تحلیل نابرابری های فضایی براساس شاخص های بهداشت و درمان (مطالعه موردی: شهرستان های استان تهران)

نوع مقاله: مقاله علمی -پژوهشی

نویسندگان

1 استادیار گروه جغرافیا و برنامه ریزی شهری، دانشگاه تبریز، تبریز

2 دانشیار گروه جغرافیا و برنامه ریزی شهری، دانشگاه خوارزمی، تهران

3 دانشجوی دکتری جغرافیا و برنامه ریزی شهری، دانشگاه خوارزمی، تهران

چکیده

یکی از راههای تبیین نابرابرها و عدم تعادل ناحیه ای و بررسی توسعه انسانی- اجتماعی مطالعه شاخص های بهداشت و درمان در سطح نواحی یک منطقه جغرافیایی است. بررسی و ارزیابی شاخص های بهداشت و درمان و پراکندگی نامناسب آنها در سطح شهرستانهای یک استان، نشان از بی توجهی به عدالت فضایی در برنامه ریزی های ناحیه ای است. باتوجه به اهمیت نقش توزیع مطلوب امکانات و شاخص­های بهداشتی در توسعه انسانی و بهبود کیفیت زندگی و در نهایت  توسعه پایدار شهری و ناحیه ای، در این پژوهش هدف تحلیل فضایی نابرابریهای ناحیه ای درسطح شهرستانهای استان تهران مورد نظر است.روش پژوهش اکتشافی تحلیلی بوده و در آن از مدل های تاپسیس، ویکور و ساو، مدل کپ لند و رگرسیون وزن دار جغرافیایی استفاد شده است. جامعه آماری این پژوهش 14 شهرستان استان تهران بوده است. داده های آماری مشتمل بر 57 شاخص از بخش بهداشت و درمان بوده که از آمار نامه 1390 استان تهران استخراج شده اند. یافته های پژوهش نشان می­دهد که شاخص های بهداشت و درمان در سطح استان تهران از توزیع متوازن و متعادلی برخودار نیستند. براساس سطح بندی نهایی،شهرستان های تهران و فیروزکوه در سطح بسیار برخوردار، دماوند، شمیرانات و رباط کریم در سطح برخوردار، پیشوا، پاکدشت و ری در سطح نیمه برخوردار قرار گرفتند. در مقابل شهرستان های اسلامشهر، شهریار و ورامین در سطح محروم و ملارد، قدس و بهارستان در سطح بسیار محروم بوده اند. همچنین نتایج حاصل از رگرسیون جغرافیایی نشان داد که رابطه بین میزان جمعیت و پراکنش شاخص ها در تهران، شمیرانات، فیروزکوه، دماوند، پاکدشت، رباط کریم مثبت و در پیشوا، ورامین، ری، اسلامشهر، بهارستان، شهریار، ملارد و قدس منفی است که نشان می­دهد نابرابری های فضایی بسیار بالایی در سطح منطقه ای وجود داشته و الگوی توزیع با عدالت فضایی تناسب ندارد. بنابراین لازم است توزیع متعادل به منظور کاهش و کنترل مهاجرت­ها و پیامدهای ناگوار آن مد نظر قرار گیرد.

کلیدواژه‌ها


عنوان مقاله [English]

An analysis spatial inequality based on health and care indicator (Case study: Counties of Tehran province)

نویسندگان [English]

  • firouz jafari 1
  • Ali Shamaie 2
  • Afshar Hatami 3
1 Assistant professor of geography and urban planning, university of Tabriz, Tabriz.
2 Associate professor of geography and urban planning, university of Kharazmi, Tehran
3 Ph.D. student of geography and urban planning, university of Kharazmi, Tehran.
چکیده [English]

Abstract
In order to achieve sustainability in agriculture, the need for modern water resources management in order to protect and optimize the use of this vital source can be an effective step in sustainability programs. Therefore, one of the ways to achieve agricultural water management, good governance Is a village In this research, we seek to investigate rural well-being in agricultural water management in the villages of Quchan city. The research method is analytical. For analyzing the data, SPSS software and Fuzzy Mamdani model have been used. The results of fuzzy model of Mamadani showed that in the result of good rural governance level in agricultural water management, the final naphasian output as the output of the fuzzy inference system in MATLAB software is equal to 0.39, which has a low utilization rate based on good rural governance indicators The study explains that among these indicators, after determining the membership function and normalizing the data, the range of significance is as follows: accountability index, accountability, collective agreement, equity and equality, legitimacy, transparency and openness and participation They have received it. In the following, using the path analysis test, direct and indirect effects of each of the good rural governance indicators on agricultural water management were studied. The results showed that the collective agreement index with the Beta coefficient was 0.67, the transparency index And openness with a Beta coefficient of 0.432 is the highest and lowest direct effect of good rural governance in managing agricultural water resources.

کلیدواژه‌ها [English]

  • Keywords: Good rural governance
  • Agricultural water management
  • Villages in Quchan

توکلی نیا، جمیله؛ کانونی، رضا؛ خاوریان گرمسیر، امیررضا؛ پاسبان عیسی لو، وحید(1394)، تحلیل نابرابری های توسعه منطقه ای در بخش بهداشت و درمان استان اردبیل، برنامه ریزی منطقه ای، 5(18)، صص14-1.

دلگشایی، بهرام؛ طیبی، سیدجمال الدین، پهلوان، پریسا (1386)، ارایه الگوی توسعه منابع انسانی در بخش بهداشت و درمان ایران، پژوهش در پزشکی، 31(4)، صص325-317.

رضایی، ستار؛ غضنفری، صادق؛ کاظمی، ژیلا؛ کاظمی کریانی، علی(1393) وضعیت دسترسی به تسهیلات بخش بهداشت و درمان: مطالعه موردی استان کرمانشاه، مجله دانشگاه علوم پزشکی کرمانشاه (بهبود)، 18(7)، صص425-416.

زنگی ابادی، علی؛ امیرعضدی، طوبی؛ پری زادی، طاهر(1391)، تحلیل فضایی شاخص های توسعه خدمات بهداشت و درمان در استان کردستان، جغرافیا،10(32)، 215-199.

سایه میری، علی؛ سایه میری، کورش (1380) رتبه بندی وضعیت بهداشت و درمان شهرستان های ایلام با استفاده تکنیک تاکسونومی عددی و تحلیل مولفه های اصلی، مجله علمی دانشگاه علوم پزشکی ایلام، 9-8(30-29)، صص35-30.

ضرابی، اصغر؛ محمدی، جمال؛ رخشانی نسب، حمیدرضا (1386)، تحلیل فضایی شاخص های توسعه خدمات بهداشت و درمان، رفاه اجتماعی، 7(27)، صص234-213.

مرکز آمار ایران (1390)، سرشماری عمومی نفوس و مسکن.

Burton, A., Bambrick, H. and Friel, S. (2015) if you don’t know how can you plan? Considering the health impacts of climate change in urban planning in Australia, Urban Climate., 12, pp. 104–118.

Craveiro, D. (2017) The role of personal social networks on health inequalities across European regions, Health & Place. Elsevier Ltd, 45(February), pp. 24–31.

Durand, C. P., Andalib, M., Dunton, G. F., Wolch, J. and Pentz, M. A. (2011) A systematic review of built environment factors related to physical activity and obesity risk: Implications for smart growth urban planning, Obesity Reviews, 12(501), pp. 173–182.

Eibich, P. and Ziebarth, N. R. (2014) ‘Analyzing regional variation in health care utilization using (rich) household microdata’, Health Policy., 114(1), pp. 41–53.

Frank, L., Engelke, P. & Schmid, T. (2003) Health and community design: The impact of the built environment on physical activity. Island Press.

Galea, S. & Vlahov, D. (2005) URBAN HEALTH: Evidence, Challenges, and Directions’, Annual Review of Public Health, 26(1), pp. 341–365.

He, S., Bayrak, M. M. & Lin, H. (2017) ‘A comparative analysis of multi-scalar regional inequality in China’, Geoforum., 78, pp. 1–11.

Hussain, A., Wenbi, R., da Silva, A. L., Nadher, M. & Mudhish, M. (2015) ‘Health and emergency-care platform for the elderly and disabled people in the Smart City’, Journal of Systems and Software. 110, pp. 253–263.

Jureviciute, S. & Kalediene, R. (2015) ‘Regional inequalities of hospital morbidity and associations with mortality in Lithuania’, Medicina (Kaunas, Lithuania), 51(5), pp. 312–319.

Kuo, T. (2016) ‘A modified TOPSIS with a different ranking index’, European Journal of Operational Research.., 260(1), pp. 152–160.

 Liu, H., & Zhu, D. (2013). Parameterized complexity of control by voter selection in Maximin, Copeland, Borda, Bucklin, and Approval election systems. Theoretical Computer Science, 498, 115–123.

Lorenc, T., Tyner, E. F., Petticrew, M., Duffy, S., Martineau, F. P., Phillips, G. & Lock, K. (2014) ‘Cultures of evidence across policy sectors: Systematic review of qualitative evidence’, European Journal of Public Health, 24(6), pp. 1041–1047.

Lowe, M., Whitzman, C., Badland, H., Davern, M., Aye, L., Hes, D., Butterworth, I. & Giles-Corti, B. (2015) ‘Planning Healthy, Liveable and Sustainable Cities: How Can Indicators Inform Policy?’, Urban Policy and Research, 1146(June), pp. 1–14.

McGill, E., Egan, M., Petticrew, M., Mountford, L., Milton, S., Whitehead, M., & Lock, K. (2015). Trading quality for relevance: non-health decision-makers’ use of evidence on the social determinants of health. BMJ Open, 5(4), e007053..

Neagu, O. M., Michelsen, K., Watson, J., Dowdeswell, B. & Brand, H. (2017) Addressing health inequalities by using Structural Funds. A question of opportunities. Health Policy., 121(3), pp. 300–306.

Opricovic, S. & Tzeng, G. H. (2004) ‘Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS’, European Journal of Operational Research, 156(2), pp. 445–455.

Prasad, A., Gray, C. B., Ross, A. & Kano, M. (2016) ‘Metrics in Urban Health: Current Developments and Future Prospects. Annual Review of Public Health, 37, pp. 113–133.

Roll, K. (2012) the influence of regional health care structures on delay in diagnosis of rare diseases: The case of Marfan syndrome, Health Policy., 105(2–3), pp. 119–127.

Rothenberg, R., Stauber, C., Weaver, S., Dai, D., Prasad, A. & Kano, M. (2015) ‘Urban health indicators and indices--current status. BMC public health. 15, p. 494.

Shelton, N. J. (2009) ‘Regional risk factors for health inequalities in Scotland and England and the “Scottish effect”’, Social Science and Medicine. 69(5), pp. 761–767.

Sozmen, K. & Unal, B. (2016) explaining inequalities in Health Care Utilization among Turkish adults: Findings from Health Survey 2008’, Health Policy, 120(1), pp. 100–110.

Ujoh, F. & Kwaghsende, F. (2014) ‘Analysis of the Spatial Distribution of Health Facilities in Benue State, Nigeria’, Public Health Research. Scientific & Academic Publishing, 4(5), pp. 210–218.

Verrill, S. & Johnson, R. a. (2007) ‘Confidence Bounds and Hypothesis Tests for Normal Distribution Coefficients of Variation’, Communications in Statistics - Theory and Methods, 36(12), pp. 2187–2206.

Wang, P., Zhu, Z. & Wang, Y. (2016) ‘A novel hybrid MCDM model combining the SAW, TOPSIS and GRA methods based on experimental design’, Information Sciences., 345, pp. 27–45.

Winkler, T. J., Ozturk, P. & Brown, C. V. (2016) ‘Sustainability strategies for regional health information organization startups’, Health Policy and Technology.