The current issue and full text archive of this journal is available at

oferta de médicos y la
REGULAR ARTICLE demanda de la
Evaluación comparativa de la ubicación población. Ambos están
distribuidos
de los centros de salud en la ciudad de espacialmente, pero es
Jeddah: un enfoque SIG raro que sus
distribuciones se adaptan
perfectamente
Abdulkader Ali Murad
Department of Urban and Regional Planning, King Abdulaziz University,
Jeddah, Saudi Arabia Benchmarking
the location
RESUMEN: of health centers
Propósito - El propósito de este trabajo es discutir una aplicación SIG creado para la
planificación de la asistencia sanitaria en la ciudad de Jeddah, Arabia Saudita. La aplicación
abarca importantes cuestiones de planificación de los centros de salud, incluyendo la definición
de la accesibilidad a los centros de salud, identificación y clasificación de la distribución de la 93
demanda de salud en la ciudad de Jeddah y modelar la variación espacial de las localizaciones de
los pacientes.
Diseño / metodología / enfoque - Para construir esta aplicación, una base de datos geográficos se
crea que cubre puntos, líneas y polígonos características tales como la ubicación de centro de
atención a la salud, la red de carreteras y los distritos de población. Además, los modelos de
superficie de la trama se producen usando la función de Kriging que produce superficies de
trama para predecir los valores de demanda de salud en el área de estudio.
Conclusiones - Los resultados de esta aplicación se pueden utilizar para ayudar a los
planificadores de salud en la evaluación de la situación actual de los establecimientos de salud y
ver si estas zonas se concentran en ciertos barrios de la ciudad. Además, los planificadores de
salud locales pueden utilizar los modelos creados al momento de decidir dónde asignar un nuevo
centro de salud en la ciudad de Jeddah.
Originalidad / valor - Esta aplicación se considera como un sistema de apoyo a la decisión
espacial para los planificadores de salud en la ciudad de Jeddah. Puede ser utilizado para definir
y evaluar la ubicación de centros de salud, así como para identificar la accesibilidad espacial de
los centros de salud.
1. Introducción
Los establecimientos de salud en cualquier región se pueden dividir en dos tipos
principales que se conocen como centros de atención primaria y hospitales. El primero
proporciona servicios básicos de atención de la salud y la última proporciona servicios
para el tratamiento de la salud especialista. Las autoridades de salud siempre han
tenido como objetivo proporcionar atención médica para todos los residentes que
utilizan una política de acceso justo que se caracteriza por ofrecer el servicio adecuado Benchmarking: An International
en el momento adecuado en el lugar correcto (Murad, 2006). Para garantizar una Journal
Vol. 19 No. 1, 2012
adecuada planificación de la atención de la salud, los planificadores de servicios de pp. 93-108
salud y los responsables políticos necesitan medidas precisas y fiables de los centros de q Emerald Group Publishing Limited
1463-5771
salud para que las áreas de escasez de verdaderos servicios pueden ser identificados DOI 10.1108/14635771211218380
con precisión y los recursos asignados a las zonas necesitadas para aliviar el problema.
La planificación del cuidado de la salud en un lugar determinado se ve influida por
muchos factores, incluyendo la disponibilidad de los servicios de salud en la zona (de
alimentación), el número de personas que viven en ese lugar (la demanda), el estado de
salud de la población, los recursos socio-económicos y financieros a disposición de la
población, el conocimiento de las personas sobre la salud y el sistema de salud, y la
impedancia geográfica entre los servicios de población y salud (Luo y Qi, 2009). Entre
los muchos factores que influyen en los servicios de salud, dos de ellos son críticos: la
BIJ Uno de los principales problemas de salud que los planificadores necesitan cubrir en
19,1 cualquier área construida es en relación con la evaluación de la accesibilidad de la
salud. Las medidas de accesibilidad geográfica tienen también ha propuesto y crítica
en la literatura planificación y la geografía médica (Guagliardo et al., 2004). Estas
medidas van desde la conceptualmente simple recuento del número de instalaciones
dentro de una distancia especificada desde una ubicación dada a los modelos de
94 interacción espacial más sofisticados. Estas medidas se pueden implementar
utilizando sistemas de información geográfica (SIG). SIG juega un papel esencial en
ayudar a las organizaciones de salud pública entienden salud de la población y tomar
decisiones. Con las poderosas herramientas y soluciones que aporta la tecnología SIG
en el escritorio, los planificadores de salud pueden mejorar la comprensión de las
necesidades de salud de la comunidad y el diseño eficaz intervenciones. La tecnología
SIG ofrece soluciones variadas, incluyendo los que mejoran la recolección de datos y
elaboración de informes y otros que apoyan la vigilancia de enfermedades.
El análisis con el mapeo en línea y estadística espacial. Además, GIS, mejorar la
capacidad de comunicarse con varios situación de salud, tales como la contaminación
del medio ambiente, a los tomadores de decisiones. Los SIG se puede utilizar para
varios estudios de salud. Los ejemplos de estos estudios incluyen el examen de las
tasas de enfermedad, el examen de las variaciones en la salud y el uso de los servicios
de salud.
Wilkinson et al. (1998) abordan las posibles aplicaciones de los SIG en la salud
estudios geográficos. Estas aplicaciones son: mapeo de la enfermedad y geográfica
estudios de correlación, los patrones de uso de los servicios de salud y el acceso, los
peligros ambientales y grupos de enfermedades, y la modelización de los impactos en
la salud de los peligros ambientales.
Jacquez (1998), agregó que los SIG se podrían utilizar para la evaluación de la
exposición, la identificación de las poblaciones de estudio, mapeo de la enfermedad, y
la vigilancia de la salud pública. Hay varios ejemplos en la literatura que discuten la
aplicación SIG potencial en la atención sanitaria planificación de las instalaciones.
Por ejemplo, los SIG se utiliza en usado para la enfermedad vectorial monitoreo
transmitidas, las enfermedades transmitidas por el agua, la salud ambiental, el
modelado de la exposición a campos electromagnéticos, la cuantificación de los
riesgos del plomo en un barrio, la predicción de lesiones de peatones niño y para el
análisis de la política de enfermedades y planificación (Coggon et al., 1997).
Rytkönen et al. (2003), discutido una aplicación GIS interesante para el análisis de la
incidencia de la diabetes tipo 1 en niños de Finlandia. Ellos observaron la incidencia de
la diabetes tipo 1 por cada 100.000 personas por separado en las zonas urbanas, zonas
rurales adyacentes, urbano-rural de salud y áreas remotas. Cerrito et al. (2003) presentó
otro estudio de salud basado en el SIG, que investiga la relación entre los factores
ambientales y la necesidad para el tratamiento de problemas pulmonares. Se considera
un caso interesante, que demuestre que la minería de datos de SIG, en combinación con
los resultados de salud, puede ser eficaz en la modificación de la investigación clínica.
Un ejemplo del uso de SIG y GPS en el cuidado de la salud es cuando se utilizan estas
tecnologías para trazar espacios de actividad de residencia, el uso de símbolos y elipses
de desviación estándar y los sitios donde la información de la diabetes tiene el potencial
para ser recibido, para una muestra de mujeres de bajos ingresos y los machos. Este
ejemplo muestra cómo "la prevención de la diabetes" proyectos puede utilizar las
herramientas de GPS y GIS para recopilar y registrar los espacios de actividad de 121
participantes y demuestra cómo este enfoque puede ser utilizado por profesionales de la
salud e investigadores para poner en práctica un programa de prevención de la diabetes
basado en la comunidad.
2. SIG y aplicaciones de cuidado de la salud: Fondo
Uno de los objetivos básicos de la planificación sanitaria en cualquier parte del mundo es tener
un acceso equivalente a la atención de la salud para todos, independientemente de su capacidad
de pago. Esto significa que cada residencia debe tener la oportunidad equivalente a ir a clínicas y
hospitales. Para cumplir con este objetivo y otros más, se requiere que las autoridades de salud
para hacer un análisis cuidadoso de las demandas reales y materiales de construcción de centros
de salud en sus áreas. Estos análisis y estudios se pueden clasificar en tres grupos principales,
que son:
(1) cambios espaciales en el estado de salud;
(2) la epidemiología espacial; y
(3) la asistencia sanitaria instalaciones accesibilidad y la utilización.
Cada uno de estos temas tiene una dimensión espacial, lo que significa que los SIG se puede usar
para sus estudios. La siguiente parte elaborará más en cada grupo e ilustrar los posibles usos de
los SIG en ellos.

2.1 cambios espaciales en el estado de salud

Uno de los hechos sobre el estado de salud en una escala micro / macro es que cambia a través del
espacio. Las autoridades de salud siempre investigar y analizar el estado de salud en sus áreas y
asegurarse de que las necesidades de salud están satisfechos. Definición localidad es considerada
como un tema importante para los estudios de planificación de atención médica instalaciones. La
idea aquí es determinar las clasificaciones socioeconómicas de la zona que rodea ciertos centros de
salud y, a continuación se relacionan los perfiles locales de una región con las necesidades de
atención médica. Una vez definido el estatus socio-económico de cualquier lugar, a continuación,
el SIG puede ser usado para mapear y tabular la distribución de dicha condición. Un buen ejemplo
del uso de SIG para la vinculación de los perfiles sociales con necesidades de salud se encuentra
por Hirschfield et al. (1995), que se han producido perfiles de los pacientes de un área de
influencia establecimiento de salud. Este tipo de estudios por lo general implican a juego, enviar
los datos de salud codificado con punto de referencia los datos socio-económicas de la zona, en
particular los indicadores de privación (Gatrell y Senior, 1999). Por ejemplo, el estado de salud
puede verse a través de la comparación de la cantidad real de moralidades en una zona con el
promedio nacional, teniendo en cuenta la edad y el sexo variaciones en la zona en cuestión (Birkin
et al., 1996). Aquí SIG puede ser utilizado con éxito para describir las variaciones espaciales de la
mortalidad en las partes de cualquier país. Una vez que se introduce en el SIG la tasa de
mortalidad de cada región, las herramientas de mapeo y análisis de SIG pueden aplicarse a
presentar las regiones que tienen altas tasas de mortalidad. Las regiones con altas tasas requieren
más atención por parte de las autoridades sanitarias con el fin de mejorar su estado de salud
existente. Además de la mortalidad, hay mucho otros indicadores del estado de salud que son
utilizados por las autoridades de salud, tales como las tasas de fecundidad, que ayudan a evaluar y
monitorear los servicios de salud necesarios.
2.1 EPIDEMIOLOGÍA ESPACIAL
La segunda área de investigación de atención médica se conoce como la epidemiología espacial.
Hay varias preguntas que se hacen comúnmente en estudios de epidemiología espacial, que
incluyen: donde se encuentran las incidencias? ¿Cuáles son las características ambientales de
estas áreas? ¿Cuáles son las relaciones entre las incidencias de salud y el medio ambiente en las
relaciones espaciales y marcar las diferentes informaciones socio-económico y ambiental a los
 datos de salud.
Hay varios estudios que han aplicado SIG para estas cuestiones. Por ejemplo Brown et al. (1991),
han utilizado SIG para el mapeo de las variaciones espaciales en la asistencia sanitaria en
Merseyside, UK.GIS también se ha utilizado en enfermedades de incidencia mapas sobre los
posibles tipos de población. Otro ejemplo de las aplicaciones SIG en epidemiología se llama el
sistema de información geográfica y entorno de la salud, que se está estableciendo en Europa por
la Organización Mundial de la Salud (Nicol, 1991). Se trata de la creación del conjunto de datos
europea entorno de ancho, y el objetivo es investigar las relaciones entre la salud y el medio
ambiente, a las políticas de ayuda y gestión (Nicol, 1991). La mayoría de los estudios
epidemiológicos espaciales deben basarse en un conocimiento preciso de la población. Por lo
tanto, son muy necesarios para estos estudios el acceso a los detalles de la composición de la
población y las características socioeconómicas. Estudios de epidemiología espaciales se refieren a
la búsqueda de buena descripción de incidencia espacial de enfermedades, así como el modelado
de tal incidencia. Una forma de describir la distribución espacial de una determinada enfermedad
es mediante la visualización de los mapas GIS choropleth que muestran la distribución espacial de
una enfermedad tal. En estos mapas, las tasas de enfermedad se trazan sobre el mapa base para
definir las zonas que están muy afectados por la enfermedad relacionada. Un análisis más
detallado y modelado de la incidencia espacial de enfermedades pueden llevar a cabo utilizando,
por ejemplo Kernal o técnica de estimación de la densidad que se utiliza en la predicción de la
variación espacial en el riesgo de enfermedades (Gatrell y Senior, 1999).

Cualquier estudio de atención de salud requiere un enorme conjunto de datos que necesitan ser
manejados y capturado en el software SIG. Una vez completado este paso, a continuación, los
usuarios de SIG y los investigadores se moverán a la siguiente etapa de la aplicación, los datos de
la etapa exploratoria. Gatrell y Senior (1999) definen los datos GIS etapa exploratoria como la
fase que va más allá del mapa, a la utilización de herramientas estadísticas en una vena informal
patrón de búsqueda. Se considera un área en la que se han ampliado los principales esfuerzos de
investigación. Este tipo de función se puede aplicar sobre las características de punto, línea o
polígono. Por ejemplo, focal y funciones de SIG locales se utilizan en los atlas electrónicos
modernos de mortalidad y morbilidad para destacar las áreas donde las tasas de enfermedad son
inusualmente alta o baja. software ArcGIS ha incluido estas funciones dentro de su extensión
análisis espacial que produce una salida de trama en la que el valor en cada lugar es una función
de las celdas de entrada en un cierto entorno específico de la ubicación. Además, el software
ArcGIS tiene una extensión muy útil conocido como el analista geoestadística, que puede ser
utilizado para el modelado de los datos basados en el punto de la salud, tales como la ubicación
de los pacientes, y puede crear fácilmente una superficie continua de puntos de muestra medidos
almacenados en un punto -feature capa. Se deriva una superficie utilizando los valores de las
localizaciones medidas para predecir los valores para cada ubicación en el paisaje. Una de estas
funciones se llama Kriging (que es utilizado por la aplicación se presenta) que se puede utilizar
para el modelado de datos de puntos de salud. Se considera como uno de los métodos de
interpolación deterministas que capaces de producir una superficie de predicción y
proporcionando algunas medidas de la certeza o exactitud de una predicción. Estudios sobre la
salud que se ven en la relación entre la contaminación del aire y el estado de salud pueden
utilizar esta función para definir la calidad del aire, en base a los puntos medidos de la muestra.
El estudio presentado se ha utilizado la función de Kriging con el propósito de mdeling flujos de
demanda de salud en la ciudad de Jeddah. Los resultados de esta función se discute en la
siguiente sección.
Aplicación de SIG para la planificación de la atención de salud Benchmarking
El objetivo de esta sección es discutir cómo SIG puede ser usado para the location
analizar la ubicación de los centros de atención de salud en Jeddah, Arabia
Saudita. La aplicación abarca importantes cuestiones de planificación de of health centers
cuidado de la salud que son:
● definir el nivel de accesibilidad a los centros de atención de la salud;
● identificar la distribución espacial de la demanda de atención médica; y 97
● el modelado de la distribución de la demanda de atención médica
mediante la función SIG Kriging.
El primer paso en la creación de esta aplicación era construir la base de
datos geográficos necesarios para los centros de atención de la salud.
En la siguiente sección se discutirá el proceso de construcción de esta
base de datos

3.1 La base de datos

Una de las principales tareas que deben mirarse con cuidado durante la construcción de
cualquier aplicación SIG, es con respecto a la creación de los datos requeridos y luego
la integración de estos datos dentro de la aplicación SIG. Estos datos se dividen en tres
características principales de datos GIS conocidos como puntos, líneas y polígonos.
datos de puntos se restauran como una sola coordenada x, y, con los atributos que
describen las condiciones de estos puntos. Por lo general, las características geográficas
que son demasiado pequeños para ser representados como líneas o zonas, que se crean
en los SIG como puntos de datos. Para esta aplicación, la ubicación de los centros
sanitarios de la ciudad de Jeddah se crea como una entidad de punto, y todos los datos
de atributos sobre los centros de salud, que incluyen médicos de número y cantidad de
dentista (Figuras 1 y 2) se guardan en la tabla de atributos de este archivo. La segunda
característica principal de datos GIS es la entidad de línea, que tiene una forma
unidimensional que representa las características geográficas demasiado estrecho para
presentarlo como área (Zeiler, 1999). software GIS almacena líneas como una serie de
x ordenados, coordenadas y, con los atributos relevantes. Para la solicitud presentada,
la red de carreteras de la ciudad de Jeddah se representa como una entidad de línea, con
atributos en cuanto a la duración y el tipo de cada vial en esta ciudad. La tercera
característica de datos GIS se conoce como fecha fijada en el polígono. Este tipo de
características se modela en SIG como una serie de segmentos que encierran un área y
forman un conjunto de área cerrada (Zeiler, 1999). la cobertura de los distritos de la
ciudad es un ejemplo de este tipo de datos SIG que se crea para el estudio presentado.
Esta cobertura incluye atributos como el nombre del distrito y la zona, y el tamaño de la
población y los hogares para cada distrito (Figura 3).

3.2 ACCESIBILIDAD A LA OFERTA DE SALUD

La literatura sobre las medidas de accesibilidad mostró una necesidad de indicadores
cuantitativos de la accesibilidad para los diferentes tipos de servicios públicos como la
sanidad (Murad, 2007). Tales indicadores servirían como instrumentos en las
comparaciones de accesibilidad en diferentes partes de la región y en la evaluación de
los planes alternativos para nuevas instalaciones de servicios y conexiones de
transporte. Ejemplos de indicadores de accesibilidad son: relación de proveedor-
población, distancia al proveedor más cercano, distancia media de un conjunto de
proveedores y modelos gravitacionales de influencia proveedor (Guagliardo et al.,
2004). Cada uno de estos indicadores se puede utilizar para evaluar la accesibilidad de
los centros de salud. La solicitud presentada ha seleccionado distancia al proveedor de
método y produce indicadores de accesibilidad a los centros de salud en la ciudad de
Jeddah. Una manera de definir la accesibilidad a los centros de salud es saber cómo los
pacientes viven lejos de sus centros más próximos. Sobre la base de las normas locales,
cada centro de salud debe cubrir un área de influencia se extiende a 2 kilometros
amplio radio. Con el fin de definir el nivel de forma accesible a los centros de salud, el
análisis SIG proximidad se utilizó y la salida de este modelo (Figura 4) clasifica a la
ciudad en diferentes zonas en función de la distancia entre la ubicación de la clínica y
los distritos de la ciudad. Sobre la base de esta salida, varias partes de la ciudad se
encuentran en áreas con más de 2 km de zona accesibilidad. Estas zonas están situadas
principalmente al norte y al este de la ciudad con un poco hacia el oeste.
BIJ
19,1

98

N
Red Sea
W E

No. of Physicians
1-2
3-4
5-6

7-8
Figure 1. Road
Classification of health
centers based on number
of physicians 10,000 0 10,000 Meters

Los resultados de esta función se muestran en la Figura 1 y está claro que hay varias partes de la ciudad
de Jeddah que no se encuentra dentro de las zonas de accesibilidad 2 km. Estos son principalmente el norte y el
este de la ciudad, así como algunas de las partes occidentales de la ciudad. También es evidente en esta figura
que los centros de salud existentes están sirviendo mayor área de captación del tamaño estándar. Sobre la base
de esta salida, hay diferentes partes de la ciudad de Jeddah que están teniendo servicio de baja accesibilidad de
la salud. Estas partes incluyen el distrito de Al Mohammadia situado al norte de Jeddah, y el distrito de Al
Hamra en el oeste de la ciudad.
 Benchmarking
the location
of health centers

99

N
Red Sea
W E

No. of Dentists
0
1
2
Road Figure 2.
Classification of health
centers based on number
10,000 0 10,000 Meters of dentists

Los planificadores de salud pueden utilizar este modelo para ayudarles a la hora de decidir
sobre dónde construir un nuevo centro de salud en la ciudad de Jeddah. Por ejemplo, las áreas
que se encuentran fuera de las zonas de accesibilidad 2 km se pueden usar como una guía para
la asignación de los nuevos centros de salud adicionales en la ciudad de Jeddah. Los
planificadores de salud y los oficiales puede presentar este modelo a las autoridades
regionales o nacionales de salud para preguntar sobre la construcción de nuevos centros de
salud en varias zonas de la ciudad.
BIJ
19,1

100

Figure 3.
The population
distribution in Jeddah city
districts
3.2 Identificación de distribución de la demanda de salud
Uno de los principales problemas que se cubran se presente solicitud está relacionada
con el uso de software de ArcGIS para describir la distribución espacial de los datos de
demanda de salud. Sin embargo, antes de cubrir esta cuestión era importante para
decidir acerca de la resolución espacial adecuada (unidad de análisis) para la aplicación
presentada. Una de las primeras preguntas que deben ser respondidas utilizando SIG
para la investigación en salud son: "¿cuál es el área de estudio apropiado de la escala o
el alcance geográfico del estudio?" Y "¿cuál es la unidad de análisis adecuado de la
resolución espacial?". En muchos casos, las respuestas a estas preguntas están
determinadas por:
●la disponibilidad de datos para todos los posible, la extensión geográfica conocida o
probable geográfica del problema a ser estudiado;
●la integración física, sistemas de transporte, factores culturales y las dinámicas sociales
de la región en particular;
●fronteras políticas y jurisdiccionales existentes;
 Benchmarking
the location
of health centers

101

Red Sea

Health centers
N
Road
Priximity zones W E
0-2,000
2,000-4,000 S
4,000-6,000 Figure 4.
6,000-8,000 Accessibility to health
10,000 0 10,000 20,000 Meters care facilities in Jeddah city

● la geografía de las áreas de infraestructura de atención de la salud y de servicios

existentes;
● los intereses geográficos de los socios del proyecto, colaboradores, o financiadores;
y
● las fuentes de financiación y los parámetros; y muchas otras consideraciones y
limitaciones propias de cada proyecto.
Sobre la base de los datos disponibles para esta aplicación, la información del
paciente de diabetes, que es un tipo de demanda de salud se agrega al nivel de
ubicación del centro de salud. Existen
BIJ 39 centros de salud distribuidos en la ciudad de Jeddah. Cada uno de estos centros
19,1 tiene registros sobre el tamaño de los pacientes diabéticos registrados. Estos registros
se pueden utilizar en SIG para definir el patrón espacial de los pacientes diabéticos en
la ciudad de Jeddah. Los resultados de estos datos son muy útiles para la
identificación de patrón y la ubicación de la enfermedad diabética en la ciudad de
Jeddah. Estos datos también pueden estar relacionados con otros datos físicos o
102 ambientales para identificar las relaciones entre los datos diabéticos y otros datos
relacionados.
El primer paso que se hizo en esta parte del estudio, era crear una cobertura de
puntos que muestra la ubicación de todos los centros de salud en la ciudad de Jeddah,
y luego vincula los datos de diabéticos a esta cobertura. Una vez que este paso se
cubre, la siguiente tarea consistía en utilizar métodos de clasificación de SIG para la
descripción de las variaciones de los pacientes diabéticos en la ciudad de Jeddah. La
figura 5 muestra la salida de la distribución espacial de la enfermedad diabética en la
ciudad de Jeddah. La distribución resultado indica que los pacientes con diabetes se
concentran principalmente en el Al-Rabwah, Bani Malik y distritos de Al-SABLA.
Estas áreas están cubriendo norte, centro y sur distritos de la ciudad. Además de
clasificar los datos de los pacientes diabéticos, los SIG se utiliza en la solicitud
presentada para hacer una comparación espacial (basado en valor medio) entre los
centros de salud para averiguar centros que están teniendo gran cantidad de pacientes
con diabetes. El hecho de que el estado de salud varía de un espacio transversal en el
ampliamente conocido y se aplica en absoluto escala espacial a través de la jerarquía
urbana y regional. Por ejemplo, las tasas de mortalidad estándar (SMR) se calculan
comparando el número real de muertes en una zona con el promedio nacional,
teniendo en cuenta la edad y el sexo variaciones en la zona en cuestión. Si un área
estaba generando muertes en el promedio nacional, su valor SMR sería exactamente
100 (Birkin et al., 1996). El mismo principio se aplica en este estudio para calcular las
tasas de diabéticos estándar (DEG) de la ciudad de Jeddah. La figura 6 muestra los
valores de DEG e indica que las zonas con mayor tendencia tarifas para estar en la
parte central y sur de la ciudad. Además, dos áreas principales (Al Rabwa y Al
Bawadi) ubicados al norte de la ciudad de Jeddah también están teniendo altas tasas
de DEG.

3.2 Modelado de la variación espacial de las localizaciones de los pacientes

La literatura del campo de análisis de la salud indica que existen varios enfoques y
modelos que se pueden utilizar para modelar la variación en los datos de salud. Por
ejemplo, el enfoque basado en el modelo bayesiano se usa en Finlandia para modelar las
variaciones en la incidencia de la diabetes tipo I entre la infancia municipios urbanos /
rurales (Rytkönen et al., 2003). La misma técnica de modelado también se utiliza para el
análisis de neoplasia emergente en España. técnica de modelado bayesiano también se ha
utilizado en la evaluación de las variaciones espaciales de los niños y jóvenes
hospitalizados en la provincia de Columbia Británica. Además de los modelos
bayesianos, Collins et al. (1995) añade que los modelos de regresión se podrían utilizar
en una combinación con SIG para modelar los datos de salud y ambientales para el área
de Huddersfield en el Reino Unido.
SIG se desarrollan hoy en día para incluir varios modelos útiles que pueden ser
utilizados para la definición de las variaciones espaciales de los datos de salud. Uno de
estos modelos se conoce como modelos de Kriging, que también se conocen como
modelos geoestadísticos, y considerados como óptimos interpoladores que producen
estimaciones que son imparciales y han conocido varianza mínima. Esta técnica se basa
en la teoría de las variables regionalizadas y utiliza la estructura espacial de los datos e
implica la construcción de un variograma y el ajuste de un modelo apropiado (Collins et
al., 1995). El estudio presentado se ha seleccionado esta técnica para modelar la
variación espacial de la enfermedad diabética en la ciudad de Jeddah.
 Benchmarking
the location
of health centers

103

Al-
Rabwah

Bani
Malik

Red
Sea

Al-
Rowais

Al-
Diabetes Sabail
Patiants
0
1-189
190-290
N
291-745
W E
746-2,572
S
Road

Figure 5.
10,000 0 10,000 20,000 meters Spatial distribution of
diabetes patients at
Jeddah city
BIJ
19,1

104

Al-Rabwah

Bani
Malik

Red Sea

Al-
Rowais

Al-Sabail
SDR
0
0-58.9
58.9-90.3
90.3-232.1
N
232.1-801.2
Road W E

City Districts S
Figure 6.
SDRs at Jeddah city 10,000 0 10,000 20,000 meters
 Los métodos estadísticos se basan en modelos estadísticos que incluyen Benchmark
autocorrelación (relaciones estadísticas entre los puntos de medición), y que ing the
tienen la capacidad de producir la superficie de la dicción y proporcionar un location
cierto grado de certeza o la exactitud de las predicciones. pesos Kriging la of health centers
rodea valores medidos para obtener una predicción para una ubicación no
medida. La fórmula general de esta técnica es la siguiente:
105
ZðsÞ ¼ M þ 1ðsÞ
Donde:
Z (s) es el valor predicho en la posición s.
M es un medio constante conocida.
1 (s) es el proceso de errores aleatorios.

Kriging se utiliza en el estudio que se presenta dentro de ArcGIS extensión analista geoestadística
que tiene la barra de herramientas que contiene herramientas avanzadas para el análisis exploratorio
de datos espaciales y de un asistente geoestadística a la creación de una superficie estadísticamente
válida. En esta extensión de software, hay diferentes métodos incluyendo Kriging Kriging universal
y sencilla de probabilidad normal,,. La aplicación se presenta ha seleccionado Kriging simple que se
basa en una media constante conocida. En el caso de los datos diabética en la ciudad de Jeddah 260
es el valor medio de los datos recogidos. La Figura 7 muestra la salida de este modelo y se define
como el paciente diabético se extienden en todas las zonas de la ciudad, pero con diferentes
cantidades. También muestra cómo las concentraciones más altas de diabetes que se encuentran en
Al-Rabwah, Bani Malik, Al-Jamiah y Al-Rowais, también se extienden a las zonas más cercanas a
ellos. Por ejemplo, un área llamada Al-Suliemaniah es tener un notable pacientes con diabetes, ya
que está muy cerca de una ubicación diabetes superior llamada Al-Jamiah. De hecho, este resultado
se basa en el modelo supuesto de Kriging lo que indica que los objetos están distribuidos
espacialmente correlacionados espacialmente, es decir, las cosas que están muy juntos tienden a
tener características similares. Por lo tanto, todas las áreas ubicadas cerca de estos cuatro distritos
son cada vez mayores valores de los valores de la diabetes. Mientras tanto, las zonas del norte que
están cerca de Obhur están recibiendo los valores más bajos debido a la diabetes centro de salud está
teniendo Obhur pacientes con diabetes cero.
Este modelo puede ser utilizado por los planificadores de salud en la ciudad de Jeddah para definir
zonas de la ciudad que son más propensos a tener más pacientes diabéticos. Estas piezas pueden ser
contactados para fines de protección de la salud y para el tratamiento de los pacientes que viven
estas partes.

1. Conclusión
El uso de SIG para la planificación de la atención de la salud es considerada como una de las
aplicaciones importantes y útiles SIG. Los planificadores de salud pueden utilizar esta
tecnología para evaluar la localización de los servicios de salud en cualquier zona edificada.
Para poder utilizar esta tecnología varios tipos de datos espaciales deben ser recogidos por los
planificadores de salud. El trabajo presentado ha recogido puntos, líneas y polígonos de datos
con el fin de evaluar la situación de la oferta de salud y la demanda en la ciudad de Jeddah. En
este trabajo se ha demostrado que los SIG se pueden utilizar para identificar el nivel de
accesibilidad a los centros de salud. Los resultados del análisis muestran que la accesibilidad
centros de salud existentes están sirviendo mayor área de influencia que el tamaño estándar.
Sobre la base de esta salida, hay diferentes partes de
 BIJ
19,1

106

Al-Rabwah

Bani Malik

Red Sea
Al-Rowais Al-Jamah

Road
Predicted Diabetes
0.101-106.196
106.196-212.292
212.292-318.387 N
318.387-424.483
Figure 7. 424.483-530.579 W E
530.579-636.674
Predicted diabetes 636.674-742.77
No Data S
patients spread at
Jeddah city 20,000 0 20,000 meters

la ciudad de Jeddah que están teniendo servicio de baja accesibilidad de la salud. Además, la aplicación creada
había explorado los patrones de demanda de salud y predijo la variación espacial de los pacientes en la ciudad de
Jeddah. Las salidas de esta solicitud indican que los pacientes con diabetes se encuentran principalmente en el
Al-Rabwah, Bani Malik, Al-Jamiah y Al-Rowais en la ciudad de Jeddah.
 References
Birkin, M., Clarke, G., Clarke, M. and Wilson, A. (1996), Intelligent GIS: Location Decisions and Strategic Planning, Geo
Information, Cambridge.
Brown, P., Hirschfield, A. and Batey, P. (1991), “Applications of geodemographic methods in the analysis of health
condition incidence data”, Papers in Reg. Sci., Vol. 70, pp. 39-44.
Cerrito, P., Atnes, G. and Foibes, R. (2003), “The analysis of asthma and exposure data using geographic information
systems and data mining information”, paper presented at SIAM International Conference on Data Mining.
Coggon, D., Geoffrey, R. and Barker, D. (1997), Epidemiology for the Uninitiated, BMJ Publishing Group, Southampton.
Collins, S., Smallbone, K. and Briggs, D. (1995), “A GIS approach to modeling small area variationions in air
pollution within a complex urban environment”, in Fisher, P. (Ed.), Innovations in GIS2, Taylor & Francis,
London, pp. 125-39.
Gatrell, A. and Senior, M. (1999), “Health and health care applications”, in Longley, P., Goodchild, M., Maguire,
D. and Rhind, D. (Eds), Geographical Information Systems, Wiley, New York, NY, pp. 925-38.
Gesler, W., Hayer, M., Arcury, T., Shelly, A., Nash, S. and Soward, A. (2004), “Use of mapping technology in health
intervention research”, Nursing Outlook, Vol. 52 No. 3, pp. 142-46.
Guagliardo, M., Ronico, C., Cheung, I., Chacko, E. and Josef, J. (2004), “Physician’s accessibility: an urban case of
pediatric providers”, Health Place, Vol. 10, pp. 273-83.
Hirschfield, A., Brown, P. and Bundred, P. (1995), “The spatial analysis of community health services on Wirral using
geographical information system”, Journal of the International Research Society, Vol. 46, pp. 147-59.
Jacquez, G. (1998), “GIS as an enabling technology”, in Gathell, A. and Loytonen, M. (Eds), GIS and Health, Taylor &
Francis, London.
Johnston, K., Vertoef, J., Krivoruchko, K. and Lucas, N. (2001), Using ArcGIS Geostatistical Analyst, ESRI,
Redlands.
Luo, W. (2004), “Using a GIS-based floating catchment method to assess areas with shortage of physicians”, Health &
Place, Vol. 10 No. 1, pp. 1-11.
Luo, W. and Qi, Y. (2009), “An enhanced two-step floating catchment area (E2SFCA) method for measuring spatial
accessibility to primary care physicians”, Health & Place, Vol. 15 No. 4, pp. 1100-7.
McCoy, J. and Johnston, K. (2001), Using ArcGIS Spatial Analyst, ESRI, Redlands.
Murad, A. (2006), “Creating a GIS application for health services at Jeddah city”, Computers in Biology & Medicine, Vol.
37, pp. 879-89.
Murad, A. (2007), “A GIS application for modeling accessibility to health care centers in Jeddah city”, in Lai, C. and Mak,
A. (Eds), GIS for Health and the Environment: Development in the Asia Pacific Region, Springer, Berlin, pp. 57-70.
Nicol, J. (1991), “Geographic information system within the national health service: the scope for implementations”,
Planning Outlook, Vol. 34 No. 1, pp. 37-42.
Rytkonen, M., Moltchanova, E., Ranta, J., Taskinen, O., Tuomilehto, J. and Karbonen, M. (2003), “The incidence of type
1 diabetes among children in Finland – rural-urban difference”, Health & Place, Vol. 9 No. 4, pp. 315-25.
Wilkinson, P., Grundy, C., Landon, M. and Stevenson, S. (1998), “GIS in public health”, in Gatrell, A. and
Loytonen, M. (Eds), GIS and Health, Taylor & Francis, London, pp. 179-89.

Wrigley, N. (1991), “Market-based systems of health care provision, the NHS bill, and geographical
information systems”, Environment and Planning A, Vol. 23, pp. 5-8.
Zeiler, M. (1999), Modeling Our World: The ESRI Guide to Geodatabase Design, ESRI, Redlands,
CA.

Further reading
Andes, N. and Davis, J. (1995), “Linking public health data using geographical information system
techniques: Alaskan community characteristics and infant mortality”, Stat. in Med., Vol. 42 No. 6,
pp. 481-90.
Braga, M., Cislaghi, C., Luppi, G. and Tasco, C. (1998), “A multipurpose, interactive mortality
atlas of Italy”, in Gatrell, A. and Loytonen, M. (Eds), GIS and Health, Taylor & Francis, London,
pp. 125-39.
Chou, Y. (1997), Exploring Spatial Analysis in Geographic Information Systems, Onward Press,
Santa Fe, NM.
ESRI (1992), Network Analysis, ESRI, Redlands, CA.
ESRI (1997), Getting to Know Arcview GIS, Geo Information, Cambridge. ESRI (2000), GIS in
Health, ESRI, Redlands, CA.
ESRI (2001), Getting to Know Arc GIS Desktop, ESRI, Redlands, CA.
Gatrell, A. and Loytonen, M. (1998), “GIS and health research an introduction”, in Gathell, A. and
Loytonen, M. (Eds), GIS and Health, Taylor & Francis, London.
Jones, A. and Bentham, G. (1995), “Emergency medical service accessibility and outcome from
road traffic accidents”, Pub. Heal., Vol. 109, pp. 169-77.
Jordan, H., Roderick, P., Martin, D. and Barnett, S. (2004), “Distance, rurality, and the need for
care: access to health services in South West England”, Int. J. Health Geograph., Vol. 3 No. 21, pp.
1-9.
Lupien, A., Moreland, W. and Dangermond, J. (1987), “Network analysis is geographic information
system”, Phot. Gramm. Eng. and Rem. Sens., Vol. 53 No. 10, pp. 1417-21.
Murad, A. (2008), “Creating a GIS-based epidemiological application for Jeddah city”, Int. J. of
Health Care Technology and Management, Vol. 9 Nos 5/6, pp. 540-51.
Roovali, L. and Kiivet, R. (2006), “Geographical variations in hospital use in Estonia”, Health
& Place, Vol. 12 No. 2, pp. 195-202.

Corresponding author
Abdulkader Ali Murad can be contacted at: Gis_planning@yahoo.com

To purchase reprints of this article please e-mail: reprints@emeraldinsight.com

Or visit our web site for further details: www.emeraldinsight.com/reprints