论文部分内容阅读
目的探究福州市高血压的管理现状,利用地理信息系统(GIS)和空间分析技术对福州市高血压的管理情况进行评估和分析,并探究其背后的资源分配、城市规划、经济水平等方面的影响因素,旨在为福州市的高血压管理提供一个新的思路,提高社区高血压病的管理水平。方法本研究以福州市数字地图为蓝本,以乡镇/街道为基本研究单位,利用ArcGIS10.4软件制作可供分析的福州市数据地图,逐年导入并标记每个街道/乡镇的高血压病管理指标数据(高血压健康管理率,高血压规范管理率,高血压控制率),利用ArcMap软件的绘图模块绘制出基于街道/乡镇层面的福州市高血压疾病管理情况地理分布地图,实现福州市慢性病患病情况的可视化,并进行全局和局部Moran I分析以探究福州市高血压空间分布的特点,最后建立普通最小二乘法回归模型(OLS)和地理加权回归模型(GWR)对高血压管理情况的影响因素进行建模和预测。结果将高血压管理情况各指标值在地图上呈现,可知,每年的高血压管理指标值都大致呈现上升趋势。闽侯县,闽清县的高血压健康管理率指标数值较大,但在规范管理上指标数值出现明显下降。超过90%的乡镇/街道管理率超过了34%,西部地区的管理率高于东部地区。仓山区和永泰县出现了高血压控制率的高值聚集。福州市2015年的高血压管理指标的空间自相关分析显示,Moran I指数均大于0,指数位于0.18~0.34之间,P值全部小于0.01,三个指标均具有统计学意义。OLS回归模型结果显示,仅有高血压规范管理率与各变量所建立的OLS模型具有统计学意义(P<0.05),结果显示,卫生机构密度和每千人口卫技人员数对高血压规范管理率的影响由统计学意义(P<0.05),且为正相关关系,模型的校正后R2为0.43。GWR模型结果显示,县区内高血压规范管理率与县区内医疗机构密度具有显著地正相关关系(P<0.05),模型的校正后R2为0.64,模型拟合度与OLS回归模型相比具有显著地提升。因素分析的结果显示,不同影响因素对于不同地区的影响程度存在差异。结论闽清县,永泰县和福清市的高血压管理规范性不足,仓山区,永泰县的大部分地区高血压管理的效果较好,2011年~2015年,福州市高血压健康管理率,规范管理率,血压控制率呈现逐年增加的态势,其中血压控制率的变化较为稳定;全局空间自相关分析结果说明2015年福州市乡镇/街道的高血压健康管理率,规范管理率,血压控制率的整体分布态势呈现高值聚集性的正相关分布,辖区内卫生机构密度,每千人口卫技人员数与高血压规范管理率存在显著地正相关系;空间分布图相较于传统的图表数据能更直观,形象地展示高血压分布的空间相关特征,全局空间自相关分析,局部空间自相关从地理角度对空间内的分布进行统计或聚类,能够从空间统计学角度展示各个区域之间分布形态的差异与关联,地理加权回归(GWR)将地理变量纳入高血压管理情况的研究,相比传统OLS回归模型,解释力更强,使得对影响因素的探究更具有地区针对性;总体上,各影响因素对各地区的影响强弱大致呈现一个东西分布差异,各个地区都有其关联程度最高和最低的影响因素,在实际进行高血压管理的时候,各地区需要对影响不同地区的因素,采取不同的措施实施管理工作和考评制度,重视对区域内高血压管理情况影响程度高的因素,有针对性的进行高血压管理工作。