Document Type : Original Article
در بیشتر دوران تاریخ بشر، بیماریهای عفونی علت عمده مرگ بودهاند که با گذار مرگومیر، بیماریهای مزمن یا غیرواگیردار جایگزین بیماریهای مسری و یا واگیردار شدند و در حالحاضر از علل عمده مرگ بهشمار میروند (ویکس، 1395). نابرابریهای مرگومیر در تمام جوامع و در بین طبقات اجتماعی مختلف و یا مناطق جغرافیایی متفاوت وجود دارد تا جاییکه به نظر میرسد علل بیماریها در نقاط مختلف شهری و روستایی علل مشابه و مشترکی دارند و انسانها به دلایل مختلفی با مرگومیر مواجه میشوند. یکی از مهمترین علل مرگومیر از گذشته تا به امروز مرگومیر ناشی از بیماریهای کشنده مختلف از طاعون سیاه تا کرونا بوده است (Roth et al., 2018). امروزه صدها هزار پزشک سالانه علت مرگ میلیونها نفر را ارزیابی و نتایج را طبقهبندی میکنند. این تلاشها اساس یک سیستم گزارشدهی جهانی مرگومیر را تشکیل میدهند که یهطور گسترده برای اولویتبندی سرمایهگذاریهای سیستم سلامت، ردیابی پیشرفت به سمت اهداف توسعه جهانی و هدایت تحقیقات علمی بر آن تکیه میشود (Harrison et al., 2021). منطقهی جغرافیایی نقش مهمی در تبیین نابرابریهای مرگومیر دارد تا جاییکه لئون[1] (2001) در تحلیلی از نظریات مربوط به نابرابریهای مرگومیر، دو جریان عمده را در نظر میگیرد که در دستهی اول، تفاوتها براساس مناطق جغرافیایی تبیین میشود و گروه دوم بر ویژگیهای اجتماعی و اقتصادی متمرکز شدهاند (David, 2001). شهرنشینی بهعنوان یکی از شاخصهای توسعه، زمینهای را فراهم میکند که تأثیر بسزایی بر کاهش مرگومیر دارد اما از سوی دیگر، منجر به شکلگیری نابرابری بسیاری در مرگومیر بین مناطق شهری و روستایی شده است (قدرتی و همکاران، 1392). اهمیت شناخت وضعیت مرگومیر و نابرابریهای موجود، در آن است که میتواند گامی در جهت بهبود درک فرایند توسعه محسوب گردد. مطالعات مربوط به تبیین نابرابریهای مرگومیر عمدتا از محدودیتهایی رنج میبرد و یکی از آنها تمرکز بر تحلیل مرگومیر بهعنوان یک کل است اگرچه در مورد برآورد سطوح مرگومیر در مناطق شهری و روستایی مطالعات گوناگونی وجود دارد اما در مورد علل مرگ و نقش آنها در این نابرابری تحقیقات اندکی وجود دارد (Preston, 1976). کسانی که در مناطق روستایی زندگی میکنند اغلب با چالشهای بهداشت عمومی بیشتری روبهرو هستند زیرا دسترسی محدودتری به مراقبتهای بهداشتی دارند، احتمالا کمتر بیمه شدهاند و بیشتر در فقر زندگی میکنند (Curtin & Spencer, 2021). پریستون[2] (1976) استدلال میکند که غفلت از علل مرگ در مطالعهی مرگومیر مشابه آن است که در مطالعهی باروری به اثرات قابلیت باروری، وسایل پیشگیری از بارداری و نیز میزانهای سقط جنین توجه نشود. علتهای مرگ، متغیرهای بیولوژیکی هستند که عوامل اجتماعی و محیطی از طریق آنها بر میزانهای مرگومیر اثر میگذارند و شناخت نقش و اثر علل مرگ، ما را به فهم تعیینکنندهها و پیامدهای ساختاری مرگومیر، نزدیکتر میکنند.
مطالعات مرگومیر ناشی از بیماری در نقاط شهری و روستایی در محیطهای شهری اغلب با اهداف مختلف منتشر شده است. با این وجود، بسیاری از آنها معمولا بر یک شهر خاص یا علت خاص مرگ تمرکز میکنند (Aguilar-Palacio et al., 2017). مطالعات جامع مرگومیر که چندین شهر و علل مرگ را پوشش میدهد بسیار کمیابتر است (Palencia et al., 2020). طبق آمارهای سازمان ثبت احوال کشور پنج علت اول فوت ایران در دهه اخیر، بیمارهای قلبی عروقی، سرطانها، بیمارهای دستگاه تنفسی، حوادث و سوانح (عمد و غیرعمد) و بیمارهای عفونی و انگلی بوده است و از آنجاییکه حدود 72 درصد علل مرگومیر ایران در سال ۱۳۹۵ به عوامل فوق مربوط میشود، انتظار میرود تدابیر راهکارهایی با هدف کنترل پنج علت اول فوت، سهم بسزایی در برنامهریزیهای بهداشت و سلامت و نیز ارتقا سطح امید زندگی و در نتیجه رشد جمعیت کشور در آینده داشته باشد (فتحی و همکاران، 1397).
تفکر فضایی و دیدگاههای تحلیل فضایی نقش مهمی در کشف پاسخ به سئوالات جمعیتشناسی دارند. زیرا پدیدههای جمعیتی بهطور ذاتی فضایی هستند و جمعیت انسانی بهطور تصادفی در فضا استقرار نمییابند، بلکه از طریق مشخصههای ساختاری جغرافیایی خاص مشخص میشوند. جمعیتشناسی فضایی با ادغام جمعیتشناسی خرد و کلان و پیوند دادههای افراد جامعه با دادههای مکانی باعث شده است بسیاری از پژوهشگران جمعیتشناس علاقه خود را به بهرهگیری از علوم مکانی در جمعآوری، مدیریت و تجزیهوتحلیل دادههای فضایی که در پرداختن به سئوالات پژوهش و سیاستگذاری مفید باشد، ابراز کنند (رضائی و طهماسبی، 1403). الگوهای فضایی میزان مرگومیر ناشی از بیماریها در ایران ناشناخته مانده است و مطالعات محدود و موردی در این زمینه وجود دارد. همچنین، تجمیع دادههای جمعیتی در سطح کلان باعث نادیده گرفتن الگوهای منطقهای میشود که میتواند گمراهکننده باشد. مطالعه مرگومیر ناشی از بیماریها از این جهات حائز اهمیت است که علل، پیامدها و الگوهای مرگومیر بهطور قابلتوجهی به تفکیک بیماریهای مختلف متفاوت است. باتوجه به شکاف موجود در مطالعات مرگومیر ناشی از بیماریها در ایران، این پژوهش به دنبال بررسی تغییرپذیری فضایی میزان مرگومیر ناشی از بیماریها در سطح شهرستان میباشد. شناسایی و کشف الگوهای فضایی مرگومیر ناشی از بیماریها از دو جنبه دارای مزیت کاربردی است: نخست، شناسایی تغییرپذیری فضایی مرگومیر در سطح شهرستان میتواند در برنامهریزی و سیاستگذاری برای ارائه خدمات اجتماعی، آموزش، سلامت و همچنین برنامههای جمعیتی و توسعهای مفید باشد، همچنین، کشف الگوهای فضایی میتواند برای ساخت مفروضات، آزمون و مدلسازی در تحقیقات آینده به کار رود.
مرور ادبیات تجربی(مرور پیشینه پژوهش)
یکی از مولفههای مهم در برنامهریزیهای مربوط به سلامت هر جامعه، آمار و علل مرگومیر درآن جامعه است (موسوی و همکاران، 1396). تحلیل الگوهای فضایی مرگومیر ناشی از بیماریها به درک بهتر توزیع جغرافیایی بیماریها کمک میکنند. استفاده از تکنیکهای تحلیل فضایی مانند شاخصهای موران سراسری و محلی، میتواند به شناسایی خوشههای بیماری و مناطق پرخطر کمک کند. از جمله پژوهشهای داخلی و خارجی کار شده در ارتباط با این موضوع میتوان به موارد زیر اشاره کرد:
زینگ[3] و همکاران (2025)، در پژوهشی با هدف بررسی تغییرات مکانی-زمانی مرگومیر ناشی از سکته مغزی در سراسر جهان در سالهای2000 تا 2021، با استفاده از روشهای آمارفضایی به این نتیجه رسیدهاند که تعداد مرگومیر ناشی از سکته مغزی در سراسر جهان افزایش یافته و الگوی فضایی نقاط سرد و گرم به دلیل سکته مغزی نسبتا ثابت باقی مانده است.
شوارتز[4] و همکاران (2025) به تحلیل مکانی مرگومیر ناشی از گرما در مکزیک پرداختهاند، این پژوهش با استفاده از روشهای مدل بیزی سلسلهمراتبی و متا-رگرسیون نشان میدهد که سواحل شرقی، جنوبغربی و ایالت سونورا بیشترین آسیبپذیری را نسبت به گرما دارند. علاوه بر این، افراد مسن، جوامع با تحصیلات پایین، فقر بیشتر و مسکن نامناسب بیشتر در معرض خطر بودهاند.
آگوستو باپتیستا [5]و همکاران (2022)، در پژوهش تجزیهوتحلیل فضایی مرگومیر قلبی عروقی و عوامل مرتبط در سراسر جهان، به شناسایی عوامل جمعیتشناختی، اجتماعی-اقتصادی، رفتاری، محیطی و فیزیولوژیکی با روش تجزیهوتحلیل دادههای اکتشافی پرداختهاند و به این نتیجه دست یافتند که این مطالعه سرنخهای مفیدی را برای سیاستگذاران در ایجاد سلامت عمومی مؤثر همچنین برنامهریزی و اقدامات لازم برای پیشگیری از مرگومیر ناشی از بیماری قلبی و عروقی را ارائه میدهد.
تجزیهوتحلیل فضایی مرگومیر قلبی عروقی و عوامل مرتبط در سراسر جهان، به شناسایی عوامل جمعیتشناختی، اجتماعی-اقتصادی، رفتاری، محیطی و فیزیولوژیکی با روش تجزیهوتحلیل دادههای اکتشافی پرداختهاند و به این نتیجه دست یافتند که این مطالعه سرنخهای مفیدی را برای سیاستگذاران در ایجاد سلامت عمومی مؤثر همچنین برنامهریزی و اقدامات لازم برای پیشگیری از مرگومیر ناشی از بیماری قلبی و عروقی را ارائه میدهد.
مارتینس[6] و همکاران (2021)، در مطالعهای به بررسی خوشههای فضایی-زمانی کووید-۱۹ در ۵۵۷۰ منطقه شهری برزیل پرداخته و ارتباط بین میزان مرگومیر، نابرابری اجتماعی-اقتصادی و آسیبپذیری با ریسک نسبی بیماری را تحلیل کردهاند. نتایج نشانمیدهد که ۹ خوشه فعال کووید در سراسر برزیل شناسایی شده است. در مرحله نخست، ۷ خوشه با ریسک نسبی بالاتر از ۱ در شمال، شمالشرق، جنوبشرق و پایتخت شناسایی شدند. در مرحله بعد، تعداد خوشههای پرخطر تقریباً دو برابر شده و به ۳۳۰۴ منطقه شهری گسترش یافته است و در مناطق دارای نابرابری اجتماعی-اقتصادی بالا، سرعت بیشتری داشتهاند.
وامی[7] و همکاران (2021)، در پژوهش نابرابریهای مکانی و زمانی مرگومیر در ایالات متحده آمریکا (1968-2016)، از مدلهای رگرسیون پواسون برای مقایسه مرگومیر در سطح شهرستان استفاده کردند. کوپیدو[8] و همکاران (2020)، با هدف شناسایی الگوهای توزیع فضایی میزان مرگومیر گروه سنی شصت و پنج و بالاتر، روش فیلتر فضایی را در سطح شهرستانها ایالات متحده به کار گرفتند. که نتایج نشاندهنده وجود وابستگیهای فضایی پیشرو است. رهنما و بازرگان (1399)، در پژوهشی به مدلسازی فضایی الگوی پخش ویروس کووید در مناطق روستایی و شهری ایران پرداختهاند. نتایج نشان داد توزیع ویروس کرونا در ابتدا بهصورت تصادفی بوده، اما با گذشت زمان به الگوی خوشهای تبدیل شده است. استانهای قم، تهران، گلستان، سمنان، اصفهان، مازندران و البرز بهعنوان مناطق با جمعیت شهری و روستایی بالا، بیشترین تعداد مبتلایان را داشتهاند. همچنین، تحلیلها نشانمیدهد که فاصله مکانی و مجاورت استآنها با کانون بیماری (قم) نقش مهمی در گسترش ویروس داشته است.
گلی و عسکریان (1396)، در پژوهشی با عنوان مرگومیر وتحولات فضایی علل آندر شهرستانهای ایران در سالهای 1389–1385 با بهرهگیری از رویکرد آمار مکانی و تحلیل اکتشاف فضایی داده، به بررسی تفاوتهای علل مرگ در مقیاس شهرستانهای کشور پرداختهاند. نتایج نشان داد بیماریهای دستگاه گردش خون، سوانح و تصادفات و انواع سرطانها، مهمترین علت مرگومیر در ایران بودهاند. بررسی پراکنش فضایی علل عمده مرگ در مقیاس شهرستانها مشخص کرد، سه عامل بیماریهای قلبی، تصادفات و انواع سرطان در سنین غیر از کهولت، عمدتا در شهرستانهایی با درصد شهرنشینی کمتر از میانگین ملی تمرکز دارد و برخلاف تصور که تمرکز جمعیت و میزان شهرنشینی بالا را عامل اساسی در بروز بیماریهای فوق میدانند، تمرکز ناشی از این علل در شهرستانهایی اتفاق میافتد که از تراکم پایین جمعیتی و درصد شهرنشینی کمتر از میانگین ملی برخوردار هستند.
پیشینه تحقیق نشان میدهد که مطالعات بینالمللی متعددی با بهرهگیری از روشهای تحلیل فضایی، به بررسی الگوهای مکانی-زمانی مرگومیر ناشی از بیماریهای مختلف پرداختهاند؛ از جمله سکته مغزی، گرمازدگی، بیماریهای قلبی-عروقی و کووید-۱۹. این پژوهشها با استفاده از مدلهای آماری پیشرفته مانند رگرسیون بیزی، فیلتر فضایی و تحلیل خوشهای، توانستهاند مناطق پرخطر و عوامل مؤثر بر مرگومیر را شناسایی کنند. با این حال، در ایران مطالعات فضایی مرگومیر بسیار محدود، موردی و عمدتاً متمرکز بر بیماریهای خاص یا دورههای زمانی کوتاه بودهاند. همچنین، تجمیع دادهها در سطح ملی موجب نادیدهگرفتن تفاوتهای منطقهای شده و تحلیلهای دقیق در سطح شهرستان را دشوار کرده است. فقدان پژوهشهای جامع با رویکرد فضایی در سطح شهرستانهای ایران، شکاف مهمی در ادبیات علمی ایجاد کرده است. این خلأ پژوهشی ضرورت انجام مطالعهای را برجسته میسازد که با تمرکز بر تغییرپذیری فضایی مرگومیر ناشی از بیماریها، بتواند الگوهای منطقهای را شناسایی کرده و زمینهساز سیاستگذاریهای هدفمند در حوزه سلامت عمومی و توسعه منطقهای باشد.
چارچوب نظری (مفهومی) پژوهش
تفاوتهای جغرافیایی در میزان مرگومیر ناشی از توزیع فضایی متفاوت عوامل تعیینکننده و تعامل آنهاست. عوامل زمینهای شامل تفاوت در میزان مواجهه با مخاطرات زیستمحیطی و تفاوتهای ژنتیکی و همچنین عوامل اجتماعی، اقتصادی، فرهنگی و سیاسی هستند (Frenk et al., 1991). سطوح متفاوت توسعه اقتصادی، درجه گوناگون سلسلهمراتب اجتماعی، تنوع در هنجارهای اجتماعی و فرهنگی، و تفاوت در نظامهای سیاسی و سیاستهای عمومی همگی با یکدیگر تعامل دارند و موجب شکلگیری توزیع جغرافیایی عوامل خطر مرتبط با مرگومیر میشوند (Vallin et al., 2001). برای نمونه، مناطق با توسعه اقتصادی بالاتر، سطح زندگی مادی بالاتری را برای ساکنان خود فراهم میکنند که در شرایط برابر، خطر مرگ را کاهش میدهد. فرهنگهای منطقهای ممکن است نگرشهای متفاوتی نسبت به عوامل خطر کلیدی مانند رژیم غذایی یا مصرف دخانیات داشته باشند؛ این نگرشها نیز میتوانند تحت تأثیر ترکیب فعالیتهای اقتصادی آن منطقه قرار گیرند. در نهایت، نظامهای سیاسی ناهمگون، نظامهای سلامت با اثربخشی متفاوت و سیاستهای سلامت عمومی متنوعی را ایجاد میکنند که نقش واسطهای در تعدیل عوامل خطر سلامت و مرگومیر ایفا میکنند (Martin et al.,2025). در حالیکه امید زندگی از قرن بیستم بهطور جهانی افزایش یافته است، نابرابریها در سرعت کاهش مرگومیر همچنان بین کشورها و درون آنها پابرجا ماندهاند (Moser et al., 2005). نابرابریهای فضایی در مرگومیر در بسیاری از کشورها بالا و در حال افزایش است (Van Raalte et al., 2020; Seaman et al., 2019). جغرافیا میتواند بهعنوان نمایندهای برای سایر نابرابریهای زمینهای عمل کند و در برخی کشورها با الگوی تغییرات اصلی اجتماعی، اقتصادی و سلامت همراستا باشد. درک روندهای گذشته در الگوی تغییرات منطقهای مرگومیر میتواند اثربخشی سیاستهایی را که با هدف کاهش این نابرابریها تدوین شدهاند، روشن سازد و مسیرهایی را برای دستیابی به سطوح پایینتر نابرابری ارائه دهد. افزون بر این، افزایش نابرابریها ممکن است بهعنوان نشانهای هشداردهنده از شکلگیری شرایط اپیدمیولوژیک خاصی تلقی شود که پتانسیل گسترش در سطح ملی را دارند. در نهایت، شناخت روندهای بلندمدت در تفاوتهای جغرافیایی مرگومیر برای ارزیابی روششناسی پیشبینی جمعیت در سطح منطقهای اهمیت دارد؛ برای مثال، اتحادیه اروپا در پیشبینیهای جمعیتی منطقهای، فرض همگرایی بلندمدت در مرگومیر را در نظر میگیرد (European Commission, 2021).
تئوریزهکردن روند کاهش مرگومیر در سطح ملی همواره چالشی پایدار بوده است، زیرا تجربههای مرگومیر در طول زمان و میان کشورها بسیار متنوعاند (Sudharsanan et al., 2022). توسعه نظریهای برای تغییرات مرگومیر در سطح منطقهای با دشواریهای بیشتری همراه است، چرا که نابرابریهای درونکشوری ابعاد پیچیدهتری به تحلیل اضافه میکنند. فرنک[9] و همکاران (1991) نظریهای تحت عنوان «گذار سلامت» ارائه دادند که ترکیب ناهمگون جمعیتهای ملی را در نظر میگیرد. این ترکیب ناهمگون منجر به همپوشانی شرایط اپیدمیولوژیک و تغییرات ساختاری درون یک کشور میشود. در این چارچوب، با کاهش کلی مرگومیر، این کاهش در میان گروههای اجتماعی یا مناطق جغرافیایی برخوردار، سریعتر رخ میدهد و در نتیجه، پدیدهای به نام «قطبیشدن اپیدمیولوژیک» شکل میگیرد. این قطبیشدن موجب تشدید نابرابریهای سلامت درون کشور میشود، حتی در شرایطی که میانگین ملی سلامت در حال بهبود است. این نظریهها نشان میدهند که تحلیل مسیرهای مرگومیر در سطح زیرملی نیازمند درک دقیقتری از تعاملات بین ساختارهای جمعیتی، شرایط اپیدمیولوژیک، و عوامل اجتماعی-اقتصادی در مناطق مختلف یک کشور است. این رویکرد میتواند به شناسایی شکافهای پنهان در سلامت عمومی کمک کرده و سیاستگذاریهای هدفمندتری را در سطح منطقهای امکانپذیر سازد.
والین و مسله[10] (2005)، با توسعه نظریه گذار سلامت فرنک و همکاران (1991)، قطبیشدن اپیدمیولوژیک را بهعنوان مراحل واگرایی در چارچوبی وسیعتر از فرایند واگرایی-همگرایی تبیین کردند که از بهبودهای سلامت و کاهش مرگومیر ناشی میشود. در این نظریه، جمعیتهای برخوردار قادرند زودتر از سایرین از مزایای بهبودهای مؤثر بر کاهش مرگومیر-مانند شرایط اقتصادی بهتر، تغییرات سبک زندگی، نوآوریهای فناورانه و سیاستهای سلامت عمومی- بهرهمند شوند. این امر موجب کاهش سریعتر مرگومیر در این گروهها و در نتیجه ایجاد شکاف با جمعیتهای محرومتر میشود. با گذشت زمان، هنگامیکه این بهبودها به مناطق و گروههای کمتر برخوردار نیز گسترش مییابد، آنها نیز کاهش در مرگومیر را تجربه میکنند و این روند به همگرایی منجر میشود. والین و مسله (2005) فرض کردند که این چرخه واگرایی-همگرایی بهطور کلی با کاهش تاریخی مرگومیر همراه بوده و هم در تفاوتهای بینکشوری و هم در تفاوتهای منطقهای صدق میکند. بهویژه، اگر مناطق جغرافیایی درون یک کشور دارای سطوح متفاوتی از توسعه اجتماعی و اقتصادی باشند، انتظار میرود که کاهش مرگومیر ابتدا در مناطق توسعهیافتهتر رخ دهد و سایر مناطق را عقب بیندازد، که این خود موجب واگرایی میشود. سپس، با گسترش تدریجی بهبودها، مناطق محرومتر نیز بهبود را تجربه کرده و به همگرایی نزدیک میشوند.
همانطور که پیشتر گفته شد میزان مرگومیر یک شاخص کلیدی برای ارزیابی سیاستهای سلامت و جمعیتی یک جامعه است. با این حال، میزان مرگومیر ممکن است از منطقهای به منطقه دیگر متفاوت باشد (Türkan et al., 2020). تجزیهوتحلیل توزیع فضایی میزان مرگومیر و بیماری نقش مهمی در تدوین فرضیههای علتشناسی معتبر ایفا میکند که به درک بهتر روابط بین رویدادهای مورد پژوهش و عوامل مؤثر در وقوع آنها کمک میکند. علاوه بر این، تهیه نقشه از تنوع جغرافیایی عوامل خطر به شناسایی مناطق با میزان بروز کمتر یا بالاتر با توجه به میانگین مرجع کمک میکند و در نهایت در توانمندسازی برای برنامهریزی و مدیریت بهتر منابع یک سیستم بهداشت عمومی مفید خواهد بود (Divino et al., 2009). الگوهای جغرافیایی مرگومیر که از آمارهای حیاتی کشف شده است، توسط پژوهشگران بهعنوان یک ابزار مفید برای فرموله کردن فرضیههایی در مورد علل بیماری و کمکهای مهمی در حل مشکلات بهداشت عمومی در دو قرن اخیر استفاده شده است. .مرگومیر از موضوعات مهم در تحقیقات جمعیتی هستند و همچنین از موضوعات داغ جمعیتشناسی فضایی هستند که محققان جمعیتشناسی فضایی بحثهای عمیقی را در مورد این موضوع براساس تجزیهوتحلیل فضایی انجام دادهاند (Balk et al., 2004; Jankowska et al., 2013; Siordia, 2013). فضا یک بعد مهم در تحقیقات جمعیتی است. توجه به الگوی توزیع فضایی و مکانیسم تأثیرگذار بر پدیدههای جمعیتی و دلایل شکلگیری آن ضروری است. هنگامیکه فضا را بهعنوان بدنه اصلی تأثیرگذار بر پدیدههای جمعیتی در نظر بگیریم، باید به تأثیر خود فضا بر پدیدههای جمعیتی مانند محیط ساخته شده شهری و نحوه شکل دادن به الگوی توزیع جمعیت در شهرها توجه کرد. درک رابطه بین فضا و پدیدههای جمعیتی از هر دو سطح شی و موضوع، نقطه شروع منطقی جمعیتشناسی فضایی برای بررسی مسائل جمعیت است. اساس ایدئولوژیکی تحلیل فضایی از قانون اول جغرافیا سرچشمه میگیرد: اشیاء جغرافیایی به یکدیگر مرتبط هستند و هر چه فاصله نزدیکتر باشد، رابطه نزدیکتر میشود (Tobler, 2004). پیشرفت فناوری تجزیهوتحلیل فضایی یک نیروی محرکه مهم برای توسعه جمعیتشناسی فضایی است. فناوری تجزیهوتحلیل مکانی قدرتمندتر، کاملتر، دادههای مکانی دقیقتر و روشهای تجزیهوتحلیل GIS مسئله محورتر، مزایای زیادی را به دست آورده است، که در سالهای اخیر تاکید بر فضا را در زمینه جمعیتشناسی به شدت افزایش داده است.
روش و دادههای تحقیق
انجام پژوهش به شیوه اکتشافی-تحلیلی بوده و از لحاظ هدف دارای ماهیت کاربردی میباشد. شاخص مورد بررسی در این مطالعه، میزان کلی مرگومیر به علت بیماری است. میزان مرگومیر معمولاً بر حسب واحد مرگومیر به ازای هر 1000 نفر در سال بیان میشود. دادههای مرگومیر بر اثر بیماریهای؛ دستگاه گوارشی، دورانحولتولد، ناهنجاریهایمادرزادی و کروموزومی، قلبی و عروقی، عوارضحاملگی و زایمان، سیستم عصبی، حوادث غیرعمدی، سرطانها و تومورها، دستگاه ادراری و تناسلی، تنفسی، تغذیه و متابولیک، اسکلتی-عضلانی، سیستم خونساز ایمنی، روانی و اختلال رفتاری، عفونی و انگلی، موارد نامعلوم و علائم و حالات بد تعریف شده مبهم (دادههای مرگومیر ناشی از موارد نامعلوم و علائم و حالات بد تعریف شده ادغام شده است) مستخرج از سالنامه وقایع حیاتی جمعیت سازمان ثبت احوال 1395، است. قابل ذکر است دادههای گزارش شده توسط سازمان ثبت احوال در این مطالعه بدون هرگونه ارزیابی و اصلاح نواقص یا اشکالات آن مورد استفاده قرار گرفتهاند. هدف آن بوده است که بهعنوان یک مطالعه مقدماتی و اکتشافی در این زمینه، تصویری کلی از توزیع فضایی علتهای ثبتشده مرگومیر توسط سازمان ثبت احوال، بدست داده شود. بنابراین، این دادهها ممکن است در سطوح شهرستانی با اشکالاتی مواجه باشند. بنابراین ارائه تصویر کاملا دقیقی از علتهای مرگ مورد ادعای مقاله حاضر نیست و نتایج ارائه شده با در نظر گرفتن این محدودیت باید با قدری احتیاط تفسیر شوند.
تکنیکهای متنوعی برای تحلیل اکتشافی داده فضایی وجود دارند که باتوجه به ماهیت دادهها متفاوت است. در اینجا از آزمونهای موران سراسری[11] (GMI) و موران محلی[12] (LM) در نرمافزار ArcGIS استفاده شده است. آزمون موران سراسری بهصورت زیر محاسبه میشود (رضائی و همکاران، 1403):
که در آن n تعداد نواحی، 
مقدار متغیر در ناحیه i، 
مقدار متغیر در ناحیه j، ̅
میانگین متغیر در تمامی نواحی، و 
وزن بهکاررفته برای مقایسه دو ناحیه i و j است.
دامنهی تغییرات شاخص موران سراسری بین 1- تا 1+ است. درصورتیکه مقادیر موران معنیدار و بزرگتر از صفر باشد، همبستگی فضایی مثبت و خوشهای است؛ در غیر اینصورت همبستگی فضایی منفی و بهصورت پراکنده میباشد زمانی که Z(I) صفر اسـت، مبین الگوی تصادفی در ارزش مشاهدات میباشد. بهطور عمده، همبستگی فضایی به مقـادیر نمرۀ Z بستگی دارد. درصورتیکه مقادیر نمرۀ Z مثبت و بالا به دست آید، خوشهبندی فضایی دارای ارزش بالا و قوی هستند. اما اگر نمرۀ Z منفی و پایین به دست آید، خوشهبندی فضایی دارای ارزش پایین میباشند. آماره موران محلی (LMI) جهت جستجوی تفاوت در بیماریها استفاده شد. سپس نتایج به دست آمده از LMI بر روی نقشههای پهنهبندی شده نمایش داده شد تا به این طریق تفاوتها مشخص گردد. مقدار موران محلی بهصورت زیر محاسبه میشود (رضائی و همکاران، 1403):
که 
تعداد واحدهای فضایی (در اینجا، شهرستانها)؛ 
مقدار متغیر
در موقعیت 
؛ 
میانگین مقدار ؛ 
وزن فضایی میان موقعیت و 
است.
مقدار بالای شاخص موران محلی مثبت نشان میدهد که در مکان موردمطالعه با مقادیر بالا یا پایین، مشابه با همسایه خود است، بنابراین مکانها خوشههای فضایی[13] هستند. خوشههای فضایی شامل خوشههای بالا- بالا (مقادیر بالا در مجاور مقادیر بالا) و خوشههای پایین- پایین (مقادیر پایین در مجاور مقادیر پایین) قرار دارند. مقدار بالای موران I محلی منفی بدین معنی است که مکان موردمطالعه ناخوشه فضایی[14] است. ناخوشههای فضایی، آن مقادیری هستند که بهوضوح از مقادیر مکانهای مجاور متفاوت هستند. ناخوشههای فضایی شامل ناخوشههای بالا- پایین (مقدار بالا در مجاور مقدار پایین) و پایین – بالا (مقدار پایین در مجاور مقدار بالا) است (Zhang et al., 2008, 213;). شکل 1 روابط بین مکانها و همسایگان آن را براساس شاخص موران محلی نشان میدهد.
شکل1. روابط بین مکانها و همسایگان: الف) و د) خوشه فضایی؛ ب) و ج) ناخوشه فضایی. (Zhang et al., 2008).
یافتهها
1) یافتههای توصیفی
جدول 1، آمار مرگومیر ناشی از بیماریها را در سال 1395نشان میدهد. بیشترین تعداد فوتشدگان با ۱۳۹۶۱۱ مورد مربوط به بیماریهای قلبی و عروقی است. شهرستان دوره در استان لرستان بالاترین میزان مرگومیر ناشی از این بیماری را داشته است. کمترین تعداد فوتشدگان نیز با 146 مورد در اثر بیماری ناشی از عوارض حاملگی و زایمان بوده است که در شهرستان چرام در استان کهگیلویه و بویر احمد رخ داده است.
جدول 1. آمار مرگومیر در اثر بیماریها 1395
|
نام بیماری |
تعداد مرگومیر ناشی از بیماری |
میانگین میزان مرگومیر ناشی از بیماری |
شهرستان با بالاترین میزان مرگومیر ناشی از بیماری |
|
دستگاه گوارشی |
8072 |
08/0 |
بروجرد |
|
دستگاه تنفسی |
29727 |
30/0 |
دوره |
|
قلبی و عروقی |
139611 |
77/1 |
دوره |
|
سیستم عصبی |
5062 |
06/0 |
هندیجان |
|
روانی و اختلالات رفتاری |
1230 |
02/0 |
فنوج |
|
تغذیه و متابولیک |
5537 |
05/0 |
بندرانزلی |
|
سیستم خونساز ایمنی |
2471 |
02/0 |
بشاگرد |
|
سرطانها و وتومورها |
37062 |
44/0 |
دوره |
|
سوانح |
24436 |
33/0 |
دوره |
|
نامعلوم و علائم وحالات بد تعریف شده مبهم |
38197 |
94/0 |
دلگان |
|
دوران حول تولد |
3820 |
03/0 |
سراوان |
|
ناهنجاریهای مادرزادی و کروموزومی |
4253 |
06/0 |
مبارکه |
|
عوارض حاملگی و زایمان |
146 |
00/0 |
چرام |
|
دستگاه ادراری و تناسلی |
7188 |
08/0 |
ملک شاهی |
|
اسکلتی عضلانی |
656 |
01/0 |
کهنوج |
|
بیماریهای جلد و زیرجلد |
78 |
00/0 |
کلیبر |
|
عفونی و انگلی |
13171 |
08/0 |
فنوج |
|
سایر |
356915 |
57/4 |
کاشمر |
منبع: سالنامه وقایع حیاتی جمعیت سازمان ثبت احوال 1395 و یافتههای پژوهش
2) یافتههای تحلیلی
2-1. بررسی خودهمبستگی فضایی سراسری مرگومیر ناشی از بیماریها
جدول 2 گزارش خودهمبستگی فضایی سراسری میزان مرگومیر ناشی از بیماریها در سال 1395را نشانمیدهد.
جدول2. خودهمبستگی فضایی سراسری مرگومیر براثر بیماریها در سال1395
|
نام بیماری |
شاخص موران |
P-value |
Z-score |
|
دستگاه گوارشی |
0/07 |
0/00 |
4/18 |
|
دستگاه تنفسی |
0/09 |
0/00 |
4/99 |
|
قلبی و عروقی |
0/20 |
0/00 |
11/25 |
|
سیستم عصبی |
0/03 |
0/03 |
2/13 |
|
روانی و اختلالات رفتاری |
0/07 |
0/00 |
4/22 |
|
تغذیه و متابولیک |
27/ 0 |
0/00 |
63/14 |
|
سیستم خونساز ایمنی |
0/05 |
0/00 |
3/25 |
|
سرطانها و وتومورها |
0/44 |
0/00 |
23/30 |
|
سوانح |
27/0 |
0/00 |
21/ 14 |
|
نامعلوم و علائم وحالات بد تعریف شده مبهم |
0/33 |
0/00 |
17/42 |
|
دوران حول تولد |
0/09 |
0/00 |
34/5 |
|
ناهنجاریهای مادرزادی و کروموزومی |
0/15 |
0/00 |
8/17 |
|
عوارض حاملگی و زایمان |
0/00 |
0.76 |
0/29 |
|
دستگاه ادراری و تناسلی |
0/15 |
0/00 |
8/14 |
|
اسکلتی عضلانی |
0/02 |
1/ 0 |
2/41 |
|
جلد و زیرجلد |
0/01 |
0/37 |
0/87 |
|
عفونی و انگلی |
0/08 |
0/00 |
4/35 |
|
سایر |
0/10 |
0/00 |
7/74 |
منبع: یافتههای پژوهش
خودهمبستگی فضایی موران سراسری نشان میدهد که میزان مرگومیر ناشی از عوارض حاملگی و زایمان و جلد و زیر جلدی دارای توزیع تصادفی در کشور است. در سایر موارد میزان مرگومیر ناشی از سایر بیماریها بهصورت خوشهای توزیع شدهاند، ولی اینکه خوشهها درکجا واقع شدهاند و ارتباط با واحدهای همسایگیشان چگونه است را نشان نمیدهد. به همین علت از شاخص موران محلی برای فهم جزئیات بیشتر استفاده شده است.
2-2. بررسی خودهمبستگی فضایی محلی مرگومیر ناشی از بیماریها
نتایج حاصل از شاخص LM میزان مرگومیر ناشی از بیماری گوارشی در نقشه 1 ارائه شده است. شهرستانهایی که امتیاز z بالاتری دارند، یعنی شدت خوشهبندی قویتر است و این الگوها حاکی از آناند که در خوشهبندیها، عوامل محلی مشابهی وجود دارند که پویایی فضایی بیماری را کنترل میکنند. در این نقشه شاهد ایجاد خوشه بالا-بالا نسبتا قوی در شهرستانهای جنوبشرق و غرب هستیم، که میتواند ناشی از عوامل متعددی مانند دسترسی محدود به خدمات بهداشتی، فقر، پراکندگی جمعیت، و ضعف در مراقبتهای پیشگیرانه باشد. همچنین در شمال کشور در شهرستانهای استان مازندران، تهران و البرز، در جنوبغرب در شهرستانهای استان خوزستان، کهگلویه بویراحمد و چهارمحال و بختیاری و در برخی شهرستانهای استان یزد و کرمان، تشکیل سه خوشه پایین-پایین دیده میشود. این الگو فضایی به علت دسترسی بهتر به زیرساختهای درمانی، پوشش مناسب خدمات سلامت و آگاهی بالاتر نسبت به مراقبتهای بهداشتی شکل گرفته باشد.
در نقشه 2 نتایج حاصل از خوشهبندی فضایی میزان مرگومیر ناشی از بیماری دوران حول تولد ارائه شده است. در این نقشه شاهد ایجاد خوشه بالا-بالا در شمالشرق و شمالغرب هستیم. یک خوشه قوی پایین-پایین بخش عمدهای از شهرستانهای استان سمنان، مارندران، تهران، البرز، گیلان، قم، مرکزی و اصفهان را در برگرفته است. در جنوب کشور نیز شهرستانهای نیریز، استهبان، فسا، جهرم، قیروکارزین، خنج، لامرد، عسلویه، مهر، جم، کنگان، دیر، دشتی، عنبرآباد و رودبارجنوب تشکیل خوشه پایین-پایین دادهاند. این الگو میتواند بازتابی از پوشش مناسب خدمات بهداشتی، وجود مراکز درمانی تخصصی و آگاهی بالاتر مادران در این مناطق باشد.
|
نقشه1. خوشهبندی فضایی میزان مرگومیر ناشی از بیماری دستگاه گوارشی(1395) |
نقشه2. خوشهبندی فضایی میزان مرگومیر ناشی از بیماری دوران حول تولد (1395) |
الگوی خوشهبندی مرگومیر ناشی از ناهنجاریهای مادرزادی و کروموزومی در نقشه ۳ نشاندهنده تمرکز خوشههای بالا-بالا در شرق، غرب و شمالغرب کشور است. این مناطق ممکن است با عوامل خطر ژنتیکی، ازدواجهای فامیلی، دسترسی محدود به خدمات پیشگیری و مراقبتهای دوران بارداری و ضعف در غربالگریهای پیشزایمان مواجه باشند. در مقابل، خوشه پایین-پایین در استانهای برخوردارتر مانند تهران، البرز، گیلان، مازندران و اصفهان میتواند ناشی از پوشش بهتر خدمات سلامت مادر و کودک، آگاهی بالاتر، و دسترسی گستردهتر به امکانات تشخیصی و درمانی باشد.
نقشه ۴ نشاندهنده تمرکز خوشههای بالا-بالا مرگومیر ناشی از بیماریهای قلبی و عروقی در نیمه شمالی کشور، بهویژه در شهرستانهای استانهای گیلان و قزوین، و همچنین در پهنهای از مرکز تا غرب کشور است. این الگو میتواند ناشی از عواملی مانند سبک زندگی کمتحرک، تغذیه نامناسب، جمعیت سالمندتر و وجود صنایع آلاینده باشد که در تشدید بیماریهای قلبی نقش دارند. در مقابل، خوشههای پایین-پایین در شهرستانهای تهران و بخشهایی از استانهای قم، کرمان، سیستان و بلوچستان و هرمزگان مشاهده میشود. در شهرستانهای پیرامون تهران، این کاهش میتواند به دلیل نزدیکی به مراکز درمانی تخصصی، دسترسی سریعتر به خدمات اورژانسی و امکانات پزشکی پیشرفته باشد. همچنین در مناطق جنوبی کشور، عواملی مانند جمعیت جوانتر، سبک زندگی متفاوت یا ضعف در ثبت دقیق علل مرگومیر ممکن است در شکلگیری این خوشهها مؤثر باشند.
|
نقشه3. خوشهبندی فضایی میزان مرگومیر ناشی از بیماری ناهنجاری مادرزادی و کروموزومی (1395) |
نقشه4. خوشهبندی فضایی میزان مرگومیر ناشی از بیماری قلبی و عروقی (1395) |
درنقشه 5 خوشه بالا-بالای گستردهای در میزان مرگومیر ناشی از بیماری سیستم عصبی در کشور دیده نمیشود. یکی از خوشههای پایین-پایین در شهرستانهای شمیرانات، پردیس تهران، دماوند، قدس، فردیس، ملارد، شهریار، اسلامشهر، بهارستان، رباطکریم، ری، قرچک پاکدشت، پیشوا، ورامین و گرمسار دیده میشود. در غرب شهرستان روانسر، کرمانشاه، هرسین، دالاهو، قصرشیرین، گیلانغرب، اسلامآباد غرب، ایوان، ایلام، سیروان، چردوال، کوهدشت، رومشکان، دهلران، مهران، ملکشاهی نیز در این خوشه دیده میشود. این الگو میتواند ناشی از عوامل متعددی باشد؛ از جمله دسترسی بهتر به خدمات تخصصی مغز و اعصاب در مراکز درمانی بزرگ، سطح بالاتر آگاهی عمومی نسبت به علائم و درمان بیماریهای عصبی، و وجود زیرساختهای مناسب برای تشخیص زودهنگام. همچنین، سبک زندگی شهری، سطح آموزش، و پوشش بیمهای مناسب در مناطق مرکزی و غربی کشور ممکن است در کاهش میزان مرگومیر ناشی از بیماریهای سیستم عصبی نقش داشته باشد. این تغییرات فضایی میتواند مبنای مناسبی برای برنامهریزیهای بهداشتی و تخصیص منابع درمانی در مناطق با میزان بالاتر مرگومیر باشد.
نتایج حاصل ازخوشهبندی فضایی میزان مرگومیر ناشی از بیماری سوانح در نقشه 6 ارائه شده است. خوشه بالا-بالا نسبتا قوی در جنوب کشور در شهرستانهای بندرعباس، آباده، اقلید، خرم بید، بوانات، پاسارگاد، مرودشت، سپیدان، بویراحمد، رستم، باشت، گچساران، بهبهان، هندیجان، دیلم، گناوه، ممسنی، کازرون، دشتستان، استهبان، فسا تشکیل شده است. خوشه پایین-پایین در شهرستانهای استان مازندران، تهران، سمنان دیده میشود. خوشه پایین-پایین کوچکتری نیز شهرستانهای استان اصفهان، چهارمحال و بختیاری و یزد را در برگرفته است. تغییرپذیری فضایی نشانمیدهد مرگومیر ناشی از بیماریها و سوانح در سطح شهرستانهای کشور بهشدت وابسته به موقعیت جغرافیایی و ویژگیهای فضایی هر منطقه است. عواملی مانند تراکم جمعیت، ساختار سنی، سطح دسترسی به خدمات درمانی، کیفیت زیرساختهای حملونقل، شرایط اقلیمی، سطح توسعه اقتصادی و اجتماعی، و سبک زندگی میتواند در فرضیات شکلگیری الگوهای خوشهای مرگومیر مورد بررسی قرار گیرند. این تغییرات فضایی میتوانند راهنمایی مؤثری برای سیاستگذاریهای بهداشتی، توسعه زیرساختها، و برنامهریزیهای منطقهای باشند تا با شناخت دقیق مناطق پرخطر و آسیبپذیر، اقدامات پیشگیرانه و مداخلات هدفمند صورت گیرد.
|
نقشه5. خوشهبندی فضایی میزان مرگومیر ناشی از بیماری سیستم عصبی (1395) |
نقشه6 . خوشهبندی فضایی میزان مرگومیر ناشی از بیماری سوانح (1395) |
در نقشه ۷، خوشه بالا-بالای قوی از مرگومیر ناشی از سرطانها در شمالغرب و شمال دیده میشود که استانهای آذربایجانها، اردبیل، گیلان و بخشهایی از مازندران و خراسان رضوی را در بر میگیرد. این الگو میتواند ناشی از عوامل محیطی، سبک زندگی، آلودگیها و دسترسی بهتر به خدمات تشخیصی باشد. در مقابل، خوشههای پایین-پایین در مناطق مرکزی، جنوبی و جنوبشرقی کشور احتمالاً به دلیل تفاوت در زیرساختهای درمانی، ثبت دادهها و شرایط اجتماعی شکل گرفتهاند.
نتایج حاصل از شاخص LM میزان مرگومیر ناشی از بیماری دستگاه ادراری و تناسلی در نقشه 8 ارائه شده است. پهنه گسترده خوشههای بالا-بالا در نواحی مرکزی و غربی کشور برای مرگومیر ناشی از بیماریهای دستگاه ادراری و تناسلی میتواند ناشی از تمرکز جمعیتی، سبک زندگی کمتحرک، افزایش سن جمعیت و شیوع بیماریهای مزمن مرتبط باشد. در مقابل، خوشههای پایین-پایین در شرق، جنوب و جنوبشرق کشور ممکن است بازتابی از جمعیت جوانتر، سبک زندگی متفاوت یا حتی ضعف در نظام ثبت و تشخیص دقیق علل مرگومیر در این مناطق باشد.
|
نقشه7. توزیع الگوی فضایی خوشهبندی بیماری سرطانها و تومورها (1395) |
نقشه8 . توزیع الگوی فضایی خوشهبندی بیماری دستگاه ادراری و تناسلی (1395) |
پراکندگی خوشههای مرگومیر ناشی از بیماریهای دستگاه تنفسی در نقشه ۹، با تمرکز خوشههای بالا-بالا در مناطق مرکزی و شرقی کشور، میتواند تحتتأثیر عوامل محیطی مانند خشکی اقلیم، گردوغبار و همچنین وجود صنایع آلاینده باشد که موجب افزایش آلودگی هوا و تشدید بیماریهای تنفسی میشوند. در مقابل، خوشههای پایین-پایین در شمال، جنوب و جنوبغربی کشور ممکن است به دلیل شرایط اقلیمی مساعدتر و رطوبت بالاتر شکل گرفته باشند. در گذر زمان، تغییرات اقلیمی، افزایش یا کاهش گردوغبار، گسترش یا کاهش فعالیتهای صنعتی و تحولات زیرساختی در حوزه سلامت میتوانند الگوهای فضایی را دستخوش تغییر کنند.
نقشه 10 نتایج حاصل از شاخص LM میزان مرگومیر ناشی از بیماری تغذیه و متابولیک را نشان میدهد. در این نقشه شاهد ایجاد خوشه بالا-بالا وسیع در شهرستانهای شمال کشور که میتواند نشاندهنده شیوع بالای چاقی، دیابت و اختلالات متابولیکی ناشی از سبک زندگی کمتحرک و تغذیه ناسالم باشد. خوشههای پایین-پایین در شرق و جنوب کشور احتمالاً به دلیل رژیم غذایی سنتیتر، فعالیت بدنی بیشتر یا ضعف در نظام ثبت بیماریها شکل گرفتهاند.
|
نقشه9. توزیع الگوی فضایی خوشهبندی بیماری دستگاه تنفسی (1395) |
نقشه 10. توزیع الگوی فضایی خوشهبندی بیماری تغذیه و متابولیک (1395) |
تمرکز خوشه بالا-بالا در جنوبشرق کشور در نقشه 11، برای مرگومیر ناشی از بیماریهای اسکلتی عضلانی، نشاندهنده احتمال ضعف در دسترسی به خدمات توانبخشی و مراقبتهای ارتوپدی در این مناطق است. در مقابل، خوشههای پایین-پایین در نواحی مرکزی و شمالی کشور، بهویژه شهرستانهای صنعتی و برخوردارتر، میتواند بازتابی از زیرساختهای درمانی مناسبتر، آگاهی بیشتر و سبک زندگی متفاوت باشد. این الگو بیانگر نابرابری فضایی در سلامت جسمی و نیازمند توجه سیاستگذاران به مناطق محرومتر است. نقشه 12 نشان میدهد میزان مرگومیر ناشی از بیماری سیستم خونساز ایمنی در جنوبشرقی شامل شهرستانهای میرجاوه، خاش، سیب و سوران، سراوان، ایرانشهر، ریگان، دلگان، فنوج، قلعه گنج، نیک شهر، جاسک، میناب، کنارک خوشه بالا-بالا قوی راشکل داده است. در مقابل، خوشه پایین-پایین در شمال کشور، بهویژه در استانهای برخوردارتر مانند تهران، البرز و مازندران، بازتابی از دسترسی بهتر به خدمات درمانی، تشخیص زودهنگام و مراقبتهای پیشگیرانه است.
|
نقشه 11. توزیع الگوی فضایی خوشهبندی بیماری دستگاه اسکلتی عضلانی (1395) |
نقشه 12. توزیع الگوی فضایی خوشهبندی بیماری خونساز ایمنی (1395) |
نتایج حاصل از شاخصLM میزان مرگومیر ناشی از بیماری علائم و حالات بد تعریف شده مبهم و نامعلوم در نقشه 13 ارائه شده است. در این نقشه شاهد ایجاد خوشه بالا-بالا نسبتا قوی در شمال، شمالغرب و شهرستانهای رزن، قروه، بهار، فامنین، تفرش، کمیجان، فراهان، خنداب، ملایر و اراک هستیم. در مقابل، خوشههای پایین-پایین در مناطق مرکزی و جنوبی از جمله اطراف تهران، خوزستان، یزد و فارس احتمالاً بیانگر نظام ثبت بهتر و دسترسی مناسبتر به خدمات پزشکی هستند.
در نقشه 14خوشه بالا-بالا میزان مرگومیر ناشی از بیماری روانی و اختلال رفتاری در شمالغربی وجنوبشرقی را نشان میدهد. شهرستانهای شمالغربی شامل مشگینشهر، سراب، نیر، نمین، بستانآباد، مراغه، ملکان، بناب، چاراویماق، میانه، خلخال، کوثر، مراغه و ملکان است. این تمرکز میتواند ناشی از عوامل متعددی نظیر دسترسی محدود به خدمات رواندرمانی، فقر، بیکاری یا فرهنگسازی ناکافی در این مناطق باشد. در مقابل، خوشههای پایین-پایین که از غرب تا مرکز و اطراف تهران امتداد دارند، احتمالاً از زیرساختهای درمانی بهتر، آگاهی بیشتر و دسترسی مناسبتر به خدمات سلامت روان بهرهمندند. این تفاوتها بیانگر نیاز به سیاستگذاری منطقهای هدفمند برای کاهش نابرابریهای سلامت روان در کشور است.
|
نقشه 13. توزیع الگوی فضایی خوشهبندی بیماری سیستم علائم و حالات بد تعریف شده مبهم و نامعلوم (1395) |
نقشه 14. توزیع الگوی فضایی خوشهبندی بیماری روانی و اختلال رفتاری (1395) |
|
نقشه 15. توزیع الگوی فضایی خوشهبندی بیماری عفونی و انگلی (1395) |
نقشه 16. توزیع الگوی فضایی خوشهبندی سایر بیماریها (1395) |
تمرکز خوشه بالا-بالا در جنوبشرق کشور در نقشه 15، برای میزان مرگومیر ناشی از بیماریهای عفونی و انگلی، نشاندهنده احتمال احتمال ضعف در دسترسی به خدمات بهداشتی اولیه، مراقبتهای پیشگیرانه، و درمانهای تخصصی عفونی را مطرح میسازد. همچنین شاهد خوشه بالا- بالا دیگری در استانهای گیلان و قزوین در شمال کشور هستیم. خوشههای پائین – پائین در میزان مرگومیر ناشی از این نوع بیماری پهنههای از شمالغرب تا جنوب غرب و شهرستانهای جنوبی استان فارس را در برگرفته است. نقشه ۱۶ نشاندهنده شکلگیری خوشههای بالا-بالا در استانهای گیلان و خراسانرضوی در میزان مرگومیر ناشی از سایر بیماریهاست. این تمرکز فضایی میتواند بازتابی از چالشهای ساختاری در نظام سلامت این مناطق باشد؛ از جمله محدودیت در تشخیص زودهنگام، پوشش ناکافی خدمات درمانی یا شیوع بالای بیماریهای مزمن و غیرواگیر. در مقابل، خوشههای پایین-پایین در استانهای مجاور تهران مانند البرز، قم و قزوین، و همچنین در برخی شهرستانهای استانهای خوزستان، کرمان، یزد و فارس، میتواند نشاندهنده وضعیت مطلوبتر سلامت عمومی، دسترسی بهتر به خدمات درمانی و اثربخشی مراقبتهای پیشگیرانه است.
این تفاوتهای فضایی در الگوی میزان مرگومیر، بیانگر نابرابری منطقهای در بهرهمندی از خدمات سلامت و ضرورت بازنگری در سیاستگذاری سلامتمحور است. تقویت زیرساختهای درمانی، توسعه شبکههای مراقبت اولیه، و ارتقای نظام ارجاع در مناطق با خوشههای بالا، میتواند گامی مؤثر در جهت کاهش بار بیماری و ارتقای عدالت سلامت باشد.
نظریه «قطبیشدن اپیدمیولوژیک» نشان میدهند که کاهش مرگومیر در جوامع برخوردار سریعتر رخ میدهد و همین امر موجب تشدید نابرابریهای سلامت درون کشورها میشود. این نابرابریها در قالب خوشههای بالا-بالا و پایین-پایین در نقشههای فضایی مرگومیر قابل مشاهدهاند و بیانگر شکافهای ساختاری در دسترسی به خدمات سلامت، کیفیت زندگی و مواجهه با عوامل خطر هستند. یافتههای این پژوهش نیز نشان میدهد در میزان مرگومیر ناشی از بیماریهای مختلف در ایران اثر خودهمبستگی فضایی وجود دارد و این با نتایج تعدادی از پژوهشهای پیشین (Wami et al, 2021، Martinez-Benedito et al., 2021; Cupido et al., 2020;)، همسو و با پژوهش هوانگ و همکاران (2010) ناهمسو است. نتایج نشانمیدهد که میزان مرگومیر ناشی از بیماریهای مختلف- به جز مرگومیر ناشی از عوارض حاملگی و زایمان و بیماری جلد و زیرجلد که الگوی تصادفی داشته- دارای توزیع خوشهای بوده است. تشکیل خوشه قوی پائین- پائین در شهرستانهای پیرامون تهران در اکثر نقشهها، حاکی از این است که توزیع بیماریها در کشور تصادفی نیست و وابستگی مکانی وجود دارد. همچنین میتواند تحت تأثیر تفاوتهای ساختاری و منطقهای باشد. این نتیجه با نتایج تحقیقات قبلی (Martinez-Beneito et al., 2021; Wami et al., 2021; Cupido et al., 2020) مطابقت دارد.
باید توجه داشت که تحلیل مرگومیر نباید صرفا از منظر پزشکی و بیولوژیکی بررسی شود، بلکه باید از لحاظ فضایی، اجتماعی و اقتصادی نیز مورد تحلیل قرار گیرد. الگوی توزیع مرگومیر در کشور بیانگر آن است که برخی مناطق بهطور معناداری از میزان مرگومیر بالاتری رنج میبرند که میتواند ناشی از توسعه نامتوازن خدمات سلامت، تفاوت در سطح رفاه اقتصادی، و عوامل محیطی باشد. از اینرو، برنامهریزان شهری و منطقهای در پژوهشهای آینده میتوانند از روشهای دادهکاوی و تحلیلهای فضایی برای شناسایی الگوها و بررسی روابط فضایی در پیشبینی میزان مرگومیر و بهینهسازی مدیریت منابع در حوزه سلامت استفاده کنند.
تقدیر و تشکر
نویسندگان از همه کسانی که در انجام این پژوهش به ما یاری رساندند به ویژه کسانی که کار ارزیابی کیفیت مقالات را انجام دادند تشکر و قدردانی مینمایند.
