快乐与健康？
类型: 与City Science Lab Hamburg的合作项目, 6人小组项目
方向: Data Visualization, Web Design
年份: 10.2018 - 02.2019
地点: University of Applied Sciences Potsdam (德国)
%201.png){kind=small}
背景：在与汉堡城市科学实验室的合作中，我们试图完成一个关于汉堡市社会基础设施的数据可视化。基于现有的数据，我们决定将研究的问题定义为：社区的哪些特征决定了人们对医疗基础设施（HCI）的访问水平。我们提出疑问——除了HCI的位置之外，还有哪些因素可以成为这个问题的潜在指标。然后我们想到也许街区居民的收入状况水平会是一个重要指标。根据2016年的收入中位数，即每月约1600欧元，我们将汉堡市各区分为三组，并通过分析各组居民人数与医疗基础设施的比例来验证我们的猜想。
调研问题
社区的哪些特征决定了获得医疗基础设施的机会？
假说设计 - 地位
一个地区的地位越高，获得医疗保健基础设施的机会就越多。
-
地位：地位=平均收入/街区
-
接入性
-
访问水平_注册医生 = 居民数量
-
注册医生访问水平_普通医生 = 居民数量
-
普通医生访问水平_HCI = 居民数量 / HCI
-
收入水平分组
-
高收入：> 48.000, 欧元/每年
-
中高收入：32.000-48.000，欧元/每年
-
低收入：<32,000，欧元/每年
可使用的 HCI 数据
-
综合医院
-
药房
-
牙医诊所
-
注册医生
-
理疗师
计算 与 分析
根据每位普通医生负责的居民人数最大为1.600名这个法律准则，我们用这个基准来计算每个街区的普通医生和注册医生的分布：
-
服务不足：每个医生所服务的居民超过1.600人的地区。
-
服务过剩：每个医生所服务的居民少于800人的地区。
-
严重服务过剩：每位医生所服务的居民少于400人的地区。
在第二步，我们计算了居民访问每个HCI的比例。这里没有统一的准则，所以我们定义了一个准则值，即每个医疗基础设施服务于1000名居民。
潜在误差
-
数据收集：收入数据与HCI数据不是收集于同一年。
-
我们采用了实体HCI的角度，而忽略了公园和娱乐等非实体的HCI的情况。
-
对注册医生的采用了与普通医生相同的法律准则。
-
按街区划分研究的访问水平是一种简化。
发现
-
街区人口密度和HCI访问水平之间有轻微的关系。然而，即使在不太密集的社区，汉堡市HCI的访问水平仍然低于1000名居民/HCI的门槛。
-
地位和HCI访问水平之间的关系：在低收入地区有足够的HCI机会，但不包括获得 "普通医生"。然而，HCI的最大盈余集中在高收入地区。
-
→ 医疗服务的不平等的访问水平在空间上实现
数据可视化
