中国人口健康脆弱性地区差异与影响因素分析

脆弱性（vulnerability）概念首先起源于学者对自然灾害的相关研究。脆弱性是一种度,即系统在灾害事件发生时产生不利影响的程度[1]。脆弱性是灾害形成的根源,在相同致灾强度下灾情随脆弱性的增强而扩大,是导致灾害最终形成和不同区域灾情差异的主要原因[2]。在目前的技术条件下,致灾因子（特别是自然致灾因子）尚难掌控,脆弱性是防灾、减灾过程中人类可以有所作为的领域,降低社会经济系统的脆弱性是减少灾情损失最为直接和有效的方法[3]。鉴于脆弱性分析在理解和解决现实问题方面的有效性,脆弱性概念受到越来越多的关注,从原来单纯描述自然系统固有（天然）属性的单一概念,逐渐演变为包含风险、敏感性、适应性、恢复力等一系列概念在内的概念集合,目前已广泛应用于自然资源、灾害管理、公共卫生、气候变化、土地利用、区域经济等多个领域[4,5,6,7,8,9],成为考察人口、资源、环境、经济与社会可持续发展问题的基本工具之一。IHDP、IPCC、IGBP等多个国际科学计划均将脆弱性研究提上日程[10]。从地理学视角看,区域人口健康系统是人地关系地域系统的重要子系统,其结构和功能状况反映了区域人地关系的协调水平。在长期的发展过程中,人口健康系统由于受到包括自然、经济、社会在内的诸多因素影响,存在较高的不稳定性和脆弱性[11],成为全球各类健康危机爆发的重要诱因。

新中国成立以来特别是改革开放以来,中国健康领域的改革发展取得了显著成就,人民健康水平和身体素质持续提高,为全面建成小康社会奠定了重要基础[12]。然而,由于工业化、城镇化、人口老龄化、疾病谱变化、生态环境及生活方式变化等,给维护和促进健康带来一系列新的挑战,产生了许多可能导致健康危机的潜在因子,国民健康系统的不稳定性、复杂性与脆弱性明显增强。当前,学术界关于人口健康的研究多集中于医学、公共卫生领域,在一些重要疾病的发病机理、药物研发、医疗诊治、疫情监测等方面做了大量工作[13]。经济学、社会学研究者通过构建健康生产函数,对收入、消费、城镇化、年龄结构、教育水平、医疗支出、社会保障等因素变化的健康效应进行过较多探索[14]。地理学者从人地关系视角出发,对环境与健康关系、健康地区分异等问题开展研究,成效显著[15]。然而,目前除了少数几篇质性分析文献报道以外,有关人口健康脆弱性问题的量化实证研究尚未引起足够重视,成为建设“健康中国”实践的理论支撑短板之一。1989年,中国学者赵克勤提出集对分析（Set pair analysis,SPA）方法,该方法主要针对确定性和不确定性问题进行同异反定量分析,是解决多目标决策、多属性评价的有效途径,已在评价、管理、预测和规划等领域得到广泛应用[16]。基于此,本研究尝试将脆弱性分析方法引入健康地理学研究领域,通过构建健康脆弱性评价指标体系,采用集对分析法对2014年中国31个省级行政单元（不含港、澳、台地区）的健康脆弱性指数进行测算,同时引入障碍度模型考察脆弱性指数分布差异的影响因素,为建设“健康中国”和丰富健康地理学理论、方法体系提供科学基础。

参考相关研究对“脆弱性”内涵的界定[17,18],本文认为健康脆弱性是一定区域内人群健康受到外部扰动冲击或内部特征发生变化时容易受到损害的程度,是人口本身的内在属性之一,具体包括敏感性和应对性2个方面。其中,敏感性是健康系统在受到外部扰动或自身变化的影响下表现出的抗压能力,敏感性越大,脆弱性越高;应对性是健康系统改变自身状态或行为以更好地适应已存在的或者预期的压力的能力,包括系统自身的恢复适应能力和人们维护系统所采取的措施,应对性越高,脆弱性越低。本文的研究单元为省域,考虑现阶段影响健康脆弱性的主要因素以及相关指标的典型性、独立性、数据的可得性、政策启示的明确性等原则,从敏感性和应对性2个方面建立区域人口健康脆弱性评价指标体系(表1)。

表1   区域人口健康脆弱性评价指标体系

Table 1   Index system for the assessment of population health vulnerability

注：“+”、“-”分别表示不同层级指标之间具有同向或异向关系。

新窗口打开

为消除各指标量纲和量级不同对评价结果造成的偏差,需要对指标数据进行标准化处理。由于各指标有正向、负向之分,故采用极差标准化方法进行处理。

X'ip=Xip-min{Xp}max{Xp}-min{Xp}正向指标X'ip=max{Xp}-Xipmax{Xp}-min{Xp}负向指标（1）

式中, Xip表示地区p第i项指标的原始值, X'ip表示地区p第i项指标的标准化值。在此基础上,采用熵值法计算表1中各指标的权重系数(表1)。

区域人口健康受到人口本身、自然条件、社会环境等方面的综合影响,既有确定性的一面,又具有非确定性特征。根据集对分析应用思路[19],将表1中评价指标体系设定为集合A,相应的评价标准设定为集合U,2个集合结成集对 H(A, U)。假设人口健康脆弱性问题为 Q={A, E, W, D},其中 A={a1, a2, …,am}为评价对象集,m为行政区个数; E={e1, e2, …,en}为每个行政区的n个评价指标, W={w1, w2, …,wn}为各指标的权重系数,D为问题Q下的评价矩阵。

D=d11d12...d1nd21d22...d2n......dpk...dm1dm2...dmn （2）

式中 dpk（p=1,2,…,m; k=1,2,…,n）为第p个行政区的第k个指标值。

根据理论和现实分析,对比确定各评价对象中的最优指标和最劣指标,组成最优评价指标集 U={u1, u2, …,un}和最劣评价指标集 V={v1, v2, …,vn},则集对 H{Ap, U}在区间 (U, V)上的联系度 μ(Hp,U)的计算方法如下：

μ(Hp, U)=ap+bpi+cpj  ap=∑k=1nwkapkcp=∑k=1nwkcpk（3）

式中, ap、 cp分别表示评价对象 Ap与最优方案集U的同一度和对立度,bp表示两个集合的差异度,具有相对不确定性,wk表示第k个指标的权重系数。 apk、 cpk分别表示评价指标 dpk与 uk、 vk的接近程度。

当 dpk对评价结果起正向作用时,使用式（4）计算。

apk=dpk(uk+vk)cpk=ukvkdpk(uk+vk)（4）

当 dpk对评价结果起负向作用时,使用式（5）计算。

apk=ukvkdpk(uk+vk)cpk=dpk(uk+vk)（5）

由于 ap、 cp是相对确定的,分别表示对评价对象 Ap接近最优评价方案U的肯定和否定程度,因此在相对确定条件下可定义 Ap与U的相对贴近度 rp,并使用式（6）计算, rp越大说明评价对象与最优方案集的贴近度越高[20]。因此,可以使用该指数表征地区人口健康脆弱性的强弱程度,即脆弱性指数。 rp越大表示脆弱性越强,反之越弱。显然,该指数可以描绘各地区之间健康脆弱性水平的相对大小。类似地,各地区人口健康敏感性和应对性指数的计算也采用上述思路。

rp=apap+cp（6）

利用来自《中国统计年鉴2015》[21]、《中国环境统计年鉴2015》[22]与《中国医疗卫生和计划生育统计年鉴2015》[23]提供的基础数据,根据公式（1）~（6）计算中国2014年31个省区（不含港、澳、台地区）的人口健康脆弱性指数、敏感性指数与应对性指数（表2）。可以发现,各省区脆弱性指数最大值出现在贵州,为0.628 9,最小值出现在北京,为0.226 9,二者相差0.402 0,前者是后者的2.77倍。全国各省区的平均值、标准差分别为0.510 4、0.085 7。在所有省级单元中,脆弱性指数从大到小位于前5位的省份依次为贵州、新疆、甘肃、河南、云南,除河南外均位于西部地区;排序后5位的省市依次为辽宁、江苏、天津、上海、北京,均位于东部地区。另一方面,各省区人口健康的敏感性指数最大、最小值分别出现在青海（0.686 6）和北京（0.221 8）,平均值、标准差分别为0.440 3、0.116 1;应对性指数的最大、最小值分别出现在北京（0.769 4）与河南（0.295 4）,平均值、标准差分别为0.445 1、0.116 5。因此,相对而言,中国人口健康系统的脆弱性指数均值最大、敏感性最小,应对性的省际差异最为明显。从表2还可以得出,各省区脆弱性、敏感性与应对性指数的位次序号差别较大。其中,有27个省区的脆弱性、敏感性指数得分排序差相差在10位以内,只有9个省区的脆弱性、应对性指数排序差在10位以内,这在一定程度上说明相对于应对性而言,敏感性与脆弱性在地理分布上的一致程度更高。

表2   各省区人口健康脆弱性、敏感性与应对性指数差异

Table 2   The provincial differences of population health vulnerability, sensitivity and response index

新窗口打开

进一步的统计显示,东部11个省市的健康脆弱性均值为0.443 4,中部8省与西部12省区均值分别为0.538 2、0.553 2,东部明显低于中、西部,在国土空间上呈现“西高、东低、中部居中”的总体格局,地带级差化特征比较明显（图1）。另一方面,东、中、西3大地带的健康敏感性均值分别为0.350 7、0.399 3、0.549 9,应对性指数均值为0.492 3、0.372 6、0.450 2,说明前者与脆弱性分布格局类似,后者则呈现“东部最高、西部次之、中部最低”的空间分异特征。

显示原图| 下载原图ZIP| 生成PPT

图1   人口健康脆弱性、敏感性与应对性指数带间差异

Fig.1   The differences of population health vulnerability, sensitivity and response index among the three areas

对全国人口健康脆弱性水平进行等级划分,进一步揭示脆弱性分布的地域差异特征。这里以脆弱性指数的平均值（AVG=0.510 4）和标准差（STD=0.085 7）作为评价依据,将全国各省区划分为低度、中度、较高和高度4个脆弱性等级。其中,脆弱性指数介于（0,AVG-STD,即0~0.424 7）之间的省区界定为低度脆弱区,介于（AVG-STD,AVG,即0.424 7~0.510 4）之间的地区为中度脆弱区,介于（AVG,AVG+STD,即0.510 4~0.596 0）、（AVG+STD,1,即0.596 0~1）之间的地区分别命名为较高脆弱区和高度脆弱区（图2）。

显示原图| 下载原图ZIP| 生成PPT

图2   人口健康脆弱性地域等级划分

Fig.2   Regional level zoning of population health vulnerability

1） 低度脆弱区。这类区域脆弱性指数均值为0.338 3,共包含4个省市,脆弱性指数从小到大排列依次为北京、上海、天津和江苏,均位于东部地带,具有明显的低敏感性和高应对性特点。其中,各省市的敏感性均值为0.302 0,在4类区域中最低;应对性均值为0.632 1,在4类区域中最高。北京作为国家首都,在31个省级单元中脆弱性水平最低,敏感性指数在全国诸省中也最低,应对性指数则最高（表2）。从地理分布上看,上述4个省市均位于自然条件良好的沿海地带,虽然近年来受到环境污染的侵袭,但经济水平高,环保技术强、居民受教育程度、社会保障,医疗服务可及性均较高,故应对健康风险冲击的能力很强。

2） 中度脆弱度区。共包含10个省区,脆弱性指数均值为0.4813,从小到大依次为辽宁、吉林、浙江、内蒙古、海南、重庆、黑龙江、青海、陕西、广东。这类区域的敏感性均值为0.439 6,高于低度脆弱区,应对性均值为0.488 6,则低于低度脆弱区。结合表2分析,发现青海、内蒙古两省区与其他8个省区不同,具有明显的高敏感、高应对性特点。其中,青海省位于西北地区,自然条件差,教育水平低,健康状况不高,是导致该省敏感性指数（0.686 6）全国最高的主要因素。然而,由于西部开发政策的驱动,经济发展较快,生态保护投入较大,同时由于地广人稀,人均社会保障等指标具有相对优势,导致应对性指数较高。内蒙古自然条件同样较差、少数民族人口多、健康状况普遍不佳。但煤炭等自然资源丰富,经济发展势头较好,应对能力相对较强。

3） 较高脆弱区。共包含14个省区,脆弱性指数均值为0.558 2,从小到大依次为湖北、福建、江西、河北、湖南、宁夏、山东、山西、四川、西藏、广西、安徽、云南、河南。这类区域的敏感性均值为0.447 1,高于前2类区域,应对性均值为0.374 6,低于前两类区域。结合表2分析,该类区域还可划分为如下2个细化类型,第一类包含西藏和宁夏2个自治区,均具有高敏感性、高应对性特征;其他12个省区属于第二类,敏感性、应对性指数均较低,其中河南、广西、江西和安徽4省区的应对性指数全国最低。应对性不足是导致该类区域具有较高脆弱性的基本原因。

4） 高度脆弱区。共包含3个省区,脆弱性指数均值为0.613 6,从小到大依次为甘肃、新疆、贵州,均位于西部地带。这类区域的敏感性均值为0.595 6,远高于其他3类区域。应对性均值为0.380 1,低于低度和高度脆弱区,但稍高于较高脆弱区。结合表2分析,甘肃、贵州两省的敏感性指数分别为0.550 5、0.563 2,应对性指数分别为0.364 7、0.329 3,二者均具有高敏感性、低应对性特点。新疆的敏感性、应对性指数分别为0.673 0、0.446 4,敏感性居全国倒数第2位,其中的各项指标均处于全国较低水平,应对性居全国中等位置（第14位）,因此敏感性较高是新疆成为高度脆弱区的主要原因。

进一步的统计分析还发现,低脆弱省市全部位于东部地带,高脆弱省区全部位于在西部地带,中度和较高脆弱水平的省区在三大地带上均有分布。从4类区域中包含的省份数量看,低度、高度脆弱区省份数量较少,分别占全国省区总数的12.90%和9.68%,合计占22.58%;中度和较高脆弱区包含的省份较多,分别占全国总数的32.26%和45.16%,合计占77.42%,说明大部分地区的健康脆弱性处于中、高水平。

引入障碍度模型分析各省区健康脆弱性分布差异的影响因素,为“降脆”提供路径指引。首先,对区域健康的敏感性、应对性与脆弱性之间的Pearson相关系数进行计算,显示在0.01的置信水平上,敏感性与脆弱性的相关系数为0.560 5,表明二者存在显著的正相关关系,敏感性较大的区域,其脆弱性也较高。在同一置信水平上,应对性与脆弱性之间的相关系数为-0.818 5,说明二者具有显著的负相关关系,应对性指数较高地区的脆弱性一般较低。相对于敏感性而言,应对性与脆弱性之间的空间关联程度更高,对脆弱性大小的影响更大,因而提高应对能力是降低脆弱性的重要视角。利用式（7）所示的障碍度模型进一步考察敏感性、应对性包含的16项指标对健康脆弱性的影响程度。

Ai=wiXi'∑i=116wiXi'×100%（7）

式中, Ai为第i项指标的障碍度,表示第i项指标对脆弱性的影响程度, wi为第i项指标的权重系数（表1）, Xi'为第i项指标的标准化值。 Ai得分越高,意味着第i项指标对降低脆弱性的阻碍越大,对“降脆”越不利。

对各指标的“降脆”障碍度进行计算,结果显示不同省区阻碍脆弱性降低的主要因素具有明显的多样化特征（表3）。对所有指标的障碍度大小排序后发现,人均GDP （R1）、人均财政社会保障和就业支出（R6）、人均财政医疗卫生支出（R4）、每千人拥有的医疗机构床位数（R7）、森林覆盖率（S6）等5项指标,在各省区排名前5的障碍因素中分别出现了18次、18次、16次、16次、14次,因此可以将这5项指标作为影响降低脆弱性的主导因素。由于主导因素均与脆弱性指数变化方向相反,因此促进经济发展水平、增加社保支出、加大财政卫生投入、改善医疗条件和优化生态环境,对降低健康脆弱性尤为必要。在中国当前所处的经济社会条件下,上述领域均可以有较大作为,能够成为减少国民健康潜在损害的有效路径。

表3   人口健康脆弱性降低的主要障碍因子

Table 3   Main obstacle factors of health vulnerability reduction

新窗口打开

对东、中、西3大地带的障碍因子进行计算,显示各地带居于前5位的指标合计有11个。其中,人均财政社会保障和就业支出（R6）是共同的“降脆”障碍因子,除此以外,人均GDP（R1）、人均财政医疗卫生支出（R4）、每千人拥有的医疗机构床位数（R7）分别是东中部、东西部与中西部共同的“降脆”障碍因子。

健康是人的基本权利,也是小康社会建设的重要内容。本研究重点考察了中国人口健康脆弱性的地区差异与影响因素,主要结论如下：第一,2014年中国人口健康系统脆弱性省际差异较大,总体上处于中、高水平,在国土空间上呈现明显的“西高、东低、中部居中”分异格局,与健康敏感性、应对性指数的地域分布不尽一致;第二,各省区健康系统脆弱性指数分布的地域级差化特征明显,低脆弱省市均分布在东部地带,高脆弱省区均分布在西部地带,中度和较高脆弱水平的省区数量最多,在3大地带上均有分布;第三,健康系统脆弱性降低的主要障碍因子存在较大地区差异,促进经济发展、增加社保支出、加大卫生投入、改善医疗条件和优化生态环境对降低脆弱性尤为重要。

2016年,“健康中国2030”规划提出未来15 a是推进健康中国建设的重要战略机遇期。本研究提示,为有效促进国民健康水平、降低健康脆弱性,仍然需要保持经济发展的中高速增长态势,持续促进居民收入增长,不断加大在社会保障、公共卫生、医疗保健、环境保护等方面的投入力度,大力提升社会应对能力。同时,为缩小不同地区人群之间的“健康鸿沟”,促进健康公平,有必要对高脆弱的中西部省区付诸更多关注,根据“降脆”主要障碍因子给予必要的资金、技术扶持与政策倾斜。集对分析方法具有概念清晰、计算简洁、可操作性强等优点,本文尝试将其应用于健康脆弱性研究,得到一些有意义的结论,进一步丰富和拓展了健康地理学理论、方法体系。然而,由于健康脆弱性问题较为复杂,从不同角度进行评价将能够得到更多的“降脆”启发。因此,将本研究结果与其他方法评价结果进行对比分析,从而凝练出更具针对性和操作性的政策方案,是本文下一步深入探讨的问题。

The authors have declared that no competing interests exist.

Empirical study on the relationships between human health and long-term economic growth in China

URL      [本文引用: 1]      摘要

医学地理学发展趋势及当前热点

[本文引用: 1]      摘要

Trend and hot topics of medical geography

[本文引用: 1]      摘要

基于集对分析法(SPA)的中国旅游经济系统脆弱性测度研究

[本文引用: 1]     

Study of vulnerability measurement of Chinese tourism economic system: based on SPA

[本文引用: 1]     

基于SPA的广东省区域经济脆弱性及障碍因素研究

URL      [本文引用: 1]      摘要

The analysis of regional economic vulnerability and obstacle factors of Guangdong province based on set pair analysis

URL      [本文引用: 1]      摘要

中国城市脆弱性的综合测度与空间分异特征

https://doi.org/10.11821/dlxb201502005      URL      [本文引用: 1]      摘要

A comprehensive assessment of urban vulnerability andits spatial differentiation in China

https://doi.org/10.11821/dlxb201502005      URL      [本文引用: 1]      摘要

[本文引用: 1]     

[本文引用: 1]     

中国典型旅游城市经济脆弱性及障碍因素分析

https://doi.org/10.3969/j.issn.1000-8462.2013.12.030      URL      [本文引用: 1]      摘要

Analysis of economic vulnerability and obstacle factors of typical tourism cities in China

https://doi.org/10.3969/j.issn.1000-8462.2013.12.030      URL      [本文引用: 1]      摘要

[本文引用: 1]     

China Statistical Yearbook (2015)

[本文引用: 1]     

[本文引用: 1]     

China Environment Statistical Yearbook (2015)

[本文引用: 1]     

中国卫生与计划生育统计年鉴(2015)

[本文引用: 1]     

Vulnerability, resilience and the collapse of society: a review of models and possible climatic applications

[本文引用: 1]     

At risk: natural hazards, people's vulnerability, and disasters

[本文引用: 1]     

中国地震灾害宏观人口脆弱性评估

https://doi.org/10.11820/dlkxjz.2012.03.014      URL      Magsci      [本文引用: 1]      摘要

Macro assessment of seismic population vulnerability in China

https://doi.org/10.11820/dlkxjz.2012.03.014      URL      Magsci      [本文引用: 1]      摘要

[本文引用: 1]     

基于居民健康的城市高温热浪灾害脆弱性评价:研究进展与框架

https://doi.org/10.11820/dlkxjz.2015.02.005      URL      Magsci      [本文引用: 1]      摘要

Health related urban heat wave vulnerability assessment: research progress and framework

https://doi.org/10.11820/dlkxjz.2015.02.005      URL      Magsci      [本文引用: 1]      摘要

城市经济脆弱性模拟评估系统的构建及其应用

[本文引用: 1]     

Establishment and application of an urban economic vulnerability evaluation system

[本文引用: 1]     

区域土地利用变化对生态系统脆弱性影响评估:以广州市花都区为例

Assessment on vulnerability of ecosystems to land use change: a case study of Huadu district, Guangzhou city

[本文引用: 1]     

Assessment of vulnerability to climate change using a multi-criteria outranking approach with application to heat stress in Sydney

https://doi.org/10.1016/j.ecolind.2014.08.012      URL      [本文引用: 1]      摘要

neighborhood effects on heat deaths: social and environmental predictors of vulnerability in Maricopa County, Arizona

https://doi.org/10.1289/ehp.1104625      URL      PMID: 3569676      [本文引用: 1]      摘要

[本文引用: 1]     

典型鼠疫疫源地环境-健康脆弱性评价

https://doi.org/10.3321/j.issn:1000-0585.2001.03.005      URL      [本文引用: 1]      摘要

Assessment of environment-health vulnerability in typical plague foci in China

https://doi.org/10.3321/j.issn:1000-0585.2001.03.005      URL      [本文引用: 1]      摘要

[本文引用: 1]     

Health and Family Planning Statistical Yearbook (2016)

[本文引用: 1]     

经济、环境与人口健康的相互影响:基于中国省区面板数据的实证分析

https://doi.org/10.3969/j.issn.1002-2104.2008.06.029      URL      [本文引用: 1]      摘要

Interrelationship between growth, environment and population health: an empirical analysis based on China's provincial data

https://doi.org/10.3969/j.issn.1002-2104.2008.06.029      URL      [本文引用: 1]      摘要

人口健康与中国长期经济增长关系的实证研究

URL      [本文引用: 1]      摘要

Health and Family Planning Statistical Yearbook (2015)

[本文引用: 1]