تجزیه و تحلیل مکانی-زمانی دسترسی فضایی به مراقبت های بهداشتی اولیه در بوتان

خلاصه

سیستم های اطلاعات جغرافیایی (GIS) را می توان به طور موثر برای انجام تجزیه و تحلیل مکانی-زمانی دسترسی مکانی به خدمات اولیه مراقبت های بهداشتی مورد استفاده قرار داد. دسترسی فضایی به خدمات مراقبت های بهداشتی اولیه معمولاً با استفاده از مدل های حوضه آبریز شناور اندازه گیری می شود که به طور کلی با سه متغیر تعریف می شوند. به عنوان مثال، یک جزء جذابیت مرکز خدمات، زمان سفر یا فاصله بین مکان های مرکز خدمات و جمعیت، و تقاضای جمعیت برای خدمات مراقبت های بهداشتی. مدل حوضه آبریز شناور دو مرحله ای اصلاح شده نزدیکترین همسایه (NN-M2SFCA) برای محاسبه شاخص های دسترسی فضایی برای کل کشور پیشنهاد شده است. مقادیر دسترسی از سال 2010 تا 2013 برای بوتان با تولید نقشه‌های رتبه‌بندی دسترسی، ترسیم منحنی‌های لورنز، هم به‌صورت مکانی و هم زمانی مورد تجزیه و تحلیل قرار گرفت. و انجام تجزیه و تحلیل خوشه بندی فضایی. شاخص‌های دسترسی فضایی 205 ناحیه فرعی تفاوت‌های زیادی را در دسترسی به مراقبت‌های بهداشتی در کشور نشان می‌دهد. نتایج طبقه‌بندی مبتنی بر میانگین و میانگین نشان می‌دهد که در سال 2013، 24 درصد از جمعیت بوتان دسترسی ضعیفی به خدمات مراقبت‌های بهداشتی اولیه دارند، 66 درصد از جمعیت دسترسی سطح متوسط و 10 درصد دسترسی خوبی دارند.

کلید واژه ها:

دسترسی فضایی ؛ مراقبت های بهداشتی اولیه ; بوتان ; حوضه آبریز شناور ; GIS

1. معرفی

مراقبت های بهداشتی اولیه (PHC) “… اولین سطح تماس افراد، خانواده و جامعه با سیستم بهداشت ملی است که مراقبت های بهداشتی را تا حد امکان به محل زندگی و کار مردم نزدیک می کند…” که باید از نظر علمی معتبر باشد. و روش های قابل قبول اجتماعی که به طور جهانی در دسترس قرار گرفته اند» توسط متخصصان بهداشتی آموزش دیده ارائه شده است ([ 1 ]، p.1). بنابراین، دسترسی فضایی (بالقوه) که در دسترس بودن ارائه دهندگان مراقبت های بهداشتی آموزش دیده، تقاضای بالقوه جمعیت برای خدمات مراقبت های بهداشتی، و دسترسی جغرافیایی به دلیل جدایی فاصله بین محل ساکنان و ارائه دهندگان را یکپارچه می کند، جزء مهم PHC است. دسترسی فضایی به طور گسترده ای برای ارزیابی برابری دسترسی فضایی به خدمات PHC استفاده شده است [ 2 ], 3 , 4 , 5 , 6 , 7 ].

به طور کلی، یک سیستم اندازه‌گیری دسترسی فضایی با یک مدل گرانشی یا یک مدل حوضه آبریز شناور (FCA) تعریف می‌شود. تحقیقات اخیر در مورد دسترسی فضایی نشان می‌دهد که مدل‌های FCA بیشتر از مدل گرانشی استفاده می‌شوند، زیرا به طور شهودی قابل تفسیر هستند و به جای استفاده از یک حوضه واحد برای همه مراکز خدمات، از مناطق حوضه آبریز جمعیتی متغیر برای هر یک از مراکز خدماتی استفاده می‌کنند. همانطور که در مدل جاذبه استفاده می شود [ 2 ، 6 ، 8 ]. با این حال، توجه به این نکته مهم است که مدل‌های FCA یک نوع تخصصی از مدل گرانشی هستند [ 4 ]]. سه موضوع عمده برای مقابله با سیستم اندازه گیری FCA وجود دارد. اولین مسئله با توجه به در دسترس بودن تعدادی از مدل‌های FCA، مانند 2SFCA (منطقه حوضه شناور دو مرحله‌ای) [ 4 ]، KD2SFCA (منطقه حوضه شناور دو مرحله‌ای با چگالی هسته) [ 9 ]، E2SFCA (بهبود یافته) است. مدل‌های حوضه آبریز شناور دو مرحله‌ای [ 3 ]، 3SFCA (حوضه آبریز شناور سه مرحله‌ای) [ 6 ] و M2SFCA (حوضه آبریز شناور دو مرحله‌ای اصلاح‌شده) [ 2 ] که با موفقیت برای اندازه‌گیری دسترسی فضایی به اولیه آزمایش شده‌اند. خدمات بهداشتی و درمانی دلیمر [ 2] تحلیل گسترده ای از مدل های FCA فوق الذکر انجام داده و مدل M2SFCA را پیشنهاد کرده است که بر اساس یک چارچوب ریاضی صحیح فرموله شده است. موضوع دوم هر مدل دسترسی فضایی مربوط به انتخاب یک تابع فروپاشی فاصله است که به طور کلی برای استخراج وزن فاصله نسبی برای پارامتر امپدانس فاصله در مدل دسترسی فضایی استفاده می شود. پنج تابع فروپاشی فاصله متفاوت در ادبیات گزارش شده است – توان معکوس [ 5 ]، خطی [ 10 ]، نمایی [ 2 ]، هسته Epanechnikov [ 9 ]، و توابع فیلتر Butterworth [ 10 ]]؛ با این حال، هیچ یک از این مطالعات به طور انحصاری اثر یک تابع فروپاشی فاصله بر اقدامات دسترسی فضایی را تجزیه و تحلیل نکرده است. موضوع سوم به روش تعیین حوضه های جمعیتی برای هر مرکز خدماتی می پردازد. مطالعات گذشته حوضه های جمعیتی را با تعریف دایره های متحدالمرکز با شعاع معینی از مقادیر زمان سفر از محل هر خوشه جمعیتی مشخص کرده اند [ 2 ، 3 ، 4 ، 6 ، 9]. این روش به عنوان روش حلقه بافر (BR) نامیده می شود تا آن را از روش پیشنهادی نزدیکترین همسایه (NN) متمایز کند. روش NN حوضه حوضه را با شناسایی تعداد محدودی از نزدیکترین مراکز خدماتی برای هر خوشه جمعیت به جای شناسایی تعداد متغیر مراکز خدماتی که در یک حلقه بافر با اندازه محدود در اطراف هر خوشه قرار دارند، مشخص می کند. تمام مطالعات دسترسی مبتنی بر FCA تا کنون، به جز Jamtsho و Corner [ 11 ]، از روش BR برای تعیین مناطق حوضه آبریز جمعیت استفاده کرده اند. وانگ اشاره کرده است که انتخاب توابع وزن دهی فاصله و تعیین حوضه های جمعیتی تنها با انجام بررسی های واقعی در مورد رفتار استفاده از مراقبت های بهداشتی قابل حل است [ 12 ]]. با این حال، انجام نظرسنجی‌های فردی در کل کشور برای جمع‌آوری خاطرات سفر بسیار پرهزینه است، بنابراین این عدم قطعیت‌ها باید عملاً با توسعه مدل‌های دسترسی با چارچوب‌های نظری صحیح برطرف شوند.

اکثر مطالعات دسترسی فضایی در مناطق شهری یا روستایی در کشورهای توسعه یافته با استفاده از روش‌های محاسباتی مبتنی بر زمان سفر انجام شد که در آن دسترسی جاده‌ای شکل اصلی حمل‌ونقل است و داده‌های شبکه جاده‌ای جامع و به آسانی در دسترس هستند. روش های مبتنی بر زمان سفر به طور ایده آل برای مناطقی مناسب هستند که زمان سفر را می توان به طور دقیق از داده های شبکه مسیر بدست آورد. در غیاب داده های شبکه مسیر، یک رویکرد جایگزین برای اندازه گیری دسترسی فضایی ضروری است. این مقاله روش NN را برای تعیین مناطق حوضه جمعیتی در مدل M2SFCA، با استفاده از اندازه‌گیری فاصله خط مستقیم به جای اندازه‌گیری‌های زمان سفر، برای محاسبه شاخص‌های دسترسی فضایی خوشه‌های جمعیت پیشنهاد می‌کند. تازگی روش پیشنهادی این است که از روش نزدیک‌ترین همسایه برای تعریف حوزه‌های حوضه به جای روش حلقه حائل رایج استفاده می‌کند، که بر اساس یک چارچوب نظری ضعیف است. بوتان به عنوان مطالعه موردی برای آزمایش رویکرد محاسباتی پیشنهادی استفاده شده است. این کشور به دلیل وسعت و جمعیت کم به عنوان منطقه مورد مطالعه انتخاب شده است که محاسبه شاخص های دسترسی مکانی را برای کل کشور تسهیل می کند. اهمیت توسعه شاخص‌های دسترسی فضایی برای کل کشور در این است که می‌توان از این شاخص‌ها برای ارزیابی برابری دسترسی فضایی به خدمات بهداشتی درمانی برای مناطق و نواحی مختلف کشور استفاده کرد که به نوبه خود می‌توان از آن برای انجام شواهد استفاده کرد. برنامه ریزی فضایی مبتنی بر تخصیص یا تخصیص مجدد منابع بهداشتی به طور عادلانه در سراسر کشور.8 ]، که در آن دسترسی برای کل استرالیا با استفاده از مناطق حوضه با اندازه متغیر مبتنی بر زمان سفر با استفاده از مدل 2SFCA مدل‌سازی شد. روش محاسباتی پیشنهادی به طور خاص برای کشورهای در حال توسعه که دسترسی جاده‌ها محدود است و داده‌های شبکه جاده‌ای کمیاب است، مهم خواهد بود.

ساختار این مقاله به شرح زیر است. بخش 2 بررسی و ارزیابی مدل های مختلف FCA را ارائه می کند. بخش 3 منابع داده را تشریح می کند و روشی را برای محاسبه شاخص های دسترسی بالقوه فضایی با استفاده از روش مبتنی بر خط مستقیم پیشنهادی تشریح می کند. بخش 4 نتایج دسترسی مکانی را ارائه می دهد. تغییرات مکانی و زمانی در دسترسی مکانی به خدمات مراقبت‌های بهداشتی اولیه بین سال‌های 2010 و 2013 با استفاده از مقادیر دسترسی خوشه‌های جمعیتی و شاخص‌های دسترسی ترکیبی زیر ناحیه‌ها و ولسوالی‌ها ارزیابی شد. بخش 5 و بخش 6 به ترتیب بحث و نتیجه گیری را ارائه می کنند.

2. بررسی مدل های حوزه آبریز شناور (FCA).

اصلاحی برای روش اصلی 2SFCA توسط Delamater [ 2 ] پیشنهاد شد و آن را روش M2SFCA نامید. یک نسخه اقتباس شده از مدل M2SFCA با معادله (1) ارائه شده است.

آ من = \sum j = 1 n اس j دبلیو من ج دبلیو من ج \sum k = 1 متر پ ک دبلیو k j

(1)

که در آن A _i شاخص دسترسی فضایی خوشه جمعیتی i است، n تعداد کل مکان‌های ارائه‌دهنده خدمات بهداشتی مرتبط با خوشه جمعیتی i است، _Sj تعداد ارائه‌دهندگان خدمات بهداشتی موجود در مکان j ، W _i_j و W kj فاصله هستند _. وزن‌های محاسبه‌شده با استفاده از تابع فروپاشی فاصله، m تعداد کل خوشه‌های جمعیت مرتبط با مرکز بهداشتی j است ، و Pk جمعیت در مکان خوشه جمعیت _k است ..

شاخص‌های دسترسی مبتنی بر FCA معمولاً به دلیل دو جمع‌بندی موجود در مدل (معادله (1)) در دو مرحله محاسبه می‌شوند، بنابراین پیشوند «دو مرحله‌ای» در نام‌گذاری مدل‌های FCA استفاده می‌شود. انواع مدل FCA تنها با مکانیسم وزن دهی آنها متفاوت است. اگر تمام متغیرهای وزنی در رابطه (1) حذف شوند، مدل 2SFCA را نشان می دهد و اگر تنها یک متغیر W _ij حذف شود، مدل های E2SFCA و KD2SFCA را نشان می دهد. مدل‌های E2SFCA و KD2SFCA تنها با استفاده از یک تابع واپاشی فاصله متفاوت متفاوت هستند، به این صورت که مدل اول از یک تابع گام استفاده می‌کند، در حالی که مدل دوم از یک تابع فروپاشی پیوسته استفاده می‌کند [ 2 ]. شکل 1دو تابع واپاشی فاصله متفاوت را نشان می دهد که روش های FCA فوق را تعریف می کند. مدل 3SFCA مدل اصلی E2SFCA است که با ترکیب تابع وزنی اضافی، D _ij ، در هر دو مؤلفه صورت و مخرج تقویت شده است. D _ij را می توان با استفاده از رابطه (2) تعریف کرد، که نسبت وزن فاصله محل خوشه جمعیت i و مرکز بهداشتی مرتبط j و مجموع تمام وزن فاصله برای خوشه جمعیت i و امکانات بهداشتی مرتبط با آن است.

D من ج = دبلیو من ج \sum j = 1 n دبلیو من ج

(2)

شکل 1. توابع فروپاشی مرحله ای (E2SFCA) و پیوسته (KD2SFCA).

به منظور درک چارچوب محاسباتی مدل های مختلف FCA، در ادامه [ 2 ]، یک سیستم شبیه سازی شده از ارائه دهندگان خدمات و خوشه های جمعیت برای ارزیابی این مدل ها طراحی شد. شکل 2 طراحی یک سیستم شبیه سازی شده با دو مرکز خدمات و شش خوشه جمعیت را نشان می دهد. موجودیت های A و B نشان دهنده ارائه دهندگان خدمات و p، q، r، x، y، و z نشان دهنده مکان خوشه های جمعیت هستند. به منظور محاسبات، تعداد ارائه دهندگان خدمات در هر دو مرکز خدمات 10 و تعداد افراد در هر خوشه جمعیتی 100 در نظر گرفته شده است. نتیجه محاسبه مقادیر دسترسی مکانی با استفاده از سه روش مختلف FCA در جدول 1 نشان داده شده است. واحد ارزش دسترسی فضایی ( A _i ) فرصت ها برای هر نفر است. همانطور که انتظار می رود، مقادیر A _i خوشه های q و y کمتر از مقادیر خوشه های p، r، x و z برای مدل های E2SFCA و M2SFCA است. مدل KD2SFCA آزمایش نشد زیرا فرمول ریاضی آن شبیه به مدل E2SFCA است. با این حال، مقادیر A _i خوشه‌های q و y بزرگتر از مقادیر مربوط به خوشه‌های p، r، x و z برای مدل 3SFCA است که از نظر منطقی نادرست است. نتایج مدل 3SFCA به‌دست‌آمده در این مطالعه با نتایج به‌دست‌آمده توسط Delamater [ 2 ] مطابقت دارد.]، که مقایسه گسترده ای بین سیستم های اندازه گیری FCA با استفاده از یک سیستم شبیه سازی ساده انجام داده است. از این رو، از این آزمایش‌های محاسباتی مشهود است که روش 3SFCA از نظر ریاضی ناسازگار و پایین‌تر از سایر سیستم‌های اندازه‌گیری FCA است.

شکل 2. یک سیستم شبیه سازی شده.

جدول 1. نتایج دسترسی از سیستم شبیه سازی شده.

هر دو E2SFCA و M2SFCA مقادیر دسترسی سازگار از نظر ریاضی را تولید می کنند. با این حال، همانطور که توسط Delamater [ 2 ] اشاره شد، تفاوت بین این دو مدل این است که مدل M2SFCA هنگام برخورد با سیستم‌هایی با پیکربندی زیر بهینه دقیق‌تر است، زیرا فاصله مطلق بین مکان‌های جمعیت و ارائه‌دهنده را در نظر می‌گیرد. بر خلاف مدل E2SFCA، که تنها تفکیک فاصله نسبی را در نظر می گیرد. از نظر تئوری، یک سیستم پیکربندی بهینه زمانی تحقق می‌یابد که هر دو مکان جمعیت و ارائه‌دهنده در کنار هم قرار گیرند. هر سیستم پیکربندی دیگری به عنوان زیر بهینه تعریف می شود. دنبال کردن [ 2این محدودیت مدل E2SFCA به طور بالقوه می تواند نتیجه دسترسی مناطق محروم را با برآورد بیش از حد مقادیر دسترسی آنها، همانطور که در سناریوی فوق الذکر نشان داده شده است، سوگیری کند که در آن سه خوشه جمعیتی که در 5 کیلومتری محل ارائه دهنده قرار دارند دارای مقادیر دسترسی یکسانی هستند. خوشه های جمعیتی که در فاصله 2 کیلومتری قرار دارند. چنین سوگیری در مقادیر دسترسی اغلب به عنوان مشکل برآورد بیش از حد نامیده می شود.2 ، 6 ].

علاوه بر این، مدل M2SFCA همچنین مقادیر دسترسی کمتری نسبت به سایر مدل‌های FCA ایجاد می‌کند. یک برآورد محافظه کارانه از مقادیر دسترسی فضایی همچنین منجر به تخمین مجموع فرصت های کمتر از کل فرصت های واقعی موجود در سیستم کامل می شود. مجموع فرصت‌های موجود برای یک واحد جمعیتی برابر است با حاصلضرب ارزش دسترسی مکانی آن (فرصت‌ها برای هر نفر) و جمعیت، و کل فرصت‌های موجود در یک سیستم برابر با مجموع مجموع فرصت‌های همه واحدهای جمعیتی درون سیستم است. . میز 1همچنین نشان می‌دهد که تمام ۲۰ ارائه‌دهنده موجود در سیستم شبیه‌سازی شده به‌طور نسبی بین شش واحد جمعیتی توسط رویکرد محاسباتی E2SFCA و 3SFCA توزیع شده‌اند، در حالی که تنها ۱۴.۶۶ ارائه‌دهنده با رویکرد M2SFCA توزیع شده‌اند. برای هر گونه جداسازی فاصله بین مکان‌های ارائه‌دهنده و جمعیت، مدل‌های E2SFCA و 3SFCA مقادیر دسترسی واحدهای جمعیت را به‌گونه‌ای محاسبه می‌کنند که مجموع فرصت‌های تخمینی در سیستم همیشه برابر با کل فرصت‌های واقعی موجود در سیستم باشد. برعکس، مدل M2SFCA مقادیر دسترسی فضایی واحدهای جمعیتی را محاسبه می‌کند به طوری که مجموع فرصت‌های موجود در سیستم به تدریج با افزایش فاصله مطلق بین ارائه‌دهنده و مکان‌های جمعیت کاهش می‌یابد. این ویژگی محاسباتی مدل M2SFCA منطقی‌تر است زیرا مجموع فرصت‌های موجود برای یک واحد جمعیتی باید با افزایش فاصله از محل ارائه‌دهنده کاهش یابد، زیرا هزینه‌های امپدانس فاصله برای دسترسی به خدمات متحمل می‌شوند. بنابراین، به نظر می رسد مدل M2SFCA قابل اعتمادترین مدل محاسباتی برای اندازه گیری دسترسی فضایی به خدمات مراقبت های بهداشتی اولیه باشد که در این مطالعه اتخاذ شده است.

3. روش شناسی

در سیستم اندازه گیری FCA، هر مرکز بهداشتی دارای یک حوضه آبریز جمعیتی و هر خوشه جمعیتی دارای یک حوضه حوضه خدماتی است که به طور کلی محدود است و با حوضه های همجوار همپوشانی دارد. ترسیم واقعی حوضه های جمعیتی قرار است با مدل سازی روابط فضایی بین مرکز خدمات و ساکنان ساکن در مجاورت مرکز خدمات انجام شود [ 4 ]]. با این حال، مدل‌سازی دقیق تعامل ارائه‌دهنده و جمعیت عملاً امکان‌پذیر نیست، زیرا این امر مستلزم بررسی‌های گسترده و پرهزینه در سراسر کشور است. بنابراین، حوزه خدمات و حوضه جمعیتی باید با توسعه یک چارچوب نظری صحیح که زیربنای مدل دسترسی فضایی است، تعریف شود. یکی از این روشها را می توان بر اساس قانون اول جغرافیای توبلر توسعه داد که بیان می کند نزدیکترین موجودات بیشتر از دورتر با یکدیگر تعامل دارند [ 13 ]. روش NN پیشنهادی فرض می‌کند که مردم تمایل دارند خدمات مراقبت‌های بهداشتی را از نزدیک‌ترین امکانات به جای دورتر جستجو کنند.

حوضه جمعیتی هر مرکز خدمات با تعداد خوشه های جمعیتی مرتبط با هر مرکز خدمات و حوزه حوضه خدماتی با تعداد مراکز خدمات مرتبط با هر خوشه جمعیتی تعریف می شود. روش موجود برای تعیین مناطق خدمات و حوضه جمعیتی بر اساس یک روش BR است که در آن مناطق حوضه توسط مراکز خدمات مرتبط و واحدهای جمعیتی که در یک زمان سفر یا واحدهای مسافت مشخص قرار دارند مدل‌سازی می‌شوند. به عنوان مثال، در یک رویکرد محاسباتی مبتنی بر زمان سفر، حوضه آبریز خدمات هر خوشه جمعیتی با شناسایی مراکز خدمات بالقوه در حال سقوط با یک حلقه بافر 30 [ 3 ]، 45 [ 2 ]، یا 60 دقیقه [ 6 ] تعریف می‌شود.] از محل خوشه های جمعیت. به طور مشابه، یک حوضه حوضه جمعیتی هر مرکز خدمات با مرتبط کردن همه خوشه های جمعیتی که در حلقه بافر مشخص شده از محل مراکز خدمات مربوطه قرار می گیرند، تعریف می شود. این روش برای تعیین حوضه های آبریز به دلیل محدودیت های نظری و عملی ناقص است. اول، هر مقدار واقعی از نظر تئوری برای تعریف یک حلقه بافر امکان پذیر است، به عنوان مثال 5 دقیقه، 11 دقیقه، یا 15.56 دقیقه را می توان به طور مساوی استفاده کرد. حتی متداول ترین اندازه گیری زمان 30 دقیقه در بهترین حالت به صورت دلخواه تعریف شده است. در دسترس بودن بی نهایت مقادیر واقعی عدم قطعیت در شناسایی یک اندازه گیری دقیق برای تعریف حلقه بافر ایجاد می کند. برعکس، روش NN این ابهام ارزش واقعی را با ارتباط مستقیم هر خوشه جمعیت با تعدادی کامل از نزدیکترین همسایگان، مراکز خدمات، حذف یا به حداقل می رساند. دوم، روش BR یک امتیاز دسترسی مغرضانه بین خوشه‌های جمعیتی مختلف ایجاد می‌کند، زیرا خوشه‌های جمعیت با تعداد متغیری از مراکز خدماتی از چند تا صدها مرتبط هستند. برای مثال، McGrail و Humphreys از حداکثر 100 نزدیکترین مرکز خدماتی که در شعاع جستجوی 60 دقیقه ای یافت شده اند برای محاسبه معیار دسترسی مبتنی بر 2SFCA استفاده کرده اند.14 ]. بدیهی است که مردم به این مراکز خدمات زیادی دسترسی نخواهند داشت، بنابراین اکثر این مراکز خدمات بالقوه عملاً اضافی هستند، که تنها با اندازه‌گیری «انتخاب» در مناطق شهری به جای دسترسی واقعی، همانطور که مک گریل به درستی اشاره کرد، به تعصب دسترسی کمک می‌کنند ([ 15 ]]، پ. 6). سوگیری دسترسی به دلیل تفاوت در مراکز خدمات مرتبط بین خوشه های جمعیتی، از این پس به عنوان سوگیری انتخاب نامیده می شود. به یاد بیاورید که امتیاز دسترسی یک خوشه جمعیت معین به عنوان یک مؤلفه افزودنی به دلیل تمام مراکز خدمات مرتبط محاسبه می شود (به معادله (1) مراجعه کنید). از سوی دیگر، روش NN این پتانسیل را دارد که با مرتبط کردن تعداد مراکز خدماتی مشابه با هر خوشه جمعیت، سوگیری دسترسی فوق‌الذکر را به طور کامل حذف کند. حتی با استفاده از تعداد متغیر نزدیکترین همسایگان به منظور تفکیک بین مناطق روستایی و شهری، برای اهداف عملی، هیچ نیازی به مرتبط ساختن صدها مرکز خدماتی با هر خوشه جمعیتی وجود ندارد زیرا غیرواقعی است که فرض کنیم مردم با آنها ارتباط برقرار کنند. چنین تعداد زیادی از مراکز خدمات، به ویژه مراکز بهداشتی و درمانی سوم، برنامه ریزی بهداشتی و تخصیص خدمات پزشک عمومی باید با هدف ارائه خدمات کمی تا حد امکان نزدیک به مکان همه گروه های جمعیتی انجام شود. بنابراین ارزیابی دسترسی باید با مقایسه در دسترس بودن خدمات در چند نزدیکترین مکان به جای گنجاندن تعداد اضافی مراکز خدمات واقع در 30، 45 یا 60 دقیقه انجام شود.

روش NN در ابتدا برای تطبیق تنوع زیاد در فواصل بین برخی از خوشه‌های جمعیتی از نزدیک‌ترین مراکز بهداشتی در حالی که دسترسی فضایی کل کشور را ارزیابی می‌کرد، توسعه داده شد [ 11 ]. برای بوتان، هیچ مقدار قطع فاصله خاصی را نمی توان استفاده کرد زیرا از داده های شبکه مراکز بهداشتی و خوشه های جمعیتی مشاهده شده است که برخی از خوشه های جمعیتی (واقع در منطقه فرعی Lunana ناحیه گاز) در فاصله 53 کیلومتری قرار دارند. نزدیکترین مراکز بهداشتی آنها اگر این بزرگترین فاصله به عنوان مقدار آستانه انتخاب شود، جمعیت شهری با حوضه های جمعیتی مراکز بهداشتی درمانی واقع در مناطق دورتر روستایی مرتبط می شود و بالعکس .که در عمل درست نیست. اگر فاصله آستانه‌ای کوچک‌تر از بزرگترین فاصله انتخاب شود، برخی از خوشه‌های جمعیتی در مناطق روستایی هیچ امکانات بهداشتی برای آنها اختصاص داده نمی‌شود، زیرا همه امکانات بهداشتی خارج از فاصله آستانه قرار می‌گیرند. به منظور ارتباط همه خوشه های جمعیتی به برخی از مراکز بهداشتی، هر خوشه جمعیتی به دو نزدیکترین مرکز بهداشتی خود مرتبط شد. مقرر شد با در نظر گرفتن دو معیار از دو نزدیکترین مرکز بهداشتی درمانی استفاده شود. در ابتدا، از داده های شبکه نظام سلامت مشاهده شد که اکثر مناطق شهری بیش از یک مرکز درمانی در مجاورت دیگری دارند. حتی در مناطق روستایی، خوشه‌های جمعیتی زیادی وجود دارند که امکانات بهداشتی تقریباً مساوی در مجاورت خود دارند. در چنین مواردی، انتخاب تنها یک مرکز بهداشتی به عنوان تنها مرکز احتمالی هدف کاملاً نادرست است. ثانیاً، سومین نزدیک‌ترین مرکز بهداشتی برای اکثریت خوشه‌های جمعیت، نسبتاً دورتر واقع شده‌اند، زیرا اکثر مناطق فرعی تنها یک یا دو مرکز بهداشتی دارند. انتخاب بیش از دو نزدیکترین مرکز بهداشتی کاملاً اضافی و غیرعملی است زیرا بعید است که مردم به سومین مرکز بهداشتی نزدیکتر در صورت وجود دو مرکز بهداشتی نزدیکتر در مجاورت آنها سفر کنند. حتی در یک منطقه پرجمعیت، مانند شهر تیمفو، تنها پنج مرکز بهداشتی وجود دارد. در نظر گرفتن دو همسایه نزدیک، حدود نیمی از فرصت های موجود را در خود جای می دهد. از این رو، انتخاب دو نزدیکترین مرکز بهداشتی به عنوان بهینه برای تعریف یک پیکربندی واقعی از سیستم ارائه مراقبت های بهداشتی برای بوتان در نظر گرفته شد. بنابراین مقدار پارامترn در معادله (1) برای همه خوشه های جمعیت 2 است. با این حال، مقدار 2 در روش NN مطلق نیست زیرا می تواند به طور یکنواخت یا متغیر مطابق با داده های شبکه بهداشتی یک منطقه خاص تطبیق داده شود.

شکل 3. حوضه آبریز جمعیت JDWNRH.

به منظور ترسیم حوضه های جمعیتی هر مرکز بهداشتی، اولاً هر خوشه جمعیتی بر اساس فاصله مسافتی با دو مرکز بهداشتی نزدیک به خود مرتبط شد و ثانیاً حوضه جمعیتی مراکز بهداشتی با درج کلیه خوشه های جمعیتی مشخص شد. (هر دو خوشه اول و دوم نزدیک) که با مرکز بهداشت مربوطه مرتبط بودند. شکل 3توزیع اولین و دومین خوشه های جمعیتی نزدیک را نشان می دهد که با بیمارستان ملی ارجاع جیگمه دورجی وانگچاک (JDWNRH) مرتبط بودند. خوشه‌های جمعیتی که با نشانگرهای دایره‌ای نشان داده می‌شوند، خوشه‌هایی هستند که JDWNRH اولین نزدیک‌ترین مرکز برای آن‌ها است، و خوشه‌های جمعیتی که با نشانگرهای ستاره‌ای نشان داده می‌شوند، خوشه‌هایی هستند که JDWNRH برای آنها دومین مرکز بهداشتی نزدیک است. بنابراین، حوضه آبریز جمعیتی JDWNRH با ترکیب همه اولین و دومین خوشه های جمعیتی نزدیک به این مرکز بهداشتی تشکیل می شود.

4. منابع داده و مدل سازی

بوتان، یک کشور در حال توسعه واقع بین چین و هند، با جمعیتی در حدود 730000 نفر، به عنوان منطقه مورد مطالعه انتخاب شده است. منطقه اداری این کشور به 20 ناحیه و هر ناحیه به بخش های فرعی تقسیم می شود. 205 بخش فرعی در کشور وجود دارد. با توجه به کوچک بودن کشور، بر خلاف اکثر کارهای قبلی، امکان محاسبه دسترسی فضایی به خدمات مراقبت های بهداشتی اولیه برای کل کشور وجود دارد [ 3 ، 4 ، 6 ، 7 ، 9 ، 14 .] که در آن فقط منطقه کوچکی از یک کشور استفاده می شد. حدود 60 درصد از جمعیت بوتان در مناطق روستایی زندگی می کنند که حمل و نقل جاده ای به ندرت در دسترس است. سیستم مراقبت های بهداشتی در این کشور کاملاً متعلق به دولت است و برای همه ساکنان رایگان ارائه می شود. خدمات مراقبت های اولیه بهداشتی به مناطق دوردست کشور از طریق ایجاد مراکز بهداشتی فرعی مانند واحدهای بهداشتی پایه، کلینیک ها و پست های فرعی ارائه می شود. توزیع امکانات مختلف بهداشتی در شکل 4 نشان داده شده است

شکل 4. توزیع خوشه های جمعیتی و امکانات بهداشتی.

دو مجموعه داده فضایی اولیه مورد نیاز برای محاسبه دسترسی فضایی عبارتند از داده های خوشه ای جمعیت در سطح روستا و مکان هر مرکز بهداشتی با ویژگی جذابیت آن، مانند تعداد ارائه دهندگان مراقبت های بهداشتی در هر مرکز بهداشتی. برای تعریف متغیر جذابیت از دو ارائه‌دهنده مراقبت‌های اولیه بهداشتی مختلف، یعنی پزشکان (پزشکان عمومی) و دستیاران سلامت (HA) استفاده شد. با توجه به کمبود شدید پزشک در کشور، دستیاران سلامت به طور ویژه برای ارائه خدمات تشخیصی سطح اولیه آموزش دیده اند. بیشتر داده های بهداشتی از وزارت بهداشت به دست آمده است و تنها موقعیت برخی از مراکز بهداشتی با استفاده از داده های کاداستر روستایی از کمیسیون ملی زمین (NLC)، آژانس ملی نقشه برداری بوتان به دست آمده است. داده‌های خوشه‌ای جمعیت در سطح روستا در دسترس نیست، بنابراین لازم بود این داده‌ها با استفاده از داده‌های جمع‌آوری جمعیت مدل‌سازی شوند. داده‌های مسکن و داده‌های جمع‌آوری شده جمعیت از اداره ملی آمار، متولی پایگاه‌داده سرشماری نفوس و مسکن بوتان (PHCB) 2005 به‌دست آمد. PHCB 2005 اولین سرشماری نفوس و مسکن در سراسر کشور است که تاکنون در بوتان انجام شده است. مکان روستاها در سراسر کشور از NLC بدست آمد و از این مکان ها برای تعریف نقاط خوشه جمعیتی استفاده شده است. PHCB 2005 اولین سرشماری نفوس و مسکن در سراسر کشور است که تاکنون در بوتان انجام شده است. مکان روستاها در سراسر کشور از NLC بدست آمد و از این مکان ها برای تعریف نقاط خوشه جمعیتی استفاده شده است. PHCB 2005 اولین سرشماری نفوس و مسکن در سراسر کشور است که تاکنون در بوتان انجام شده است. مکان روستاها در سراسر کشور از NLC بدست آمد و از این مکان ها برای تعریف نقاط خوشه جمعیتی استفاده شده است.

داده‌های جمعیتی بوتان برای بخش‌های فرعی و بلوک‌های شمارش شهر منتشر می‌شود، در سطحی که به دلیل مشکل واحد منطقه‌ای قابل تغییر (MAUP) نمی‌توان به‌طور قابل اعتمادی برای محاسبه دسترسی مکانی استفاده کرد. MAUP یک سوگیری آماری را به دلیل استفاده از داده های نقطه ای واقعی به عنوان داده های انباشته معرفی می کند [ 16 ]. برای مثال، زمانی که داده‌های جمعیتی بررسی‌شده مبتنی بر نقطه در سطح زیر ناحیه یا ناحیه جمع‌آوری می‌شوند، بر نتایج آماری تأثیر می‌گذارد. تعدادی روش مختلف آماری و غیرآماری برای تفکیک داده‌های سرشماری جمعیت به واحدهای منطقه‌ای کوچک‌تر وجود دارد. یکی از روش‌های متداول، تکنیک نگاشت داسیمتری است که از برخی داده‌های جانبی برای توزیع جمعیت از واحد منطقه منبع به واحدهای هدف استفاده می‌کند.17 ، 18 ، 19 ].

یک مدل ساده از تکنیک نقشه برداری داسیمتری با استفاده از داده های مسکن برای توزیع جمعیتی از واحدهای منبع به واحدهای هدف در این مطالعه پیشنهاد شده است. این یک روش توزیع جمعیت مبتنی بر شبکه است که در آن وزن توزیع جمعیت نسبی سلول‌های هدف با استفاده از تغییر در تراکم ویژگی‌های مسکن واقع در هر سلول هدف محاسبه می‌شود. روش پیشنهادی با استفاده از داده‌های سرشماری نفوس و مسکن بوتان آزمایش شد و با نتایج به‌دست‌آمده از روش داسیمتری سنتی مقایسه شد [ 18 ].]، که از داده های کاربری زمین برای کمک به فرآیند درونیابی استفاده می کند. دقت درونی این دو روش داسیمتری با مقایسه برآوردهای جمعیتی شصت و شش بلوک شمارشی شهر مورد ارزیابی قرار گرفت. مقدار حقیقت، جمعیت واقعی هر بلوک تفکیک شده است که از نظرسنجی جمعیت به دست آمده است. به منظور کشف خام دقت مدل‌های داسیمتری، تخمین جمعیت در سطح تجمع بالاتر (بلوک شهر جمع‌آوری شده در شکل 5 ) انجام شد. سپس، تخمین جمعیت برای هر بلوک تفکیک‌شده (بلوک شهری تفکیک‌شده در شکل 5 ) با جمع کردن تخمین‌های جمعیت فردی در محدوده آن به‌دست آمد. این تخمین با مقدار حقیقت مقایسه شد.

شکل 5. منطقه آزمایشی (منطقه شهری تیمفو).

جدول 2 آمار خطای روش داسیمتری پیشنهادی و سنتی را نشان می دهد. میانگین درصد مطلق خطا (MAPE) و ریشه میانگین مربعات خطا (RMSE) معمولاً برای ارزیابی دقت تکنیک های داسیمتری استفاده می شود [ 17 ، 18 ]. MAPE درصد خطای محاسبه شده با استفاده از تفاوت مطلق بین مقادیر واقعی و تخمینی جمعیت است. مقادیر MAPE و RMSE کمتر روش داسیمتری پیشنهادی نسبت به روش داسیمتری سنتی نشان می‌دهد که روش پیشنهادی دقیق‌تر از روش سنتی است. مدل سنتی تنها 34 (100-66) درصد دقت دارد، در حالی که مدل داسیمتری پیشنهادی حدود 55 (100-45) درصد دقیق است.

جدول 2. آمار خطا.

ویژگی‌های نقطه جمعیت در مکان‌های شبکه مجزا با برآورد جمعیت، که از فرآیند نقشه‌برداری داسیمتری به‌دست آمد، تولید شد. هر یک از ویژگی‌های نقطه جمعیت به یک نقطه خوشه‌ای جمعیت در سطح روستای نزدیک مرتبط بود، که به عنوان یک نقطه لنگر برای جمع‌آوری تخمین جمعیت در آن مجاور عمل می‌کند. مقدار جمعیت هر یک از نقاط خوشه برابر است با مجموع مقادیر ویژگی های نقطه جمعیت مرتبط با آن. شکل 4 نیز توزیع داده های خوشه جمعیتی را در سراسر کشور نشان می دهد.

5. مراحل پردازش

مراحل پردازش کلی برای محاسبه دسترسی مکانی به خدمات مراقبت های بهداشتی اولیه در بوتان در شکل 6 نشان داده شده است.. در مرحله 1، فواصل مبدا-مقصد برای همه ترکیب‌های ممکن بین مراکز بهداشتی و خوشه‌های جمعیتی در داخل مرز ملی محاسبه شد و سپس مراکز بهداشتی اول و دوم نزدیک‌ترین هر خوشه جمعیتی شناسایی شدند. مرحله 2 به محاسبه شاخص های دسترسی فضایی خوشه های جمعیت با استفاده از مدل NN-M2SFCA می پردازد. در این مطالعه از تابع واپاشی فاصله پیوسته تعریف شده با یک تابع نمایی برای محاسبه مقادیر وزن فاصله استفاده شد. ابتدا، حوضه آبریز جمعیتی هر مرکز بهداشتی با گنجاندن همه خوشه‌های جمعیتی اول و دوم نزدیک به مرکز بهداشتی معین تعیین شد و سپس جزء مخرج معادله (1) محاسبه شد. ثانیاً شاخص‌های دسترسی فضایی خوشه جمعیتی داده‌شده به‌عنوان یک مؤلفه افزودنی به دلیل مراکز بهداشتی مرتبط با آن محاسبه شد. مرحله 3 به محاسبه شاخص دسترسی زیر ناحیه می پردازد (S _k ) و شاخص دسترسی نسبی آن ( RA _k ) به ترتیب با استفاده از معادلات (3) و (4)،

اس ک = \sum i = 1 پ آ من پ

(3)

آر آ ک = اس ک - دقیقه k = 1 , , , q اس ک حداکثر k = 1 , , , q اس ک - دقیقه ک = 1 , , , q اس ک

(4)

که در آن A _i دسترسی فضایی خوشه جمعیت در مکان i است، p تعداد خوشه های جمعیتی در زیر ناحیه k و q است.تعداد مناطق فرعی کشور است. شاخص دسترسی زیر ناحیه‌ای به سادگی با میانگین‌گیری شاخص‌های دسترسی همه خوشه‌های جمعیتی که در آن ناحیه قرار می‌گیرند محاسبه می‌شود. شاخص دسترس‌پذیری نسبی با استفاده از حداقل و حداکثر مقادیر همه شاخص‌های دسترس‌پذیری زیرمنطقه‌ای محاسبه می‌شود تا مقدار دسترسی داده‌شده در 0 و 1 باشد، جایی که 1 به بالاترین دسترسی و 0 به کمترین دسترسی در داخل کشور اشاره دارد. . رتبه دسترسی مناطق فرعی را می توان با مرتب کردن مجدد مقادیر دسترسی نسبی به ترتیب صعودی به دست آورد. با استفاده از روش‌های محاسباتی مشابه مرحله 3، شاخص‌های دسترسی نواحی و شاخص‌های دسترسی نسبی آن‌ها در مرحله نهایی (مرحله 4) محاسبه شد.

شکل 6. فلوچارت مراحل محاسبه دسترسی فضایی را نشان می دهد.

6. نتایج و تجزیه و تحلیل

6.1. تجزیه و تحلیل خدمات پزشکان

مقادیر دسترسی خوشه های جمعیتی را می توان برای مقایسه دسترسی فضایی مناطق مختلف مورد استفاده قرار داد. شکل 7 دسترسی فضایی به خدمات پزشکان را برای همه خوشه های جمعیتی چهار منطقه در سال 2013 نشان می دهد. این نمودار به وضوح تنوع دسترسی فضایی بین چهار منطقه را نشان می دهد، در حالی که منطقه تیمفو نسبت به سه منطقه دیگر دسترسی بهتری برای خدمات پزشکان دارد. . این قابل انتظار است زیرا تیمفو پایتخت کشور است.

شکل 7. مقادیر دسترسی برای خدمات پزشکان چهار منطقه.

شکل 8. نقشه رتبه بندی دسترسی نواحی و مناطق فرعی برای خدمات پزشکان.

مقادیر دسترسی نسبی مناطق فرعی و نواحی را می توان برای تهیه نقشه های رتبه بندی دسترسی choropleth استفاده کرد. شکل 8نقشه رتبه بندی منطقه ای خدمات پزشکان در سال 2013 را نشان می دهد. چهره های پررنگ به رتبه منطقه اشاره دارد، در حالی که چهره های غیر پررنگ نشان دهنده رتبه بندی مناطق فرعی است. نواحی چانگ و سو در ناحیه تیمفو به ترتیب بالاترین (رتبه 1) و پایین ترین (رتبه 205) مناطق فرعی هستند. دسترسی بهداشت فضایی منطقه چانگ حدود 135 برابر بهتر از منطقه فرعی سوئه است، حتی اگر جمعیت منطقه فرعی سابق شش برابر بیشتر از ناحیه دوم باشد. در این مورد، دو پارامتر محاسباتی، یعنی فاصله و تعداد ارائه دهندگان مراقبت های بهداشتی، تأثیر منفی پارامتر جمعیت بر محاسبه شاخص های دسترسی مکانی را کاهش داده اند. از نظر نسبت ارائه دهنده به جمعیت، دسترسی فضایی مناطق فرعی چانگ و سو را می توان به ترتیب به ازای هر 1497 و 200000 نفر یک پزشک تعبیر کرد. منطقه Thimphu بالاترین دسترسی را برای خدمات پزشکان دارد در حالی که Wangdiphodrang به دلیل وجود مناطق فرعی با رتبه ضعیف در منطقه اخیر کمترین دسترسی را دارد.

شاخص‌های دسترسی فضایی خوشه‌های جمعیتی نیز می‌تواند برای ارزیابی یکنواختی توزیع خدمات مراقبت‌های بهداشتی اولیه در یک منطقه با محاسبه ضریب جینی (Gc) استفاده شود. به طور کلی، ضریب جینی با رسم منحنی لورنز محاسبه می شود که نموداری از دو متغیر است که به صورت درصد تجمعی نشان داده شده است. از نظر ریاضی، Gc به عنوان نسبت بین مساحت ها تعریف می شود: جزء شمارنده مساحت بین منحنی لورنز و خط تساوی را نشان می دهد و جزء مخرج نشان دهنده مساحت زیر خط تساوی است [ 20 ].]. برای مورد دسترسی فضایی، منحنی لورنز را می توان با ترسیم درصد تجمعی واحدهای فضایی (خوشه های جمعیتی یا مناطق فرعی) در برابر درصد تجمعی مقادیر دسترسی فضایی واحد فضایی مربوطه به دست آورد. ضرایب جینی مناطق بیست گانه نشان می دهد که منطقه پماگاتشل با ضریب جینی 09/0 بهترین برابری را در توزیع منابع بهداشتی و ناحیه زمگنگ با مقدار 46/0 بدترین نابرابری را در توزیع منابع بهداشتی برای پزشکان دارد. خدمات در سال 2013. شکل 9 منحنی های لورنز و ضرایب جینی پنج منطقه منتخب بوتان را برای خدمات پزشکان نشان می دهد.

شکل 9. منحنی های لورنز پنج ناحیه برای خدمات پزشکان.

6.2. تجزیه و تحلیل نقطه داغ

یکی از جنبه‌های مهم تجزیه و تحلیل داده‌های مکانی، توانایی تعیین وجود الگوهای فضایی با استفاده از مکان یا هر دو اطلاعات مکان و ویژگی نقاط داده حادثه است [ 21 ]. در این مطالعه از آماره محلی Getis-Ord Gi* برای شناسایی نقاط گرم (خوشه های با ارزش بالا) و نقاط سرد (خوشه های کم ارزش) با استفاده از شاخص های دسترسی فضایی خوشه های جمعیتی استفاده شد.

شکل 10 خوشه های فضایی برای خدمات پزشکان در سال 2013 را نشان می دهد. در سطح اطمینان 95 درصد، خوشه هایی با مقادیر z-score بیشتر از 1.96+ با مقادیر p پایین به عنوان نقاط داغ و خوشه هایی با مقادیر z-score کمتر از – طبقه بندی می شوند. 1.96 با p پایین-ارزش ها به عنوان نقاط سرد طبقه بندی می شوند. نقطه داغ دسترسی فضایی به یک ویژگی آماری معنادار با مقادیر دسترسی بالا اشاره دارد که توسط ویژگی های دیگر با مقادیر دسترسی بالا احاطه شده است در حالی که نقطه سرد به ویژگی آماری معنی دار با مقادیر دسترسی کم که توسط ویژگی های دیگر با مقادیر دسترسی پایین احاطه شده است اشاره دارد. به طور کلی، نتایج حاصل از تحلیل الگوی فضایی را می توان برای بررسی فرآیندهای فضایی پنهان زیربنایی که باعث رد فرضیه صفر شده است، استفاده کرد. در این مطالعه می توان از نقاط گرم و سرد برای شناسایی مناطق کم خدمت یا بیش از حد خدمات رسانی به منظور تخصیص یا تخصیص مجدد منابع محدود مراقبت های بهداشتی در جهت دستیابی به یک سیستم ارائه عادلانه مراقبت های بهداشتی در کشور استفاده کرد.

شکل 10. نقشه نقطه داغ برای خدمات پزشکان.

6.3. تجزیه و تحلیل ترکیبی خدمات HA و پزشکان

نواحی فرعی بر اساس ارزش های دسترسی هر دو ارائه دهندگان مراقبت های بهداشتی بر اساس روش طبقه بندی توصیف شده توسط Unal و همکاران به دسته های دسترسی خوب، متوسط و ضعیف طبقه بندی شدند. [ 5 ]. مقادیر متوسط و میانگین شاخص‌های دسترسی زیر ناحیه‌ها برای هر دو ارائه‌دهنده مراقبت‌های بهداشتی (پزشکان و HAs) برای طبقه‌بندی مناطق فرعی به سه دسته طبقه‌بندی استفاده شد. وضعیت ضعیف نشان می دهد که مقدار G _k یک منطقه فرعی کمتر از مقدار متوسط ملی برای هر دو ارائه دهنده است. وضعیت خوب نشان می دهد که مقدار G _k یک منطقه فرعی از مقدار میانگین ملی برای هر دو ارائه دهنده بیشتر است. همه G _{k دیگر}مقادیر در گروه دسترسی متوسط طبقه بندی می شوند. شکل 11 طبقه بندی 205 منطقه فرعی بوتان را به سه دسته دسترسی نشان می دهد. 53 ناحیه با دسترسی ضعیف به هر دو نوع ارائه دهنده خدمات، 121 منطقه فرعی که سطح دسترسی متوسط دارند و 31 منطقه فرعی با دسترسی خوب برای هر دو نوع ارائه دهنده خدمات وجود دارد. حدود 24 درصد از جمعیت پیش بینی شده بوتان در سال 2013 در دسته دسترسی ضعیف، 66 درصد در دسته دسترسی متوسط و 10 درصد در دسته دسترسی خوب قرار دارند.

6.4. تحلیل زمانی

شاخص‌های دسترسی فضایی در سطوح مختلف از سال 2010 تا 2013 برای هر دو نوع ارائه‌دهنده مراقبت‌های بهداشتی محاسبه شد. شکل 12 تغییرات زمانی در شاخص های دسترسی فضایی مناطق برای خدمات پزشکان را از سال 2010 تا 2013 نشان می دهد. برای مثال، دسترسی به خدمات پزشکان در منطقه تیمفو در سال 2011 به میزان 7 درصد کاهش یافت و سپس در سال 2012 به میزان 8 و 0.3 درصد افزایش یافت. به ترتیب در سال 2013، که روند بسیار مشابهی را با آنچه برای شاخص های دسترسی خوشه های جمعیتی ولسوالی ها در شکل 13 نشان داده شده است، نشان می دهد .

شکل 11. طبقه بندی مناطق فرعی با استفاده از مقادیر G _k هر دو ارائه دهنده.

شکل 12. دسترسی مناطق برای خدمات پزشکان از سال 2010 تا 2013.

شکل 13. شاخص های دسترسی خوشه های جمعیتی منطقه تیمفو از سال 2010 تا 2013.

روند دسترسی منطقه تیمفو را می توان به طور قابل قبولی به شرح زیر توضیح داد. محاسبه شاخص دسترسی مکانی برای خوشه جمعیت به فاصله، تعداد ارائه دهندگان خدمات و پارامترهای جمعیت بستگی دارد. میانگین مقدار فاصله برای سه سال یکسان است، که نشان می دهد فاصله بین خوشه های جمعیت و مراکز بهداشتی بین سال های 2010 و 2013 بدون تغییر باقی مانده است. بنابراین، پارامتر فاصله باعث تغییر شاخص‌های دسترسی منطقه تیمفو در دوره مطالعه نشده است. جمعیت ناحیه تیمفو از سال 2010 تا 2013 به تدریج افزایش یافته است، بنابراین پارامتر جمعیت مقادیر دسترسی را به همان ترتیب کاهش می دهد زیرا این پارامتر برای عادی سازی شاخص دسترسی استفاده می شود. از سوی دیگر،

7. بحث

تعدادی عدم قطعیت در مدل دسترسی مبتنی بر FCA وجود دارد که بر نتیجه دسترسی تأثیر می گذارد. این عدم قطعیت‌ها ناشی از سطح تجمع داده‌های خوشه‌ای جمعیت به دلیل مشکل واحد سطحی قابل تغییر، مسافت سفر یا اندازه‌گیری زمان به دلیل استفاده از معیارهای مختلف متریک، روش محاسباتی به دلیل تفاوت در طرح‌های وزن‌دهی، توابع فروپاشی به دلیل تفاوت‌ها است. در الگوهای زوال، و تعیین مناطق خدماتی و حوضه جمعیتی به دلیل تفاوت در ارتباط مراکز خدماتی به هر خوشه جمعیتی. علیرغم وجود تعدادی عدم قطعیت در محاسبه مقادیر دسترسی فضایی، اکثر یا همه انواع مدل های محاسباتی FCA متمایز هستند.بخش 2 .

در یک مفهوم نظری، دسترسی بالقوه واقعی را می توان تنها با استفاده از مدل گرانشی اصلاح شده به دست آورد، زیرا تمام مراکز خدماتی با هر خوشه جمعیتی در ارتباط هستند و حوضه های آبریز را تعریف می کنند. مدل گرانشی اصلاح‌شده همان شکل ریاضی مدل E2SFCA را دارد با این تفاوت که تنها از یک حوضه برای محاسبه شاخص‌های دسترسی در همه مکان‌های خوشه‌های جمعیتی استفاده می‌کند. مطمئناً چنین مدلی می تواند برای یک منطقه کوچک که در آن همه مراکز خدماتی برای همه واحدهای جمعیتی قابل دسترسی است، استفاده شود. با این حال، مدل گرانشی اصلاح شده نمی تواند به طور قابل اعتماد برای مناطق مورد مطالعه بزرگ مورد استفاده قرار گیرد، زیرا به طور غیرواقعی تنها یک حوزه خدمات و حوضه جمعیتی را در یک منطقه مورد مطالعه در نظر می گیرد. در دنیای واقعی، همه مراکز خدماتی برای همه واحدهای جمعیتی قابل دسترسی نیستند [3 ]. به همین دلیل است که توسعه روش حلقه بافر با اندازه متغیر با استفاده از مدل‌های مختلف FCA بر آزمایش‌های دسترسی غالب شده است [ 2 ، 3 ، 6 ، 7 ، 8 ، 14]. یکی از پیامدهای مهمی که در مورد روش حلقه بافر باید به آن توجه کرد این است که تعداد مراکز خدمات مرتبط با هر خوشه جمعیتی از یک خوشه به خوشه دیگر متفاوت است. این پیامد روش حلقه بافر، تفاوت‌های دسترسی را بین خوشه‌های جمعیتی مختلف معرفی می‌کند، زیرا شاخص دسترسی فضایی یک خوشه جمعیتی به‌عنوان مجموع مؤلفه‌های دسترسی به دلیل همه مراکز خدمات مرتبط با خوشه داده‌شده محاسبه می‌شود. اگر تنوع در تعداد مراکز خدمات مرتبط بین خوشه‌های جمعیتی زیاد باشد، تفاوت در نتیجه دسترسی بین خوشه‌های مربوطه نیز به دلیل سوگیری انتخاب، به‌طور قابل‌توجهی متفاوت خواهد بود.

این مطالعه یک نوع جدید از مدل محاسباتی FCA را بر اساس روش NN برای تعیین مناطق حوضه خدمات و جمعیت پیشنهاد می‌کند. در روش NN، ترسیم مناطق حوضه با مرتبط کردن تعداد ثابت یا متغیر مراکز خدمات مجاور به هر خوشه جمعیتی انجام می‌شود، برخلاف روش حلقه بافر که تعداد مراکز خدمات مرتبط با خوشه‌های جمعیتی از یک خوشه به خوشه دیگر متفاوت است. از آنجایی که از تعداد مشابهی از نزدیکترین همسایگان استفاده می کند، یا محدوده تعداد متغیر نزدیکترین همسایه ها به طور قابل توجهی کوچکتر از روش BR خواهد بود، سوگیری انتخاب در روش NN به طور قابل توجهی کمتر از روش BR خواهد بود. بنابراین انتظار می رود نمرات دسترسی از روش NN کمتر از روش BR باشد. مقایسه واقعی نمرات دسترسی بین دو روش بعید است که هیچ نتیجه معقولی ایجاد کند زیرا دامنه بی‌نهایتی از مقادیر اندازه‌های بافر و تعداد بسیار زیادی از نزدیک‌ترین همسایگان وجود دارد که باید مقایسه شوند. این دو روش را می‌توان در بهترین حالت، با ارزیابی جنبه‌های نظری و عملی روش‌شناسی آن‌ها، به طور مؤثر حل کرد. از دیدگاه ما، روش NN از نظر تئوری صحیح تر از روش BR است. در دنیای واقعی، مردم معمولاً تمایل دارند با تعداد کمی از مراکز خدماتی که نزدیک‌تر به محل آن‌ها هستند، به جای تعداد ناشناخته‌ای از مراکزی که در زمان یا مسافت مشخصی از سفر قرار دارند، ارتباط برقرار کنند. یک فرد می تواند از نظر زبانی اشیاء فضایی همسایه مانند مکان ها را “با فاصله کمتر از 3000 مایل” توصیف کند. به طور موثر با ارزیابی جنبه های نظری و عملی روش شناسی آنها حل می شود. از دیدگاه ما، روش NN از نظر تئوری صحیح تر از روش BR است. در دنیای واقعی، مردم معمولاً تمایل دارند با تعداد کمی از مراکز خدماتی که نزدیک‌تر به محل آن‌ها هستند، به جای تعداد ناشناخته‌ای از مراکزی که در زمان یا مسافت مشخصی از سفر قرار دارند، ارتباط برقرار کنند. یک فرد می تواند از نظر زبانی اشیاء فضایی همسایه مانند مکان ها را “با فاصله کمتر از 3000 مایل” توصیف کند. به طور موثر با ارزیابی جنبه های نظری و عملی روش شناسی آنها حل می شود. از دیدگاه ما، روش NN از نظر تئوری صحیح تر از روش BR است. در دنیای واقعی، مردم معمولاً تمایل دارند با تعداد کمی از مراکز خدماتی که نزدیک‌تر به محل آن‌ها هستند، به جای تعداد ناشناخته‌ای از مراکزی که در زمان یا مسافت مشخصی از سفر قرار دارند، ارتباط برقرار کنند. یک فرد می تواند از نظر زبانی اشیاء فضایی همسایه مانند مکان ها را “با فاصله کمتر از 3000 مایل” توصیف کند.22]. با این حال، ارتباط مکانی افراد با تعداد نامعلومی از مکان‌ها یا مراکز خدمات مشابه موجود در یک فاصله مشخص، همانطور که توسط روش حلقه بافر محاسبه می‌شود، کاملا غیر عملی است. از سوی دیگر، ارتباط مکانی با چند مرکز خدمات نزدیک موجود در مجاورت، همانطور که با روش NN محاسبه می‌شود، بسیار عملی است. بنابراین، روش NN عملاً در ترسیم حوضه های جمعیتی نسبت به روش حلقه بافر واقع بینانه تر است. با این حال، یک عدم قطعیت عمده در روش پیشنهادی وجود دارد. به ابهام در انتخاب تعداد بهینه نزدیکترین مراکز بهداشتی برای هر خوشه جمعیتی می پردازد. با این وجود، حتی محدوده این ابهام عدد کامل در مقایسه با روش حلقه بافر که در آن محدوده انتخاب از نظر تئوری با تعداد نامحدودی از مقادیر واقعی تعریف می شود، کوچکتر است. برای بوتان، دو نزدیکترین همسایه بر اساس در دسترس بودن عمومی تنها چند مرکز بهداشتی در هر منطقه فرعی بهینه یافت شدند. دو همسایه تعداد مطلق انجمن‌هایی نیستند که برای همه کشورها استفاده شود، زیرا تصمیم برای انتخاب تعداد محدود همسایه به تراکم محلی مراکز خدمات در منطقه مورد مطالعه بستگی دارد.

هیچ راه حل دقیقی برای تمام عدم قطعیت های موجود در محاسبه شاخص های دسترسی مکانی وجود ندارد. تطبیق این عدم قطعیت ها در مدل دسترسی فضایی به ماهیت در دسترس بودن داده ها و روش تعریف حوضه های جمعیتی بستگی دارد. در زمینه بوتان، مدل دسترسی فضایی پیشنهادی NN-M2SFCA برای به حداقل رساندن بار این عدم قطعیت ها با استفاده از یک تابع فروپاشی نمایی، که در آن یک حوضه آبریز جمعیتی با اندازه متغیر از هر مرکز خدمات با اختصاص اولین و تعریف شده است، توسعه داده شد. دومین امکانات بهداشتی نزدیک به هر خوشه جمعیتی. دقت مطلق مقادیر دسترسی ممکن است به دلیل در دسترس نبودن مدل دسترسی کامل شناخته نشده باشد زیرا عدم قطعیت های ذکر شده را نمی توان به طور کامل از طریق مدل سازی حذف کرد. با این وجود، زمانی که مقادیر دسترسی به طور نسبی با یکدیگر مقایسه شوند، این عدم قطعیت ها به طور کامل یا جزئی از بین می روند. تا زمانی که مدل دسترسی مکانی به طور مداوم با پارامترهای یکسان و حوزه های حوضه متغیر یکسان تعریف شود، چنین مدل هایی می توانند به طور موثر برای ارزیابی تغییرات مکانی-زمانی دسترسی مکانی به PHC در مناطق مختلف در سراسر کشور مورد استفاده قرار گیرند.

8. نتیجه گیری

این مطالعه روش محاسباتی NN-M2SFCA را برای محاسبه شاخص‌های دسترسی فضایی به خدمات مراقبت‌های بهداشتی اولیه پیشنهاد می‌کند. روش محاسباتی پیشنهادی از مدل M2SFCA با پارامتر وزن فاصله تعریف شده توسط تابع فروپاشی فاصله نمایی و مناطق حوضه جمعیتی هر مرکز بهداشتی که با مرتبط کردن مراکز بهداشتی اول و دوم نزدیک به هر خوشه جمعیت تعریف شده است، استفاده می‌کند. ویژگی بارز این روش استفاده از تعداد ثابتی از مراکز خدمات درمانی به عنوان امکانات هدف برای هر خوشه جمعیتی در تعریف حوضه خدماتی و جمعیتی است که در مطالعات گذشته برای محاسبه شاخص‌های دسترسی فضایی استفاده نشده است. علاوه بر این، روش پیشنهادی در یک کشور کوچک، بوتان، که در آن مقادیر دسترسی خوشه‌های جمعیتی، مورد آزمایش قرار گرفت.

این مطالعه همچنین نشان داده است که شاخص‌های دسترسی مکانی را می‌توان برای شناسایی مناطق کم‌خدمت و بیش از حد خدمات پزشکی، اندازه‌گیری برابری توزیع منابع بهداشتی در سراسر مناطق و برای مطالعه تغییرات مکانی و زمانی در توزیع منابع بهداشتی مورد استفاده قرار داد. در کشور. نتایج دسترسی فضایی بوتان برای سال 2013 نشان می دهد که نابرابری زیادی در توزیع منابع بهداشتی در این کشور وجود دارد که بهترین منطقه فرعی لینگجی در منطقه تیمفو دارای 35 برابر دسترسی بهتر به خدمات دستیاران بهداشتی نسبت به کمترین آن است. -منطقه فرعی بارا در منطقه سامتسه و منطقه فرعی چانگ 135 برابر دسترسی بهتری به خدمات پزشک نسبت به منطقه فرعی سو در ناحیه تیمفو دارد.

روش NN پیشنهادی ممکن است از نظر تئوری نسبت به روش BR مناسب باشد، با این حال، کارایی این مدل به دلیل عدم وجود نمرات دسترسی مطلق نمی‌تواند در این مطالعه مشخص شود. مقایسه نتیجه دسترسی بین روش‌های NN و BR نیز غیرقابل اعتماد است، برخلاف مطالعه مقایسه‌ای انجام شده بین مدل‌های مختلف FCA، که در آن پارامترها به جز پارامتر وزن‌دهی یکسان باقی می‌مانند، زیرا پارامترهای درگیر در هر دو این روش‌ها را می‌توان به‌طور مبهم تعریف کرد. طیفی از ارزش ها به عنوان مثال، روش NN را می توان با محدوده ای از نزدیکترین همسایگان (1، 2، 3، …) تعریف کرد، در حالی که روش BR را می توان با محدوده ای از مقادیر شعاعی حلقه های بافر (5، 10، 15، 30، 60) تعریف کرد. دقیقه، …). از این رو، مقایسه بین یک مقدار از روش NN با مقدار دیگری از روش BR کاملا غیر واقعی است، زیرا چنین مطالعه مقایسه ای نمی تواند به طور مطلق تفاوت آنها را در نتیجه دسترسی مشخص کند. با این حال، زمینه برای انجام یک مطالعه تطبیقی بین این روش ها با گنجاندن تعدادی مقادیر برای هر دو روش وجود دارد که در تحقیقات آینده دنبال خواهد شد. علاوه بر این، سیستم بهداشتی بوتان رویکرد سیستماتیکی برای اجرای برنامه ریزی فضایی برای توزیع منابع بهداشتی در کشور ندارد، که احتمالاً بر فرآیند تصمیم گیری تأثیر گذاشته است، همانطور که از این مطالعه نشان می دهد که در آن تفاوت های زیادی در برابری وجود دارد. دسترسی فضایی به خدمات بهداشتی اولیه در کشور

منابع

سازمان بهداشت جهانی. اعلامیه آلما آتا در دسترس آنلاین: http://www.phcris.org.au/guides/about_phc.php (در 11 فوریه 2015 قابل دسترسی است).
Delamater، PL دسترسی فضایی در سیستم‌های مراقبت بهداشتی با پیکربندی بهینه: یک متریک حوضه آبریز شناور دو مرحله‌ای اصلاح شده (m2sfca). Health Place 2013 ، 24 ، 30-43. [ Google Scholar ] [ CrossRef ] [ PubMed ]
لو، دبلیو. Qi، Y. یک روش حوضه آبریز شناور دو مرحله ای (e2sfca) برای اندازه گیری دسترسی فضایی به پزشک مراقبت های اولیه. Health Place 2009 ، 15 ، 1100-1107. [ Google Scholar ] [ CrossRef ] [ PubMed ]
لو، دبلیو. وانگ، F. اندازه گیری دسترسی فضایی به مراقبت های بهداشتی در یک محیط GIS: سنتز و مطالعه موردی در منطقه شیکاگو. محیط زیست طرح. B 2003 , 30 , 865-884. [ Google Scholar ] [ CrossRef ]
اونال، ای. چن، SE; والدورف، BS دسترسی فضایی به مراقبت های بهداشتی در ایندیانا. در دسترس آنلاین: http://ageconsearch.umn.edu/bitstream/7329/2/wp070007.pdf (دسترسی در 10 فوریه 2014).
وان، ن. زو، بی. Sternberg، T. روش حوضه آبریز شناور سه مرحله ای برای تجزیه و تحلیل دسترسی فضایی به خدمات بهداشتی. بین المللی جی. جئوگر. Inf. علمی 2012 ، 26 ، 1073-1089. [ Google Scholar ] [ CrossRef ]
یانگ، دی اچ. گورج، آر. Mullner, R. مقایسه روش‌های مبتنی بر GIS برای اندازه‌گیری دسترسی فضایی به خدمات بهداشتی. جی. مد. سیستم 2006 ، 30 ، 23-32. [ Google Scholar ] [ CrossRef ] [ PubMed ]
مک گریل، ام آر؛ Humphreys، JS اندازه گیری دسترسی فضایی به خدمات مراقبت های بهداشتی اولیه: استفاده از اندازه های پویا حوضه. Appl. Geogr. 2014 ، 54 ، 182-188. [ Google Scholar ] [ CrossRef ]
دای، دی. Wang, F. نابرابری های جغرافیایی در دسترسی به فروشگاه های مواد غذایی در جنوب غربی می سی سی پی. محیط زیست طرح. ب: برنامه ریزی کنید. دس 2011 ، 38 ، 659-677. [ Google Scholar ] [ CrossRef ]
لنگفورد، ام. فرای، آر. هیگز، جی. اندازه‌گیری قابلیت دسترسی به سیستم حمل‌ونقل با استفاده از روش اصلاح‌شده حوضه آبریز شناور دو مرحله‌ای. بین المللی جی. جئوگر. Inf. علمی 2012 ، 26 ، 193-214. [ Google Scholar ] [ CrossRef ]
جمشو، س. گوشه، RJ ارزیابی دسترسی فضایی به مراقبت های بهداشتی اولیه با استفاده از GIS. در ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences، مجموعه مقالات سمپوزیوم II کمیسیون فنی ISPRS 2014، تورنتو، ON، کانادا، 6-8 اکتبر 2014. صص 79-86.
وانگ، اف. اندازه‌گیری، بهینه‌سازی و تأثیر دسترسی به مراقبت‌های بهداشتی: یک بررسی روش‌شناختی. ان دانشیار صبح. Geogr. 2012 ، 102 ، 1104-1112. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Tobler, W. درونیابی پیکنوفیلاکتیک صاف برای مناطق جغرافیایی. مربا. آمار دانشیار 1979 ، 74 ، 519-530. [ Google Scholar ] [ CrossRef ] [ PubMed ]
مک گریل، ام آر؛ Humphreys، JS شاخص دسترسی روستایی: یک رویکرد یکپارچه نوآورانه برای اندازه گیری دسترسی به مراقبت های اولیه. سرویس بهداشتی BMC Res. 2009 ، 9 ، 533-541. [ Google Scholar ] [ CrossRef ] [ PubMed ]
McGrail، MR دسترسی فضایی به مراقبت های بهداشتی اولیه با استفاده از روش حوضه آبریز شناور دو مرحله ای: ارزیابی پیشرفت های اخیر. بین المللی J. Health Geogr. 2012 ، 25 ، 1-11. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Openshaw, S. مغالطه های زیست محیطی و تجزیه و تحلیل داده های سرشماری منطقه ای. محیط زیست طرح. A 1984 ، 16 ، 17-31. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Eicher، CL; Brewer، CA نقشه برداری داسیمتری و درونیابی منطقه ای: پیاده سازی و ارزیابی. کارتوگر. Geogr. Inf. علمی 2001 ، 28 ، 125-138. [ Google Scholar ] [ CrossRef ]
منیس، جی. تولید مدل‌های سطحی جمعیت با استفاده از نقشه‌برداری داسیمتری. پروفسور Geogr. 2003 ، 55 ، 31-42. [ Google Scholar ]
رایت، JK روشی برای ترسیم تراکم جمعیت با کیپ کد به عنوان مثال. Geogr. Rev. 1936 , 26 , 103-110. [ Google Scholar ] [ CrossRef ]
Yitzhaki, S. بیش از دوجین روش جایگزین برای املای جینی. Res. اقتصاد نابرابر. 1998 ، 8 ، 13-30. [ Google Scholar ]
Ord، JK; Getis، A. آمار خودهمبستگی فضایی محلی: مسائل توزیع و یک برنامه کاربردی. Geogr. مقعدی 1995 ، 27 ، 286-306. [ Google Scholar ] [ CrossRef ]
لاندو، بی. جکندف، آر. «چه» و «کجا» در زبان فضایی و شناخت فضایی. رفتار علم مغز 1993 ، 16 ، 217-265. [ Google Scholar ] [ CrossRef ]

© 2015 توسط نویسندگان; دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (http://creativecommons.org/licenses/by/4.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب