نابرابری های جغرافیایی در پوشش مداخله سلامت - نقشه برداری از شاخص پوشش کامپوزیت در پرو با استفاده از مدل سازی جغرافیایی

شاخص پوشش کامپوزیت (CCI) یک چشم انداز یکپارچه نسبت به پوشش سلامت جهانی در زمینه سلامت تولید مثل ، مادر ، نوزاد و کودک ارائه می دهد. با توجه به طراحی نمونه اکثر نظرسنجی های خانگی ، تخمین پوشش زیر سطح اول اداری را ارائه نمی دهد ، رویکردهای دستیابی به برآوردهای دانه ای بیشتر مورد نیاز است. ما از یک رویکرد ژئوستاتیکی مبتنی بر مدل برای برآورد CCI در وضوح متعدد در پرو استفاده کردیم.

مواد و روش ها

ما برای هشت شاخص که CCI برای ادارات ، استان ها و مناطق 5 × 5 کیلومتر پرو با استفاده از داده های دو نظرسنجی خانگی ملی انجام شده در سال های 2018 و 2019 به علاوه متغیرهای جغرافیایی مستقر شده است ، تخمین زده ایم. مدل های ژئستاتیکی بیزی با استفاده از رویکرد INLA-SPDE مناسب بودند. ما متناسب با استفاده از اعتبار سنجی متقاطع در سطح خوشه نظرسنجی و با مقایسه برآوردهای بررسی مدل و مستقیم در سطح بخش ارزیابی کردیم.

نتایج

پوشش CCI در استانها در امتداد ساحل به طور مداوم بالاتر از باقیمانده کشور بود. مناطق جنگل در شمال و شرق کمترین سطح پوشش و بزرگترین شکاف بین استان ها را نشان می دهد. بیشترین نابرابری ها ، با کمال تعجب در بزرگترین استانهایی که جمعیت ها در قلمرو جنگل پراکنده هستند و دستیابی به آن دشوار است.

نتیجه گیری

مطالعه ما استانهایی را با سطح بالای نابرابری در پوشش CCI نشان می دهد که نشانگر مناطقی است ، عمدتا مناطق کم جمعیت ، که در آن مورد نیاز بیشتر است. ما همچنین مناطق دیگری مانند مرز با بولیوی را کشف کردیم ، جایی که پوشش پایین تر از استان های ساحلی است و باید تلاش های بیشتری را دریافت کند. به طور کلی ، نتایج ما باعث می شود که تخمین های با وضوح بالا از نابرابری های جغرافیایی رونمایی شود که در غیر این صورت توسط سطوح معمول نمایندگی نظرسنجی پنهان شده است.

معرفی

پرو در چند دهه گذشته پیشرفت چشمگیری در بهبود سلامت و بقای زنان و کودکان نشان داده است [1]. میزان مرگ و میر زیر پنج سال و شیوع لجبازی زیر پنج سال از سال 2000 بیش از 50 ٪ کاهش یافته است ، عمدتا به دلیل افزایش پوشش تولید مثل ، مادران ، نوزادان و کودکان (RMNCH) ، شرایط بهتر آب و فاضلاب ، همراه با پیشرفتدر عوامل اجتماعی بهداشت ، به ویژه در بین فقیرترین [2]. این تلاش ها کشور را در پی دستیابی به پوشش جهانی سلامت (UHC) از نظر دسترسی به طیف گسترده ای از خدمات بهداشتی با کیفیت بدون بار مالی غیرقانونی بالا برد ، اگرچه نابرابری های اساسی باقی مانده است ، که باید با جزئیات بیشتر مورد بررسی قرار گیردبه سطح محلی

سیستم بهداشت و درمان پرو در الف) سیستم بیمه درمانی (SIS) ، یک طرح عمومی است که خدمات درمانی درمانی و پیشگیری یارانه ای را برای بیکاران و بخش های غیررسمی شاغل از جمعیت که حق برنامه های دیگر را ندارند ، ارائه می دهد ، ب) امنیت اجتماعی(Essalud) ، یک طرح عمومی که توسط کارفرمایان و کارمندان تأمین می شود و بخش کارمندان رسمی را با خدمات درمانی و پیشگیرانه پوشش می دهد و ج) بخش خصوصی. اگرچه شکاف دسترسی و پوشش بین مناطق شهری و روستایی و ثروت در پرو به میزان قابل توجهی در پرو کاهش یافته است ، اما جوامع بومی هنوز هم یکی از گروه های نادیده گرفته شده را نشان می دهند ، حتی اگر تلاشهایی برای رفع نیازهای آنها با مداخلات ویژه وجود داشته باشد [3].

از آنجا که حرکت به سمت UHC در RMNCH به مجموعه گسترده ای از خدمات و مداخلات متکی است ، نظارت بر پیشرفت آن به داده های مربوط به چندین شاخص نیاز دارد. و حتی با توجه به دشواری گزارش دادن مقادیر قابل توجهی از داده ها ، تجسم و حمایت از ده ها شاخص ، اولویت بندی مناطق و زیر گروه هایی را که از دریافت کمک های جامع دورتر هستند ، مانع می کند. به منظور پاسخگویی به چندین شاخص و ارائه یک اندازه گیری خلاصه یکپارچه ، شاخص پوشش کامپوزیت (CCI) ایجاد شده و به طور گسترده ای به عنوان یک پروکسی برای ردیابی UHC در کشورهای کم درآمد و متوسط در زمینه RMNCH استفاده شده است [4 ،5،6]CCI میانگین وزنی هشت مداخله اساسی پیشگیرانه و درمانی در طول مراقبت مداوم است و چهار مرحله از جمله تولید مثل ، بارداری ، سلامت نوزاد و کودک را پوشش می دهد. ترکیب آن ثابت شده است که قوی است زیرا گنجاندن سایر مداخلات مهم تأثیر کمی در تخمین ها نشان داده است [7]. همچنین ، ارتباطات قوی آن با میزان مرگ و میر کمتر از پنج و از حیرت بیشتر این که CCI می تواند به طور مناسب اثر ترکیبی از مداخلات بهداشتی را ضبط کند [8].

مانند اکثر کشورهای کم درآمد و متوسط ، پرو به شدت به اطلاعات مربوط به نظرسنجی های بهداشت ملی برای نظارت بر پیشرفت بسیاری از مداخلات RMNCH متکی است و به اقدامات داده محور اجازه می دهد تا پوشش را افزایش داده و نابرابری ها را کاهش دهند [9،10،11]. این اقدامات زمانی مؤثرتر است که ذینفعان و برنامه ریزان خط مشی داده های موجود در سطح محلی را جدا کنند ، جایی که در نهایت سیاست اجرا می شود [12 ، 13]. با این حال ، طراحی نمونه برداری از نظرسنجی های ملی فقط تخمین های قابل توجهی را برای بخش های بزرگ زیرزمینی ارائه می دهد ، زیرا تفکیک جغرافیایی بیشتر به اندازه نمونه های بسیار بزرگتر (اغلب با ضعف) نیاز دارد. از طرف دیگر ، تخمین های غیرمستقیم می تواند برای مناطق کوچکتر با استفاده از رویکردهای مدل سازی جغرافیایی حاصل شود ، زیرا مطالعات قبلی برای نتایج RMNCH در سالهای اخیر انجام شده است [14،15،16]. این استراتژی ها داده های ژرئرف شده از نظرسنجی ها را با متغیرهای جغرافیایی مربوطه ، در عین حال از همبستگی مکانی نیز استفاده می کنند تا تخمین های منطقه کوچک را پیش بینی کنند.

در حالی که چند مطالعه تخمین هایی را برای مداخلات فردی یا پیامدهای سلامت در مقیاس جهانی که در آن پرو گنجانده شده است ، مانند سوء تغذیه [17] ، مرگ و میر [18] و مدیریت اسهال [19] ، هیچ مطالعه ای در مورد مداخلات RMNCH به طور انحصاری روی پرو متمرکز نشده است. بشربر اساس برآوردهای در مقیاس ریز که با استفاده از تکنیک های مدل سازی جغرافیایی تولید شده است ، این مطالعه با هدف توصیف پوشش CCI در استان و سطح شبکه در پرو انجام شده است و مدیران محلی را قادر می سازد تا در زمینه های نیاز به اولویت بندی شناسایی و عمل کنند.

مواد و روش ها

بخش های زیر هر مرحله از فرآیند مدل سازی را شرح می دهد. جزئیات بیشتر را می توان در مواد تکمیلی یافت.

منطقه مورد مطالعه

پرو یک کشور با درآمد متوسط است که در قاره آمریکای جنوبی واقع شده است. اراضی آن حدود 1. 28 میلیون کیلومتر 2 را پوشش می دهد و آن را به عنوان نوزدهمین کشور بزرگ جهان با کل جمعیت نزدیک به 31 میلیون نفر [20]. این مرز با اکوادور ، کلمبیا ، برزیل ، بولیوی ، شیلی و اقیانوس آرام به اشتراک می گذارد. این کشور به 25 واحد اداری اول (24 بخش به علاوه استان کالائو) تقسیم می شود که به 196 استان تقسیم می شوند و بیشتر به ولسوالی ها می پردازند. جغرافیای پرو اغلب به سه منطقه اصلی زیست محیطی معروف به ساحل تقسیم می شود ، یک حاشیه نیمه نیمه هم مرز با اقیانوس آرام ، ب) ارتفاعات یا کوههای آند ، یک منطقه متنوع آب و هوایی که دو منطقه اکولوژیکی دیگر را از شمال به جنوب جدا می کند ،و ج) جنگل که گسترده ترین منطقه ای است که بیشتر تحت پوشش جنگلهای بارانی آمازون قرار دارد [21].

داده های فهرست پوشش کامپوزیت

سالانه از سال 2004 انجام می شود ، Encuesta demográfica y de salud آشنا (Endes) یک بررسی خانگی است که برای ارائه تخمین در سطح ملی و دپارتمان برای چندین شاخص بهداشتی و تغذیه ای برای زنان و کودکان در پرو انجام شده است. بررسی Endes 2018 یک فرآیند نمونه برداری چند مرحله ای را با انتخاب 3،254 منطقه شمارش (EAS) یا واحدهای نمونه برداری اولیه (همچنین به عنوان خوشه شناخته می شود-واحد تجزیه و تحلیل در این مطالعه) انجام داد ، به طور متناسب در کلیه بخش ها توزیع می شود و به دنبال آن 36،760 خانواردر مرحله دومبه طور مشابه ، در بررسی 2019 36،745 خانوار در 3،254 EAS نمونه برداری شده است. جزئیات بیشتر در مورد روش نمونه برداری را می توان در گزارش های نظرسنجی ها یافت [22 ، 23].

برای افزایش اندازه نمونه ، ما داده های مربوط به نظرسنجی های 2018 و 2019 را ترکیب کردیم (شکل 1) و از آنها برای محاسبه هر یک از شاخص های بخشی از CCI استفاده کردیم. CCI میانگین وزنی پوشش با هشت مداخله اساسی سلامت مادر و کودک است و شامل چهار مرحله از ادامه مراقبت است. فرمول آن توسط

$ $ cci = frac14 سمت چپ (dfpsm+ frac2+ frac4+ frac2 راست) $ $

در جایی که مداخلات است: تقاضا برای برنامه ریزی خانواده که از روشهای مدرن (DFPSM) راضی هستند ، حداقل چهار بازدید از مراقبت های قبل از تولد (ANC4) ، شرکت کننده در حال تولد ماهر (SBA) ، یک دوز واکسن باسیل Calmette-Guérin (BCG) ، سه دوز دیفتریاواکسن-پورتوسیس-تتانوس (DPT3) ، یک دوز واکسن سرخک (MSL) ، نمک های هیدراتاسیون خوراکی برای اسهال (ORS) ، و مراقبت از مراقبت برای مشکوک به ذات الریه کودک (Carep) [7]. تعریف کامل در مورد محاسبه هر شاخص را می توان در جدول تکمیلی 1 یافت.

مختصات برای هر خوشه تا 2 کیلومتر در مناطق شهری و 5 کیلومتر در مناطق روستایی برای محافظت از ناشناس بودن پاسخ دهندگان جابجا می شود. این جابجایی در فرآیند استخراج همسایه با ترسیم 2 کیلومتری بافر برای مناطق شهری و 5 کیلومتری بافر برای مناطق روستایی در نظر گرفته شد و میانگین آنها را بر این اساس گرفت.

متغیرهای جغرافیایی و انتخاب همسایه

مجموعه ای از 14 لایه متغیر که به طور مستقیم یا غیرمستقیم با شاخص های پوشش RMNCH ارتباط دارند ، به عنوان پیش بینی کننده برای هر یک از هشت شاخص مدل در نظر گرفته شدند. این متغیرهای متغیر شامل اقدامات دسترسی ، دوری ، شهرنشینی و خصوصیات جامعه شناختی است که در مطالعات قبلی با مداخلات بهداشتی همراه است [15 ، 25،26،27]. برخی از این متغیرهای متغیر سطحی از تصاویر ماهواره ای و مخازن در دسترس عموم بودند در حالی که برخی دیگر با استفاده از نقاط داده های بررسی و تسهیلات بهداشتی درج شدند. اطلاعات بیشتر برای هر یک از متغیرها در جداول تکمیلی 2 و 3 یافت می شود.

We carried out a covariate selection strategy divided in two stages to achieve the best fit without overparameterizing the models: 1) testing the predictors seeking the best outcome-covariate relationship, followed by 2) backward elimination process within a stepwise logistic regression, where variables were dropped starting with the ones with the highest p values until none had a p value greater than 5%. Fractional polynomials of up to the second order were tested for all predictors, as well as the logarithmic transformation, to allow for model flexibility and capturing of non-linear relationships. We also assessed the association between all covariates using Pearson’s correlation before the stepwise selection, where we chose a single covariate with the highest association to the outcome to address the problem of (multi)collinearity, for pairs with a high correlation coefficient (>0. 8).

مدل زمین جغرافیایی

ما از یک رویکرد زمین آماری مبتنی بر مدل [28] ، مشابه آنچه که قبلاً انجام شد [29 ، 30] ، برای پیش بینی هر شاخص و CCI در وضوح 5 × 5 کیلومتری در پرو ، استفاده از اطلاعات کوواریات جغرافیایی و همبستگی مکانی در داده ها دنبال کردیم. بشرما هشت مدل مختلف را نصب کردیم ، یکی برای هر شاخص ، و توزیع خلفی آنها را برای به دست آوردن تخمین برای CCI ترکیب کردیم. بگذارید (y سمت چپ (_ راست) ) تعداد افراد با نتیجه مشخص در محل خوشه ای (_ ) (i = 1 ،… ، n) باشد ، از کل (n سمت چپ(_ راست) ) افراد نمونه برداری در محل. مدل را می توان به عنوان:

$ $ شروع کنیدy سمت چپ (_ راست) sim binomial (n سمت چپ (_ راست) ، P Left (_ RIGHT)) \ logit Left (P Left (_ RIGHT) RIGHT) = X<left(_ ight)>^ beta + omega سمت چپ (_ راست) + epsilon (_) end$$

جایی که (x (_) ) مجموعه ای از مقادیر متغیر است که با خوشه (_ ) مرتبط است ، ( beta ) پارامترهای رگرسیون مربوطه هستند ، ( omega سمت چپ (_ راست) ) است. یک اثر تصادفی فضایی گاوسی که برای ضبط همبستگی مکانی باقیمانده در مدل استفاده می شود ، و ( epsilon (_) ) یک اثر تصادفی گاوسی است که برای مدل سازی تنوع باقیمانده غیر فضایی استفاده می شود. مدل ژئوستاتیستی که در بالا توضیح داده شد در یک چارچوب بیزی با استفاده از تقریب لاپلاس یکپارچه تو در تو با معادلات دیفرانسیل جزئی تصادفی قرار گرفت [31].

ما 1000 نمونه از توزیع پیش بینی خلفی تولید شده از هر مدل را ترسیم کردیم و آنها را با استفاده از فرمول CCI ترکیب کردیم. سپس ، ما توزیع خلفی حاصل را برای تولید تخمین CCI بر روی شبکه 5 × 5 کیلومتر که کل منطقه مورد مطالعه را پوشش می دهد ، خلاصه کردیم. این تخمین ها با استفاده از داده های جمعیتی شبکه شده ، بیشتر به بخش های اداری اول و دوم جمع آوری شدند.

در کل ، ما تخمین های عدم اطمینان از توزیع خلفی را به عنوان عرض فواصل معتبر 95 ٪ (یعنی تفاوت بین 97. 5 و 2. 5 صدک) ارائه می دهیم.

اعتبار سنجی مدل

اعتبار مدلهای برآورد شده با استفاده از یک استراتژی اعتبار سنجی متقابل خارج از نمونه مورد بررسی قرار گرفت. داده های همه شاخص ها به پنج برابر تقسیم شدند تا حداقل اندازه نمونه 50 خوشه در هر برابر اطمینان حاصل شود. ما معیارهای زیر را محاسبه و ارائه دادیم: تعصب (میانگین خطا) ، بزرگی خطا (میانگین خطای مطلق - MAE) و همبستگی بین مقادیر پیش بینی شده و مشاهده شده. ما همچنین برآوردهای پیش بینی شده در بخش اول اداری را با برآوردهای مشاهده شده مستقیماً از نظرسنجی ها مقایسه کردیم.

ما برای تجزیه و تحلیل داده های پیمایشی و فرآیند انتخاب همبستگی و R 4. 0. 2 [33] برای پردازش متغیرهای جغرافیایی ، اتصالات مدل و اعتبار سنجی از STATA 16 [32] استفاده کردیم.

نتایج

به طور کلی ، پوشش ملی CCI در کشور 71. 6 ٪ است (جدول 1). مداخلات مانند واکسیناسیون SBA و BCG در پرو تقریباً جهانی با پوشش بالاتر از 95 ٪ است (جدول 1). از طرف دیگر ، درمان اسهال با استفاده از ORS با 33. 6 ٪ به طرز شگفت آور کم است (جدول 1). اندازه نمونه برای شاخص های بهداشتی و تولید مثل ، برای واکسن ها متوسط و برای درمان بیماری های کودکان کم است.

به همین ترتیب تخمین های داده های نمونه برداری شده ، برآوردهای تولید شده توسط مدلهای جغرافیایی به میزان داده های موجود در هر منطقه حساس هستند و هرچه بیشتر از هم جدا شویم ، عدم اطمینان بیشتری ممکن است مشاهده کنیم. شکل 2C عرض فواصل اطمینان را به عنوان معیار عدم اطمینان برای تخمین ها در اولین بخش اداری که مستقیماً از نظرسنجی ها مشتق شده بودند ، ارائه می دهد. عرض فواصل معتبر برای هر یک از برآوردهای استانی تولید شده توسط مدلهای جغرافیایی در شکل 2D نشان داده شده است. عرض متوسط فواصل معتبر برای استانها 8. 6 p. p. است ، به این معنی که حداقل نیمی از تخمین ها باید بیش از 4. 3 p. p. در حدود برآورد نقطه (پوشش متوسط 71. 7 ٪). با این حال ، تخمین برای استانهای رنگی به رنگ نارنجی باید با احتیاط بیشتری تفسیر شود زیرا این تخمین ها می توانند در 15 تا 20 p. p. فاصله ، با حداکثر عرض فاصله 23 p. p.

مدل های جغرافیایی می توانند تخمین هایی را برای مناطق بسیار کوچکتر از بخش های اداری سیاسی یک کشور ارائه دهند. با استفاده از شبکه هایی با وضوح بالا می تواند جیب های پوشش کم یا زیاد را روشن کند که در غیر این صورت توسط تجمع که ممکن است آسیب پذیرترین زیر گروه های جمعیت را پنهان کند. شکل 3 برآوردهای با وضوح بالا در شبکه های 5 × 5 کیلومتر به همراه نقشه های عدم اطمینان اندازه گیری شده با استفاده از عرض فواصل معتبر ارائه شده است. جیب های پوشش کم را می توان در چندین استان در سراسر جنگل مشاهده کرد ، در حالی که برخی از جیب های کوچکتر در امتداد ارتفاعات در سراسر کشور وجود دارند. این تخمین ها سناریوی مفصلی را نشان می دهند ، اگرچه افزایش وضوح نیز باعث افزایش عدم اطمینان آنها می شود ، همانطور که در شکل 3B ارائه شده است. توجه داشته باشید ، انجیر. 2B و D به طور مستقیم با شکل 3 قابل مقایسه نیستند زیرا مقیاس متفاوت است.

همبستگی پوشش پیش بینی شده در برابر برآورد خوشه مشاهده شده برای SBA قوی بود ، برای CAREP ضعیف و برای باقی مانده متوسط بود. تعصب برای همه شاخص ها نزدیک به صفر بود و بزرگی خطاها بین 4 تا 7 درصد برای BCG ، SBA و ANC4 ، حدود 20 برای DFPSM ، MSL و DPT و نزدیک به 30 برای Carep و Ors بود. ما همچنین تخمین هایی را در سطح دپارتمان ایجاد کردیم و آنها را با نتایج نظرسنجی منتشر شده مقایسه کردیم ، جایی که میانگین اختلاف در سطح دپارتمان برای CCI 1. 7 ٪ و بیشترین اختلاف در Madre de Dios 5. 2 ٪ بود. کلیه معیارهای اعتبار سنجی و جزئیات بیشتر در مورد فرآیند اعتبار سنجی در جداول تکمیلی 5 و 6 موجود است.

بحث

در اینجا ، ما با استفاده از مدلهای جغرافیایی برای کمک به محققان و ذینفعان در رونمایی از مناطق پنهان و جمعیت های نیاز به اولویت بندی در زمینه RMNCH ، تخمین های مقیاس خوبی برای CCI تهیه کردیم. از طریق این مدل ها می توان اطلاعاتی را که با استفاده از روشهای معمولی در دسترس نیست ، بدست آورید و به راحتی می توان برای برنامه ریزی سیاست های بهداشتی و تصمیم گیری به کار برد. هنگام مقایسه برآوردهای سطح بخش با برآوردهای سطح استان ، بدیهی است که سطح پوشش بسیار متفاوتی در سراسر کشور وجود دارد ، و حتی الگوهای دقیق تر هنگام حرکت به سطح شبکه قابل مشاهده است.

به طور کلی ، به نظر می رسد اندازه استان های پرو برای اطلاع دقیق از زمینه محلی در بیشتر کشور کافی است. با این حال ، این ممکن است در هنگام نگاه به استان های بزرگتر که عمدتا در جنگلهای بارانی آمازون واقع شده اند ، صادق نباشد. برخی از این استانها ، به ویژه در شمال و شرق پرو ، به عنوان پوشش کم در نقشه پوشش سطح استان ایستادگی نمی کنند ، عمدتاً به این دلیل که مناطق تحت پوشش کم جمعیت کمتری دارند و به طور متوسط ، پوشش استان به ویژه کم نیست. با استفاده از نقشه با وضوح بالا ، می توان مناطقی را با پوشش بسیار کم در چنین استانهایی شناسایی کرد ، و از استفاده از هر دو نقشه به عنوان منابع مکمل پشتیبانی می کند زیرا استان ها اندازه جمعیت آسیب دیده را تشکیل می دهند و شبکه ها روی هر کسی که زندگی می کنند تمرکز می کنندیک منطقه خاصبا این معنی ، مدیران محلی با اطلاعات کافی به این مکان ها توجه می کنند تا تأیید کنند که چه نوع عمل مورد نیاز است.

دلیل اصلی انتخاب CCI به جای یک یا چند مورد از بسیاری از مداخلات اساسی RMNCH ساده است - یک شاخص کامپوزیت چشم انداز گسترده ای از وضعیت پوشش مداخله سلامت را ارائه می دهد [7]. در عوض با نگاهی به مراقبت های قبل از تولد یا درمان بیماری های کودکانه ، سطح مشخصی از پوشش را بدون تغییر جغرافیایی مشخص پیدا کردیم. این الگوهای کاملاً متفاوت از شاخص هایی مانند تقاضای برنامه ریزی خانواده رضایت یا ماهر تولد است - هر دو ناهمگونی فضایی عظیمی را با جیب های پوشش کم و زیاد نشان دادند. به عنوان یک اقدام کامپوزیت ، CCI قادر به برجسته کردن مناطق و زیر گروه هایی است که در جبهه های مختلف در حال تلاش هستند و از UHC بسیار دور هستند. علاوه بر این ، با میانگین وزنی ، نسبت به عدم دقت برخی از شاخص های خاص مستعد کمتر است.

پرو توانست شاخص های RMNCH و در دسترس بودن و کیفیت داده های سطح دپارتمان را از طریق پایان سالانه بهبود بخشد تا بتواند به طور مناسب پیشرفت های پوشش و شاخص های تأثیر را در طی چند دهه جدید کنترل کند [2 ، 34]. اکنون ، با ردیابی قابل اعتماد تکامل پوشش مداخلات در سطح استان و محلی بیشتر ، با چالش حفظ چنین پیشرفتی روبرو است. استفاده از اطلاعات گرانول مانند CCI بر اساس روشهای جغرافیایی و نقشه برداری با وضوح بالا ممکن است باعث افزایش کارایی سیاست گذاران در طراحی ، اجرای و ارزیابی تأثیر برنامه ها و مداخلات برای بهبود بیشتر سلامت مادر و کودک شود ، با تمرکز ویژهدر محروم ترین جوامع ، که عمدتا در استان های آمازون و آند قرار دارند. توجه داشته باشید ، جیب کمترین پوشش CCI که در مطالعه ما مشخص شده است در استانهایی با کمترین شاخص توسعه انسانی است [35] ، که همچنین روستایی تر هستند ، بیشتر از جوامع بومی متمرکز شده اند ، از چگالی کمتری از منابع انسانی برای سلامتی برخوردار هستند. زیرساخت های نامناسب و حمل و نقل و اتصال به اینترنت پایین تر و دسترسی کمتر به آب و فاضلاب [36 ، 37]. اینها همچنین مناطقی هستند که از نظر حاکمیت محلی و ظرفیت توسعه سیاست با بزرگترین چالش ها روبرو هستند [38]. بنابراین ، نتایج ما لزوم تجدید نظر در برنامه ریزی و اجرای مداخلات در پرو را با توجه به نیاز به نیازهای نیازمندترین مناطقی که عقب مانده و با در نظر گرفتن وضعیت فعلی تعیین کننده های متنوع بهداشت در چنین زمینه هایی است ، برجسته می کند.

برخی از محدودیت ها باید هنگام تفسیر تخمین های شرح داده شده در مطالعه ما در نظر گرفته شود. تمام تخمین های مدل شده دارای عدم اطمینان هستند ، که باید هنگام تفسیر تخمین های پوشش مشاهده شود. با توجه به اندازه نمونه های پایین ، شاخص های مناطق از راه دور و کم جمعیت و همچنین موارد مربوط به درمان بیماری های کودکانه می تواند ناپایدار باشد ، زیرا آنها بر اساس اطلاعات چند خوشه است که به کودکانی که در زمان پنومونی یا اسهال وابسته هستند ، در زمان آن بستگی داردنظر سنجی. مهمترین مناطق در جنگل آمازون متمرکز شده بود که چگالی جمعیت کم است و بسیاری از مناطق حفاظت وجود دارد. همچنین ، افزایش گرانول به معنای عدم اطمینان بیشتر است. این پدیده هنگام مقایسه عدم قطعیت تولید شده در سطوح مختلف تجمع مشهود است.

نتیجه گیری

به طور خلاصه ، مطالعه ما پوشش CCI را در سه سطح زیر ملی در پرو ارائه می دهد ، و مشخص می کند که بخش های جمعیت با کمترین سطح پوشش در کجا قرار دارند. همچنین اهمیت روشهای جغرافیایی و نقشه برداری با وضوح بالا را در مقایسه با برآوردهای پوشش در سطح تقسیم اداری نشان می دهد ، به ویژه در مواردی که بخش ها یک منطقه بزرگ را پوشش می دهند و بسیار ناهمگن هستند. نتایج ما یک راهنمای ارزشمند برای سیاست گذاران محلی و مدیران برای تمرکز تلاش در مناطق محروم است.

در دسترس بودن داده ها و مواد

اطلاعات مربوط به نظرسنجی های ملی خانوار را می توان از موسسه Nacional de Estadística e Informática (http://iinei. inei. gob. pe/microdatos) بدست آورد. منابع داده از متغیرهای متغیر در مواد تکمیلی ذکر شده است. کدها و داده های بیشتر را می توان مستقیماً از نویسندگان بدست آورد.

منابع

1. Paho/WHO ، مشارکت برای سلامت نوزادان و کودکان ، بانک جهانی و اتحاد برای سیاست های بهداشتی و سیستم های تحقیقاتی. عوامل موفقیت برای سلامت زنان و کودکان: پرو. ژنو ؛2015.
2. Huicho L ، Segura ER ، Huayanay-Espinoza CA ، De Guzman JN ، Restrepo-Méndez MC ، Tam Y ، et al. سلامت و تغذیه کودک در پرو در یک برنامه سیاسی ضد پستان: شمارش معکوس برای مطالعه موردی کشور 2015. سلامت لنست گلوب. 2016 ژوئن ؛ 4 (6): E414 26. موجود از: https://linkinghub. elsevier. com/retrive/pii/s2214109x16000851.
3. Medicus Mundi Navarra ، Salud Sin Límites per. Modelo de Atención Integral de Salud. لیما، پرو؛2012.
4. Ewerling F ، Wehrmeister FC ، Victora CG ، Raj A ، McDougal L ، Barros AJ. آیا توانمندسازی زنان با پوشش مداخلات RMNCH در کشورهای کم درآمد و متوسط همراه است؟تجزیه و تحلیل با استفاده از یک شاخص توانمندسازی مبتنی بر نظرسنجی ، Swper. J Glob Health. 2021 ؛ 1 (11): 04015. Articlegoogle Scholar
5. Amouzou A ، Jiwani SS ، Da Silva ICM ، Carvajal-Aguirre L ، Maïga A ، Vaz LME. بستن شکاف های نابرابری در پوشش سلامت تولید مثل ، مادران ، نوزاد و کودک: پیشرفت های آهسته و سریع. سلامت BMJ GLOB. 2020 ؛ 5 (1): E002230. ArticlePubmedPubmed CentralGoogle Scholar
6. Barros Ajd ، Wehrmeister FC ، Ferreira LZ ، Vidaletti LP ، Hosseinpoor AR ، Victora CG. آیا فقیرترین فقیرتر باقی مانده است؟تخمین نابرابری های جهانی در سلامت تولید مثل ، مادران ، نوزاد و کودک. سلامت BMJ GLOB. 2020 ؛ 5 (1): E002229. ArticlePubmedPubmed CentralGoogle Scholar
7. Wehrmeister FC ، Barros AJD ، Hosseinpoor AR ، Boerma T ، Victora CG. اندازه گیری پوشش بهداشت جهانی در سلامت تولید مثل ، مادران ، نوزاد و کودک: به روزرسانی شاخص پوشش کامپوزیت Zhang S ، ویراستار. PLOS یکی. 2020 ؛ 15 (4): E0232350. ArticleCaspubMedPubmed CentralGoogle Scholar
8. Wehrmeister FC ، Restrepo-Mendez MC ، Franca GVA ، Victora CG ، Barros AJD. شاخص های خلاصه برای نظارت بر پوشش جهانی در مراقبت های بهداشتی مادران و کودکان. ارگان بهداشت جهان بول. 2016 ؛ 94 (12): 903 12. ArticlePubmedPubmed CentralGoogle Scholar
9. Huicho L ، Vidal-Cárdenas E ، Akseer N ، Brar S ، Conway K ، Islam M ، et al. رانندگان کاهش حیرت انگیز در پرو: یک مطالعه موردی کشور. Am J Clin Nutr. 2020 ؛ 112 (مکمل_2): 816S-829S. ArticlePubmedPubmed CentralGoogle Scholar
10. Huicho L ، Huayanay-Espinoza CA ، Herrera-Perez E ، Niño de Guzman J ، Rivera-Ch M ، Restrepo-Méndez MC ، و همکاران. بررسی روندهای ملی و منطقه ای در سلامت نوزادان در پرو از طریق لنز عدالت: یک داستان موفقیت آمیز ناشی از اراده سیاسی و حمایت اجتماعی. بهداشت عمومی BMC. 2016 ؛ 16 (S2): 796. ArticlePubmedPubmed CentralGoogle Scholar
11. Huicho L ، Huayanay-Espinoza CA ، Herrera-Perez E ، Segura ER ، Niño de Guzman J ، Rivera-Ch M ، et al. عوامل داستان موفقیت در لکنت زیر 5 سال در پرو: تجزیه و تحلیل چند سطحی زیست محیطی منطقه. BMC Pediatr. 2017 ؛ 17 (1): 29. ArticlePubmedPubmed CentralGoogle Scholar
12. Hosseinpoor AR ، Bergen N. واحدهای مبتنی بر منطقه تجزیه و تحلیل برای تقویت نظارت بر نابرابری سلامت. ارگان بهداشت جهان بول. 2016 ؛ 94 (11): 856-8. ArticlePubmedPubmed CentralGoogle Scholar
13. Agyepong IA ، Sewankambo N ، Binagwaho A ، Coll-Seck AM ، Corrah T ، Ezeh A ، et al. مسیر زندگی طولانی تر و سالم برای همه آفریقایی ها تا سال 2030: کمیسیون لانست در مورد آینده بهداشت در کشورهای جنوب صحرای آفریقا. لانست2017 ؛ 390 (10114): 2803-59. Articlegoogle Scholar
14. Ferreira LZ ، Blumenberg C ، Utazi CE ، Nilsen K ، Hartwig FP ، Tatem AJ ، et al. برآورد زمین شناسی شاخص های تولید مثل ، مادران ، نوزادان و کودکان: یک بررسی منظم از جنبه های روش شناختی مطالعات بر اساس نظرسنجی های خانگی. Int J Health Geogr. 2020 ؛ 19 (1): 41. ArticlePubmedPubmed CentralGoogle Scholar
15. Ruktanonchai CW ، Ruktanonchai NW ، Nove A ، Lopes S ، Pezzulo C ، Bosco C ، et al. برابری در سلامت مادران و نوزادان: مدل سازی نابرابری های جغرافیایی در استفاده از مراقبت در پنج کشور آفریقای شرقی. PLOS یکی. 2016 ؛ 11 (8): E0162006. ArticlePubmedPubmed CentralGoogle Scholar
16. Ruktanonchai CW ، Nilsen K ، Alegana VA ، Bosco C ، Ayiko R ، Seven Kajeguka AC ، et al. روند موقتی در نابرابری های مکانی خدمات بهداشتی مادران و نوزادان در بین چهار کشور آفریقای شرقی ، 2015-2015. بهداشت عمومی BMC. 2018 ؛ 18 (1): 1339. ArticlePubmedPubmed CentralGoogle Scholar
17. Kinyoki DK ، Osgood-Zimmerman AE ، Pickering BV ، Schaeffer LE ، Marczak LB ، Lazzar-Atwood A ، et al. نقشه برداری از نارسایی رشد کودک در کشورهای کم درآمد و متوسط. طبیعت2020 ؛ 577 (7789): 231-4. Articlegoogle Scholar
18. Burstein R ، Henry NJ ، Collison ML ، Marczak LB ، Sligar A ، Watson S ، et al. نقشه برداری 123 میلیون مرگ و میر نوزادان ، نوزادان و کودکان بین سالهای 2000 تا 2017. طبیعت. 2019 ؛ 574 (7778): 353-8. ArticleCaspubMedPubmed CentralGoogle Scholar
19. Wiens KE ، Lindstedt PA ، Blacker BF ، Johnson KB ، Bauma MM ، Schaeffer LE ، et al. نقشه برداری از نابرابری های جغرافیایی در پوشش درمانی مجدد دهان و دندان در کشورهای کم درآمد و با درآمد متوسط ، 2000-17. سلامت لنست گلوب. 2020 ؛ 8 (8): E1038-60. Articlegoogle Scholar
20. Instituto Nacional de Estadística E Informática ، سردبیر. Perú: Perfil Sociodemográfico. 2017.
21. Torres-Roman JS ، Ronceros-Cardenas L ، Valcarcel B ، Arce-Huamani MA ، Bazalar-Palacios J ، Ybaseta-Medina J ، et al. مرگ و میر سرطان دهانه رحم در پرو: تجزیه و تحلیل روند منطقه ای از سال 2008-2017. بهداشت عمومی BMC. 2021 ؛ 21 (1): 219. ArticlePubmedPubmed CentralGoogle Scholar
22. Instituto Nacional de Estadística E Informatica. Perú: Encuesta Demográfica y de Salud Apple 2018. 2019.
23. Instituto Nacional de Estadística E Informatica. Perú: Encuesta demográfica y de salud آشنا 2019. 2020.
24. Burgert CR ، Colston J ، Roy T ، Zachary B. روش جابجایی جغرافیایی و سیاست انتشار داده های جغرافیایی برای بررسی های جمعیتی و بهداشتی. کالورتون ، مریلند ، ایالات متحده ؛2013.
25. Gething PW ، Matthews Z ، Nyarko P ، Falkingham J ، Atkinson PM ، Johnson FA ، et al. دسترسی جغرافیایی به مراقبت در بدو تولد در غنا: مانعی برای مادر بودن ایمن. بهداشت عمومی BMC. 2012 ؛ 12 (1): 1. Articlegoogle Scholar
26. Gabrysch S ، Campbell OM. هنوز خیلی دور برای پیاده روی: بررسی ادبیات عوامل تعیین کننده استفاده از خدمات تحویل. زایمان بارداری BMC. 2009 ؛ 9 (1): 34. ArticlePubmedPubmed CentralGoogle Scholar
27. Metcalf CJE ، Tatem A ، Bjostad ON ، Lessler J ، O'Reilly K ، Takahashi S ، et al. شبکه های حمل و نقل و نابرابری در واکسیناسیون: از راه دور ، پوشش واکسن سرخک و چشم انداز حذف در سراسر آفریقا را شکل می دهد. عفونت اپیدمیول. 2015 ؛ 143 (7): 1457-66. ArticleCaspubMedGoogle Scholar
28. Diggle PJ ، Tawn JA ، Moyeed RA. زمین شناسی مبتنی بر مدل. J R Stat Soc Ser C Appl Stat. 1998 ؛ 47: 299-350. Articlegoogle Scholar
29. Utazi CE ، Wagai J ، Paell O ، Cutts FT ، Rhoda DA ، Ferrari MJ ، et al. تنوع جغرافیایی در پوشش واکسن سرخک از طریق استراتژی های معمول و مبارزات انتخاباتی در نیجریه: تجزیه و تحلیل بررسی های اخیر خانوار. واکسن2020 ؛ 38 (14): 3062-71. ArticlePubmedPubmed CentralGoogle Scholar
30. Utazi CE ، Thorley J ، Alegana VA ، Ferrari MJ ، Takahashi S ، Metcalf CJE ، et al. نقشه برداری با وضوح بالا از پوشش واکسیناسیون کودکان در کشورهای کم درآمد و متوسط. واکسن2018 ؛ 36 (12): 1583-91. ArticlePubmedPubmed CentralGoogle Scholar
31. Rue H ، Martino S ، Chopin N. استنتاج تقریبی بیزی برای مدل های گاوسی نهفته با استفاده از تقریب های یکپارچه لاپلاس تو در تو. J R Stat Soc Series B Stat Methodol. 2009 ؛ 71 (2): 319-92. Articlegoogle Scholar
32. Statacorpنرم افزار آماری Stata: انتشار 16. کالج ایستگاه ، TX: Statacorp LP ؛2019.
33. تیم اصلی. R: یک زبان و محیط برای محاسبات آماری. وین ، اتریش: بنیاد R برای محاسبات آماری ؛2021. موجود از: https://www. r-project. org/.
34. Huicho L ، Huayanay-Espinoza CA ، Heandez P ، Niño de Guzman J ، Rivera-ch M. امکان مداخلات تولید مثل ، مادری ، نوزادان و کودکان: روند زمان و عوامل محرک هزینه های بهداشتی در داستان موفق پرو. هورتون S ، ویراستار. PLOS یکی. 2018 ؛ 13 (10): E0206455.
35. برنامه توسعه سازمان ملل متحد. چالش برابری: خواندن پویایی سرزمینی در پرو. اهک. 2019. موجود از: https://www. pe. undp. org/content/peru/es/home/libry/povery/el-reto-de-de-la-igualdad. html. استناد شده 2022 مه 9. Google Scholar
36. انستیتوی ملی آمار و انفورماتیک. نقشه فقر پولی استانی و منطقه 2018. 2018. موجود از: https://www. inei. gob. pe/media/menurecursivo/publicaciones_digitales/est/lib1718/libro. pdf. استناد شده 2022 مه 9. Google Scholar
37. انستیتوی ملی آمار و انفورماتیک. سرشماری III جوامع بومی 2017. نتایج قطعی. 2018. موجود از: https://www. inei. gob. pe/media/menurecursivo/publicaciones_digitales/est/lib1598/. prited 2022 9 مه]. گوگل دانشکده
38. OECDبررسی های سرزمینی OECD: پرو 2016. OECD ؛2016.

سپاسگزاریها

من دوست دارم از سینتیا بورخس بخاطر کمک به تولید نقشه ها تشکر کنم.

منابع مالی

این کار توسط بنیاد بیل و ملیندا گیتس [از طریق شمارش معکوس تا ابتکار 2030 ، OPP1148933] پشتیبانی شد. توسط Wellcoma [شماره کمک هزینه: 101815/Z/13/Z] ؛و توسط Associação Brasileira de Saúde Coletiva (Abrasco).

اطلاعات نویسنده

نویسندگان و وابستگی ها

1. مرکز بین المللی سهام در بهداشت ، دانشگاه فدرال توپ ، R. Marechal Deodoro ، مرکز ، توپ ، 1160 ، برزیل لئوناردو Z. Ferreira & Aluisio J. D. Barros
2. برنامه تحصیلات تکمیلی در اپیدمیولوژی ، دانشگاه فدرال توپ ، توپ ، برزیل لئوناردو Z. فریرا ، فرناندو P. هارتویگ و Aluisio J. D. Barros
3. WorldPop ، جغرافیا و علوم محیط زیست ، دانشگاه ساوتهمپتون ، ساوتهمپتون ، انگلستان C. Edson Utazi ، Kristine Nilsen & Andrew J. Tatem
4. مرکز تحقیقات بهداشت مادران و نوزادان ، دانشگاه Cayetano Heredia Pruvian ، Lima ، Peru Luis Huicho
5. مرکز تحقیقاتی برای توسعه یکپارچه و پایدار ، Universidad Peruana Cayetano Heredia ، Lima ، Peru Luis Huicho
6. دانشکده پزشکی ، دانشگاه پرو Cayetano Heredia ، Lima ، Peru Luis Huicho

1. لئوناردو ز. فریرا