عالم بيئة المحيطات في معهد وودز هول لعلوم المحيطات. إنه يستخدم تقنيات تمتد عبر الكيمياء الجيولوجية للنظائر ، وتسلسل الجيل التالي من الحمض النووي ، وعلامات الأقمار الصناعية لدراسة البيئة لمجموعة متنوعة من أنواع المحيطات. اكتشف مؤخرًا أن أسماك القرش الزرقاء تستخدم أنفاق المحيطات الدافئة ، أو الدوامات ، للغوص في منطقة الشفق المحيط ، حيث تتغذى في المياه الغنية بالمغذيات على عمق مئات الأمتار. ولد في نيوزيلندا ، وتلقى سايمون شهادة البكالوريوس. من جامعة أوكلاند ودكتوراه. من جامعة جيمس كوك ، شمال كوينزلاند ، أستراليا. مع الكثير من عمله في جنوب المحيط الهادئ ومنطقة البحر الكاريبي ، قام سايمون بالعديد من الرحلات البحرية ، حيث سجل 1000 ساعة من الغوص و 800 ساعة في المناطق الاستوائية. وهو عالم في معهد وودز هول لعلوم المحيطات منذ عام 2001.

جريجوري سكومال ، عالم أحياء سمك القرش

الدكتور جريجوري سكومال هو عالم أحياء بحرية بارع ، ومستكشف تحت الماء ، ومصور ، ومؤلف. كان عالمًا في مجال مصايد الأسماك في قسم المصايد البحرية بولاية ماساتشوستس منذ عام 1987 ويترأس حاليًا برنامج أبحاث أسماك القرش في ماساتشوستس. وهو أيضًا عضو هيئة تدريس مساعد في كلية علوم وتكنولوجيا البحار بجامعة ماساتشوستس وعالم مساعد في معهد وودز هول لعلوم المحيطات (WHOI). وهو حاصل على درجة الماجستير من جامعة رود آيلاند وعلى درجة الدكتوراه. من جامعة بوسطن. لأكثر من 30 عامًا ، شارك جريج بنشاط في دراسة تاريخ الحياة والبيئة وعلم وظائف الأعضاء لأسماك القرش. امتدت أبحاثه حول أسماك القرش إلى الكرة الأرضية من المياه المتجمدة في الدائرة القطبية الشمالية إلى الشعاب المرجانية في وسط المحيط الهادئ الاستوائي. تركز الكثير من أبحاثه الحالية على استخدام القياس الصوتي عن بعد وتكنولوجيا العلامات المعتمدة على الأقمار الصناعية لدراسة البيئة وسلوك أسماك القرش. كان جريج غواصًا شغوفًا بجهاز التنفس تحت الماء ومصورًا تحت الماء منذ عام 1978. وقد كتب العشرات من أوراق البحث العلمي وظهر في عدد من الأفلام الوثائقية السينمائية والتلفزيونية ، بما في ذلك برامج ناشيونال جيوغرافيك وقناة ديسكفري وبي بي سي والعديد من شبكات التلفزيون. أحدث كتبه ، The Shark Handbook ، يجب شراؤه لجميع عشاق أسماك القرش. إنه أحد مركبات بوسطن سي روفر وعضو في نادي المستكشفين ، ويقع منزله ومختبره على الساحل الجنوبي لولاية ماساتشوستس.

روبرت بالارد ، مستكشف المحيط

روبرت بالارد ، مستكشف المحيط

روبرت دي بالارد مؤسس ورئيس صندوق استكشاف المحيطات ومدير مركز استكشاف المحيطات وأستاذ علم المحيطات في كلية الدراسات العليا لعلوم المحيطات بجامعة رود آيلاند. وهو مستكشف At-Large في الجمعية الجغرافية الوطنية ، ومفوض اللجنة الأمريكية لسياسة المحيطات ، وباحث في معهد وودز هول لعلوم المحيطات. خدم في البحرية الأمريكية لأكثر من 30 عامًا ويواصل العمل مع مكتب الأبحاث البحرية. باعتباره رائدًا في تطوير الغواصات في أعماق البحار وأنظمة المركبات التي يتم تشغيلها عن بُعد ، فقد شارك في أكثر من 155 رحلة استكشافية في أعماق البحار. في عام 1985 ، اكتشف RMS تايتانيك، ونجحت في تعقب العديد من حطام السفن الكبيرة الأخرى ، بما في ذلك البارجة الألمانية بسمارك، الأسطول المفقود من حاملة الطائرات الأمريكية Guadalcanal يوركتاون، وقارب جون ف. كينيدي ، PT-109. اكتشف أيضًا فتحات حرارية مائية و "مدخنين سود" في صدع غالاباغوس وصعود شرق المحيط الهادئ في عامي 1977 و 1979. وهو مؤلف للعديد من الكتب والأوراق العلمية والمقالات ، وقد ظهر في العديد من ناشيونال جيوغرافيك البرامج التلفزيونية ، بما في ذلك "أسرار تايتانيك"سلسلة صغيرة من خمسة أجزاء ،" Alien Deep مع Bob Ballard. " وفي عام 2019 ، "Expedition Amelia". كان مستشارًا خاصًا لستيف سبيلبرغ في البرنامج التلفزيوني المستقبلي seaQuest DSV. تشمل أوسمة الشرف 22 دكتوراه فخرية ، ناشيونال جيوغرافيكأعلى جائزة ، وميدالية هوبارد ، وميدالية الوقف الوطني للعلوم الإنسانية. انتخب زميلاً للأكاديمية الأمريكية للفنون والعلوم عام 2014.

تيموثي شانك ، عالم أحياء أعماق البحار

تيم شانك ، عالم أحياء أعماق البحار

تيموثي شانك عالم أحياء في أعماق البحار وعالم مشارك في قسم الأحياء والمدير السابق لمعهد استكشاف المحيطات في معهد وودز هول لعلوم المحيطات. وهو معروف بأبحاثه حول علم البيئة وتطور الحيوانات في أعماق المحيطات الحرارية المائية ، والجبال البحرية ، والوادي ، وأنظمة الخنادق العميقة. أجرى أكثر من 60 بعثة علمية في المحيط المتجمد الشمالي والأطلسي والمحيط الهادئ والهندي. أكمل تيم أكثر من 50 غطسًا في الغواصة التي يديرها الإنسان ألفين ، وأكثر من 100 غوص بمركبات مستقلة تعمل تحت الماء وعن بعد ، بما في ذلك أول استخدام لسيارة ROV هجينة (نيريوس) في أعمق خنادق المحيط . وهو مؤلف الكتاب الحائز على جوائز والأكثر مبيعًا " اكتشاف العمق ".

سونيتا ويليامز ، رائدة فضاء ناسا

رائدة الفضاء ناسا سونيتا إل ويليامز

سونيتا إل ويليامز (سوني) تم اختياره كرائد فضاء من قبل وكالة ناسا في عام 1998 وهو أحد المخضرمين في بعثتين فضائيتين بعثتين 14/15 و 32/33. وهي تتدرب حاليًا على أول مهمة ما بعد التصديق لمركبة Boeing's Starliner الفضائية - ثاني رحلة مأهولة لتلك المركبة - ومهمتها الثالثة طويلة الأمد على متن محطة الفضاء الدولية. تعمل ويليامز وزملاؤها عن كثب مع شركة بوينج لتطوير أنظمة مركباتها الفضائية الجديدة ، والتي ستوفر خدمات نقل الطاقم ذهابًا وإيابًا إلى محطة الفضاء الدولية ، بالإضافة إلى سبيس إكس كرو دراغون ، لإعادة القدرة على إطلاق البشر إلى الفضاء من أرض الولايات المتحدة.

كريستين ماير كايزر ، عالم الأحياء في منظمة الصحة العالمية

كريستين ماير كايزر ، عالم الأحياء في منظمة الصحة العالمية

كريستين ماير كايزر هو عالم مساعد في قسم علم الأحياء في معهد وودز هول لعلوم المحيطات. يستكشف بحثها كيف تتشتت يرقات اللافقاريات في قاع البحر مثل شقائق النعمان ونجوم البحر إلى موائل معزولة شبيهة بالجزيرة ، وكيف تستقر اليرقات وتستعمر مواقع جديدة ، وكيف تتغير مجتمعاتها بمرور الوقت. تعمل كريستين حاليًا كمحقق رئيسي لمشروع متعدد التخصصات حول حطام السفن في محمية ستيل فاجن البحرية الوطنية ، بما في ذلك الباخرة بورتلاند ، غالبًا ما يطلق عليه & # 8220New England & # 8217s Titanic. & # 8221 يستخدم هذا المشروع أحدث التقنيات لبناء نماذج تصويرية ثلاثية الأبعاد لبورتلاند وغيرها من حطام السفن للبحوث الأثرية والبيولوجية وإدارة الموارد. لدى Kirstin أيضًا مشاريع جارية في القطب الشمالي والشعاب المرجانية في بالاو. غالبًا ما يأخذها عملها تحت الماء باستخدام المركبات التي يتم تشغيلها عن بُعد وغوص السكوبا وتنقلها إلى أقصى أنحاء العالم.


المبادرة

المبادرة هي أحدث لعبة من المصمم الغزير Corey Konieczka (حرب النجوم: تمرد, Battlestar Galactica: The Board Game). على السطح ، إنها لعبة صغيرة بسيطة حول كسر الشفرة ، موضوعها مثل كائن تم العثور عليه التقطه بعض الأطفال من بيع المرآب. حتى أنه يأتي مع فكاهي سردي لتبدأ به. ولكن بعد وقت قصير من المباراة الأولى ، أصبح من الواضح أن هناك شيئًا أكثر خطورة في اللعب. نحن مترددون في إعطاء المفسدين خارج المراجعة المناسبة ، ولكن إذا كنت من محبي الألغاز و / أو غرف الهروب ، فستحتاج إلى التفكير بشدة في اختيار هذا.


هل تصنع مضلعًا من ثقب المضلع؟ - نظم المعلومات الجغرافية

تحديد الأسواق لخدمات الرعاية الصحية

الهدف من هذا المستودع هو وضع بعض الأفكار والتحليلات والبيانات لتحديد الأسواق الجغرافية لخدمات الرعاية الصحية. بمعنى آخر ، إنها جولة إرشادية في حفرة أرنب معقدة بشكل خاص.

تعد تعريفات السوق الجغرافية مهمة لمجموعة متنوعة من التطبيقات التنظيمية والبحثية. لذلك ، لأي استخدام معين (على سبيل المثال ، تحليلات نظام صحي أو اندماج مستشفى) أو إجراء (على سبيل المثال ، إنشاء مؤشر Herfindahl-Hirschman لتركيز السوق) من المهم معرفة ما إذا كان الناتج التحليلي يختلف باختلاف تعريفات السوق البديلة وكيف.

على سبيل المثال ، افترض أن هدفنا هو تمييز شركات التأمين أو المستشفيات أو مقدمي الخدمات الآخرين من خلال ما إذا كانوا يعملون في سوق مركزة. إذا استخدمنا تعريفًا جغرافيًا للسوق ضيقًا جدًا (على سبيل المثال ، المقاطعة) فإننا نجازف بإساءة توصيف الأسواق على أنها "مركزة" في حين أنها ليست كذلك (أي خطأ من النوع الأول). وبدلاً من ذلك ، فإن تعريف السوق الواسع للغاية (على سبيل المثال ، الدولة) يخاطر بوصف الأسواق على أنها تنافسية عندما يكون من الناحية العملية اندماجًا افتراضيًا أو خروجًا من السوق قد يؤثر ماديًا على الأسعار والقدرة التنافسية (أي خطأ من النوع الثاني).

ليس من المستغرب بالنظر إلى القضايا المذكورة أعلاه ، فإن مناطق السوق المستخدمة بشكل شائع لها مفاضلات. ما إذا كانت نقاط القوة تفوق نقاط الضعف لتطبيق معين سيعتمد على البحث المحدد أو السؤال التنظيمي المطروح.

هناك اعتبارات مهمة أخرى تلعب دورًا أيضًا. على سبيل المثال ، بعض تعريفات السوق مقيدة بالحدود الجيوسياسية (على سبيل المثال ، حدود الدولة). في حين أن هذا قد يكون جيدًا بالنسبة لبعض الإعدادات (على سبيل المثال ، تنظيم الأسعار في أسواق التأمين ، نظرًا لأن المستهلكين يمكنهم فقط شراء خطة معروضة في أسواقهم) ، فقد لا يكون ذلك مناسبًا للآخرين (على سبيل المثال ، الأسواق المضيفة ، حيث لا يتم تقييد المرضى من عبور حدود الدولة ).

بالإضافة إلى ذلك ، فإن البيانات السكانية الأساسية المستخدمة لتحديد الأسواق الجغرافية شائعة الاستخدام قديمة. أحدث حدود مناطق التنقل الرسمية مستمدة من أنماط التنقل التي تم التحقق منها في تعداد عام 2000 ، على الرغم من قيام الباحثين بتحديث هذه الحدود بناءً على بيانات عام 2010. على سبيل المقارنة ، يتم تحديد HRRs و HSAs من خلال تدفقات المرضى إلى المستشفيات في عامي 1992 و 1993.

من الواضح أن تدفقات المرضى والمسافرين قد تغيرت بشكل كبير في العديد من المناطق في العشرين إلى الثلاثين سنة الماضية. ما إذا كانت هذه التغييرات مادية لتحديد الحدود الجغرافية لأسواق الرعاية الصحية المعاصرة يظل سؤالًا مفتوحًا سنستكشفه هنا.

أخيرًا ، من الجدير بالذكر أن المراجعات التنظيمية ومراجعات مكافحة الاحتكار قد استندت إلى مجموعة متنوعة من التعريفات الجغرافية الإضافية للسوق. تمت تغطية التاريخ والاستخدام والخلافات المحيطة بهذه التعريفات بشكل جيد في فصل وزارة العدل المعنون "قانون المنافسة: المستشفيات". تميل هذه التعريفات البديلة للسوق لوزارة العدل إلى الاعتماد على بيانات غنية عن الأسعار في أسواق الرعاية الصحية. بينما من الناحية النظرية يمكن الحصول على مثل هذه المعلومات على الصعيد الوطني ، فإن بناء تعريفات السوق باستخدام بيانات الأسعار عمليًا يتماشى مع التجميع المضني للبيانات المحلية من المشاركين في السوق ذوي الصلة. لا أدعي أن لدي رأس المال البشري أو موارد التمويل للقيام بمثل هذا التمرين هنا. لذلك سنركز على تعريفات جغرافية السوق الأكثر عمومية والتي يمكن توسيع نطاقها بسهولة أكبر - لا سيما باستخدام البيانات المتاحة للجمهور وذات التكلفة المنخفضة نسبيًا.

تعريفات السوق الجغرافي

قبل الانتقال ، من المفيد وضع الأساليب والتعريفات الشائعة المستخدمة في تحديد الأسواق الجغرافية في مكان واحد.

مناطق خدمة المستشفى (HSA)

يتم تعريف HSAs من خلال أنماط الرعاية في المستشفى للمستفيدين من برنامج Medicare للرسوم مقابل الخدمة. على وجه التحديد ، يتم استخدام عملية من ثلاث خطوات:

تحديد جميع مستشفيات الرعاية الحادة العامة في الولايات المتحدة. تصبح بلدة أو مدينة موقع المستشفى أساس تسمية HSA. وبالتالي ، إذا كانت بلدة معينة بها أكثر من مستشفى ، فسيتم اعتبار هذه المستشفيات جزءًا من نفس حساب هائل سعيد أنعم. في الممارسة العملية ، ينتهي الأمر بمعظم HSAs بمستشفى واحد.

قم بتجميع جميع زيارات Medicare إلى المستشفى (أو المستشفيات ، في الحالات التي تحتوي فيها البلدات أو المدن على مستشفى GT 1). باستخدام قاعدة التعددية ، قم بتعيين الرموز البريدية لاسم HSA حيث يتلقى معظم سكانها الرعاية في المستشفى.

نظّم تعيينات HSA للتأكد من أن ملفات ZIP المتجاورة فقط هي التي تشكل HSA.

في المجموع هناك 3436 هائل سعيد أنعم في الولايات المتحدة.

وفقًا لملحق طرق Dartmouth ، تم استخدام البيانات من 1992-93 لإنشاء حدود HSA. ومع ذلك ، تتوفر ممرات المشاة من منطقة جدولة الرمز البريدي (ZCTA) إلى HSA على موقع Dartmouth الإلكتروني حتى عام 2017.نظرًا لظهور 3436 من HSAs في أحدث جولة (2017) ، فإن هذا يشير إلى أن التحديثات تتعلق فقط بتحديثات ZCTA ، بدلاً من التحديثات على المناطق الجغرافية لـ HSAs الأساسية.

مناطق الإحالة إلى المستشفيات (HRR)

في حين أن HSAs مصممة لالتقاط منطقة مستجمعات المياه الجغرافية حيث يتلقى سكان الرمز البريدي معظم خدمات المستشفى الشاملة ، تهدف HRR إلى التقاط مناطق إحالة أكبر.

لتحديد HRRs ، قام باحثو Dartmouth بتجميع HSAs في مناطق جغرافية متجاورة بناءً على المكان الذي تلقى فيه سكان HSA معظم إجراءات القلب والأوعية الدموية وجراحات الأعصاب. وبالتالي ، فإن HSA بمثابة لبنة البناء الأساسية للموارد البشرية. صُممت أنظمة الموارد البشرية أيضًا لتلبي المعايير التالية:

  • عدد سكان لا يقل عن 120،000.
  • ما لا يقل عن 65٪ من خدمات السكان حدثت داخل المنطقة.
  • يتألف من HSAs المتجاورة جغرافيًا.

في الحالات التي لم يتم فيها استيفاء المعايير المذكورة أعلاه ، تم تجميع المناطق المجاورة معًا حتى يتم استيفاء جميع المعايير. يوجد 306 HRRs في الولايات المتحدة.

مناطق خدمة الرعاية الأولية

تهدف PCSAs إلى أن تكون بمثابة التناظرية لـ HSAs لخدمات الرعاية الأولية. وبالتالي ، يتم تعريف PCSA على أنها مجموعة من الرموز البريدية المتجاورة مع مقدم رعاية أولية واحد على الأقل ، وحيث يتم الحصول على تعدد خدمات الرعاية الأولية بين المستفيدين من برنامج Medicare مقابل رسوم الخدمة.

يوجد 6542 PCSAs في الولايات المتحدة - أو ضعف عدد HSAs تقريبًا. يوجد في المتوسط ​​4.9 ZCTAs في PCTA (الوسيط = 3 ، الحد الأقصى = 81 ، الحد الأدنى = 1). يتم الحصول على 61٪ من خدمات الرعاية الأولية ، في المتوسط ​​، داخل PCSAs.

مناطق تصنيف السوق هي مناطق متجاورة جغرافيًا تُستخدم لأغراض تحديد سعر خطة التأمين في السوق غير التابع للمجموعة. الجغرافيا الافتراضية المستخدمة لتعيين مناطق التصنيف هي المنطقة الإحصائية الحضرية (MSA) بالإضافة إلى باقي الولاية غير الموجودة في MSA (تعريف MSA + 1). ومع ذلك ، فإن الولايات لديها خيار تحديد مقاطعة بديلة ، أو مجموعات ZIP المكونة من 3 أرقام ، أو مجموعات MSA / non-MSA إذا رأت أن بعض التعريفات البديلة أكثر أهمية للتنظيم وتحديد المعدل داخل الولاية.

من الناحية العملية ، فقط 7 حالات (AL ، NM ، ND ، OK ، TX ، VA ، WY) تتماشى مع المعيار الافتراضي (MSA + 1). قدمت الغالبية العظمى من الولايات مجموعات المقاطعات كتعاريف لمناطق التصنيف الخاصة بها. تستخدم مجموعة أخرى من الولايات (MA ، NE ، AK) مجموعات من الرموز البريدية المكونة من 3 أرقام ، بينما تستخدم CA مجموعة من المقاطعات و ZIPs المكونة من 3 أرقام. على وجه التحديد ، يتم تقسيم مقاطعة لوس أنجلوس إلى منطقتي تصنيف بناءً على ZIP المكون من 3 أرقام ، بينما يتم تقسيم باقي الولاية إلى مناطق تصنيف بناءً على حدود المقاطعة.

ما يعنيه هذا هو وجود عدم تجانس كبير عبر الولايات في الحجم الجغرافي والسكان لمناطق التصنيف. ولاية كارولينا الجنوبية ، على سبيل المثال ، لديها 46 منطقة تصنيف - أكثر من مزدوج مناطق التصنيف الـ 19 التي تحدد ولاية كاليفورنيا!

تتكون مناطق التنقل من مقاطعات متجاورة جغرافيًا مع مجموعات قوية داخل المنطقة لعلاقات التنقل بين السكان ومقاطعة العمل ، والعلاقات الضعيفة عبر المنطقة. تستند أحدث ملفات جغرافية مناطق التنقل الرسمية إلى الأنماط التي لوحظت في تعداد عام 2000. ومع ذلك ، تتوفر أحدث بيانات التنقل من مقاطعة إلى مقاطعة استنادًا إلى مسح المجتمع الأمريكي (ACS) 2009-2013 ويمكن استخدامها لإنشاء مناطق جغرافية جديدة للتنقل.

في الوقت الحالي ، ستعتمد المناطق المستخدمة هنا على ملفات الأشكال التي تم إنشاؤها بناءً على بيانات تعداد 2010 من قبل الباحثين في ولاية بنسلفانيا.

هذا الوصف لتاريخ وأساليب التنقل من وزارة الزراعة الأمريكية (USDA) مفيد:

تم تطوير مناطق التنقل ERS (CZ) ومناطق سوق العمل (LMAs) لأول مرة في الثمانينيات كطرق لتحديد الاقتصادات المحلية بشكل أفضل. لا تعد حدود المقاطعات دائمًا حدودًا مناسبة للاقتصاد المحلي وغالبًا ما تعكس الحدود السياسية بدلاً من الاقتصاد المحلي للمنطقة. CZs و LMAs هي وحدات جغرافية للتحليل تهدف إلى عكس الاقتصاد المحلي عن كثب حيث يعيش الناس ويعملون. بدءًا من عام 1980 واستمر حتى عام 2000 ، تم استخدام التحليل الهرمي العنقودي جنبًا إلى جنب مع رحلة مكتب الإحصاء للعمل على البيانات لتجميع المقاطعات في هذه المناطق. في عام 2000 ، كان هناك 709 منطقة تشيكوسلوفاكيا تم تحديدها للولايات المتحدة ، و 741 في عام 1990 ، و 768 في عام 1980. وتشبه المناطق المحلية المُجمعة بالمناطق المُشكلة ، باستثناء أنه يجب أن يكون عدد سكانها بحد أدنى 100،000 شخص. تم تقدير LMAs فقط في عامي 1980 و 1990. وقد تم ذلك من أجل أن يقوم مكتب التعداد بإنشاء عينات البيانات الجزئية باستخدام بيانات التعداد العشري (1980 PUMS-D ، 1990 PUMS-L) التي تجنب الكشف عنها. تم إيقاف LMAs في عام 2000 لأن الباحثين وجدوا أنها كبيرة جدًا وليست مفيدة مثل CZs. تم استخدام المنهجية المتطابقة لتطوير المناطق الاقتصادية الخاصة لجميع العقود الثلاثة.

تعريفات السوق على أساس اكتشاف المجتمع

تشكل مقاييس النشاط الاقتصادي (على سبيل المثال ، تدفقات المرضى ، والطلب المتوقع ، والأسعار) بين المشاركين في السوق اللبنات الأساسية لتحديد أسواق الرعاية الصحية. يمكن دمج هذه الروابط في "شبكة" تلخص قوة الروابط الاقتصادية بين وحدات السوق ذات الصلة - على سبيل المثال ، الروابط بين الأفراد / الرموز البريدية ومقدمي الرعاية الصحية. علاوة على ذلك ، يمكن استخدام هذه الشبكة لتحديد القواسم المشتركة في غضون وحدات السوق. على سبيل المثال ، لتحديد الأسواق الجغرافية ، قد نكون مهتمين بتحديد مجموعات من الرموز البريدية التي تعتمد على مجموعة مشتركة من المستشفيات. بدلاً من ذلك ، قد نكون مهتمين بالتكتل المستشفيات إلى مجموعات على أساس العلاقات الاقتصادية فيما بينها (على سبيل المثال ، أسواق المستشفيات "المنافسة" التي تجذب المرضى من الرموز البريدية المماثلة).

يُعرف تحديد مجموعات "العقد" المرتبطة في الشبكة باسم كشف المجتمع. تم تطوير مجموعة متنوعة من خوارزميات اكتشاف المجتمع عبر مجالات متنوعة تتراوح من الفيزياء وعلم الأحياء وعلم الاجتماع. كما نناقش أدناه ، فإن العديد من الأساليب الشائعة لتحديد أسواق الرعاية الصحية - بما في ذلك HSAs و HRRs ومناطق التنقل وحتى اختبار الاحتكار الافتراضي المستخدم في مراجعات مكافحة الاحتكار - هي في الأساس طرق اكتشاف المجتمع.

في هذا القسم ، نحدد نهجًا تحليليًا شاملاً للشبكة لتحديد أسواق المستشفيات بناءً على اكتشاف المجتمع. يناسب هذا النهج العديد من الخوارزميات المختلفة ثم يقوم بتجميع المعلومات التي تنتجها لتحسين تعريفات السوق.

نحن نركز على مثال واحد من الرموز البريدية والمستشفيات داخل مقاطعة فيلادلفيا ، بنسلفانيا. كما سنبين لاحقًا ، مع البيانات المناسبة ، فإن المنهجية قابلة للتطوير بسهولة على المستوى الوطني وللمناطق الجغرافية وأنواع خدمات الرعاية الصحية الأخرى (مثل الأطباء وشركات التأمين). قد ينظر أيضًا مسار مثير للاهتمام للعمل المستقبلي في كيفية اختلاف الأسواق باختلاف الفئات السكانية الفرعية للمرضى المحددة حسب المرض / الحالة ، ونوع استخدام الخدمة (على سبيل المثال ، الرعاية الطارئة مقابل الجراحة الاختيارية) ، أو الدخل ، أو نوع التأمين.

بعض المحاذير والأفكار للبحث المستقبلي

من المهم التأكيد على أن النهج الذي نصوغه لا يُقصد به أن يكون بديلاً عن تعريفات السوق الموجهة بالنظرية الاقتصادية. بدلا من ذلك ، نحن نقدم رواية إطار تحليلي لتحديد الأسواق بناءً على البيانات التي تلخص الروابط الاقتصادية بين المشاركين في السوق. بعبارة أخرى ، تمامًا كما يوفر اللوغاريتم متعدد الحدود إطارًا تحليليًا لتقدير طلب المستهلك ، يوفر نهجنا التحليلي للشبكة إطارًا تحليليًا لاكتشاف الأسواق. كما هو مذكور أعلاه ، من السمات الرائعة لهذا النهج أن الطرق الشائعة لتحديد الأسواق (على سبيل المثال ، HSA ، اختبار الاحتكار الافتراضي ، إلخ) يمكن اعتبارها جميعًا حالات خاصة لاكتشاف المجتمع.

بمجرد فهمه بهذا المعنى ، من السهل أن نرى أن إطارنا يستوعب بسهولة مقاييس الروابط الاقتصادية التي تحركها النظرية ، والتي يتم إنتاجها من خلال تقدير الطلب (الخارجي) ، أو كليهما. في الأمثلة أدناه ، يتم تلخيص هذه "الروابط" على أنها تعداد المرضى لعدد مرضى ميديكير الذين يتلقون رسومًا مقابل الخدمة من كل رمز بريدي يتم علاجهم في المستشفيات المحلية. نحن ندرك أن هذه الروابط هي المراقبة وتخضع لمخاوف التجانس ، والتي ستؤثر على تعريفات السوق المحددة في المثال. ومع ذلك ، من المهم إدراك أن أي مقياس "ارتباط" اقتصادي (على سبيل المثال ، طلب المريض المقدّر باستخدام التباين الخارجي ، وارتباطات سعر الوحدة بين المستشفيات المتنافسة) يمكن توصيله كمقياس مناسب للارتباط الاقتصادي بين وحدات السوق.

أخيرًا ، كما هو مذكور أعلاه وفي سياق مماثل ، يتم استخلاص بياناتنا حول تدفقات المرضى من بيانات خدمة المستشفى المتاحة للجمهور من CMS. تلخص هذه البيانات شاملة يتدفق المريض إلى مستشفيات الرعاية الحادة بين مرضى الرعاية الطبية الذين يتلقون رسومًا مقابل الخدمة. ولكن من حيث المبدأ ، يمكن استخدام البيانات الخاصة بالمرضى الآخرين - المحددة حسب نوع الخدمة (على سبيل المثال ، مرضى الطوارئ ، مرضى القلب والأوعية الدموية ، إلخ) أو السكان (على سبيل المثال ، المرضى ذوي الدخل المنخفض ، المرضى المؤمَّن عليهم تجاريًا). وهذا يعني أنه يمكن استخدام البيانات الخاصة بالمرضى من الفئات الفرعية لتقسيم المناطق الجغرافية أو المستشفيات إلى أسواق مختلفة. سيكون البحث المستقبلي حول كيفية اختلاف تعريفات السوق باختلاف مجموعات المرضى مفيدًا للغاية.

مستشفيات وأكواد ZIP في مقاطعة فيلادلفيا ، بنسلفانيا

نبدأ برسم الرموز البريدية مع النقط الوسطى الجغرافية الموجودة داخل مقاطعة فيلادلفيا ، بنسلفانيا. بالإضافة إلى ذلك ، نرسم الموقع وحصة السوق (حجم النقطة) لجميع المستشفيات بناءً على أنماط العلاج التي لوحظت بين مرضى الرعاية الطبية التقليديين في عام 2015. من أجل تضمين مستشفى ، ما لا يقل عن 10 في المائة من مرضى ZIP ، أو على الأقل يجب أن يكون 10 بالمائة من إجمالي مرضى FFS Medicare في المستشفى قد عولجوا. هذه الحدود المقطوعة ليست مطلوبة للنهج ، ولكنها تساعد في التصور لهذا المثال لأنها تقطع البيانات لتجنب رسم مئات المستشفيات التي عالجت مريضًا واحدًا أو اثنين فقط من مثال الرموز البريدية.

لاحظ أيضًا أن المستشفى المرسوم باللون الأحمر هو مستشفى سانت جوزيف ، وهو مستشفى يضم 146 سريرًا تم إغلاقه في 11 مارس 2016. سنستخدم (في النهاية) هذا الإغلاق في دراسة حدث للتحقق من صحة تصنيفات السوق - الفكرة هي أن المستشفيات داخل كان من المفترض أن يتأثر السوق الذي يحتوي على متاجر سانت جوزيف بإغلاقه (أي ارتفاع إجمالي مرضى برنامج FFS Medicare) مقارنة بالمستشفيات الموجودة خارجها.

في المخطط التالي نعرض أنماط استخدام الرعاية بين مرضى FFS Medicare الذين يقيمون في رمزين بريديين: 19116 و 19130. يتدفق المريض من الرمز البريدي إلى مستشفيات المنطقة ويعاد تقديره من خلال "خط الحافة" الذي يشبه ZIP centroid بالموقع الجغرافي من كل مستشفى.

كما هو موضح في الشكل ، يتم علاج المرضى من الرمزين البريديين المثالين في مستشفيات مختلفة اختلافًا جذريًا. علاوة على ذلك ، تقع هذه المستشفيات على مقربة جغرافية قريبة من كل رمز بريدي. أخيرًا ، تجدر الإشارة إلى أن العديد من المرضى من ZIP 19116 لوحظ أنهم يسافرون إلى مستشفى خارج المقاطعة.

يرسم الشكل التالي "روابط الحافة" بين جميع ملفات ZIP والمستشفيات في مقاطعة فيلادلفيا. عرض الخط المرسوم يتناسب أيضًا مع الحجم الإجمالي للمرضى. أي أن الخط الرفيع الذي يربط بين زوج من ZIP والمستشفى يشير إلى أنه يتم علاج جزء صغير فقط من المرضى من الرمز البريدي في ذلك المستشفى المحدد.

بينما ستصبح الأمور أكثر وضوحًا في مخطط لاحق ، يمكن رؤية إحساس تقريبي بالأسواق المتميزة لخدمات المستشفى في هذا التصور البسيط المستند إلى الخريطة لتدفق المرضى. على سبيل المثال ، يتدفق المرضى المقيمون في الرموز البريدية المجمعة في الركن الجنوبي الغربي من المقاطعة إلى المستشفيات الموجودة هناك ، وهناك القليل من الاتصالات "المشتركة" بين هذه المستشفيات مع الرموز البريدية الأخرى في المقاطعة.

يزيل المخطط التالي طبقات الموقع الجغرافي ويرسم ببساطة الشبكة الثنائية. أي أننا لم نعد نربط كل مستشفى و ZIP بموقعها الجغرافي والنقطة الوسطى ، على التوالي. بدلاً من ذلك ، نستخدم خوارزمية تخطيط رسم بياني كبير (LGL) لتحسين تصور العلاقات بين الرموز البريدية والمستشفيات. كما في الخريطة في الشكل أعلاه ، يتم تمثيل قوة الروابط بين الرموز البريدية والمستشفيات من خلال عرض الخط.

يبدأ هيكل السوق الأساسي لمستشفيات منطقة فيلادلفيا في أن يصبح أكثر وضوحًا قليلاً في تمثيل البيانات هذا. مرة أخرى ، نرى أن الرموز البريدية تميل إلى التجمع حول مجموعات معينة من المستشفيات. على سبيل المثال ، تميل مستشفى Holy Reedeemer و Nazareth و Aria-Jefferson و Jeanes إلى الاعتماد على المرضى من الرموز البريدية المماثلة. على سبيل المقارنة ، تستقطب Mercy Fitzgerald ومستشفيات UPenn ومركز Lankeneau الطبي المرضى من مجموعة مختلفة من ZIPs.

بعد ذلك ، سنأخذ هذه المصفوفة ثنائية الأجزاء ونحولها إلى مصفوفة أحادية الجزء تلخص العدد الإجمالي لاتصالات المستشفى المشتركة بين الرموز البريدية. هنا ، سنقوم بتعريف ملفين من نوع ZIP على أنهما "متصلان" إذا تم علاج 10 بالمائة على الأقل من المرضى من هذا الرمز البريدي في المستشفى في مستشفى واحد أو أكثر. وبالتالي ، إذا ذهب 15٪ من المرضى من ZIP A و 25٪ من المرضى من ZIP B إلى المستشفى 1 ، فسيتم توصيل هذين الرمزين ZIP. ومع ذلك ، إذا ذهب 1 ٪ فقط من المرضى من ZIP A و 25 ٪ من المرضى من ZIP B إلى المستشفى ، فلن يتم احتساب تلك ZIPs على أنها متصلة.

يوفر المخطط أدناه تصورًا لشبكة أحادية من الرموز البريدية في مقاطعة فيلادلفيا. مرة أخرى ، يمكننا أن نرى "مجموعات" واضحة من ملفات ZIP. وهذا يعني أن هذه ملفات ZIP تميل إلى الاعتماد على نفس المستشفيات. في المؤامرة ، يتناسب وزن خطوط الحافة التي تربط رمزين بريديين مع العدد الإجمالي للمستشفيات "المتصلة" التي يمتلكها هذان الرمزان البريديان.

تحديد الأسواق من خلال اكتشاف المجتمع

خطوتنا التالية هي استخدام هذا التمثيل الشبكي لاستخدام المستشفيات "للكشف" عن أسواق خدمات المستشفيات. من الميزات الرائعة لهذا النهج أنه يمكننا اكتشاف الأسواق من منظورين: الجغرافيا (أي ، ما هي الرموز البريدية التي تميل إلى إرسال المرضى إلى مستشفيات مماثلة؟) أو المستشفى (أي ، ما المستشفيات التي تميل إلى جذب المرضى من الرموز البريدية المماثلة؟ ).

يمكننا أن نرى في تمثيل فيلادلفيا أن المناطق الجغرافية للرمز البريدي تميل إلى التجمع حول بعضها البعض - أي أن المرضى من مجموعات من الرموز البريدية القريبة جغرافياً يميلون إلى استخدام نفس المستشفيات. هناك فصل واضح لمجموعات معينة من الرموز البريدية ، في حين أن الرموز البريدية الأخرى (على سبيل المثال ، 19134) تمتد بين "مجتمعات" المستشفيات المختلفة.

على مر السنين تم تطوير مجموعة متنوعة من خوارزميات اكتشاف المجتمع. يأخذ كل عنصر شبكة كمدخل له ، ويعيد سمة عضوية المجتمع إلى كل عقدة في الشبكة. يتم إنشاء الخوارزميات بحيث يتم تقسيم شبكة hte إلى مجتمعات حصرية متبادلة - على الرغم من أن بعض الأعمال الحديثة سمحت بتمثيل العقد في أكثر من مجتمع واحد.

سنبدأ بإلغاء استخدام خوارزمية Cluster Walktrap على شبكة أحادية (ZIP-ZIP) لمقاطعة فيلادلفيا. تمت إضافة ناتج هذه الخوارزمية إلى الرسم أدناه.

حددت الخوارزمية أربع مجتمعات متميزة. في المؤامرة أدناه ، قمنا بتخطيط كل من هذه المجتمعات. تعرض كل لوحة من هذه المؤامرة الرموز البريدية المضمنة في السوق المكتشفة. تتوافق النقاط مرة أخرى مع الموقع الجغرافي للمستشفيات التي زارها أفراد من هذا السوق. علاوة على ذلك ، يتم تحجيم أحجام النقاط بحيث تتناسب مع حجم المريض / حصة السوق.

نظرًا لأن خوارزمية walktrap العنقودية ذات تسلسل هرمي ، فمن المفيد رسم خريطة حرارية وتخطيط مخطط للمصفوفة أحادية الجزء (ZIP-ZIP). يتيح لنا ذلك تصور ليس فقط قوة اتصالات المستشفى بين اثنين من ملفات ZIP ، ولكن أيضًا عملية التجميع المحددة التي تؤدي إلى ظهور المجتمعات المكتشفة.

في المخطط أعلاه ، تم تقسيم الصفوف فرعيًا (حسب لون خط الخلية) إلى الأسواق الأربعة الإجمالية التي تم تحديدها من خلال اكتشاف المجتمع. هذا هو ، هذه هي الرموز البريدية المقابلة لكل من الأسواق الأربعة. يتم تحجيم ظلال الخلية لتصور قوة الاتصالات بين ملفات ZIP.

عند تحليل هذه الرؤية ، من المفيد أن تضع في اعتبارك الحدس الخاص بهدف اكتشاف المجتمع. تم تصميم خوارزمية اكتشاف المجتمع لاكتشاف مجموعات العقد كثيفة الاتصال (في هذه الحالة الرموز البريدية) مع العديد من الاتصالات داخل المجموعات ، وعدد أقل من الاتصالات خارج المجموعات. ترسم خريطة الحرارة قوة "اتصالات" المستشفى المشتركة بين كل زوج من ملفات ZIP ، بينما يرسم مخطط الشجرة تسلسلًا هرميًا لهذه الوصلات بدءًا من أكثر ملفات ZIP اتصالاً بكثافة في الجزء السفلي.

مثال محدد مفيد أيضًا. في المجموع ، يتم علاج 1،182 مريضًا من ZIP 19128 في مستشفيين ، 29٪ في مستشفى Chestnut Hill (390026) و 71٪ في مستشفى Roxborough Memorial (390304). بالمقارنة ، تم علاج 1،807 مريضًا من ZIP 19144 في Chestnut Hill (21٪) ، ومركز أينشتاين الطبي (63٪ ، ونصب Roxborough التذكاري (16٪).

معرف المستشفى الرمز البريدي 19128 الرمز البريدي 19144
390026 339 (29%) 381 (21%)
390142 0 (0%) 1130 (63%)
390304 843 (71%) 296 (16%)

من هذا الجدول يمكننا أن نرى أن 100٪ من استخدام المستشفى لـ ZIP 19128 يتم في مستشفيات "مشتركة" عند إقرانها بـ 19144 ، في حين أن 37٪ من استخدام المستشفى لـ ZIP 19144 يتم في مستشفيات "مشتركة" بالمقارنة مع 19128.

هذه هي بالضبط المعلومات الموضحة في ظلال الخلايا في خريطة الحرارة: يشير التظليل الأحمر الكامل للصف 19128 ، العمود 19144 (بالقرب من أعلى يمين قطعة الأرض) إلى أن 100٪ من مرضى 19128 يعالجون في مستشفيات مماثلة كما يستخدمها المرضى في 19144. وبالمقارنة ، فإن تظليل الصف 19144 والعمود 19128 مظلل باللون الأحمر الفاتح ، مما يعكس حقيقة أنه كما ذكر أعلاه ، يذهب 37٪ فقط من مرضى عام 19144 إلى مستشفيات مماثلة لتلك المستخدمة في عام 19128.

مع وضع هذا الارتباط (التظليل) في الاعتبار ، يمكننا الآن التركيز على مخطط الأسنان على الجانب الأيمن من المؤامرة. على سبيل المثال ، تشير خلايا خريطة الحرارة المظللة باللون الأحمر الفاتح إلى مجموعات من ZIPs حيث يذهب المرضى أساسًا إلى نفس المستشفيات. ينتج عن هذا إقران من ZIPs بعيدًا أسفل مخطط الشجرة الممثل في مخطط الأسنان. بمعنى آخر ، سيتم إقران مجموعات الرموز البريدية التي تستخدم أساسًا نفس المستشفيات معًا في أسفل التسلسل الهرمي.

من خلال اتصال أزواج ZIP المتصلة بإحكام ، يمكننا بعد ذلك البدء في العمل على الشجرة ، وإدخال رموز بريدية جديدة تشترك في جزء ثانوي ، ولكن ليس بنسبة 100 ٪ ، من تداخل المستشفى. في النهاية ، تظهر الأسواق الأربعة المتميزة: وهذا واضح من خلال "الكتل" الأربعة الحمراء التي تمتد من الجنوب الغربي إلى الشمال الشرقي في خريطة الحرارة. ولكن يوجد داخل كل سوق أسواق فرعية لملفات ZIP شديدة الارتباط ، وقد تم تصميم مخطط الشجرة / مخطط الحرارة بحيث يمكننا تحديدها أيضًا.

يمكننا أيضًا أن نرى في كل من مخطط الشبكة ومؤامرة خريطة الحرارة أن هناك بعض الرموز البريدية التي تنتشر في الأسواق. وهذا يعني أن هذه ملفات ZIP يمكن تصنيفها في سوق مقابل سوق آخر. في مخطط إعادة إرسال الشبكة ، تكون هذه الرموز البريدية (على سبيل المثال ، 19140 ، 19134) بين مجموعات الرموز البريدية. في خريطة الحرارة ، نرى هذا في الجيوب المنعزلة من "التجميع" خارج التشخيص (على سبيل المثال ، في الصفوف لعامي 19141 و 19134).

نهج قائم على المجموعة لاكتشاف السوق

تم عرض المثال أعلاه لخوارزمية اكتشاف مجتمع واحدة (المصيدة العنقودية).ولكن هناك العديد من الخوارزميات المرشحة التي يمكننا الاستفادة منها. تم تطوير طرق اكتشاف المجتمع هذه في مجالات متنوعة (الفيزياء وعلم الاجتماع وعلم الأحياء وما إلى ذلك) ، وقد تؤدي كل طريقة إلى تقسيم مختلف قليلاً للشبكة. السؤال الطبيعي إذن هو الطريقة التي يجب أن نستخدمها؟ أو ، هل يمكننا تحسين اكتشاف السوق من خلال نشر مجموعة من الأساليب ، ثم تحديد حدود السوق النهائية بناءً على إجماع بين هذه المجموعة؟ هذا هو النهج الذي سنضعه هنا.

قبل المضي قدمًا ، من المفيد تحديد مقياس لتقييم الأداء النسبي لخوارزميات اكتشاف المجتمع في تقسيم شبكتنا إلى أسواق جغرافية. نمطية هو مقياس يستخدم على نطاق واسع لهذا الغرض.

النمطية هي جزء من ملاحظ الحواف التي تقع ضمن مجموعات محددة في شبكة مطروحًا منها الكسر المتوقع من الحواف داخل المجموعة إذا تم وضع الحواف عشوائيًا. تقيس نمطية ما بين -1 و 1 ، وستكون موجبة عندما يتجاوز عدد الحواف داخل المجموعات العدد المتوقع بناءً على التخصيص العشوائي للحواف.

في معظم التطبيقات ، تتم عملية التوزيع العشوائي للحواف مع الحفاظ على الملحوظة الدرجة العلمية من كل عقدة. الدرجة هي العدد الإجمالي للوصلات التي تمتلكها العقدة. في شبكة غير مرجحة ، الدرجة هي ببساطة عدد خطوط الحافة (التوصيل) القادمة من العقدة في شبكة مرجحة (كما هو مستخدم هنا) وهي مجموع الأوزان المرتبطة بكل من هذه الحواف.

في حالة طريقة المشاة العنقودية في مثالنا أعلاه ، نحقق درجة نمطية قدرها 0.5263. قمنا أيضًا بتشغيل 9 خوارزميات بديلة لاكتشاف المجتمع ، وتم تلخيص درجاتها النمطية في الجدول أدناه:

الخوارزمية نمطية
مصيدة 0.5263
سريع الجشع 0.5100
متعدد المستويات 0.5294
spinglass 0.5294
المعلومات 0.5263
لوفان 0.5294
إيجن 0.4749
التسمية_الخصائص 0.5263
بين الحافة 0.5294

يوضح الجدول أن بعض أساليب اكتشاف المجتمع الأخرى (على سبيل المثال ، الخوارزمية متعددة المستويات ، وخوارزمية Spinglass ، ونهج وحدات Louvain) تحقق قيم نمطية أعلى ، مما يشير إلى أنهم قاموا بعمل أفضل في تقسيم الشبكة.

سنقوم بعد ذلك ببناء ملف مصفوفة التردد الذي يلخص إجمالي عدد مرات تكرار ملفات ZIP أنا و ي إلى نفس السوق عبر 9 خوارزميات الكشف التي سنستخدمها في المجموعة.

يتم عرض مصفوفة التردد هذه في خريطة الحرارة أدناه. ما يتضح من هذه المصفوفة هو أن كل طريقة من طرق اكتشاف المجتمع تقوم بتجميع ملفات ZIP في أسواق متشابهة. يتضح هذا من الكتل السوداء المائلة التي تمتد من الجنوب الغربي إلى الشمال الشرقي في الشكل. هذه الكتل مظللة باللون الأسود في الغالب ، مما يشير إلى أن مجموعة ZIP تم تصنيفها في نفس السوق في جميع أساليب اكتشاف المجتمع.

مرة أخرى ، كما هو الحال في نهج الكشف الفردي المذكور أعلاه ، نرى أمثلة على عدد قليل من الرموز البريدية المصنفة في أسواق مختلفة - على سبيل المثال ، 19133 و 19132 لم يتم تصنيفها بشكل ثابت في نفس السوق.

نلائم بعد ذلك خوارزمية تجميع هرمي تكتلي مع مصفوفة التردد ، في جوهرها ، للعثور على مجموعات الرموز البريدية ذات الروابط الأقوى عبر طرق اكتشاف المجتمع المختلفة.

تبدأ طريقة التجميع هذه بتعيين كل ملف مضغوط إلى مجموعته الخاصة (السوق). بالنسبة للتكرار الأول ، يقوم بتجميع المجموعات الأكثر تشابهًا في بعض المقاييس (في هذه الحالة ، يكون هذا المقياس هو التكرار الذي يتم تعيينها فيه لنفس السوق). يتكرر هذا الإجراء نفسه بعد ذلك عن طريق التجميع في ملفات ZIP إضافية حتى في النهاية ، لا يوجد سوى مجموعة واحدة تحتوي على جميع الرموز البريدية. بعد هذه الخطوة ، تتوقف الخوارزمية.

في هذا المثال ، سنستخدم الوظيفة الافتراضية hclust () ، والتي تعتمد على طريقة "الربط الكامل". من حيث المبدأ ، ومع ذلك ، يمكن استخدام أي طريقة تجميع.

أولاً سنقوم برسم مخطط الأسنان الناتج عن خوارزمية التجميع. هنا يمكننا أن نرى أنه حتى في وقت مبكر (على سبيل المثال ، عند التكرار 0) ، تبدأ الرموز البريدية بشكل طبيعي في الفرز في الأسواق. بالإضافة إلى ذلك ، لاحظ أنه عند التكرار 5 ، يتم تخصيص ملفات ZIP "الهامشية" المحددة أعلاه (19133 و 19132) لسوقها الصغير. بعد ذلك ، بينما نتقدم للأمام (على سبيل المثال ، حول التكرار 20) ، يتم طي هذه الملفات البريدية في الأسواق التي تشبهها أكثر.

الخطوة هي تحديد أسواقنا النهائية. يمكننا تحديدها بناءً على مجموعات الرموز البريدية في أي نقطة على طول المحور X في مخطط الأسنان. في النهايات القصوى ، يمكننا استخدام الأسواق العشرة المحددة عند التكرار 0 ، أو يمكننا تعيين جميع ملفات ZIP لنفس السوق (أي مجموعات ZIP كما هو محدد في التكرار 50).

النتيجة النمطية ، مرة أخرى ، مفيدة هنا. وهذا يعني أنه يمكننا أن نشق طريقنا إلى أعلى مخطط الأسنان - في كل خطوة نحسب درجة نمطية - ونستخدم المستوى الذي يزيد من النموذجية إلى أقصى حد كتعاريف نهائية للسوق.

يتم رسم القيم النمطية كدالة للتكرار أدناه. من أجل المقارنة ، قمنا أيضًا برسم (باستخدام الخطوط الأفقية) درجات النمطية من كل من خوارزميات الكشف عن السوق الفردية.

نرى أن النموذجية يتم تعظيمها عند 0.592 ، أو عند التكرار 22 تقريبًا. وبالمصادفة ، هذه هي النتيجة النمطية للعديد من الخوارزميات الفردية - مما يشير إلى أن هذه الخوارزميات قد أدت وظيفة جيدة في تحديد الأسواق كما فعلت طريقة التجميع (ولكن لم يكن هناك ما يضمن أن يكون هذا هو الحال).

بأخذ تعريفات سوق ZIP في هذا التكرار والتخطيط لها ، نصل إلى ما يلي نهائي خريطة أسواق المستشفيات في مقاطعة فيلادلفيا:

العلاقة بين اكتشاف المجتمع ونهج تعريف السوق المشتركة الأخرى

من التمارين المفيدة التفكير في كيفية مقارنة تعريفات السوق المشتركة الأخرى (HSAs ، HRRs ، مناطق التنقل) وربطها بالنهج التحليلي للشبكة الموضح أعلاه. يمكن رؤية تعريفات السوق هذه كما هي مطبقة على فيلادلفيا في الخرائط أدناه.

كما هو موضح في الخريطة ، يتم تمثيل اثنين فقط من HSAs في مقاطعة فيلادلفيا ، بينما يتم تمثيل منطقة واحدة فقط من HRR ومنطقة التنقل. وبالتالي ، فإن مقاييس تركيز المستشفى التي تعتمد على هذه التدابير سوف تشمل الكل المستشفيات في المقاطعة (بالإضافة إلى المناطق المجاورة المدرجة أيضًا في HSA أو HRR أو CZ).

اكتشاف المجتمع مقابل مناطق الخدمة الصحية (HSAs)

يتم إنشاء HSAs عبر ما هو في الأساس خوارزمية اكتشاف المجتمع. تأخذ هذه الخوارزمية كمدخلاتها مصفوفة ثنائية الأجزاء تلخص تدفقات المريض من ZIPs إلى المستشفيات. والجدير بالذكر أن هذه المصفوفة ثنائية الأجزاء هي نفسها المستخدمة للإدخال في خوارزميات اكتشاف المجتمع أعلاه. يتمثل الاختلاف الرئيسي في الطريقة التحليلية للشبكة أعلاه في تحويل المصفوفة ثنائية الأجزاء (ZIP-Hospital) إلى مصفوفة أحادية الجزء (ZIP-ZIP) تلخص العدد الإجمالي لاتصالات المستشفى بين الرموز البريدية.

بدلاً من إنشاء المصفوفة أحادية الجزء (ZIP-ZIP) ، تحدد طريقة HSA ، لكل صف من المصفوفة ثنائية الجزء (ZIPs) ، العمود (المستشفى) بأعلى قيمة ينفذ هذا الإجراء بشكل فعال قاعدة التعددية المستخدمة لإنشاء HSAs. يتم تعيين كل مستشفى إلى اسم المدينة / البلدة الخاصة بها ، ويتم تجميع جميع الرموز البريدية المرتبطة (عبر المستشفى مع عدد كبير من المرضى) إلى نفس اسم المدينة / المدينة في نفس HSA. ثم يتم إجراء تعديلات إضافية يدويًا للتأكد من أن ملفات ZIP التي تشكل HSA متجاورة جغرافيًا.

الاختلاف الرئيسي بين اكتشاف HSA واكتشاف المجتمع كما هو موضح هنا هو أنه بالنسبة لتعريفات HSA لا يوجد سوى "اتصال" واحد مسموح به: المستشفى الذي يضم عددًا كبيرًا من المرضى من ZIP. بالمقارنة ، في إطار نهجنا ، نسمح باتصالات متعددة بالمستشفى من نوع ZIP ، طالما يتم علاج ما لا يقل عن 10٪ من مرضى ZIP في المستشفى ، أو 10٪ من الحجم الإجمالي للمستشفى مستمد من ملف ZIP.

اكتشاف المجتمع مقابل مناطق الإحالة إلى المستشفى (HRRs)

يتم إنشاء مناطق الإحالة في المستشفيات (HRRs) بطريقة مماثلة. يتمثل الاختلاف الأساسي في المصفوفة ثنائية الأجزاء المستخدمة في إنشاء HRRs التي تستخدم أعداد المرضى من HSAs لتحديد الصفوف ، بدلاً من تعداد المرضى من الرموز البريدية. علاوة على ذلك ، يقتصر عدد المرضى على جراحة القلب والأوعية الدموية وجراحة الأعصاب لالتقاط الإجراءات الأكثر اختيارية بطبيعتها. يتم إجراء المزيد من التعديلات (عن طريق تجميع موارد الموارد البشرية المرشحة معًا) لضمان الحد الأدنى من أحجام السكان (120.000 أو أكثر) ولضمان استخدام HSAs المتجاورة فقط.

اكتشاف المجتمع مقابل مناطق التنقل

من نواح كثيرة مهمة ، فإن الطريقة المستخدمة لإنشاء مناطق التنقل تعكس الطريقة التحليلية للشبكة الموضحة أعلاه. يتم تحديد مناطق التنقل على أساس مقاييس "الروابط" بين المناطق الجغرافية. في هذه الحالة ، يتم تحديد تلك الروابط من حيث أنماط التنقل بين المقيمين ومقاطعة العمل كما تم التأكد من تعداد الولايات المتحدة ومسح المجتمع الأمريكي (ACS). يتم تغذية هذه الروابط من خلال خوارزمية تجميع هرمي - تشبه إلى حد كبير بعض خوارزميات اكتشاف المجتمع ، والتي استخدمناها في نهج المجموعة أعلاه. تقسم هذه العملية الولايات المتحدة إلى "مجموعات" من المقاطعات حيث تكون روابط التنقل داخل المقاطعات أقوى من الروابط بين المقاطعات. ثم يتم إعادة تسمية هذه المجموعات كمناطق تنقل ، ويتم تجميع بعضها معًا لتلبية الحد الأدنى من الأهداف السكانية.

يتمثل أحد الاختلافات الرئيسية ذات الصلة هنا في أن أصغر وحدة جغرافية مستخدمة لإنشاء مناطق التنقل هي المقاطعة ، بدلاً من الرمز البريدي. وهكذا ، من خلال البناء ، يتم تضمين مقاطعة فيلادلفيا بأكملها في نفس السوق الجغرافي.

كشف المجتمع مقابل اختبار الاحتكار الافتراضي

كما هو مذكور في مقدمة هذه الوثيقة ، غالبًا ما تعتمد مراجعات مكافحة الاحتكار على طرق مختلفة لتعريف السوق بناءً على بيانات التسعير التفصيلية. المنهجية المستخدمة على نطاق واسع هي ما يسمى باختبار "المحتكر الافتراضي" أو اختبار SSNIP (زيادة صغيرة ولكن كبيرة وغير انتقالية في السعر) لتحديد الأسواق. ومن المثير للاهتمام أن هذا النهج أيضًا له أصداء قوية مع النهج التحليلي للشبكة الذي تمت مناقشته أعلاه.

من Gaynor و Kleiner و Vogt ، تكون عملية اختبار SSNIP كما يلي:

يبدأ اختبار SSNIP (الزيادة الصغيرة ولكن الهامة وغير العابرة في السعر) بتحديد سوق ضيق والسؤال عما إذا كان المحتكر الافتراضي في السوق المحدد يمكنه تنفيذ SSNIP بشكل مربح (عادةً ما يكون زيادة الأسعار بنسبة 5٪ لمدة عام واحد). إذا كان من المحتمل أن تتحول أعداد كافية من المستهلكين إلى منتجات بديلة بحيث تكون زيادة الأسعار غير مربحة ، فإن الشركة أو الكارتل يفتقر إلى القدرة على رفع السعر. ولذلك فإن السوق ذات الصلة بحاجة إلى التوسع. تتم إضافة البديل الأقرب التالي وتتكرر العملية حتى يتم الوصول إلى النقطة التي يمكن أن يفرض فيها كارتل افتراضي أو محتكر زيادة سعرية بنسبة 5٪ بشكل مربح. تشكل مجموعة المنتجات / المواقع المحددة السوق ذات الصلة.

هذه العملية هي في الأساس نسخة أخرى من التجميع الهرمي - مرة أخرى ، كما هو مستخدم من قبل العديد من خوارزميات اكتشاف المجتمع وفي نهجنا القائم على المجموعة. في هذه الحالة ، يمكن أن يكون كائن "الشبكة" عبارة عن شبكة أحادية تلخص ارتباطات الأسعار غير العابرة بين المستشفيات ، أو ربما تدفقات المرضى المتوقعة استجابة لارتفاع الأسعار. تبدأ خوارزمية تجميع SSNIP بأضيق سوق ممكن ، ثم تتكرر عن طريق الطي في مستشفيات إضافية حتى النقطة التي يمكن أن يفرض فيها المحتكر الافتراضي زيادة سعرية بنسبة 5٪ بشكل مربح. يمكن للمرء أن يتخيل هذه العملية تتبع مخطط شجيرة ، مع نقاط توقف محددة بواسطة معايير اختبار الاحتكار الافتراضية بدلاً من درجة قصوى للنمطية كما استخدمنا أعلاه.

تصور تعريفات السوق لـ Tennesee

سنقوم بعد ذلك بتصور العديد من تعريفات السوق الجغرافية الشائعة الاستخدام بما في ذلك HRRs و HSAs ومناطق خدمة الرعاية الأولية (PCSAs) ومناطق التنقل ومناطق تصنيف التأمين الصحي. تم رسم هذه المناطق الجغرافية للسوق في ولاية تينيسي في الشكل أدناه (على الرغم من أن بعضها سينخفض ​​أيضًا إلى الولايات المجاورة). لاحظ أن الألوان في كل مضلع عشوائية وتهدف فقط إلى إبراز الحدود عبر المناطق الجغرافية.

كيف تقارن مقاييس HHI عبر تعريفات السوق الجغرافية؟

بعد ذلك سننظر في مقاييس HHI التي تم إنشاؤها بناءً على مناطق السوق الجغرافية المحددة أعلاه. لهذه الأمثلة سنركز على المستشفيات.

قبل أن نفعل ذلك ، من المفيد أن نضع أولاً مجموعة متنوعة من الطرق المختلفة التي يمكن القيام بها في جغرافية سوق معينة. ستنتج هذه الأساليب المختلفة مقاييس مختلفة للصحة الصحية المنزلية لنفس جغرافية السوق (على سبيل المثال ، CZ).

طريقة الموقع الجغرافي: بموجب هذه الطريقة نحدد جميع المستشفيات يقع في السوق الجغرافي. يتم إنشاء مقياس HHI باستخدام حصص السوق المحددة من حيث عدد رؤساء عدد المستشفيات ، أو من حيث إجمالي المرضى الذين عولجوا في كل مستشفى (على سبيل المثال ، إجمالي حالات الدخول أو الخروج من المستشفى) ، أو ربما بعض الوحدات الأخرى. هذه طريقة شائعة تستخدم لبناء معالجات صحية في المستشفيات.

طريقة تدفق المريض: في ظل هذه الطريقة نحدد مجموعة المستشفيات التي تعالج المرضى الذين يقيمون في السوق الجغرافي (على سبيل المثال ، CZ). على عكس الطريقة المذكورة أعلاه ، سيؤدي ذلك إلى جلب مستشفيات تقع خارج حدود السوق الجغرافية. لاحظ أنه يمكن القيام بذلك على مستوى أقل من التجميع (على سبيل المثال ، على مستوى الرمز البريدي). بعد ذلك ، يمكن تجميع هذه HHIs على مستوى ZIP حتى مستوى جغرافي آخر في السوق (مثل HRR) من خلال أخذ متوسط ​​مرجح (مع أوزان محددة حسب حصة السكان ، أو إجمالي حصة القبول ، وما إلى ذلك).

HHI بالمستشفى استنادًا إلى المتوسط ​​المرجح للمعاملات الصحية الجغرافية: كانت هذه الطريقة رائدة في Kessler و McClellan (QJE 2000). تعتمد هذه الطريقة بشكل أساسي على البيانات المتعلقة بطلب المستشفى (على سبيل المثال ، العدد الإجمالي للمرضى ، أو بعض التنبؤ الخارجي بالطلب) من وحدة جغرافية معينة (على سبيل المثال ، الرمز البريدي). يتم بعد ذلك إنشاء مقاييس HHI لكل وحدة جغرافية ثم يتم حساب مقياس HHI الخاص بالمستشفى كمتوسط ​​مرجح لهذه HHIs بناءً على حصة مرضى المستشفى الذين يأتون من كل منطقة جغرافية للسوق. يمكن بعد ذلك تجميع هذه الأدوية الصحية على مستوى المستشفى إلى مستوى جغرافيا السوق من خلال أخذ متوسط ​​مرجح آخر (مرة أخرى ، بأوزان تعادل حصة المرضى الذين يذهبون إلى كل مستشفى)

مستشفى HHI استنادًا إلى مناطق جغرافية تنافسية مشتركة: هذه طريقة بديلة لبناء معالجات صحية على مستوى المستشفى نقوم بتطويرها هنا. تتلخص الطريقة بشكل أساسي في تحديد العدد الإجمالي للمرضى في المناطق الجغرافية (على سبيل المثال ، الرموز البريدية) التي "يتنافس" فيها مستشفى معين مع المستشفيات الأخرى. مقياس HHI هو مجموع إجمالي حصص السوق المحسوبة من هذه المناطق الجغرافية ذات المنافسة المشتركة. يتلخص الاختلاف بين هذا النهج وطريقة Kessler-McClellan (KM) أساسًا في الفرق بين حساب المبلغ المرجح لمؤشرات HHIs الجغرافية (KM) و HHI الفردي استنادًا إلى إجمالي حصص السوق من المناطق الجغرافية التنافسية المشتركة. بعض الأمثلة أدناه ستجسد هذا الاختلاف بشكل أكبر.

من الأهمية بمكان ملاحظة أنه عند استخدام تدفقات المرضى المرصودة أو حصص السوق ، فمن المحتمل أن تعاني هذه الأساليب من مشاكل التجانس الداخلي. أي أن اختيار الموقع الجغرافي للمستشفيات (الجديدة) ، واستمرار بقاء المستشفيات القائمة ، وتدفق المرضى إلى المستشفيات القائمة من المنطقة المحيطة ، قد يعتمد على الجودة النسبية للمستشفيات في سوق المنطقة. بعبارة أخرى ، قد تجذب المستشفى عالية الأداء عددًا كبيرًا من المرضى من المنطقة المحلية - مما قد يؤدي إلى توقف المستشفيات المجاورة ذات الجودة المنخفضة عن العمل. في الواقع ، لدينا أدلة جيدة على ذلك: تتمتع كل من المستشفيات عالية الجودة بحصة سوقية أكبر في وقت ما ، وحصة سوقية متزايدة بمرور الوقت.

كل من هذه الديناميكيات ستؤدي إلى مقاييس HHI التي تشير إلى أن المستشفى عالي الجودة في سوق مركزة. يمكن أن يؤدي هذا إلى تعقيد شديد للجهود المبذولة ، على سبيل المثال ، لفحص العلاقة بين تركيز السوق ونتائج المرضى. لهذا السبب ، اعتمد البعض (على سبيل المثال ، Kessler و McClellan 2000) على تدفقات المرضى المتوقعة ، بدلاً من التدفقات الحادة للمرضى ، في بناء مقاييس HHI. لا تُعفى هذه الطريقة تمامًا من مخاوف التجانس ، نظرًا لأن ممارسات الترميز الداخلية قد لا تزال تعقد الجهود لبناء تنبؤات غير متحيزة لتدفقات المرضى. لكن النقطة الأكثر عمومية هي أن حصص السوق المتوقعة يمكن استبدالها بسهولة بحصص السوق الفعلية في أي من معادلات حساب HHI أدناه.

أخيرًا ، تجدر الإشارة إلى أن طريقة تدفق المرضى تتماشى بشكل عام مع المفهوم الاقتصادي الأساسي لما يحاول HHI التقاطه. مثال بسيط أدناه سيوضح هذا.

لنفترض أن هناك منطقتين جغرافيتين فقط (A و B) ومستشفيين (H1 و H2). يساهم كل من المنطقتين (أ) و (ب) في 100 حالة دخول إلى المستشفى ، لكن حالات القبول من كل منطقة تتدفق إلى مستشفيات محلية محددة. أي القبول من المنطقة أ فقط التدفق إلى المستشفى H1 ، والقبول من المنطقة B فقط تدفق إلى المستشفى H2. والجدير بالذكر أن كلا المستشفيين يقعان في المنطقة B (يقع H1 في B ولكن بالقرب من الحدود مع المنطقة A). تم تصوير هذا السيناريو في السيناريو 1 لوحة الشكل أدناه.

لنفترض الآن أن مستشفى جديد واحد يدخل السوق ويوجد في المنطقة "أ" هذا المستشفى الجديد يعيد توجيه 50 حالة دخول من H1 بعد دخوله السوق. تم تصوير هذا السيناريو في السيناريو 2 لوحة الشكل.

قبل أن نبدأ في بناء مقاييس HHI ، من المفيد التفكير في كيفية القيام بذلك توقع مقياس HHI للاستجابة لهذا التغيير في دخول السوق. أولاً ، أصبح المستشفى H1 الآن في سوق أكثر تنافسية بسبب انسحاب المستشفى الجديد H3 نصف من قبولها. ثانيًا ، لم يتأثر مستشفى H2 بدخول السوق لأنه لم ينتقل أي من مرضاه إلى مستشفى آخر

إذا استخدمنا طريقة الموقع الجغرافي لإنشاء مقاييس HHI ، فسننتهي بالتقديرات التالية:

المنطقة أ المنطقة ب
السيناريو 1 غير متوفر 5000
السيناريو 2 (دخول السوق) 10000 5556

يمكننا أن نرى من خلال هذا المثال البسيط أن طريقة الموقع الجغرافي قد قامت بعمل ضعيف في التقاط التغيير الأساسي في المزايا التنافسية لهاتين المنطقتين. خاصه،

في السيناريو 1 ، لا يمكننا حتى تحديد مقياس HHI للمنطقة A لأنه لا يوجد مستشفى يقع هناك ، حيث يقع المستشفى الذي يستخدمه جميع سكانه فوق الحدود في المنطقة B.

في السيناريو 2 ، يتم تصنيف المنطقة أ على أنها شديدة التركيز (HHI = 10000). مرة أخرى ، هذا بسبب وجود مستشفى واحد فقط في المنطقة أ.

في السيناريو 2 ، تحصل المنطقة ب (التي لم تتأثر أنماط قبول المقيمين بها بالمستشفى الجديد) في الواقع على قيمة HHI أعلى قليلاً.

بالمقارنة ، تقوم طريقة تدفق المرضى بعمل أفضل في التقاط المشهد التنافسي:

في السيناريو الأول ، نلتقط بدقة حقيقة أن كلا المستشفيين يعملان في أسواق مركزة تمامًا ، مما يجذب جميع المرضى من كل منطقة من المناطق المعنية.

في السيناريو 2 ، نلتقط بدقة التغيير في القدرة التنافسية في المنطقة أ.ينخفض ​​مقياس HHI من 10000 إلى 5000 - مما يعكس حقيقة أن المستشفى الجديد أعاد توجيه نصف حالات دخول المرضى الداخليين التي كانت تذهب سابقًا إلى مستشفى H1.

في السيناريو 2 ، نلتقط بدقة حقيقة أن المنطقة B لم يكن لها أي تغيير في القدرة التنافسية الأساسية - لم يؤثر إدخال المستشفى H3 على عمليات القبول في H2 ، حيث لا نرى بالمقابل أي تغيير في مقياس HHI الخاص بنا.

من الجدير بالذكر أن طريقة تدفق السكان هي أيضًا أكثر فعالية لتعريفات السوق الجغرافية البديلة. لنفترض أننا حددنا حدًا جغرافيًا جديدًا يتضمن H1 داخل المنطقة A. سنرسم أيضًا (في خطوط منقطة) الحدود الجغرافية السابقة من أعلى ، ونفترض أن 25 قبولًا من داخل تلك المنطقة الحدودية (أي المنطقة التي كانت موجودة سابقًا في B ) لا يزال يذهب إلى H2. بمعنى آخر ، الشيء الوحيد الذي تغير هو نقطة الحدود الجغرافية (العشوائية) التي تحدد المنطقة أ من ب.

يمكننا أن نرى أن كلا الطريقتين تنتج الآن نفس مقاييس HHI. علاوة على ذلك ، فإن نتائج طريقة تدفق السكان لم تتغير مع هذا التغيير (التعسفي) في الحدود. وبالتالي ، فهو أكثر قوة بالنسبة لتعريف السوق الجغرافي الشامل المستخدم.

المنطقة أ المنطقة ب
السيناريو 1 10000 10000
السيناريو 2 (دخول السوق) 5000 10000

بالمقارنة ، إذا استخدمنا طريقة تدفق السكان ، فسنحصل على ما يلي:

المنطقة أ المنطقة ب
السيناريو 1 10000 10000
السيناريو 2 (دخول السوق) 5000 10000

من المستخلصات المهمة من هذا التمرين أن مقاييس HHI المحددة باستخدام طريقة الموقع الجغرافي تقدم افتراضًا مهمًا وقويًا للغاية: تلتقط الحدود الجغرافية المستخدمة كل (أو تقريبًا كل) النشاط الاقتصادي ذي الصلة قيد الدراسة (على سبيل المثال ، حالات دخول المستشفيات).

حساب HHI الخاصة بالمستشفى

البديل عن حساب HHI الجغرافي المباشر هو حساب HHI الخاص بالمستشفى أولاً ثم تجميع HHIs الخاصة بالمستشفى على مستوى السوق الجغرافي. يعتمد هذا التجميع على متوسط ​​مرجح للمرضى الذين يعانون من الرعاية الصحية في المستشفيات ، مع أوزان محددة بحصة المرضى من المنطقة الجغرافية التي يتم علاجها في كل مستشفى.

كما هو مذكور أعلاه ، هناك طريقتان يمكن للمرء أن يبني بها HHIs الخاصة بالمستشفى. لتوضيح هذه الأساليب ، من المفيد الاعتماد على بعض الأمثلة على البيانات التي تلخص تدفقات المرضى بين الرموز البريدية والمستشفيات المختلفة. يتم تمثيل هذه البيانات في المصفوفة أدناه. هذه المصفوفة ممثلة لـ ثنائي الشبكة التي يتم فيها ربط الرموز البريدية بالمستشفيات. تلخص خلايا هذه المصفوفة الثنائية (الافتراضية) العدد الإجمالي للمرضى الذين يسافرون إلى أربعة مستشفيات (أعمدة) من 10 رموز بريدية مختلفة (صفوف).

يتقدم نهج Kessler-McClellan في إجراءات HHI الخاصة بالمستشفى في خطوتين:

  1. احسب مقاييس HHI الخاصة بـ ZIP لـ k = 1 ، ... ، رموز K ZIP.
  2. لكل مستشفى J ، أنشئ متوسطًا مرجحًا لهذه الرموز البريدية الخاصة بالرمز البريدي ، مع تحديد الأوزان على أنها نسبة مرضى المستشفى القادمين من هذا الرمز البريدي.

بشكل أكثر رسمية ، إجمالي الطلب من ZIP ك الى المستشفى ي يتم الحصول عليها من خلال مجموع (متوقع أو خارجي المنشأ) مقياس للمرضى / حالات الإدخال (مفهرسة حسب أنا) من ZIP ك الذين يعالجون في المستشفى ي.

وبالتالي فإن HHI للمستشفى (j) يساوي:

نهج المنافسة المشتركة

يتلخص نهج KM لبناء HHI الخاصة بالمستشفى أساسًا في السؤال: ما هو متوسط ​​HHI الجغرافي بين المرضى الذين عولجوا من قبل مستشفى معين؟

هناك طريقة أخرى للتعامل مع هذا وهي طرح سؤال مختلف قليلاً: بين المناطق الجغرافية حيث "يتنافس" مستشفى معين مع المستشفيات الأخرى للمرضى ، ما هو إجمالي حصة السوق لكل مستشفى؟ يمكننا بعد ذلك استخدام ملفات أولئك حصص السوق لإنشاء مقياس HHI خاص بالمستشفى. سوف نسمي هذا منافسة مشتركة نهج لمستشفى HHI.

(لاحظ أنني أستخدم مصطلحي "تنافس" و "منافسة" هنا بشكل فضفاض إلى حد ما ، حيث إن كل ما نعرفه هو أن مستشفيين يجتذبان المرضى من نفس الرمز البريدي لا نعرف على وجه اليقين ما إذا كانا يتنافسان بالفعل على هؤلاء المرضى. على سبيل المثال المتطرف ، قد يجتذب كل من مستشفى الأطفال ومستشفى الرعاية الحادة العامة للبالغين المرضى من نفس الرمز البريدي ، ولكن من غير المحتمل أن يكونوا في الواقع يتنافسون مع المرضى. ومع ذلك ، في البيانات المستخدمة هنا ، نحن نعتمد على مرضى FFS Medicare - لذلك قد يكون من الواقعي افتراض وجود مستشفيين يتنافسان على هؤلاء المرضى).

بشكل رسمي أكثر ، المنافسة التي يواجهها مستشفى معين (ض) في جميع مستشفيات j = 1،…، J يمكن التعبير عنها كـ

HHI للمستشفى ض لذلك تُعطى بالمعادلة التالية:

يتم توفير HHIs الخاصة بالمستشفى للمثال أعلاه ، وبناءً على هاتين الطريقتين ، في الجدول أدناه.

مستشفى كم جي سي
HOSP_A 4735 3087
HOSP_B 4505 2706
HOSP_C 3928 3450
HOSP_D 8464 6159

كيف تقارن هذه الأساليب؟

السؤال الأول الواضح الذي يجب طرحه هو: لماذا تسفر هذه الأساليب عن مقاييس مختلفة للصحة الصحية؟ يتلخص أحد الأسباب أساسًا في الفرق بين مجموع المربعات (KM) ومربع المبالغ (JC). أي أن نهج KM يحسب HHI على مستوى ZIP (أي مجموع حصص السوق المربعة في كل ZIP) ، ثم ينشئ HHI الخاصة بالمستشفى بناءً على مبلغ مرجح. على سبيل المقارنة ، يلخص نهج JC أولاً حصص السوق على مستوى ZIP ، ثم يربّع تلك الحصص السوقية لإنشاء HHI الخاص بالمستشفى.

يمكن أن يساعد مثال بسيط آخر في التفريق بين الطريقتين. لنفترض أن المستشفى A يستقطب 50٪ من 20 مريضًا من ملف ZIP حيث يسحب كل من المستشفى A و B و C 1/3 من حصص السوق (10 لكل منهما). يتم سحب 50٪ من المرضى الـ 20 الآخرين من رمز بريدي حيث يسحب A و B 50٪ من حصص السوق (أي أن المستشفى C لا تجتذب أي مرضى من ZIP 2).

تم تصوير تمثيل بسيط لهذا السيناريو في المصفوفة ثنائية الأجزاء أدناه:

سيكون HHI الخاص بالمستشفى A في إطار نهج KM هو 4،167 (أي أن 50 ٪ من مرضاها يأتون من ZIP مع HHI من 3333 و 50 ٪ من ZIP مع HHI من 5000).

بشكل عام ، ومع ذلك ، فإن المستشفى A يجتذب ما مجموعه 20 مريضًا و "يتنافس" مع B و C في المناطق التي يمكن أن يجذب فيها 20 مريضًا إضافيًا في المستشفى B (10 من كل ZIP) و 10 من المستشفيات C (فقط من الرمز البريدي 1).

من بين هذه المناطق الجغرافية "التنافسية المشتركة" هنا العدد الإجمالي للمرضى:

يُترجم هذا إلى حصص السوق "التنافسية المشتركة" التالية (النسب المئوية للصفوف):

هذا يترجم إلى مقياس HHI البالغ 3600 ، وهو أقل بكثير من HHI البالغ 4167 في إطار نهج KM.

ينبع الاختلاف الرئيسي من علاج حقيقة أن Hopsital C لا تجتذب المرضى من ZIP 2 ، وبالتالي فإن ZIP 2 أكثر تركيزًا. تفترض طريقة KM أساسًا أن المستشفيات تميز بين المرضى بناءً على القدرة التنافسية لجغرافيتهم السكنية. أي أن ZIP 2 أكثر تركيزًا ، لذلك يتلقى المستشفى A قيمة HHI أعلى وفقًا لطريقة KM بسبب هذه الحقيقة. وبالمقارنة ، فإن طريقة JC لا تعكس هذا الافتراض أنها حيادية فيما يتعلق بمستوى تركيز منطقة جغرافية معينة. لا أزعم أنني أمتلك معرفة كافية باستراتيجية hopsital لأقول بشكل قاطع ما إذا كانت إحدى الطرق متفوقة على الأخرى أم لا - ولكن من المهم فهم الافتراضات التي تضعها كل طريقة.

مقارنة الموقع الجغرافي وتدفق السكان مقاييس HHI

توضح المجموعة التالية من الخرائط كيف أن طرق إنشاء HHI المختلفة تعطي إجابات مختلفة لنفس تعريف السوق الجغرافي. سننظر في كل من HRRs و CZs لهذا المثال ، ونركز على خرائط TN و NC و VA و KY (على الرغم من أن البيانات الأساسية تغطي الولايات المتحدة بأكملها). كانت المنطقة الجغرافية عند تقاطع هذه الولايات مؤخرًا محور اندماج كبير لنظامين صحيين كبيرين (Mountain States Health Alliance ونظام Wellmont الصحي) الذي لفت الانتباه بسبب مخاوف مكافحة الاحتكار.

لإنشاء هذه الخرائط تم استخدام الطريقتين أعلاه ، مع التفاصيل المحددة التالية.

العينة عبارة عن مستشفيات الرعاية الحادة العامة المحددة في بيانات مسح AHA السنوي لعام 2017.

نحدد مقاييس HHI على مستوى النظام ، وليس على مستوى المستشفى. وبالتالي ، يتم تجميع جميع مستشفيات HCA في صف HCA واحد.

بالنسبة لطريقة HHI للموقع الجغرافي ، نحدد جميع المستشفيات داخل المنطقة الجغرافية. ثم نقوم بعد ذلك ببناء مقاييس HHI بناءً على حصص السوق التي حددها FFS Medicare Patients لاحظ أن هذا يسمح لنا بالتوافق مع تعريف المريض المستخدم في طريقة تدفق المريض ، كما هو موضح أدناه. في الممارسة العملية ، أسفر هذا عن مقاييس HHI متطابقة تقريبًا عند استخدام إجمالي القبول ، كما هو موضح في المؤامرة أدناه.

بالنسبة لأساليب HHI بالمستشفى ، نقوم أولاً بإنشاء HHIs الخاصة بالمستشفى ثم نقوم بإنشاء متوسط ​​مرجح لهذه HHIs ، مع تحديد الأوزان بناءً على جزء المرضى على المستوى الجغرافي الذين يذهبون إلى كل مستشفى.

  • بالنسبة لطريقة تدفق المرضى ، استخدمنا ملفات منطقة خدمة مستشفى CMS لعام 2017 لإنشاء مقاييس HHI على مستوى ZIP. استندت إجراءات HHI على مستوى الرمز البريدي إلى المستشفيات التي تمت زيارتها بين مرضى FFS Medicare في كل رمز بريدي. قمنا بعد ذلك بتجميع مقاييس مستوى ZIP هذه إلى مستوى HRR أو CZ باستخدام متوسط ​​مرجح (مع الأوزان المحددة بواسطة إجمالي حجم المريض FFS Medicare من ZIP).

يتم توفير خرائط لكل تعريف سوق جغرافي (HRR ، CZ) وطريقة إنشاء HHI (الموقع الجغرافي ، تدفق المرضى) أدناه.

يمكننا أن نرى هنا أن طريقة الموقع الجغرافي أنتجت خريطة HRR مجزأة بشكل أكبر ، حيث تتراوح الموارد البشرية المجاورة من التركيز العالي إلى غير المركز. باستخدام طريقة تدفق المريض (مجمعة على HRR أو CZ) ، نرى أن الخريطة تتساوى إلى حد كبير. والجدير بالذكر أن المناطق تميل إلى أن تصبح أكثر تركيزًا ، على الرغم من أن بعض المناطق التي تبدو شديدة التركيز باستخدام طريقة الموقع الجغرافي تصبح أقل تركيزًا عند استخدام تدفقات المرضى. بعبارة أخرى ، يبدو أن طريقة تدفق المريض تتساوى مع بعض الحواف الخشنة التي تظهر في خرائط الموقع الجغرافي.

ومن الملاحظ أيضًا أن طريقة تدفق المريض أسفرت عن خرائط متشابهة جدًا عند استخدام HRRs مقابل CZs. يرجع ذلك جزئيًا إلى البناء ، نظرًا لأن كلاهما يعتمد على نفس البيانات الأساسية على مستوى ZIP. ولكن من المدهش أن نرى في اللوحات العلوية كيف يمكن لمقاييس HHI المختلفة أن تستخدم طريقة الموقع الجغرافي لـ CZs و HRRs. على وجه الخصوص ، تحدد HRR بعض المناطق على أنها غير مركزة بينما تتركز المنطقة نفسها بشكل كبير تحت مقياس CZ HHI.

تجانس مقاييس HHI

في هذا القسم سننظر في بعض التحليلات الأساسية إلى حد ما لمسألة التجانس. كما هو مذكور أعلاه ، قد يكون أحد الشواغل الرئيسية لمقاييس HHI هو أن موقع المستشفى وتدفق المرضى قد يتم تحديدهما داخليًا وفقًا لجودة المستشفى: قد يقع مستشفى جديد بالقرب من مستشفى ضعيف الأداء (أو على العكس من ذلك ، قد يقع بعيدًا عن مستشفى جيد ). أو قد يرغب المرضى في السفر لمسافات أبعد إلى مستشفى "جيد". إذا كان هذا هو الحال ، فقد تجذب المستشفيات عالية الجودة المزيد من المرضى - وبالتالي ، قد يشير مقياس HHI إلى أن هذه المستشفيات تعمل في أسواق "مركزة". هذا يعقد أي نوع من التحليل قد نرغب في إجرائه ، على سبيل المثال ، لفحص العلاقة بين تركيز السوق والأسعار أو نتائج المرضى. بمعنى ، إذا كان لدى مستشفى يعمل في سوق "مركزة" أسعارًا أعلى ، فمن المستحيل فصل الجزء الذي يتم تفسيره بتركيز السوق بدلاً من القدرة على فرض أسعار أعلى لأنها ذات جودة أعلى. بدلاً من ذلك ، قد نجد أن المستشفيات في الأسواق المركزة تحقق نتائج أفضل للمرضى - ولكن قد تكون هذه قصة جودة أكثر من قصة قوة السوق.

هل هناك علاقة بين المسافة المقطوعة وحصة السوق؟

مع وضع هذه المشكلات في الاعتبار ، دعنا الآن نستكشف بإيجاز العلاقة بين المسافة المقطوعة وحصة المستشفى في السوق. سنعتمد مرة أخرى على بيانات ZIP الخاصة بالمستشفى لعام 2017 من CMS. على وجه الخصوص ، باستخدام هذه البيانات ، يمكننا ، لكل مقارنة ZIP-Hospital ، حساب المسافة التقريبية المقطوعة (باستخدام ZIP centroids وبيانات خطوط الطول والعرض الخاصة بالمستشفى من AHA). يمكننا أيضًا استخدام نفس البيانات لحساب حصة السوق من خلال معرّف نظام المستشفى ، وأخذ المتوسط ​​المرجح للمسافة المقطوعة (مرجحة بحجم المريض من الرمز البريدي) بواسطة معرّف نظام المستشفى.

نرسم العلاقة بين الحصة السوقية والمسافة المقطوعة أدناه. على اليسار توجد العلاقة غير المعدلة ، والمخطط هو منحنى LOESS. نرى هنا (ليس من المستغرب) أنه مع زيادة المسافة المقطوعة ، تنخفض حصة السوق بشكل خطي تقريبًا.

لكن هذا ليس مثيرًا للاهتمام لأنه يعكس على الأرجح التباين الكبير في المسافات التي يجب أن يسافر بها الأشخاص من رموز بريدية مختلفة في الولايات المتحدة. ما كنا حقا تريد هو الاختلاف في المسافة المقطوعة في غضون كل ملف مضغوط إلى مستشفيات مختلفة في المنطقة.

نرسم هذا المستوى من التباين في منحنى LOESS في أقصى اليمين. ترسم هذه اللوحة المسافة المتبقية ومقاييس الحصة السوقية بناءً على تأثير الرمز البريدي الثابت. لاحظ أن هذه المقاييس المتبقية يتم إنشاؤها بناءً على التحقير على مستوى الرمز البريدي ، ثم إعادة المعنى بناءً على متوسط ​​العينة الكلي لإعادة وضعها (تقريبًا) على المقياس الأصلي.

نرى هنا بعض الأدلة على أن الأشخاص من نفس ملف ZIP يرغبون في السفر لمسافات أبعد. على مسافات منخفضة نسبيًا (على سبيل المثال ، ضمن أميال قليلة من الاختلاف) ، توجد علاقة إيجابية بين المسافة المقطوعة في حصة السوق. ولكن بعد ذلك ، على مسافات أكبر بين ZIP والمستشفى ، تضعف هذه العلاقة ثم تصبح سلبية. لذلك قد يكون المزيد من الأشخاص من نفس برنامج ZIP على استعداد للسفر إلى أماكن أبعد - ولكن ليس بعيدًا - للوصول إلى مستشفيات "أفضل". يمكننا استكشاف ما إذا كانت هذه المستشفيات ذات المسافات الطويلة ذات جودة أعلى في مرحلة ما لاحقًا.

تركيز السوق بمرور الوقت

يقرأ الملف R / animate-hospital-hhi.R في مجموعة بيانات اللوحة لمقاييس HHI المرتكزة على تدفقات مستشفى ZIP المجمعة إلى منطقة التنقل وتحريك التغيير في HHI لكل منطقة تنقل منذ عام 2010. لاحظ أنه من حيث المبدأ يمكن أن تكون السنوات السابقة تم تقييمها ، ومع ذلك ، فإن ملفات منطقة خدمة CMS متاحة فقط منذ عام 2010.

تركيز السوق في أسواق التأمين

سنوجه انتباهنا الآن إلى حساب مقاييس HHI على جانب شركة التأمين في المعادلة. يتم الحصول على البيانات الخاصة بحصص شركة التأمين في السوق من مساح الأسواق المُدارة (MMS) من مجموعة Decision Resources Group. تشكل بيانات رسائل الوسائط المتعددة العمود الفقري لبيانات HealthLeaders-InterStudy المستخدمة في الأبحاث السابقة حول منافسة شركات التأمين (Fulton 2017 Trish and Herring 2015). توفر بيانات MMS معلومات تسجيل الخطة على مستوى شركة التأمين على مستوى المقاطعة. يتم تقديم التسجيل بشكل عام ومنفصل حسب نوع السوق (تجاري مؤمن بالكامل ، مؤمن تجاري ذاتي ، ميديكير أدفانتج ، ميديكيد للرعاية المدارة ، والتأمين غير الجماعي المتوافق مع ACA) يُشتق التسجيل لمقاطعة إقامة المسجلين ، وليس مقاطعة صاحب العمل أو شركة التأمين. يتم الحصول على بيانات MMS مباشرة من الخطط الصحية ، ومسح التعداد الأساسي للخطط لديه معدل استجابة 88 ٪ ، يغطي ما يقرب من 94 ٪ من حياة المؤمن عليهم في الولايات المتحدة (التواصل الشخصي مع DRG في 8/26/16). يتم استخدام بيانات MMS بشكل روتيني من قبل الخطط الصحية وشركات الأدوية لتحليلات السوق.

أولاً ، دعنا نقارن مقاييس HHI الإجمالية من خلال تعريفات السوق الجغرافية المختلفة:

دعنا الآن نركز على مقياس على مستوى المقاطعة ، ونرسم مقاييس HHI حسب قطاع السوق:

يثبت بناء مقاييس HHI على مستوى الطبيب أنه الأكثر تحديًا لأنه من الصعب الحصول على بيانات على مستوى المريض حول مكان حصولهم على خدمات الطبيب. وبالتالي ، يجب اعتماد طريقة الموقع الجغرافي ، مما سيؤدي إلى مزيد من التباين بشكل كبير في مقاييس HHI عبر مناطق جغرافية مختلفة (على سبيل المثال ، PCSAs مقابل CZs مقابل HRRs)

تعد بيانات SK & ampA أساس مقاييس HHI للأطباء العاملين في المكتب ، كما هو موضح في Richards et al. (2017).

نقوم ببناء ثلاثة مقاييس مختلفة لمؤشر Herfindahl ‐ Hirschman (HHI) لأسواق الأطباء…. يعكس كل مقياس تخصيص وتنظيم جميع الأطباء المتخصصين في منطقة جغرافية معينة. بعبارة أخرى ، نحدد ما إذا كان لدى شركة التأمين عدد قليل نسبيًا أو العديد من ممارسات الطبيب للتفاوض بشأنها فيما يتعلق بوصول المنتسب ومدفوعاته (بالإضافة إلى الشروط التعاقدية الأخرى).

    يقوم بإعداد جميع المكتبات والإعدادات. يتحرك ألاسكا وهاواي في الخريطة. يحدد معلمات التخطيط والموضوع لرسم الخرائط. يحصل على بيانات جغرافية النقطه الوسطى والمتجاورة لأي كائن شكل أساسي. يقوم بإنشاء ممر ZCTA إلى رمز FIPS من موقع ويب MAPLE الجغرافي.

ينشئ الملف R / build-County-map-data.R بيانات خرائط متوافقة مع ggplot لمقاطعات الولايات المتحدة (الإخراج / tidy-mapping-files / County / df_county.rds). كما أنه يستخرج المقاطعات المتجاورة ويقدر النقط المركزية للمقاطعات (الإخراج / ترتيب الخرائط-الملفات / المقاطعة / df_county_info.rds).

ينشئ ملف R / build-rating-area-data.R بيانات خريطة منطقة تصنيف ملائمة لـ ggplot استنادًا إلى تعريفات منطقة تصنيف السوق اعتبارًا من 2019-01-23 (هذه بالكاد تغيرت ، إن وجدت ، بمرور الوقت). يقوم البرنامج الفرعي R / build-rating-area-file-from-cciio-website.R بقراءة جداول HTML من موقع CCIIO على الويب ، والتي تسرد المقاطعات أو ZIP3 لكل منطقة تصنيف. ينشئ البرنامج أيضًا بشكل منفصل مناطق تصنيف ZIP مكونة من 3 أرقام لمقاطعة لوس أنجلوس - وهي المقاطعة الوحيدة في كاليفورنيا التي تستخدم ملفات ZIP المكونة من 3 أرقام ، ومع ذلك ، فإن الرموز البريدية المكونة من 3 أرقام في مقاطعة لوس أنجلوس تمتد أيضًا إلى مقاطعات أخرى ، مما يتطلب مزيدًا من المعالجة للحصول على التقاطع .

ينشئ ملف R / build-dartmouth-geography-data.R بيانات رسم خرائط متوافقة مع ggplot لمناطق Dartmouth Atlas بما في ذلك منطقة إحالة المستشفى (HRR) ومنطقة خدمة المستشفيات (HSA) ومنطقة خدمة الرعاية الأولية (PCSA). كما أنه ينشئ ملف بيانات مدرجًا على مستوى السوق الجغرافي ، والذي يحتوي على بيانات عن النقط الوسطى والأسواق المجاورة. لاحظ أن أساس هذه الملفات هو ملفات ZIP إلى HRR / HSA و PCSA المتقاطعة المتاحة للتنزيل على موقع NBER وفي الإصدارات المؤرشفة من صفحة ويب Dartmouth Atlas. هناك أيضًا ملفات أشكال تم إنشاؤها بالفعل ومتاحة للاستخدام على موقع Dartmouth المؤرشف - على الرغم من أنني وجدت صعوبة في العمل معها (على سبيل المثال ، لم أستطع بسهولة استخراج المناطق الجغرافية المتجاورة باستخدامها ، حيث يمكنني ذلك من خلال إنشاء ملف أشكال HRR / HSA / PCSA من خريطة ZCTA)

ينشئ الملف R / build-commuting-zone-data.R بيانات خرائط متوافقة مع ggplot لمناطق التنقل المحددة باستخدام تعداد عام 2000. يمكن العثور على بيانات منطقة التنقل من المقاطعة إلى منطقة التنقل على موقع الويب الخاص بوزارة الزراعة الأمريكية.


إنشاء مضلع من ثقب المضلع؟ - نظم المعلومات الجغرافية

أهلا! تتناول هذه المدونة تقنية Tableau لبناء المضلعات ، والتي اكتشفتها بأفضل طريقة: اتخاذ تحدٍ جيد!

في البداية ، فكرت في استخدام هذه التقنية لتكبير الصور ، من باب المجاملة براين بريستيدج العظيم وإلهامًا لأحدث فائز Iron Viz. ومع ذلك ، ليس لدي ترخيص رسام ، مثل معظمنا.

نعم ، كان بإمكاني استخدام نسخة تجريبية مدتها 15 يومًا ، لكنها كانت ستجعلها تجربة طلقة واحدة: كان ينبغي أن تكون هناك طريقة أفضل - وقابلة للتكرار - للقيام بذلك. وكان هناك!

إنه يتضمن بشكل أساسي بعض التحضير للصورة t0 ، ثم قم بتوجيهها ، ثم هذا الماكرو Alteryx لتحويل الصورة إلى مضلعات (يمكنك أيضًا استخدام excel لهذا الجزء ، لكن الأمر سيستغرق وقتًا أطول).

أدناه سوف أشرح خطوة بخطوة كيفية إنشاء مضلعات جاهزة Tableau من أي صورة.

عملية التوجيه

أولاً ، تحتاج إلى "توجيه" الصورة ، أي تحويلها إلى أشكال. بعد بحث سريع في google ، وجدت برنامجًا مجانيًا مفتوح المصدر لهذا الغرض ، يُدعى إنكسكيب.

عملية التوجيه في إنكسكيب سهلة للغاية:

استيراد الصورة إلى البرنامج - أقترح تنشيط محرر XML ضمن قائمة "تحرير"

حدد صورتك ، وضمن "المسار" اختر "تتبع الصورة النقطية". هذه هي الأداة التي ستحول صورتك إلى أشكال: هناك عدة خيارات وخوارزميات متاحة ، أقترح عليك تجربة أكثر من واحدة ، حتى تكون راضيًا عن النتيجة

اختر الآن أداة "Select Path by Node" من الشريط الموجود على الجانب الأيسر () ، عد إلى "المسار" واختر "تفكك" ، لإنشاء مضلع واحد لكل شكل في الصورة

إذا كان كل شيء يعمل بشكل جيد ، فيجب أن تكون قادرًا على تحديد كل شكل ككائن منفصل

الآن ، قم بإجراء "ctrl + shift + p" لفتح نافذة "الخصائص" ، وتأكد من تحديد "مطلق" كتنسيق سلسلة المسار الخاص بك.

هذا يعني أنه عند حفظ ملف svg ، سيتم تسجيل الإحداثيات على أنها مطلقة وليست متعلقة بالنقطة السابقة. يمكنك المضي قدمًا وحفظ الصورة كملف SVG.

نظرًا لأن ملف SVG هو في الواقع ملف XML ، فنحن على استعداد لتحليل إحداثيات المضلعات الخاصة بنا!

تحويل الصورة إلى مضلعات

هكذا تبدو صورة SVG عندما تفتحها من خلال IDE (أنا أستخدم Brackets ، لكن يمكنك استخدام المفضلة لديك ، أو حتى المفكرة).

نظرًا لأنه يمكنك تحديد المكان بسهولة ، فقد تم تقسيم صورتك إلى أشكال فردية ، مع الإحداثيات ذات الصلة: تشير إحداثيات "M" إلى "تحريك" ، بينما يرمز الحرف "C" إلى "Curve" و & # 8220Z & # 8221 إغلاق المسار.

لا داعي للقلق حقًا بشأن أنواع الإحداثيات المختلفة ، حيث تقوم بتعيين الإحداثيات لتكون نقاطًا مطلقة.

الآن ، إذا كان لديك ترخيص Alteryx ، يمكنك فقط تنزيل هذا الماكرو ، وفتح صورتك باستخدام أداة إدخال وقول & # 8220 اقرأ كـ XML & # 8221 ، مع التأكد من تحديد كل من الجذر و XML الخارجي.

قم بتوصيل هذا الإدخال في الماكرو ، وسيكون لديك TDE مع المضلعات الخاصة بك. يسمح الماكرو أيضًا بمتابعة سير العمل ، إذا كنت بحاجة إلى العمل عليه بإضافة طبقات من البيانات إلى المضلعات الخاصة بك.

الطريقة التي يعمل بها هذا الماكرو بسيطة إلى حد ما: فهي تقرأ الصورة في الأساس بتنسيق xml ، وتحلل إحداثيات كل نقطة على أنها "X" و "Y" ، ومعرف المضلع باسم "PolygonID" ، والمسار باسم "PathID" .

عليك فقط التأكد من وجود "X" في الأعمدة و "Y" في الصفوف (قد تحتاج أيضًا إلى التراجع عن المحور) ، وأنت على ما يرام!

هذه هي نتيجتي النهائية على Tableau Public:

انقر على الصورة للذهاب إلى المعنى.

إذا لم يكن لديك ترخيص Alteryx، فإن عملية تحليل الإحداثيات من XML هي بالتأكيد أطول وأكثر إيلاما. في النهاية ، ما تحتاجه هو تحليل X و Y لكل نقطة من كل مسار ، وتعيين رقم متصل (معرف المسار) لكل نقطة من 1 إلى نهاية كل مسار. إذا قمت بنسخ xml إلى excel ، فيمكنك استخدام اثنين من وحدات الماكرو والوظيفة الإضافية Tableau للحصول على التفوق ، لمساعدتك.

إخلاء المسؤولية: تعمل هذه الطريقة مع أي صورة يمكنك تحويلها إلى اتجاه. بالطبع ، كلما كانت الصورة أسهل ، كانت النتيجة أفضل. في النهاية ، إذا كان لديك صورة معقدة لتكبيرها بشكل مضلع ، فستعمل القطعة الصعبة في إنكسكيب ، حتى تحصل على المسارات الصحيحة.


شاهد الفيديو: حرك عودا واحدا لتحصل على مربع. اسهل الالغاز التي تتعب عقلك