کاربردهای GIS در جنگلداری :حفاظت از منابع طبیعی خدادای

ارزیابی و نگاشت تغییرات مکانی- زمانی در پارامترهای مرتبط با مرگ و میر انسان با استفاده از GIS

چکیده  

تلاش‌های پژوهشی با تمرکز بر درک بهتر و ثبت پیشرفت مرگ‌ومیر در طول زمان، از علاقه‌مندی‌های قابل توجهی در زمینه جمعیت‌شناسی در نظر گرفته می‌شود. بر اساس جمعیت شناختی، مرگ و میر را می توان با پارامترهای فیزیکی مختلف بیان کرد. هدف اصلی این مطالعه ارزیابی و نقشه برداری از این چهار پارامتر در مقیاس اروپایی، طی دوره زمانی 1993-2013 است. مرگ و میر نوزادان (پارامتر θ )، پیری جمعیت (پارامتر ξ ) و مرگ و میر افراد و جمعیت به دلیل عوامل/رویدادهای برون زا غیرمنتظره (پارامتر κ و λبه ترتیب) از این پارامترها نشان داده می شوند. با توجه به اینکه برآورد آنها بر اساس جمعیت شناسی بر حسب سن و علت مرگ است و به منظور بررسی و تجسم جنسیت، از داده های دموگرافیک زمان خاص مرگ و میر جمعیت با توجه به جنسیت، سن و علت مرگ استفاده شده است. نقشه‌های حاصل، الگوهای فضایی پارامترهای برآورد شده و همچنین تغییرات آن‌ها را در دوره مورد بررسی برای جمعیت‌های مرد و زن 22 کشور اروپایی در کل ارائه می‌کنند.
واژه‌های کلیدی: مرگ و میر انسان پارامتر ؛ تغییرات مکانی-زمانی ؛ نقشه برداری ; مقیاس اروپایی

1. مقدمه 

در طول قرن گذشته، کاهش بی‌سابقه‌ای در مرگ و میر در تمام سنین (به‌ویژه در مراحل اولیه زندگی) وجود داشته است که منجر به رشد چشمگیر جمعیت انسانی در جهان شده است. از نظر افزایش نسبی امید به زندگی، انسان ها به دلیل شرایط زندگی بهتر و پیشرفت قابل توجه در بخش های پزشکی و فناوری، تمایل دارند در سنین بالاتر زنده بمانند. بهبود مشاهده شده در میزان مرگ و میر و همچنین پیش‌بینی افزایش بیشتر امید به زندگی، نیاز به ارزیابی روندهای گذشته و فعلی و پیش‌بینی روند آینده در مرگ و میر جمعیت را نشان می‌دهد.
یک موضوع عمده در علوم جمعیتی، اجتماعی و بهداشتی، ارزیابی مرگ و میر انسان در طول زمان است [ 1 ]. با توجه به ادبیات مرتبط، کارهای تحقیقاتی زیادی در زمینه شناسایی الگوهای مرگ و میر و فرمول بندی روندهای خاص در اروپا انجام شده است [ 2 ، 3 ، 4 ، 5 ، 6 .]. علاوه بر این، توسعه مداوم فن‌آوری‌های فضایی و در دسترس بودن فزاینده داده‌های مرتبط، امکان اجرای تحلیل‌های فضایی در تحقیقات مرگ‌ومیر را فراهم کرده است. تجزیه و تحلیل فضایی می تواند به ویژگی های هر فضا بپردازد و در نظر بگیرد که مرگ و میر ممکن است در موقعیت های جغرافیایی مختلف متفاوت باشد. مطالعات متعددی در سال‌های اخیر انجام شده است که مرگ‌ومیر را از منظر فضایی، در سطوح مختلف فضایی (ملی، ایالتی یا منطقه‌ای) بررسی کرده است [ 7 ، 8 ، 9 ، 10 ].
مطابق با بالا، تعداد قابل توجهی از روش های آماری برای توصیف مرگ و میر یک جمعیت معین توسعه و بهینه سازی شده است [ 11 ، 12 ]. مروری بر این روش ها در [ 13 ] ارائه شده است. برخی از آنها، مانند پیشنهادی که توسط گومپرتز [ 14 ] ارائه شد، تجربی هستند، زیرا آنها مسیرهای مرگ و میر را بدون ارائه هیچ توضیحی در مورد فرآیندهای زیربنایی دینامیک مرگ و میر توصیف می کنند. دیگران، مانند آنچه توسط Makeham پیشنهاد شده است [ 15]، مکانیکی هستند و شامل اصطلاحاتی هستند که “ماهیت” فرآیندها و پارامترهای مدل را با تفاسیر بیولوژیکی یا جمعیت شناختی توضیح می دهند. با این حال، اکثر روش‌های توسعه‌یافته با استفاده از پارامترهای فیزیکی و جمعیت‌شناختی به‌عنوان مؤلفه‌های اساسی ساخته شده‌اند [ 16 ]. این پارامترها بر اساس کمیت ها، مانند تعداد مرگ و میرها، با توجه به ویژگی های جمعیت شناختی مانند سن، جنسیت، سطح تحصیلات، وضعیت تأهل یا علت مرگ تعریف می شوند [ 17 ، 18 ].
با توجه به تمرکز بیشتر کارهای تحقیقاتی بر روی تغییرات فضایی مرگ و میر و نه بر روی پارامترهای ذکر شده آن، مطالعه حاضر با هدف ارزیابی و تجسم نقشه‌کشی چهار مورد از این پارامترها در مقیاس اروپایی، طی دوره زمانی 1993-2013 است. پارامترهای بررسی شده با توجه به سن و علت مرگ توسط جمعیت شناسی تعریف شده اند، پارامترهای بررسی شده مؤلفه های اساسی یک روش مرگ و میر پیشنهاد شده اخیراً به نام توزیع بتا گومپرتز عمومی ماکهام (BGGM) را تشکیل می دهند [ 19 ].]. ارزیابی و نقشه برداری مکانی-زمانی آنها منجر به شناسایی الگوهای مرگ و میر مکانی و همچنین تغییرات در طول زمان شد. به منظور دستیابی به تجسم بر اساس جنسیت، تخمین پارامترها بر اساس تجزیه و تحلیل داده های تاریخی (گذشته دور و نزدیک) مرگ و میر و جمعیت در دسترس برای ترکیب های مختلف جنسیت، سن و علل مرگ بود.

2. مواد و روش ها

2.1. داده ها

این مطالعه بر دو مجموعه داده متفاوت تکیه دارد. اولین مجموعه داده شامل داده های سالانه تعداد مطلق مرگ و میر در کل جمعیت، از نظر سن، جنسیت، و علت مرگ است که توسط “پایگاه اطلاعات مرگ و میر انسان” (HMD) [ 20 ] ارائه شده است.]. HMD خروجی پروژه ای است که توسط محققان و همکاران علمی مختلف از سراسر جهان که عموماً به تاریخ طول عمر انسان علاقه مند بودند، پشتیبانی می شود. این برنامه با هدف دسترسی آزاد و بین المللی به داده های دقیق مرگ و میر و جمعیت برای بیش از 40 کشور در سراسر جهان توسعه یافته است. داده های مرگ و میر به دست آمده مربوط به دوره 1993-2013 و به 22 کشور اروپایی است. این کشورها عبارتند از: اتریش، بلژیک، جمهوری چک، دانمارک، استونی، فنلاند، فرانسه، آلمان، یونان، ایسلند، ایرلند، ایتالیا، لتونی، لیتوانی، هلند، نروژ، لهستان، پرتغال، اسپانیا، سوئد، سوئیس و ایالات متحده پادشاهی. علاوه بر این، جمعیت سن و جنسیت خاص جمعیت توسط HMD برای گذشته دور، و توسط اداره آمار اروپا یورواستات به دست آمد. 21 ] برای گذشته نزدیک.
مجموعه داده فضایی اصلی مورد استفاده برای تجسم نقشه برداری پارامترهای برآورد شده نیز توسط Eurostat [ 22 ] ارائه شده است. به عنوان یک لایه برداری سیستم های اطلاعات جغرافیایی (GIS) که مقیاس اروپایی را نشان می دهد، این مجموعه داده شامل کل کشورهای اروپایی به عنوان ویژگی های فضایی چند ضلعی است. در میان همه، ویژگی های مربوط به 22 کشور ذکر شده در بالا به عنوان یک مجموعه داده جداگانه جدید انتخاب و استخراج شدند ( شکل 1 ).

2.2. روش شناسی

پارامترهای بررسی‌شده مؤلفه‌های اساسی یک روش مرگ‌ومیر پیشنهادی اخیراً به نام توزیع بتا گومپرتز تعمیم‌یافته Makeham (BGGM) را تشکیل می‌دهند. جزئیات این روش توسط آندریوپولوس و همکاران شرح داده شده است. [ 19 ]. به طور کلی، روش BGGM پیشنهادی توزیع های Gompertz [ 14 ] و Gompertz–Makeham [ 23 ] را با استفاده از یک مولد بتا ترکیب می کند. مزیت نسبی آن نسبت به روش های فردی، که بر اساس آن ها ساخته شده است، را می توان در این واقعیت جستجو کرد که انعطاف پذیری بیشتر و ثبت بهتر “بی نظمی” مرگ و میر را در سنین بسیار پایین و بسیار بالا فراهم می کند. BGGM را می توان با معادله زیر بیان کرد:

جایی که سن است که از 0 شروع می شود و تا حداکثر آستانه بیولوژیکی نظری بالا می رود (یعنی سنی که بالاتر از آن هیچ فردی نمی تواند از نظر نظری زنده بماند) و پارامترهای توزیع بتا هستند [ 24 ] و ، ، ، و پارامترهای مربوط به جنبه های مختلف مرگ و میر هستند.

هر یک از پارامترهای فوق دارای یک تفسیر جمعیت شناختی خاص است که نتایج خروجی را آسان می کند و برای درک سن و مشاهدات مربوط به زمان مربوط به مرگ و میر مفید است. محدوده داده شده برای هر پارامتر، فرد را قادر می سازد تا سیر زندگی انسان را در محدوده های مشخصی مطالعه و پیش بینی کند. به طور خاص، پارامتر مرگ و میر را در سنین اولیه توصیف می کند [0، 1)، که به عنوان مرگ و میر نوزادان نیز شناخته می شود. زندگی انسان در زمان تولد و همچنین در ماه های بعد از آن بسیار شکننده است. به عنوان شاخصی از استانداردهای زندگی جمعیت، مرگ و میر نوزادان به شدت تحت تأثیر تغییرات شرایط اقتصادی و اجتماعی است [ 25 ]. پارامتر که به عنوان درصد افراد 70 ساله یا بیشتر تعریف می شود، می تواند منعکس کننده پیری جمعیتی یک جمعیت باشد [ 14 ]. پارامتر خطر مرگ غیر منتظره را در سطح فردی توصیف می کند. هر چه ارزش آن بیشتر باشد، احتمال مرگ ناگهانی بیشتر است. این در واقع تأثیر انتخاب های سبک زندگی و همچنین خطر وخامت حاد سلامتی، خودکشی، تصادف اتومبیل یا هر مرگ و میر غیرقابل پیش بینی دیگری را منعکس می کند. پارامتر به رویدادهای خطرناکی اشاره دارد که ممکن است کل جمعیت را تحت تأثیر قرار دهد [ 15 ]. این رویدادها ممکن است به دلیل شرایط مختلف اجتماعی (مثلاً جنگ، بیماری)، اقتصادی (مثلاً بحران اقتصادی) یا محیطی (مثلاً بلایای طبیعی مانند زلزله، سیل و غیره) باشد که ثابت شده است بر میزان مرگ و میر تأثیر می گذارد. . هر چه مقدار پارامتر بالاتر باشد، تأثیر یک عامل تشدید کننده بر مرگ و میر جمعیت بیشتر است. به عبارت دیگر، میزان موفقیت/شکست را بیان می کند که در آن جمعیت با مرگ مواجه می شود.
هر یک از چهار پارامتر ، ، ، و می تواند به درک پیشرفت مرگ و میر جمعیت در طول زمان کمک کند. برآورد آنها با استفاده از روش حداکثر درستنمایی و روش حداقل مربعات وزنی به دست آمد. حداکثر احتمال با معادله [ 26 ] تعریف می شود:

جایی که لگاریتم طبیعی احتمال است ، تعداد افراد زنده در سن است ، مقدار مرگ و میر در بازه زمانی است ، و احتمال یک فرد در سن است مرگ در این بازه زمانی که با نسبت محاسبه می شود:

برای به حداقل رساندن اختلاف بین مقادیر واقعی و محاسبه شده از روش حداقل مربعات وزنی استفاده شد. به صورت زیر تعریف شده است [ 27 ]:

جایی که یک مقدار وزن برای سن است ، و ارزش واقعی برای سن است . شایان ذکر است که در این مورد مقادیر واقعی با میزان مرگ و میر بدست آمده نشان داده شده است.

با استفاده از مجموعه داده های جمعیتی و مرگ و میر به دست آمده در معادلات (2) – (4)، مقادیر چهار پارامتر ، ، ، و برآورد شدند ( شکل 2 و شکل 3 ). تخمین آنها با استفاده از نرم افزار کد باز R ( www.r-project.org ) و به طور خاص بسته “minpack.lm” [ 28 ] توسط کتابخانه دیجیتالی شبکه آرشیو جامع R (CRAN) انجام شد. تابع “nls.lm” از اهمیت ویژه ای برخوردار بود، که برای به حداقل رساندن مجموع مجذور بردار برگردانده شده توسط تابع “fn” (تابعی که بردار باقیمانده را برمی گرداند، مجموع مجذور آن باید کمینه شود) استفاده می شد. با اصلاح الگوریتم لونبرگ-مارکوارت.
پس از انتساب مبتنی بر مکانی مقادیر پارامتر به هر یک از ویژگی‌های فضایی (به عنوان مثال، به هر یک از کشورهای اروپایی مورد بررسی) لایه برداری مربوطه، نقشه‌های چند زمانی خاص جنسیت در محیط GIS (با استفاده از ESRI/) ایجاد شد. بسته نرم افزاری ArcGIS نسخه 10.4). سپس طبقه بندی نقشه ها با استفاده از روش انحراف استاندارد اجرا شد ( شکل 4 ، شکل 5 ، شکل 6 ، شکل 7 ، شکل 8 ، شکل 9 ، شکل 10 و شکل 11.). بر اساس مقدار میانگین مجموعه داده، این روش طبقه بندی با افزودن یا تفریق یک انحراف استاندارد در هر زمان، شکست های کلاس را ایجاد می کند [ 29 ]. همانطور که در جدول 1 نشان داده شده است ، مقادیر پارامترها بر اساس انحرافات استاندارد طبقه بندی نسبی (std) به چهار و سه کلاس مجزا برای مردان و زنان تقسیم شدند.

3. نتایج

شكل 4 ، شكل 5 ، شكل 6 ، شكل 7 ، شكل 8 ، شكل 9 ، شكل 10 و شكل 11 از نمايي كلي از نقشه هاي (فرعي) جداگانه تشكيل شده اند كه بر اساس جنس، توزيع فضايي پارامترهاي تخمين زده شده را براي 22 اروپايي تجسم مي كنند. کشورها، و شش سال منتخب (1993، 1998، 2002، 2006، 2009، و 2013).

3.1. مرگ و میر نوزادان (پارامتر Θ)

با توجه به نتایج پارامتر θ ( شکل 4به جز ایسلند، اکثر کشورهای شمال اروپا (سوئد، فنلاند و دانمارک) به طور کلی مرگ و میر نوزادان پسر را در طول زمان نشان دادند. پس از افزایش گرایش بین سال‌های 1993 و 2002، به نظر می‌رسید که نروژ، یکی دیگر از کشورهای شمال اروپا، روند نزولی را دنبال کند. گرایش هایی مشابه ایسلند و نروژ به ترتیب برای ایرلند و بریتانیا مشاهده شد. در میان کشورهای بالتیک، استونی و لتونی در طول زمان نوسانات شدیدی را نشان دادند. با این حال، لیتوانی یک تمایل دائمی مثبت با مقادیر پارامتر پایین ایجاد کرد. پس از نوسانات، هلند با مرگ و میر متوسط ​​نوزادان پسر به اوج خود رسید. همسایه آن، بلژیک، و همچنین کشورهای اروپای مرکزی (فرانسه، آلمان و جمهوری چک) یک گرایش دائمی مثبت با مقادیر پارامتر پایین را دنبال کردند. فراتر از این گرایش، سوئیس، اتریش، و لهستان نتوانستند علامت مثبتی در تخمین پارامتر بدست آورند که نشان دهنده مقادیر پارامتر بالاتر است. به استثنای پرتغال، که عمدتاً از سطوح بالا تا بسیار بالا مرگ و میر نوزادان پسر را نشان داد، سایر کشورهای مدیترانه ای (یونان، ایتالیا و اسپانیا) با سطوح پایین در کل دوره مورد بررسی یافت شدند.
در مورد مرگ و میر نوزادان دختر ( شکل 5 )، می توان اشاره کرد که دو الگوی اصلی توسط کشورهایی با مقادیر پارامترهای دائمی پایین نشان داده شده است (سوئد، فنلاند، دانمارک، لیتوانی، آلمان، فرانسه، اتریش، یونان، ایتالیا، و اسپانیا) و کشورهایی با ارزش‌های دائماً بالاتر (نروژ، ایسلند، بریتانیا، ایرلند، هلند، بلژیک، لهستان، لتونی، سوئیس و پرتغال). کاهش مقادیر پارامترهای استونی و جمهوری چک به ترتیب در سال‌های 1998 و 2002، افزایشی را به دنبال داشت که این دو کشور را نیز به الگوی دوم فوق اختصاص داد.

3.2. پیری جمعیت (پارامتر Ξ)

بر اساس نتایج پارامتر ξ ( شکل 6علیرغم تأثیر نوسانات در طول زمان (افزایش شدید در سال 2006 و کاهش جزئی در سال 2009)، جمعیت مردان در حال پیری در ایسلند در نهایت به سطح بالایی رسید. فنلاند به طور مداوم یک گرایش صعودی نشان داد و در سال 2013 به سطح بسیار بالایی رسید. نروژ و دانمارک به ترتیب در سال 2002 و 2009 شاهد افزایش بودند که در نتیجه مقادیر پارامترهای بالایی به دست آمد. به جز کاهش قابل توجه در سال 2002 که باعث یک مقدار پارامتر متوسط ​​شد، یک کشور شمال اروپا، سوئد، از سال 2006 به بعد به طور مداوم مقادیر بالایی را ارائه کرد. اگرچه استونی و لتونی در بخش عمده دوره مورد بررسی (بین سال‌های 1993 و 2009)، مقادیر پارامتر پایینی را ارائه کردند، اما در نهایت در سال 2013 به افزایشی دست یافتند. مقادیر پارامتر بالاتر برای هلند شناسایی شد. افزایش مداوم از سال 2006 به بعد منجر به سطوح بسیار بالای پیری در سال 2013 برای بلژیک شد. در بریتانیا و ایرلند، تعادل عمومی در سطوح متوسط ​​تحت تأثیر افزایش در سال 2013 و در نهایت سطوح بالاتری از ارزش ها قرار گرفت. گرایش هایی مشابه انگلستان به ترتیب توسط لهستان و جمهوری چک ارائه شد. طول عمر در سایر کشورهای اروپای مرکزی مانند آلمان، فرانسه، سوئیس و اتریش را می توان با مقادیر بسیار زیاد پارامتر (سطوح بسیار بالا در سال 2013) به عنوان مهمترین تأثیر بر پیری جمعیت مردان در نظر گرفت. گرایش ثابت یونان در نهایت تحت تأثیر افزایش در سال 2006 قرار گرفت. اسپانیا و ایتالیا به ترتیب پس از سال های 2002 و 2006 به طور کلی تمایلی صعودی داشتند.
در مورد پیری جمعیت زنان ( شکل 7در طول زمان مشخص شد که کشورهای شمال اروپا دارای مقادیر پارامترهای بالایی هستند. نشان داده شد که بریتانیا و ایرلند در طول زمان نوسانات قوی و در نهایت گرایش رو به بالا به مقادیر پارامتر بالا را نشان دادند. به جز افزایش بین سال‌های 2006 و 2009 در لیتوانی، جمعیت زنان کشورهای بالتیک عمدتاً با سطوح متوسطی از نظر پیری مشخص می‌شوند. علیرغم مقادیر متوسط ​​پارامترهای آنها تا سال 1998، کشورهای پایین روند افزایشی را در دوره بعد از خود نشان دادند. گرایش مشابهی برای اکثر کشورهای اروپای مرکزی مشاهده شد در حالی که مقادیر پایین اولیه آنها در سال 1993 تحت تأثیر یک گرایش صعودی قرار گرفت. اتریش و لهستان دو استثنا با گرایش معکوس (نزولی) تشکیل می دهند.

3.3. مرگ و میر غیرمنتظره فردی (پارامتر Κ)

با توجه به نتایج پارامتر κ ( شکل 8)، جمعیت مردان اکثر کشورهای شمال اروپا به طور مداوم احتمال مرگ و میر غیرمنتظره فردی را پایین نشان می دهند. در مقابل، مقادیر پارامتر پایین اولیه نروژ در دوره 1993-2002 به طور قابل توجهی در دوره بعدی (2002-2013) افزایش یافت. در میان کشورهای بالتیک، لیتوانی در طول زمان تعادل در سطوح پایین را نشان داد. علیرغم گرایش صعودی تقریباً در کل دوره مورد بررسی، دو کشور دیگر بالتیک توانستند مقادیر پارامترهای خود را از سال 2006 به بعد به میزان قابل توجهی کاهش دهند و در سال 2013 به سطوح پایینی رسیدند. کشورها مقادیر پارامتر پایینی را نشان دادند. متقابلا، “مثبت” اولیه (سطوح پایین) از بریتانیا با افزایش مداوم مقادیر پارامتر آن از سال 1998 به بعد دنبال شد و در نتیجه سطوح بسیار بالاتری در سال 2013 داشت. یک “مثبت” ثابت برای ایرلند و همچنین مشاهده شد. برای اکثر کشورهای اروپای مرکزی در میان آنها، تنها جمهوری چک در سال 2013 مقدار پارامتر بالایی را ارائه کرد. به جز نوسانات در پرتغال تا سال 2006 و افزایش قابل توجه در یونان در سال 1998، سطوح پایین با توجه به مرگ و میر غیرمنتظره افراد مرد معمولاً کشورهای مدیترانه را مشخص می کند.
نتایج نسبی پارامتر همچنین نشان داد که احتمال بالای اولیه از نظر مرگ و میر غیرمنتظره انفرادی زنان از اکثر کشورهای اروپایی مورد بررسی با یک گرایش نزولی ثابت و در نتیجه مقادیر کمتر در سال 2013 دنبال شد ( شکل 9 ). دانمارک، لهستان، بریتانیا و سه کشور بالتیک استثناها را تشکیل می‌دهند، با مقادیر پارامتر بالا در اکثر یا همه دوره مورد بررسی.

3.4. مرگ و میر جمعیت در اثر رویدادهای خطرناک (پارامتر Λ)

با توجه به نتایج پارامتر λ ( شکل 10 )، دو الگوی اصلی با توجه به احتمال مرگ و میر غیرمنتظره کلی مردان وجود دارد. این الگوها عمدتاً توسط کشورهایی با مقادیر پارامتر دائمی پایین (اکثر کشورهای شمال اروپا، کشورهای بالتیک، لهستان، جمهوری چک و بریتانیا) و کشورهایی با مقادیر بیشتر (آلمان، فرانسه و اتریش) یا کمتر (دانمارک) نشان داده شدند. ، یونان، ایتالیا، اسپانیا و پرتغال) ارزش ها را به ویژه از سال 2006 به بعد افزایش دادند.
در مورد جمعیت زنان ( شکل 11) نوسانات مختلف در طول زمان مشخصه کشورهایی با در نهایت کم (ایسلند، ایرلند، هلند و سوئیس) و متوسط ​​(سوئد، فنلاند، دانمارک، بریتانیا، اتریش، جمهوری چک، یونان، ایتالیا، اسپانیا و پرتغال) است. مقادیر پارامتر در سال 2013. نوسانات بین مقادیر کم و متوسط ​​در کل دوره نیز توسط آلمان و فرانسه نشان داده شد. پایان های مشابهی توسط استونی و لهستان ارائه شد که پس از تمایل ثابت به سطوح بالا تا سال 2009، موفق شدند در سال 2013 به مقادیر کاهش یافته (متوسط) برسند. این برای دو کشور بالتیک دیگر (لیتوانی و لتونی) مشاهده نشد. تمایل ثابت به مقادیر پارامتر بالا در کل دوره. تمایل ثابت نروژ به مقادیر پارامتر پایین تحت تأثیر افزایش قابل توجهی در سال 2009 قرار گرفت و در نتیجه مقدار بسیار بالاتری به دست آمد.

4. بحث و نتیجه گیری

مطالعه حاضر روشی را ارائه می‌کند که پارامترهای تأثیرگذار به مرگ‌ومیرهای جنسیتی در مقیاس اروپایی کمک می‌کنند. به همین دلیل، الگوهای فضایی این پارامترها و همچنین تغییرات آنها در دوره زمانی 1993-2013 در مجموع 22 کشور اروپایی شناسایی شد. هر یک از پارامترها دارای تفسیر جمعیت شناختی خاصی هستند که امکان بررسی مرگ و میر را از جنبه های مختلف، مانند مرگ و میر نوزادان (پارامتر θ )، پیری جمعیت (پارامتر ξ )، و همچنین فردی (پارامتر κ ) و مرگ و میر غیرمنتظره جمعیت (پارامتر λ ) را ممکن می سازد.). برای برآورد آنها باید تعدادی از ویژگی های جمعیت شناختی را در نظر گرفت. سن و جنسیت دو مورد از مهمترین این ویژگی ها هستند زیرا می توانند ترکیب جنسیتی و توزیع سنی یک جمعیت معین را نشان دهند و در نتیجه چشم انداز بالقوه آن را مشخص کنند. اهمیت برخی از علل مرگ و میر نیز در نتیجه اتخاذ شیوه های ناسالم توسط انسان و قرار گرفتن آنها در معرض خطرات محیطی مکرر [ 30 ] افزایش یافته است.
با توجه به موارد فوق، داده های مربوط به زمان خاص، مرگ و میر جمعیتی و جمعیت با توجه به جنسیت، سن و علت مرگ برای تخمین پارامترها مورد بهره برداری قرار گرفت. سپس پارامترهای تخمین زده شده توسط یک سری زمانی از نقشه‌های جنسیتی مشخص شدند. از مجموع نتایج تولید شده می توان یافته های جالب خاصی را استخراج کرد.
در رابطه با این دو جنس، نتایج تولید شده نشان دهنده این واقعیت است که زنان در طول سال اول زندگی با خطر مرگ و میر کمتری روبرو هستند و همچنین طول عمر بیشتری نسبت به مردان دارند. به عبارت دیگر، تعداد بیشتری از نوزادان پسر در سن بحرانی [0، 1) سال زنده نمی مانند، در حالی که نشان داده شده است که جمعیت پسر در برابر مرگ مقاومت مشخصی ندارند. این یافته ها با نتایج حاصل از مطالعات [ 31 و 32 ] مطابقت دارد. با توجه به [ 31]، بین این دو جنس، از نیمه اول قرن بیستم به بعد، یک آسیب فزاینده مرد در مرگ و میر نوزادان در کشورهای اروپایی و غیر اروپایی مشاهده شده است. این عیب عمدتاً به دلیل آسیب پذیری بیشتر مردان در برابر مرگ و میر ناشی از شرایط پری ناتال است. علاوه بر این، همانطور که در [ 32 ] ذکر شد، زنان در اکثر کشورهای اروپایی بیشتر از مردان عمر می کنند. مزیت زن در طول عمر عمدتاً در اواسط قرن هجدهم مشاهده شد. در طول قرن بیستم، این «شکاف جنسیتی» به دلیل توسعه اقتصادی و بهبود شرایط زندگی برای زنان بیشتر شد.
علاوه بر این، ثابت شده است که مردان در برابر عوامل مختلف برون زا و رویدادهای غیرمنتظره ای که بر مرگ و میر در هر دو دیدگاه فردی و جمعیتی تأثیر می گذارد آسیب پذیرتر هستند. ثابت شده است که درصد بالاتری از مردان نسبت به زنان با مرگ و میر ناشی از تصادفات، خودکشی و قرار گرفتن در معرض چندین نیروی برون زا در کشورهای اروپایی مرتبط هستند [ 33 ]. مشخص شده است که این درصد مشابه درصد مرگ و میر جمعیت مرد ناشی از بلایای طبیعی و سایر شرایط مضر اجتماعی-اقتصادی است [ 34 ].
با تفسیر تغییرات زمانی در چهار پارامتر، به این نتیجه رسیدیم که اکثر کشورهای اروپایی مورد بررسی به طور کلی تمایلی “مثبت” در مرگ و میر نوزادان دارند، که در طول زمان سطوح به طور مداوم پایین یا به طور مداوم در حال کاهش است. Onambele و همکاران با تجزیه و تحلیل داده های مربوط به مرگ و میر کودکان کمتر از یک سال بین سال های 1994 و 2015. [ 35 ] همچنین دریافتند که مرگ و میر نوزادان در دهه های گذشته به طور پیوسته در اتحادیه اروپا و کشورهای عضو آن کاهش یافته است. از نظر جمعیتی، این امر در افزایش امید به زندگی انسان منعکس می شود. این افزایش همچنین با گرایش افزایشی در پیری جمعیت در طول زمان تقویت شده است. بر اساس سوچکا و اوربانیاک [ 36]، هیچ کشوری در اروپا وجود ندارد که تعداد و نسبت سالمندان در میان ساکنانش رو به افزایش نباشد. در دهه های اخیر، مرگ و میر در اروپا در سنین بالای 75 سال انباشته می شود. این واقعیت، در ترکیب با تمایل کاهشی مشاهده شده در نرخ زاد و ولد، می تواند به تغییر ترکیب سنی جمعیت اروپا در سال های آینده کمک زیادی کند. به طور خاص، داده های رسمی منتشر شده توسط آژانس های مختلف در سراسر اروپا پیش بینی می کند که تا سال 2030، سالمندان یک چهارم جمعیت اروپا را تشکیل می دهند [ 36 ].
از نظر آسیب‌پذیری در برابر عوامل برون‌زا، تمایزات براساس «ماهیت» آسیب‌پذیری (فردی و کلی) عمدتاً در طول زمان شناسایی می‌شود. برای مردان، اکثر کشورها به طور کلی ثبات در آسیب پذیری فردی کم، و به طور همزمان تمایل فزاینده در آسیب پذیری کلی را نشان می دهند. در مقابل، برای زنان، یک گرایش بسیار کاهشی در آسیب‌پذیری افراد و یک گرایش «مثبت» تثبیت‌شده (با مقادیر پارامتر پایین) در آسیب‌پذیری جمعیت کلی برای اکثر کشورها مشخص است. شایع ترین توضیح برای این یافته ها خطرات بیولوژیکی، خطرات به دست آمده از طریق نقش های اجتماعی، سبک زندگی، و رفتار، و همچنین دسترسی متمایز به مراقبت های بهداشتی، درمان و استفاده است [ 37 ]].
با توجه به الگوهای فضایی شناسایی شده در چهار پارامتر، می توان بیان کرد که به شدت تحت تأثیر موقعیت جغرافیایی و مجاورت کشورهای اروپایی هستند. گروه های جغرافیایی تعریف شده از کشورها مانند کشورهای شمال اروپا (سوئد، نروژ، فنلاند، دانمارک و ایسلند)، کشورهای بالتیک (استونی، لتونی و لیتوانی)، کشورهای پایین (هلند و بلژیک)، کشورهای اروپای مرکزی (فرانسه، آلمان). سوئیس، اتریش، جمهوری چک، و لهستان)، کشورهای مدیترانه ای (یونان، ایتالیا، اسپانیا و پرتغال)، و همچنین جفت بریتانیا-ایرلند، گرایش های کم و بیش مشابهی را در طول زمان نشان دادند. به عنوان مثال، به استثنای برخی از نروژ، کشورهای شمال اروپا به طور کلی مرگ و میر نوزادان پایین، پیری جمعیت بالا، و به طور همزمان مرگ و میر غیرمنتظره افراد و جمعیت کم است که نشان دهنده استانداردهای زندگی بسیار خوب ارائه شده توسط آنهاست. به طور کلی، کشورهای شمال اروپا بر اساس شرایط مختلف اجتماعی-اقتصادی و مرتبط با سلامت مانند برابری جنسیتی بالا، سطح تحصیلات، و مشارکت نیروی کار، اختلاف درآمد کم، و سیستم مراقبت بهداشتی غالب با تامین مالی دولتی رتبه بالایی دارند. 38 ]. با این حال، کشورهای بالتیک همسایه آنها در اکثر موارد نوسانات شدیدی را نشان دادند که نشان دهنده حساسیت در چهار پارامتر مربوط به مرگ و میر است. این حساسیت را می توان با اندازه خاص و ترکیب سنی جمعیت آنها توضیح داد. جمعیت های کوچک و به طور کلی بسیار جوان تر، مشخصه گروه خاصی از کشورها هستند [ 39 ].
از سال 2008، افزایش مداوم مرگ و میر جمعیت مردان به دلیل رویدادهای غیرمنتظره برای کشورهای اروپای مرکزی و عمدتاً کشورهای مدیترانه مشاهده شد. این افزایش احتمالاً تأثیرات بحران اقتصادی جهانی 2008 بر مرگ و میر را نشان می دهد. یک بحران اقتصادی با جابجایی شغل و افزایش نرخ بیکاری همراه است که تمایل به بدتر شدن شرایط زندگی دارد. همچنین به علت علل خاص یا تحت تأثیر قرار دادن گروه های خاصی از جمعیت با مرگ و میر بسیار مرتبط است [ 6 ]. به عنوان مثال، لالیوتیس و همکاران. [ 40] بیان کرد که مرگ و میر ناشی از خودکشی در کشور مدیترانه ای یونان در طول بحران اقتصادی 2008 افزایش یافته است و این ارتباط در میان مردان در سن کار (15 تا 64 سال) قوی ترین است. علاوه بر این، سطوح بالا به طور کلی در طول زمان توسط کشورهای پایین از نظر مرگ و میر غیرمنتظره فردی زنان مشخص شد. ترکیب جمعیت آنها بر اساس تعدادی ملیت مختلف احتمالاً نقش مهمی در آن داشته است. کشورهای پایین، بیشترین نسبت مهاجران را در اروپا برای چندین دهه نشان داده اند [ 41 ، 42 ]. اقامت طولانی مدت در یک کشور میزبان می تواند منجر به وخامت سلامت در میان برخی از گروه های مهاجر در نتیجه شرایط بد زندگی و مراقبت های بهداشتی شود [ 43 ].
لازم است به برخی از مفروضات مهم مطالعه اشاره شود. تغییرات در پارامتر κ بیشتر به سن مربوط می شود تا جنسیت. برای هر فرد معینی، انتظار می رود κ در دوران نوجوانی و اوایل زندگی بزرگسالی و همچنین در سنین 50 تا 75 سالگی بالاتر باشد. این نشان دهنده این واقعیت است که بزرگسالان جوان معمولا سبک زندگی پرخطرتری را اتخاذ می کنند، در حالی که افراد بین 50 تا 75 سال دارند. بیشتر مستعد مشکلات سلامتی غیرمنتظره هستند. علاوه بر این، با توجه به اینکه برآورد آن بر اساس داده‌های فردی/شخصی است (همیشه از مقامات رسمی آماری در دسترس نیست)، نتایج حاصل از این پارامتر اساساً نشانه‌های ساده‌ای را تشکیل می‌دهند.
مشابه مطالعه حاضر، تلاش‌های تحقیقاتی که به بررسی پویایی مرگ‌ومیر در طول زندگی انسان و نوسانات آن در طول زمان می‌پردازد، می‌تواند مفید باشد. به طور خاص، تجزیه و تحلیل تغییرات مکانی-زمانی مرگ و میر می تواند تا حد زیادی به درک مکانیسم های زیربنای پیری و مرگ و میر، و همچنین برنامه ریزی و اجرای استراتژی های اجتماعی-اقتصادی با هدف بهبود کیفیت زندگی، افزایش امید به زندگی، و کاهش مرگ و میر زودرس علاوه بر این، پیش بینی هایی در مورد پیشرفت جمعیتی جمعیت ها نیز قابل دستیابی است. بر اساس این پیش بینی ها، دولت ها می توانند تعهدات بازنشستگی خود را بهتر مدیریت کنند و بودجه های سلامت محور خود را به درستی تقسیم کنند.
علاوه بر این، با در نظر گرفتن این دو جنس، تفاوت های آنها از نظر مرگ و میر یا سلامت پیچیده در نظر گرفته می شود زیرا بیشتر به زمینه های زیستی، اجتماعی/رفتاری و اقتصادی بستگی دارد. با توجه به درجه سختی بالاتر برای مداخلات بیولوژیکی (مثلاً در ژنتیک و هورمون)، سیاست هایی با هدف ترویج و ایجاد رفتارهای اجتماعی سلامت جویانه خاص جنسیتی و رفاه اقتصادی – در رابطه با جنسیت “منافع” شناسایی شده از هر یک. چهار پارامتر مرگ و میر بررسی شده – ممکن است این تفاوت ها را کاهش دهد. به خصوص که مردان به طور فزاینده ای رفتار مشابهی با زنان دارند، و با کاهش نابرابری در اشتغال، دسترسی به مراقبت های بهداشتی، و مسئولیت های خانوادگی و مشارکت، ممکن است «شکاف» بین آنها کاهش یابد.

مشارکت های نویسنده

مفهوم سازی، پاناگیوتیس آندریوپولوس و الکساندرا تراگاکی. روش شناسی، Panagiotis Andreopoulos; تحلیل رسمی، Panagiotis Andreopoulos و Christos Polykretis; سرپرستی داده ها، Panagiotis Andreopoulos و Christos Polykretis. نوشتن – آماده سازی پیش نویس اصلی، پانگیوتیس آندریوپولوس، کریستوس پلی کرتیس و الکساندرا تراگاکی. نگارش-بررسی و ویرایش، Panagiotis Andreopoulos و Christos Polykretis; تجسم، کریستوس پلی کرتیس; نظارت، الکساندرا تراگاکی؛ مدیریت پروژه، الکساندرا تراگاکی؛ خرید سرمایه، الکساندرا تراگاکی همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و با آن موافقت کرده اند.

منابع مالی

این تحقیق توسط دانشگاه هاروکوپیو با شماره کمک مالی 458 تامین شد. APC توسط دانشگاه هاروکوپیو تامین مالی شد.

قدردانی ها

نویسندگان مایلند از سردبیر مجله برای رسیدگی به این مقاله و همچنین همکارانی که مودبانه در نظر داشتند آن را اصلاح کنند تشکر کنند.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

منابع

  1. کوری، شناسه؛ دوربان، م. Eilers, PH هموارسازی و پیش بینی میزان مرگ و میر. آمار مدل. 2004 ، 4 ، 279-298. [ Google Scholar ] [ CrossRef ]
  2. بوستی، سی. برتوچیو، پی. چتنود، ل. نگری، ای. لوی، اف. La Vecchia، C. مرگ و میر ناشی از سرطان در دوران کودکی در اروپا، 1970-2007. یورو J. Cancer 2010 ، 46 ، 384-394. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  3. آمارو، جی. سورو، ام. ویللا، اس. فونسکا، اس. فونتس، اف. لا وکیا، سی. Lunet، N. الگوهای روند مرگ و میر سرطان پستان در اروپا. پستان 2013 ، 22 ، 244-253. [ Google Scholar ] [ CrossRef ]
  4. فرلی، جی. استلیارووا-فوچر، ای. لورتت-تیولنت، جی. روسو، اس. کوبرگ، JWW; کامبر، اچ. فورمن، دی. Bray، F. الگوهای بروز سرطان و مرگ و میر در اروپا: برآوردهای 40 کشور در سال 2012. Eur. J. Cancer 2013 ، 49 ، 1374-1403. [ Google Scholar ] [ CrossRef ]
  5. هارتلی، ا. مارشال، دی سی؛ Salciccioli، JD; سیکل، MB; ماروتاپو، م. شالهوب، جی. روند مرگ و میر ناشی از بیماری ایسکمیک قلبی و بیماری عروق مغزی در اروپا: 1980 تا 2009. گردش 2016 ، 133 ، 1916-1926. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  6. بالستر، جی. رابین، جی.-م. هرمان، FR; خاویر رودو، X. اثر رکود بزرگ بر روند مرگ و میر منطقه ای در اروپا. نات. اشتراک. 2019 ، 10 ، 679. [ Google Scholar ] [ CrossRef ]
  7. ری، جی. جوگلا، ای. فویه، آ. Hémon, D. ارتباط اکولوژیکی بین شاخص محرومیت و مرگ و میر در فرانسه طی دوره 1997-2001: تغییرات با مقیاس فضایی، درجه شهرنشینی، سن، جنسیت و علت مرگ. BMC Public Health 2009 , 9 , 33. [ Google Scholar ] [ CrossRef ]
  8. شوستر، سی. بورکارت، ک. دریاچه ها، T. مرگ و میر حرارتی در برلین – تنوع فضایی در مقیاس همسایگی. اقلیم شهری. 2014 ، 10 ، 134-147. [ Google Scholar ] [ CrossRef ]
  9. لوپز-آبنته، جی. آراگونس، ن. پرز-گومز، بی. پولان، ام. گارسیا پرز، جی. رامیس، ر. فرناندز-ناوارو، P. روندهای زمانی در الگوهای توزیع شهری مرگ و میر سرطان در اسپانیا. BMC Cancer 2014 ، 14 ، 535. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  10. آلمندرا، آر. سانتانا، پی. Vasconcelos، J. شواهدی از محرومیت اجتماعی در الگوهای فضایی مرگ و میر بیش از حد زمستان. بین المللی J. بهداشت عمومی 2017 ، 62 ، 849-856. [ Google Scholar ] [ CrossRef ]
  11. یاشین، هوش مصنوعی؛ Iachine، IA; شروع، مدل سازی مرگ و میر AS: یک بررسی. ریاضی. مردمی گل میخ. 2000 ، 8 ، 305-332. [ Google Scholar ] [ CrossRef ]
  12. Vaupel، JW زیست دموگرافی پیری انسان. طبیعت 2010 ، 464 ، 536-542. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  13. بوث، اچ. تیکل، L. مدل‌سازی و پیش‌بینی مرگ‌ومیر: مروری بر روش‌ها. ان آکتوار. علمی 2008 ، 3 ، 3-43. [ Google Scholar ] [ CrossRef ]
  14. گومپرتز، بی. در مورد ماهیت عملکرد بیانگر قانون مرگ و میر انسان، و در مورد شیوه جدیدی از تعیین ارزش احتمالات زندگی. فیلوس ترانس. R. Soc. لندن. 1825 ، 115 ، 513-583. [ Google Scholar ]
  15. Makeham, WM در مورد قانون مرگ و میر و ساخت جداول سالانه. ایسور. مگ J. Inst. آکتوار. 1860 ، 8 ، 301-310. [ Google Scholar ] [ CrossRef ]
  16. اسکیاداس، CH; Skiadas، C. یک رویکرد مدلسازی به مجموعه داده جدول زندگی. Recent Adv. استوک. مدل سازی داده های تحلیلی. 2007 ، 350-359. [ Google Scholar ] [ CrossRef ]
  17. گاوریلوف، لس آنجلس؛ گاوریلووا، NS تلاش برای نظریه عمومی پیری و طول عمر. علمی دانش پیری محیط زیست 2003 ، 28 ، 5. [ Google Scholar ] [ CrossRef ]
  18. Vaupel، JW Lifesaving، طول عمر و جدول زندگی. دمگر Res. 2005 ، 13 ، 597-614. [ Google Scholar ] [ CrossRef ]
  19. آندریوپولوس، پ. برسیمیس، ج.ف. تراگاکی، ع. Rovolis، A. مدل‌سازی مرگ و میر با استفاده از توزیع‌های احتمال: کاربرد در داده‌های مرگ و میر یونان. اشتراک. آمار روش‌های تئوری 2019 ، 48 ، 127-140. [ Google Scholar ] [ CrossRef ]
  20. پایگاه داده مرگ و میر انسان (HMD). داده های مرگ و میر و جمعیت در دسترس آنلاین: https://www.mortality.org/ (دسترسی در 26 نوامبر 2019).
  21. سازمان آمار اروپا (Eurostat). داده های جمعیت در دسترس آنلاین: https://ec.europa.eu/eurostat/ (دسترسی در 26 نوامبر 2019).
  22. سازمان آمار اروپا (Eurostat). لایه برداری کشورهای اروپایی. در دسترس آنلاین: https://ec.europa.eu/eurostat/ (دسترسی در 26 نوامبر 2019).
  23. Forfar، DO; McCutcheon، JJ; Wilkie، AD در مورد فارغ التحصیلی با فرمول ریاضی. J. Inst. آکتوار. 1988 ، 115 ، 1-149. [ Google Scholar ] [ CrossRef ]
  24. جونز، MC در کلاسی از توزیع‌ها که با رابطه بین چگالی و توابع توزیع تعریف می‌شوند. اشتراک. آمار روش‌های نظریه 2007 ، 36 ، 1835-1843. [ Google Scholar ] [ CrossRef ]
  25. کیم، دی. Saada, A. عوامل اجتماعی تعیین کننده مرگ و میر نوزادان و پیامدهای تولد در کشورهای توسعه یافته غربی: بررسی سیستماتیک بین کشوری. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2013 ، 10 ، 2296-2335. [ Google Scholar ] [ CrossRef ]
  26. Myung, IJ Tutorial در مورد تخمین حداکثر احتمال. جی. ریاضی. روانی 2003 ، 47 ، 90-100. [ Google Scholar ] [ CrossRef ]
  27. Amemiya, T. Advanced Econometrics ; انتشارات دانشگاه هاروارد: کمبریج، MA، ایالات متحده آمریکا، 1985. [ Google Scholar ]
  28. الژوف، تلویزیون؛ مولن، KM; جاسوس، AN; رابط Bolker، B. R با الگوریتم حداقل مربعات غیرخطی Levenberg-Marquardt که در MINPACK یافت شد، به علاوه پشتیبانی از کرانه ها. بسته R نسخه 1.2-1. 2016، ص. 14. در دسترس آنلاین: https://cran.r-project.org/web/packages/minpack.lm/minpack.lm.pdf (در 18 ژانویه 2020 قابل دسترسی است).
  29. آیالو، ال. یاماگیشی، H. کاربرد رگرسیون لجستیک مبتنی بر GIS برای نقشه‌برداری حساسیت زمین لغزش در کوه‌های Kakuda-Yahiko ژاپن مرکزی. ژئومورفولوژی 2005 ، 65 ، 15-31. [ Google Scholar ] [ CrossRef ]
  30. کالوگیرو، س. تسیمبوس، سی. وروپولو، جی. کوتسیفاکیس، جی. تفاوت های مرگ و میر منطقه ای در یونان با علل انتخاب شده مرگ: 2006-2008. J. Maps 2012 ، 8 ، 354-360. [ Google Scholar ] [ CrossRef ]
  31. Drevenstedt، GL; Crimmins، EM; واسونیلاشورن، اس. فینچ، CE افزایش و کاهش مرگ و میر اضافی نوزادان پسر. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2008 ، 105 ، 5016–5021. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  32. سازمان همکاری اقتصادی و توسعه (OECD). سلامت در یک نگاه 2019: شاخص های OECD . انتشارات OECD: پاریس، فرانسه، 2019. [ Google Scholar ]
  33. واسرمن، دی. چنگ، کیو. جیانگ، جی ایکس نرخ جهانی خودکشی در میان جوانان 15 تا 19 ساله. روانپزشکی جهانی 2005 ، 4 ، 114-120. [ Google Scholar ]
  34. لنارت، پی. کوروچوا، دی. جوشی، پی کی; Bienertová-Vašků، J. نرخ مرگ و میر مردان منعکس کننده نرخ مرگ و میر زنان مسن تر است. علمی نسخه 2019 ، 9 ، 10589. [ Google Scholar ] [ CrossRef ]
  35. اونامبل، ال. سن مارتین-رودریگز، ال. نیو، اچ. آلوارز-آلوارز، آی. آرندو-پنا، ا. گیلن گریما، اف. Aguinaga-Ontoso، I. مرگ و میر نوزادان در اتحادیه اروپا: تجزیه و تحلیل روند زمانی دوره 1994-2015. یک De Pediatría 2019 ، 91 ، 219-227. [ Google Scholar ] [ CrossRef ]
  36. سوچکا، ج. Urbaniak، B. عوامل تعیین کننده سالمندی سالم برای افراد مسن در کشورهای اروپایی – یک رویکرد مکانی-زمانی. Comp. اقتصاد Res. 2016 ، 19 ، 157-178. [ Google Scholar ] [ CrossRef ]
  37. اوکسوزیان، آ. جوئل، ک. Vaupel، JW; کریستنسن، ک. مردان: سلامتی خوب و مرگ و میر بالا. تفاوت های جنسی در سلامت و افزایش سن کلین پیری. انقضا Res. 2008 ، 20 ، 91-102. [ Google Scholar ] [ CrossRef ]
  38. همکاران نوردیک بار بیماری. امید به زندگی و بار بیماری در کشورهای شمال اروپا: نتایج حاصل از مطالعه بار جهانی بیماری‌ها، آسیب‌ها و عوامل خطر 2017. بهداشت عمومی Lancet 2019 ، 4 ، e658-e669. [ Google Scholar ] [ CrossRef ]
  39. هازانس، ام. تجربه مهاجرت کشورهای بالتیک در زمینه بحران اقتصادی. در مهاجرت نیروی کار، گسترش اتحادیه اروپا، و رکود بزرگ ؛ Kahanec, M., Zimmermann, KF, Eds. Springer: برلین/هایدلبرگ، آلمان، 2016; صص 297-344. [ Google Scholar ]
  40. لالیوتیس، آی. Ioannidis، JPA; استاوروپولو، سی. مرگ و میر کلی و علت خاص قبل و بعد از شروع بحران اقتصادی یونان: تجزیه و تحلیل سری زمانی منقطع. Lancet Public Health 2016 ، 1 ، e56-e65. [ Google Scholar ] [ CrossRef ]
  41. لافوت، دی. واندنهید، اچ. سورکین، جی. Coene, G. شمارش موارد موجود: علل مرگ مهاجران غیرقانونی در منطقه پایتخت بروکسل (بلژیک)، 2005-2010. قوس. بهداشت عمومی 2019 , 77 . [ Google Scholar ] [ CrossRef ]
  42. ون میترن، م. ون دو پل، اس. دکر، آر. انگبرسن، جی. اسنل، ای. مقصد هلند: تاریخچه مهاجرت و سیاست مهاجرت در هلند. در مهاجران: فرهنگ پذیری، چالش های اجتماعی-اقتصادی و روانشناسی فرهنگی ؛ هو، ج.، اد. Nova Science Publishers: New York, NY, USA, 2013; صص 113-170. [ Google Scholar ]
  43. دومنیچ، آ. پاناتو، دی. گاسپارینی، ر. Amicizia، D. اثر “مهاجر سالم”: آیا امروزه در اروپا وجود دارد؟ ایتالیایی J. بهداشت عمومی 2012 ، 9 ، e7532-e7537. [ Google Scholar ]
شکل 1. کشورهای اروپایی مورد بررسی در این مطالعه.
شکل 2. مقادیر پارامتر تخمین زده شده برای جنسیت مذکر در سال های منتخب دوره 1993-2013: ( الف ) مرگ و میر نوزادان (پارامتر θ ). ( ب ) پیری جمعیت (پارامتر ξ ). ( ج ) مرگ و میر غیرمنتظره فردی (پارامتر κ ). ( د ) مرگ و میر جمعیت در اثر حوادث خطرناک (پارامتر λ ).
شکل 3. مقادیر پارامتر تخمین زده شده برای جنسیت زن در سال های منتخب دوره 1993-2013: ( الف ) مرگ و میر نوزادان (پارامتر θ ). ( ب ) پیری جمعیت (پارامتر ξ ). ( ج ) مرگ و میر غیرمنتظره فردی (پارامتر κ ). ( د ) مرگ و میر جمعیت در اثر حوادث خطرناک (پارامتر λ ).
شکل 4. مرگ و میر نوزادان (پارامتر θ ) برای جنسیت مرد در سال های 1993، 1998، 2002، 2006، 2009 و 2013.
شکل 5. مرگ و میر نوزادان (پارامتر θ ) برای جنسیت زن در سال های 1993، 1998، 2002، 2006، 2009 و 2013.
شکل 6. پیری جمعیت (پارامتر ξ ) برای جنسیت مرد در سال های 1993، 1998، 2002، 2006، 2009 و 2013.
شکل 7. پیری جمعیت (پارامتر ξ ) برای جنسیت زن در سال های 1993، 1998، 2002، 2006، 2009 و 2013.
شکل 8. مرگ و میر غیرمنتظره فردی (پارامتر κ ) برای جنسیت مرد در سال های 1993، 1998، 2002، 2006، 2009 و 2013.
شکل 9. مرگ و میر غیرمنتظره فردی (پارامتر κ ) برای جنسیت زن در سال های 1993، 1998، 2002، 2006، 2009 و 2013.
شکل 10. مرگ و میر جمعیت در اثر حوادث خطرناک (پارامتر λ ) برای جنسیت مرد در سال های 1993، 1998، 2002، 2006، 2009 و 2013.
شکل 11. مرگ و میر جمعیت در اثر رویدادهای خطرناک (پارامتر λ ) برای جنسیت زن در سال های 1993، 1998، 2002، 2006، 2009 و 2013.

بدون دیدگاه

دیدگاهتان را بنویسید