Introduit une analyse exploratoire des données en santé environnementale, couvrant sa définition, ses techniques et ses applications dans l'analyse des données géoréférencées sur la santé.
Explore le lien entre l'obésité et la précarité socio-économique en utilisant l'information géospatiale pour comprendre une partie de l'épidémie d'obésité.
Introduit une autocorrélation spatiale, en se concentrant sur la mesure des relations spatiales dans un voisinage et en utilisant le I de Moran comme coefficient de régression.
Explore le système graphique dans les représentations cartographiques, en se concentrant sur les variables visuelles, leurs propriétés et leurs implications pour la perception de l'information.
Déplacez-vous dans la distribution spatiale des maladies chroniques, en mettant en évidence des grappes spécifiques de valeurs élevées de l'IMC chez les adultes et les enfants.
Explore l'utilisation de l'esthétique, des métaphores visuelles, de la lisibilité et de l'intégrité des données pour créer des représentations visuelles efficaces.
Analyser les schémas spatiaux et temporels des cas de COVID-19 à Genève, en détectant les grappes significatives et en discutant des mesures de prévention.
Plonge dans les relations entre les troubles de l’humeur, la performance cognitive et la plasticité du cerveau en milieu urbain, en utilisant les données de cohortes médicales.
Couvre Zenodo, un dépôt général en libre accès développé dans le cadre du programme européen OpenAIRE et exploité par le CERN, soulignant l'importance de la publication des données et de ses principales caractéristiques.
