วิวัฒนาการความไม่เท่าเทียมกันในโลกยุคดิจิตอลดิสรับชั่น 4.0

ผู้แต่ง

  • Ratana Paikhramnam
  • Sirichai Junphum

คำสำคัญ:

การวัด, ความไม่เท่าเทียมกัน, สุขภาพ, ดิสรับชั่น

บทคัดย่อ

วิธีการวัดความไม่ท่าเทียมกัน (GINI) เป็นค่าดัชนีผสมสำหรับการวัดความไม่เท่าเทียมกัน ที่ไม่ต้องการข้อมูลขนาดเล็กของการแจกแจงค่าดัชนีความไม่เท่าเทียมกัน สามารถคำนวณได้ง่ายมาก ประกอบด้วยตัวบ่งชี้สามตัว ได้แก่ ค่าดัชนี GINI ส่วนแบ่งรายได้ที่ถือโดย 10% สูงสุด และส่วนแบ่งรายได้ที่ถือโดย 10%ต่ำสุด ข้อมูลเกี่ยวกับตัวบ่งชี้ทั้งสามนี้ ยังพร้อมใช้งาน เข้าถึงง่าย และอัพเดตเป็นประจำ โดยแต่ละประเทศ และองค์กรระหว่างประเทศ สามารถนำไปประยุกต์ใช้เป็นสมการทางสถิติ หรือทางคณิตศาสตร์สมัยใหม่ สำหรับวิเคราะห์หาความสัมพันธ์ การทำนายปัจจัยในอนาคต ทั้งข้อมูลเชิงลึกและเชิงกว้าง จากแบบจำลองโมเดลสมการเชิงโครงสร้าง Multilevel Big data IOT Python Chabot แม้กระทั่งการนำไปใช้กับปัญญาประดิษฐ์ (Artificial Intelligence) ของการคัดกรองโรคภูมิคุ้มกันบกพร่อง โรคติดเชื้อไวรัสโคโรน่า 2019 โรคมะเร็ง โรคเรื้อรัง  ภัยสุขภาพ และทางสาธารณะภัย หรือปัจจัยต่างๆอื่น ที่เป็นประเด็นปัญหาในระดับพื้นที่ของหมู่บ้าน ตำบล อำเภอ จังหวัด และประเทศได้

Author Biography

Ratana Paikhramnam

วิธีการวัดความไม่ท่าเทียมกัน (GINI) เป็นค่าดัชนีผสมสำหรับการวัดความไม่เท่าเทียมกัน ที่ไม่ต้องการข้อมูลขนาดเล็กของการแจกแจงค่าดัชนีความไม่เท่าเทียมกัน สามารถคำนวณได้ง่ายมาก ประกอบด้วยตัวบ่งชี้สามตัว ได้แก่ ค่าดัชนี GINI ส่วนแบ่งรายได้ที่ถือโดย 10% สูงสุด และส่วนแบ่งรายได้ที่ถือโดย 10%ต่ำสุด ข้อมูลเกี่ยวกับตัวบ่งชี้ทั้งสามนี้ ยังพร้อมใช้งาน เข้าถึงง่าย และอัพเดตเป็นประจำ โดยแต่ละประเทศ และองค์กรระหว่างประเทศ สามารถนำไปประยุกต์ใช้เป็นสมการทางสถิติ หรือทางคณิตศาสตร์สมัยใหม่ สำหรับวิเคราะห์หาความสัมพันธ์ การทำนายปัจจัยในอนาคต ทั้งข้อมูลเชิงลึกและเชิงกว้าง จากแบบจำลองโมเดลสมการเชิงโครงสร้าง Multilevel Big data IOT Python Chabot แม้กระทั่งการนำไปใช้กับปัญญาประดิษฐ์ (Artificial Intelligence) ของการคัดกรองโรคภูมิคุ้มกันบกพร่อง โรคติดเชื้อไวรัสโคโรน่า 2019 โรคมะเร็ง โรคเรื้อรัง  ภัยสุขภาพและทางสาธารณะภัย หรือปัจจัยต่างๆอื่น ที่เป็นประเด็นปัญหาในระดับพื้นที่ของหมู่บ้าน ตำบล อำเภอ จังหวัด และประเทศได้

References

Arbel, Y., Fialkoff, C., Kerner, A., & Kerner, M. (2022). Do population density, socio-economic ranking and GINI Index of cities influence infection rates from coronavirus? Israel as a case study. Ann Reg Sci, 68(1), 181-206. doi:10.1007/s00168-021-01073-y

Atkinson, A. B., & Bourguignon, F. (2014). Handbook of income distribution (Vol. 2): Elsevier.

Cromley, G. A. (2019). Measuring differential access to facilities between population groups using spatial Lorenz curves and related indices. Transactions in GIS, 23(6), 1332-1351.

De Vogli, R., Mistry, R., Gnesotto, R., & Cornia, G. A. (2005). Has the relation between income inequality and life expectancy disappeared? Evidence from Italy and top industrialised countries. J Epidemiol Community Health, 59(2), 158-162. doi:10.1136/jech.2004.020651

Dipaola, F., Gatti, M., Pacetti, V., Bottaccioli, A. G., Shiffer, D., Minonzio, M., . . . Furlan, R. (2019). Artificial Intelligence Algorithms and Natural Language Processing for the Recognition of Syncope Patients on Emergency Department Medical Records. J Clin Med, 8(10). doi:10.3390/jcm8101677

Figueiredo, F. W. d. S., & Adami, F. (2018). Income Inequality and Mortality Owing to Breast Cancer: Evidence From Brazil. Clinical Breast Cancer, 18(4), e651-e658. doi:10.1016/j.clbc.2017.11.005

Ghasemianpour, M., Bakhshandeh, S., Shirvani, A., Emadi, N., Samadzadeh, H., Moosavi Fatemi, N., & Ghasemian, A. (2019). Dental caries experience and socio-economic status among Iranian children: a multilevel analysis. BMC public health, 19(1), 1569. doi:10.1186/s12889-019-7693-1

Graczyk, P. P. (2007). GINI coefficient: a new way to express selectivity of kinase inhibitors against a family of kinases. J Med Chem, 50(23), 5773-5779. doi:10.1021/jm070562u

Graczyk, P. P. (2007). GINI coefficient: a new way to express selectivity of kinase inhibitors against a family of kinases. J Med Chem, 50(23), 5773-5779.

Gu, X., Zhu, M., & Zhuang, L. (2021). Highly Efficient Spatial-Temporal Correlation Basis for 5G IoT Networks. Sensors (Basel), 21(20). doi:10.3390/s21206899

Hanvoravongchai, P., Chavez, I., Rudge, J. W., Touch, S., Putthasri, W., Chau, P. N., . . . Coker, R. (2012). An analysis of health system resources in relation to pandemic response capacity in the Greater Mekong Subregion. Int J Health Geogr, 11, 53. doi:10.1186/1476-072x-11-53

Kim, M., You, S., You, J. S., Kim, S. Y., & Park, J. H. (2021). Income-Related Mortality Inequalities and Its Social Factors among Middle-Aged and Older Adults at the District Level in Aging Seoul: An Ecological Study Using Administrative Big Data. Int J Environ Res Public Health, 19(1). doi:10.3390/ijerph19010383

Martins-Filho, P. R., Quintans-Júnior, L. J., de Souza Araújo, A. A., Sposato, K. B., Souza Tavares, C. S., Gurgel, R. Q., . . . Santos, V. S. (2021). Socio-economic inequalities and COVID-19 incidence and mortality in Brazilian children: a nationwide register-based study. Public Health, 190, 4-6. doi:10.1016/j.puhe.2020.11.005

Scheffer, M., van Bavel, B., van de Leemput, I. A., & van Nes, E. H. (2017). Inequality in nature and society. Proc Natl Acad Sci U S A, 114(50), 13154-13157. doi:10.1073/pnas.1706412114

Schwanke Khilji, S. U., Rudge, J. W., Drake, T., Chavez, I., Borin, K., Touch, S., & Coker, R. (2013). Distribution of selected healthcare resources for influenza pandemic response in Cambodia. Int J Equity Health, 12, 82. doi:10.1186/1475-9276-12-82

Sitthiyot, T., & Holasut, K. (2020). A simple method for measuring inequality. Palgrave Communications, 6. doi:10.1057/s41599-020-0484-6

Sitthiyot, T., & Holasut, K. (2022). A quantitative method for benchmarking fair income distribution. Heliyon, 8(9), e10511. doi:10.1016/j.heliyon.2022.e10511

Stensrud, M. J., & Valberg, M. (2017). Inequality in genetic cancer risk suggests bad genes rather than bad luck. Nat Commun, 8(1), 1165. doi:10.1038/s41467-017-01284-y

Additional Files

เผยแพร่แล้ว

2022-12-12