О журнале Издательская этика Редколлегия Редакционный совет Редакция Для авторов Контакты
Russian

Экспорт новостей

Журнал в базах данных

eLIBRARY.RU - НАУЧНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА



crossref.org
vak.ed.gov.ru/vak

GoogleАкадемия

Google Scholar

Главная arrow Архив номеров arrow №6 2019 (65) arrow ОЦЕНКА ТЕРРИТОРИАЛЬНОЙ ДОСТУПНОСТИ МЕДИЦИНСКИХ УЧРЕЖДЕНИЙ ПО ОТКРЫТЫМ ДАННЫМ НА ПРИМЕРЕ АРХАНГЕЛЬСКОЙ ОБЛАСТИ
ОЦЕНКА ТЕРРИТОРИАЛЬНОЙ ДОСТУПНОСТИ МЕДИЦИНСКИХ УЧРЕЖДЕНИЙ ПО ОТКРЫТЫМ ДАННЫМ НА ПРИМЕРЕ АРХАНГЕЛЬСКОЙ ОБЛАСТИ Печать
27.12.2019 г.

DOI: 10.21045/2071-5021-2019-65-6-1

1Шартова Н.В., 1,3Грищенко М.Ю., 2Ревич Б.А.
1
Московский государственный университет имени М.В. Ломоносова, Москва, Россия
2
Институт народнохозяйственного прогнозирования Российской академии наук, Москва, Россия
3Высшая школа экономики, Москва, Россия

Резюме

Проблема неравенства в доступности медицинской помощи характерна для различных регионов мира. Население арктических регионов является наиболее уязвимой категорий в обеспеченности медицинской помощью. Это важно не только для удаленных населенных пунктов, но и для более населенных частей арктической зоны.

Целью данного исследования стала оценка территориальной доступности медицинской помощи, оказываемой на базе больничных и поликлинических учреждений для жителей Архангельской области и Ненецкого автономного округа.

В исследовании использованы картографические методы по определению расстояния до ближайшего учреждения здравоохранения с использованием евклидовых расстояний, полигонов Тиссена-Вороного и сетевого анализа дорожной сети.

Проведенное исследование показало значительную неоднородность в доступности медицинской помощи для жителей Архангельской области в зависимости от выбранного метода исследования. При использовании евклидовых расстояний количество населения, проживающего в 50-километровой зоне и далее, занижается практически в три раза, по сравнению с результатами более точного метода анализа дорожного графа. Около 25% населения исследованного ключевого участка на юге Архангельской области оказалось в зоне риска по времени движения до больницы или поликлиники – от часа до полутора часов, а при возникновении неблагоприятных погодных условий, например, в зимний период, в зоне риска может оказаться половина всего населения исследуемой территории.

Используемый традиционный метод расчета расстояния до медицинского учреждения по прямой, без учета особенностей дорожной сети, наиболее часто применяемый в службах планирования системы здравоохранения в силу его простоты, может сильно искажать картину доступной медицинской помощи.

Внедрение сетевого анализа дорожного графа в сфере здравоохранения может значительно уточнить как существующее территориальное размещение медицинских учреждений, в особенности специализированного профиля, так и основные транспортные пути доступа к ним.

Ключевые слова: доступность медицинской помощи, анализ дорожного графа, геопространственный анализ, Арктика

Контактная информация: Шартова Наталья Витальевна, email: Этот e-mail защищен от спам-ботов. Для его просмотра в вашем браузере должна быть включена поддержка Java-script

Финансирование. Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований (проект № 18-05-60146)

Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов

Для цитирования: Шартова Н.В., Грищенко М.Ю., Ревич Б.А. Оценка территориальной доступности медицинских учреждений по открытым данным на примере Архангельской области. Социальные аспекты здоровья населения [сетевое издание] 2019; 65(6):1. URL: http://vestnik.mednet.ru/content/view/1114/27/lang,ru/ DOI: 10.21045/2071-5021-2019-65-6-1

GEOGRAPHICAL ACCESSIBILITY OF HEALTH SERVICES BASED ON OPEN DATA IN THE ARKHANGELSK REGION
1
Shartova N.V., 1,3Grischenko M.Yu., 2Revich B.A.
1
Lomonosov Moscow State University, Moscow, Russia
2
Institute of Economic Forecasting, Russian Academy of Sciences, Moscow, Russia
3Higher school of economics, Moscow, Russia

Abstract

The inequality in access to medical care is typical of various regions in the world. Population of the Arctic regions is the most vulnerable category in terms of care accessibility. This is relevant not to the remote settlements alone, but also to more populated parts of the Arctic zone.

The purpose of this study was to assess territorial accessibility of inpatient and outpatient care in the Arkhangelsk region and the Nenets Autonomous District.

The following cartographic methods were used to determine distance to the nearest health care facilities: Euclidean distances, Thyssen-Voronoi polygons and road network analysis.

The study showed a significant heterogeneity in the accessibility of medical care for residents of the Arkhangelsk region, depending on the research method. The Euclidean distances method underestimated the population size living within a 50-km zone and beyond almost three times. The method of road network analysis provided more accurate results. It will take 25% of the population of the study area in the south of the Arkhangelsk region about an hour to an hour and a half to get to a hospital of polyclinic. Half the total population may be at risk in case of bad weather conditions, for example, during the winter season.

The traditional method based on Euclidean distances is often used to plan health services due to its simplicity but it doesn’t take into account specifics of the road networks resulting in possible distortions of the actual picture.

Introduction of the network analysis of the road graph into the health sector can update both the existing territorial location of health care facilities, especially specialized ones, and the main transport routes to access them.

Keywords: access to medical care; analysis of road graph, geospatial analysis, Arctic

Corresponding author: Natalia V. Shartova, email: Этот e-mail защищен от спам-ботов. Для его просмотра в вашем браузере должна быть включена поддержка Java-script
Information about authors:
Shartova N.V
., https: //orcid.org/0000-0003-2758-9612
Grischenko M.Yu., http://orcid.org/0000-0003-3223-7697
Revich B.A., https: //orcid.org/0000-0002-7528-6643
Acknowledgments. This study is supported by the Russian Foundation for Basic Research (project № 18-05-60146)
Conflict of interests. The authors declare no conflict of interest.

For citation: Shartova N.V., Grischenko M.Yu., Revich B.A. Geographical accessibility of health services based on open data in the Arkhangelsk region. Social'nye aspekty zdorov'a naselenia / Social aspects of population health [serial online] 2019; 65(6):1. Available from: http://vestnik.mednet.ru/content/view/1114/27/lang,ru/. (In Rus). DOI: 10.21045/2071-5021-2019-65-6-1

Введение

В последние годы тематика исследования транспортной доступности медицинских учреждений для жителей различных регионов становится все более популярной (рис. 1). Будучи основой здоровья и безопасности жизни людей, больницы являются наиболее важными объектами общественного обслуживания, их рациональное распределение в пространстве гарантирует людям равные возможности для получения необходимого медицинского лечения.

Проблема неравенства в доступности медицинской помощи характерна для многих регионов в мире. Наиболее изучена эта проблема для городских и сельских районов Китая [1-3], Австралии [4], США [5], Японии [6], а также отдельных регионов Африки [7]. Существуют исследования для ряда европейских стран: Бельгии [8], Финляндии [9], Великобритании [10], Франции [11], Польши [12]. Для России подобного рода исследования до сих пор остаются редкостью [13] (рис.2).

Рис. 1
Рис.1. Количество статей, посвященных проблеме географической доступности медицинских учреждений по данным системы Web of Science, 1998–2019 гг. (в качестве ключевых слов использованы: “health services” AND access* AND spatial AND geographic)

Рис. 2
Рис.2. Количество статей, посвященных проблеме географической доступности медицинских учреждений по данным системы Web of Science, 1998–2019 гг. – распределение по странам

Наибольшую актуальность вопрос обеспеченности медицинской помощью приобретает для населения арктических регионов. И если проблема оказания квалифицированной медицинской помощи для удаленных населенных пунктов, где проживает в основном коренное население, является очевидной, то оценке доступности учреждений здравоохранения для жителей более населенных частей арктической зоны уделяется меньшее внимание. Более того, первичный анализ медицинских статистических показателей может свидетельствовать о сложившейся благополучной ситуации в таких регионах. Так, в 2014 г. среди регионов Северо-Западного Федерального округа по показателю обеспеченности врачами Архангельская область находилась на втором месте после Санкт-Петербурга (56,1 и 81,5 соответственно на 10 тыс. населения) [14]. По данным доклада о состоянии здравоохранения в Архангельской области в 2017 г. функционировали 65 государственных медицинских организаций, из них: 34 больничных организации, 6 диспансеров, 10 самостоятельных поликлиник, включая стоматологические. Медицинскую помощь сельским жителям оказывало 442 фельдшерско-акушерских пункта [15].

Мероприятия по повышению эффективности организации первичной медико-санитарной помощи реализуются в соответствии с планом мероприятий «Изменения в отраслях социальной сферы, направленные на повышение эффективности здравоохранения в Архангельской области», утвержденным распоряжением Правительства Архангельской области от 13 марта 2013 года № 59-рп. Кроме совершенствования медицинской помощи, кадровой политики и снижения неэффективных расходов, проводимые преобразования направлены на приведение структуры сети медицинских организаций в соответствие потребностям населения в медицинской помощи с учетом географических особенностей, а также имеющейся транспортной доступности [15].

В связи с этим, целью данного исследования стала оценка территориальной доступности полноценной и квалифицированной медицинской помощи, оказываемой на базе больничных и поликлинических учреждений для жителей Архангельской области и Ненецкого автономного округа.

Материалы и методы

В качестве исходной информации в исследовании использованы данные, размещенные в открытых источниках, а именно:

а) список учреждений здравоохранения Архангельской области и Ненецкого автономного округа (источники - Министерство здравоохранения Архангельской области (https://www.minzdrav29.ru/mo/) и Департамент здравоохранения, труда и социальной защиты населения Ненецкого автономного округа (http://medsoc.adm-nao.ru/zdravoohranenie/));

б) векторные пространственные данные о дорожной сети рассматриваемых регионов, источник – портал OpenStreetMap;

в) векторные пространственные данные о размещении населённых пунктов рассматриваемых регионов и их численности (по данным на 1 января 2015 г.), источник- портал OpenStreetMap.

На первом этапе была проведена первичная оценка данных по 628 медицинским учреждениям Архангельской области и 44 учреждениям НАО и их пространственная привязка. Исходя из представленных типов медицинских организаций в дальнейший анализ было решено включить только информацию о больницах и поликлиниках, как организациях, способных оказать полноценную квалифицированную медицинскую помощь. Это существенно сократило объём анализируемых данных до 102 учреждений.

Привязка задана с помощью API картографических веб-сервисов, причём значительную часть учреждений (по Ненецкому автономному округу – все, за исключением одного) было необходимо привязать вручную, т.к. результаты автоматического задания пространственного положения оказались удовлетворительными лишь частично (для Архангельской области сработала автоматическая привязка только 80% всех медицинских учреждений).

Наиболее сложной и трудоемкой задачей стал анализ графа дорожной сети, т.е. топологически связанных рёбер и узлов, местоположение и свойства которых с заданной точностью и полнотой передают возможные маршруты движения автомобильного транспорта на исследуемой территории. После анализа структуры данных и их предварительной геометрической обработки (в частности, проверки на отсутствие разноуровневых пересечений рёбер на Х-образных перекрёстках дорог) было осуществлено конструирование дорожного графа. Граф включает чуть более 200 000 рёбер и чуть менее 200 000 точек их соединения.

Достаточно часто стандарты доступа к сельским службам здравоохранения даже в таких развитых в медико-социальном плане странах как Канада определяются на основе использования простого расстояния по прямой линии от медицинского учреждения до населенного пункта [16]. Однако в условиях горной или малонаселенной местности такие подходы недостаточно эффективны. Результаты, полученные для территории Финляндии также говорят о том, традиционное выделение больничных районов на основе административных границ не всегда оптимально с точки зрения доступности [9]. В связи с этим, в последние годы специалистами организации здравоохранения и территориальному планированию все больше востребованы результаты, базирующиеся на анализе затрачиваемого времени в пути между населенным пунктом и лечебным учреждением [17-19].

Можно выделить несколько наиболее часто используемых в мире методов оценки географической доступности. Это определение расстояния до ближайшего учреждения здравоохранения, определение количества оказываемых услуг в пересчете на время или расстояние, а также использование специальных моделей - gravity models и two-step floating catchment area (2SFCA), учитывающих неоднородность в распределении плотности и других характеристик населения [18-21].

Наш подход к исследованию основан на определении расстояния до ближайшего учреждения здравоохранения с использованием двух типов методов: традиционном методе расчета расстояния по прямой (евклидовы расстояния и полигоны Тиссена-Вороного), широко используемом в прошлых исследованиях, и более современном методе сетевого анализа дорожной сети.

Евклидовы расстояния представляют собой вычисления геометрического расстояния в многомерном пространстве. При использовании данного математического инструмента для каждой точки рассматриваемой территории рассчитывается расстояние по прямой до ближайшего медицинского учреждения как точечного объекта без учёта автодорожной сети. Этот метод наименее трудоемок и позволяет провести поверхностную оценку обеспеченности рассматриваемой территории медицинской помощью [22]. Однако очевидно, что при этом никак не учитывается наличие дорожной сети, её пропускная способность и прочие дорожные условия.

Модифицированным методом использования евклидовых расстояний является построение полигонов Тиссена-Вороного, основным свойством которых является следующее: каждая точка рассматриваемого полигона находится ближе к его геометрическому центру, чем к геометрическому центру соседнего полигона [23-25]. В итоге, каждый населённый пункт рассматривается как геометрический центр полигона, ему присваивается класс доступности, определённый по методу евклидовых расстояний.

Сетевой анализ дорожного графа с использованием инструмента Network analyst (ПО ArcGIS) позволяет учесть возможные кратчайшие маршруты передвижения между населенными пунктами и медицинскими учреждениями на автомобиле. Это более сложный набор инструментов пространственного анализа, позволяющий использовать данные не только о местоположении медицинских учреждений и населенных пунктов, но и о конфигурации и свойствах дорожной сети, их соединяющей, и, как следствие, получить более реалистичную картину [5].

Для рассматриваемой территории принято решение выделить следующие зоны удаленности от учреждений здравоохранения: 0-15 км, 15-25 км, 25-50 км, 50-75 км, 75-100 км, 100-200 км, 200-500 км, что согласуется с общепринятой практикой подобных исследований [26-28].

При использовании подхода, учитывающего конфигурацию и свойства дорожной сети, были выбраны два сценария движения автомобиля. Движение со скоростью 60 км/ч при благоприятных погодных условиях и 40 км/ч при сложных метеоусловиях – ливни, снегопады, туманы и т.п. Таким образом километровые зоны удаленности были трансформированы в следующие временные зоны: до 20 мин; 20-30 мин; 30-60 мин; 1 час-1 час 30 мин; 1 час 30 мин-2 часа; и более 2-х часов.

Результаты

Доступность медицинских учреждений на основе евклидовых расстояний

На основе расчета евклидовых расстояний для всей территории Архангельской области и НАО оценена пространственная дифференциация удаленности населенных пунктов от медицинских учреждений (рис.3а). Заметно, что 89% населения региона проживает не далее, чем в 15 км от ближайшей больницы или поликлиники (табл.1). Примерно 2% (около 19 тыс. человек в 43 населенных пунктах) населения живет на удалении 50 км и более. 0.4% или 4 тыс. человек в 13 населенных пунктах (без учета Новой Земли) живут на расстоянии 75-200 км от медицинских учреждений.

Таблица 1

Зоны удаленности от медицинских учреждений для населенных пунктов Архангельской области и Ненецкого АО, построенные на основе евклидовых расстояний

Зоны удаленности, км Численность населения, чел. Численность населения, % Количество населенных пунктов
до 15 1 004 476 88.9 285
15-25 54 514 4.8 155
25-50 52 260 4.6 178
50-75 12 141 1.1 28
75-100 2 931 0.3 9
100-200 1 068 0.1 4
200-500 (Новая Земля) 3 024 0.3 2

Пространственная оценка, полученная с помощью полигонов Тиссена-Вороного в целом дает схожую картину, с той разницей, что более четко выделяются зоны с удаленностью более 50 км от ближайшего медицинского учреждения (рис. 3б). Так, большая часть территории НАО попадает в зону 75 и более км. Для Архангельской области выделяются достаточно крупные территориальные участки, характеризующиеся 50-75 км удаленностью от медицинских участков.

Таким образом, принимая во внимание лишь показатель расстояния от населенных пунктов до медицинских учреждений, можно сделать вывод об удовлетворительной обеспеченности медицинской помощью населения региона.

Рис. 3аРис. 3б
Рис.3. Зоны удаленности от медицинских учреждений для населенных пунктов Архангельской области и Ненецкого АО, построенные на основе: а) евклидовых расстояний; б) полигонов Тиссена-Вороного

Доступность медицинских учреждений на основе сетевого анализа дорожной сети

Прежде чем перейти к рассмотрению результатов, полученных с помощью метода сетевого анализа, следует сделать оговорку. Несмотря на отсутствие топологических и видимых смысловых ошибок дорожного графа, для некоторых участков рассматриваемой территории зоны удаленности выделены не были. Приходится констатировать, что данные OpenStreetMap об автодорожной сети лишь частично удовлетворяют требованиям представленного исследования и требуют доработки. В связи с этим, территория, для которой был применен данный метод, была ограничена прямоугольником площадью в 58 тыс. кв.км на юге Архангельской области.

Если сравнить пространственную дифференциацию, построенную для ключевого участка на основе разных подходов, можно заметить, что транспортная доступность при учете дорожной сети значительно уменьшается (рис.4). Так, на ключевом участке 35% населения (18 населенных пунктов) проживает в 15-километровой зоне удаленности (табл. 2). Т.е. в случае экстренной госпитализации они могут попасть в лечебное учреждение в пределах 20 мин (). 33% населения (17 тыс. человек в 58 населенных пунктах) живет в зоне 25-50 км, т.е. 30-60 минутах езды. Однако 25% населения (13 тыс. чел в 36 населенных пунктах) попадает в зону 50-75 км, т.е. от часа до полутора часов езды. Эту зону можно отнести к зоне риска, т.к., например, при возникновении многих сердечно-сосудистых патологий, тяжелых травм и т.п., данное время движения в медицинское учреждение может оказаться фатальным. При сложных метеоусловиях (дождь, снег, туман, гололедица и т.п.) скорость движения снижается примерно на 20 км/ч [29], что еще больше увеличит время движения. Особенно актуально это для зимнего периода времени, когда даже зона 25-50 км, т.е. 30-60 минут езды может войти в зону риска (рис. 5). Можно предположить, что при возникновении неблагоприятных метеоусловий в зимний период времени более половины всего населения ключевого участка может оказаться в условиях ограниченного транспортного доступа к медицинским учреждениям.

Рассматривая пространственную неоднородность по времени движения в пределах ключевого участка на примере отдельных районов, можно отметить, что в Шенкурском районе, расположенном в центре ключевого участка, в зоне риска оказывается 1 708 человек в 17 населенных пунктах, при этом в соседнем Виноградовском районе в эту зону попадает только один населенный пункт с 475 жителями.

Рис. 4аРис. 4бРис. 4в
Рис.4. Зоны удаленности населенных пунктов ключевого участка от медицинских учреждений на основе: а) евклидовых расстояний; б) полигонов Тиссена-Вороного; в) дорожного графа

Таблица 2

Зоны удаленности от медицинских учреждений для населенных пунктов ключевого участка с учетом и без учета дорожной сети

Зоны удаленности, км Численность населения, чел. Численность населения, % Количество населенных пунктов
евклидовы расстояния и полигоны Тиссена-Вороного дорожный граф евклидовы расстояния и полигоны Тиссена-Вороного дорожный граф евклидовы расстояния и полигоны Тиссена-Вороного дорожный граф
до 15 11 890 17 938 26.0 34.7 33 18
15-25 15 186 3 870 33.2 7.5 29 7
25-50 15186 16 984 33.2 32.8 45 58
50-75 3 427 12 952 7.5 25.0 12 36
75-100 0 0 0 0 0 0
100-200 0 0 0 0 0 0

Обсуждение

Проведенное исследование показало значительную неоднородность в доступности медицинской помощи для жителей Архангельской области в зависимости от выбранного метода исследования. При использовании евклидовых расстояний количество населения, проживающего в 50-километровой зоне и далее, занижается практически в три раза, по сравнению с результатами более точного метода анализа дорожного графа. Однако для зоны 25-50 км результаты получились сопоставимые, что возможно связано с удовлетворительной дорожной сетью в данной зоне. Похожие результаты в недооценке территориальной доступности на основе евклидовых расстояний были получены для многонаселенного штата Мичиган (США) [5].

На основе результатов пространственного анализа территории ключевого участка можно сделать вывод, что зачастую расположение служб здравоохранения не связано с местами проживания населения. Подобное явление встречается в различных странах. В городе Бандар-Аббас (Иран) около 88% городских больниц и 35% клиник сконцентрировано на небольшой территории [26]. Во многих сельских районах Китая медицинские службы сконцентрированы в административных центрах [1], что формирует аналогичную российской пространственную неоднородность в доступности медицинской помощи.

Рис. 5аРис. 5б
Рис.5. Время движения от населенных пунктов до медицинских учреждений для ключевого участка при обычных (а) и сложных (б) метеоусловиях

Особую актуальность разница в доступности медицинской помощи приобретает при возникновении неблагоприятных метеорологических условий, что прослеживается даже в благоприятных природных условиях Франции [11], а в случае арктических и приарктических территорий неблагоприятные погодные условия могут возникать достаточно часто. Еще более негативная ситуация возникает, когда речь идет о специализированной помощи. В исследовании [13] показано, что практически вся территория Архангельской области и НАО попадает в зону, где время в пути до ближайшего кардиологического центра составляет более четырех часов, за исключением ограниченного количества муниципальных районов около г. Архангельска, где данное время составляет менее 30 мин. Тот факт, что различия в обеспеченности медицинской помощью населения Архангельской области весьма значительны, подтверждают и данные о более высоком уровне смертности среди сельского населения, чем в городах этой области [30]. Таким образом, обеспечение равного доступа к медицинской помощи должно базироваться, в первую очередь, на устранении географической изолированности сельских территорий и небольших населенных пунктов.

Заключение

Проведенное исследование показало, что даже в относительно благополучных и населенных районах Архангельской области определяется значительная пространственная неоднородность в условиях транспортной доступности квалифицированной медицинской помощи. По результатам нашего исследования, около 25% населения исследованного ключевого участка на юге Архангельской области оказалось в зоне риска по времени движения до больницы или поликлиники – от часа до полутора часов, а при возникновении неблагоприятных погодных условий, например, в зимний период, в зоне риска может оказаться половина всего населения исследуемой территории.

Используемый традиционный метод расчета расстояния до медицинского учреждения по прямой, без учета особенностей дорожной сети, наиболее часто применяемый в службах планирования системы здравоохранения в силу его простоты, может сильно искажать картину доступной медицинской помощи. Внедрение сетевого анализа дорожного графа в сфере здравоохранения может значительно уточнить как существующее территориальное размещение медицинских учреждений, в особенности специализированного профиля, так и основные транспортные пути доступа к ним.

Библиография

  1. Hu R, Dong S, Zhao Y, Hu H, Li Z. Assessing potential spatial accessibility of health services in rural China: A case study of Donghai county. International Journal for Equity in Health 2013;12(1). https://doi.org/10.1186/1475-9276-12-35.
  2. Zhang P, Ren X, Zhang Q, He J, Chen Y. Spatial analysis of rural medical facilities using huff model: A case study of Lankao county, Henan province. International Journal of Smart Home 2015;9(1):161-168. https://doi.org/10.14257/ijsh.2015.9.1.17.
  3. Cheng G, Zeng X, Duan L, Lu X, Sun H, Jiang T, et al. Spatial difference analysis for accessibility to high level hospitals based on travel time in Shenzhen, China. Habitat International 2016;53:485-494. https://doi.org/10.1016/j.habitatint.2015.12.023.
  4. Song Y, Tan Y, Song Y, Wu P, Cheng JCP, Kim MJ, et al. Spatial and temporal variations of spatial population accessibility to public hospitals: a case study of rural–urban comparison. GIScience and Remote Sensing 2018;55(5):718-744. https://doi.org/10.1080/15481603.2018.1446713.
  5. Delamater PL, Messina JP, Shortridge AM, Grady SC. Measuring geographic access to health care: raster and network-based methods. Int J Health Geogr 2012;11. https://doi.org/10.1186/1476-072X-11-15.
  6. Kobayashi D, Otsubo T, Imanaka Y. The effect of centralization of health care services on travel time and its equality. Health Policy 2015;119(3):298-306. https://doi.org/10.1016/j.healthpol.2014.11.008.
  7. Broer PN, Klug SJ, Snow RC, Okiro EA, Ouma PO, Snow RW, et al. Geospatial mapping of access to timely essential surgery in sub-Saharan Africa. BMJ Global Health 2018;3(4). https://doi.org/10.1136/bmjgh-2018-000875.
  8. Dewulf B, Neutens T, De Weerdt Y, Van De Weghe N. Accessibility to primary health care in Belgium: An evaluation of policies awarding financial assistance in shortage areas. BMC Family Practice 2013;14. https://doi.org/10.1186/1471-2296-14-122.
  9. Huotari T, Antikainen H, Keistinen T, Rusanen J. Accessibility of tertiary hospitals in Finland: A comparison of administrative and normative catchment areas. Social Science and Medicine 2017;182:60-67. https://doi.org/10.1016/j.socscimed.2017.04.015.
  10. Jansen JO, Morrison JJ, Wang H, He S, Lawrenson R., Hutchison JD, et al. Access to specialist care: Optimizing the geographic configuration of trauma systems. Journal of Trauma and Acute Care Surgery 2015;79(5):756-765. https://doi.org/10.1097/TA.0000000000000827.
  11. Freyssenge J, Renard F, Schott AM, Derex L, Nighoghossian N, Tazarourte et al. (2018). Measurement of the potential geographic accessibility from call to definitive care for patient with acute stroke. Int J Health Geogr 2018;17(1). https://doi.org/10.1186/s12942-018-0121-4.
  12. Piórkowski A. Construction of a dynamic arrival time coverage map for emergency medical services. Open Geosciences 2018;10(1):167–173. https://doi.org/10.1515/geo-2018-0013.
  13. Timonin S, Kontsevaya A, McKee M, Leon DA. Reducing geographic inequalities in access times for acute treatment of myocardial infarction in a large country: The example of Russia. International Journal of Epidemiology 2018;47(5):1594-1602. https://doi.org/10.1093/ije/dyy146.
  14. Калашников К.Н., Лихачева Т.Н. Проблемы дефицита медицинских кадров в сельских территориях. Вопросы территориального развития [сетевое издание] 2017;37(2). URL: http://vtr.vscc.ac.ru/article/2205 (Дата обращения 28 октября 2019).
  15. Доклад о состоянии здоровья населения и организации здравоохранения в Архангельской области по итогам деятельности за 2017 год. 2018;49.
  16. BC Ministries of Health Services and Health Planning: Standards of Accessibility and Guidelines for Provision of Sustainable Acute Care Services by Health Authorities. Victoria: Province of British Columbia. 2002
  17. Schuurman N, Fiedler RS, Grzybowski SC, Grund D. Defning rational hospital catchments for non-urban areas based on travel-time. Int J Health Geogr 2006;5:43. https://doi.org/10.1186/1476-072X-5-43.
  18. Apparicio P, Abdelmajid M, Riva M, Shearmur R. Comparing alternative approaches to measuring the geographical accessibility of urban health services: distance types and aggregation-error issues. Int J Health Geogr 2008;7:7. https://doi.org/10.1186/1476-072X-7-7.
  19. Adeoye O, Albright KC, Carr BG, Wolf C, Mullen MT, Abruzzo T, et al. Geographic access to acute stroke care in the United States. Stroke 2014;45(10):3019-24. https://doi/10.1161/STROKEAHA.114.006293.
  20. McGrail MR. Spatial accessibility of primary health care utilising the two step floating catchment area method: An assessment of recent improvements. Int J Health Geogr 2012;11. https://doi.org/10.1186/1476-072X-11-50.
  21. Apparicio P, Gelb J, Dubé AS, Kingham S, Gauvin L, Robitaille É. The approaches to measuring the potential spatial access to urban health services revisited: Distance types and aggregation-error issues. Int J Health Geogr 2017;16(1). https://doi.org/10.1186/s12942-017-0105-9.
  22. Masoodi M, Rahimzadeh M. Measuring access to urban health services using geographical information system (GIS): A case study of health service management in Bandar Abbas, Iran. International Journal of Health Policy and Management 2015;4(7):439–445. https://doi.org/10.15171/ijhpm.2015.23.
  23. Martin D, Williams HCWL. Market-area analysis and accessibility to primary health-care centres. Environment and Planning A 1992;24:1009-1019. https://doi.org/10.1068/a241009.
  24. Roos NP. Linking patients to hospitals. Defining urban hospital service populations. Med Care 1993;28:183-200. DOI:10.1097/MLR.0000000000000366
  25. Sun X, Sun T, Jin Y, Wang Y. Spatial organization of hierarchical medical services within the city proper of Tianjin, China: Towards efficient medical alliances. Sustainability 2019;11(1). https://doi.org/10.3390/su11010229.
  26. Mullen MT, Wiebe DJ, Bowman A, Wolf CS, Albright KC, Roy J, et al. Disparities in accessibility of certifed primary stroke centers. Stroke 2014;45:3381-8. https://doi: 10.1161/STROKEAHA.114.006021.
  27. Ripley DCC, Kwong PL, Vogel WB, Kurichi JE, Bates BE, Davenport C. How does geographic access affect in-hospital mortality for veterans with acute ischemic stroke? Med Care 2015;53:501-9.
  28. Alford-Teaster J, Lange JM, Hubbard RA, Lee CI, Haas JS, Shi X, et al. Is the closest facility the one actually used? An assessment of travel time estimation based on mammography facilities. Int J Health Geogr 2016;15(8):10. https://doi.org/10.1186/s12942-016-0039-7.
  29. Code de la route-Article R413-2. URL: https://www.legifrance.gouv.fr/affichCodeArticle.do?idArticle=LEGIARTI000006842178&cidTexte=LEGITEXT000006074228&dateTexte=20010601 (Дата обращения 28 октября 2019).
  30. Ревич Б.А., Харькова Т.Л., Кваша Е.А. Оптика медико-демографических процессов в контексте устойчивого развития Арктического макрорегиона (на примере Архангельской области). Демографическое обозрение 2019;6(2):165-196.

References

  1. Hu R, Dong S, Zhao Y, Hu H, Li Z. Assessing potential spatial accessibility of health services in rural China: A case study of Donghai county. International Journal for Equity in Health 2013;12(1). https://doi.org/10.1186/1475-9276-12-35.
  2. Zhang P, Ren X, Zhang Q, He J, Chen Y. Spatial analysis of rural medical facilities using huff model: A case study of Lankao county, Henan province. International Journal of Smart Home 2015;9(1):161-168. https://doi.org/10.14257/ijsh.2015.9.1.17.
  3. Cheng G, Zeng X, Duan L, Lu X, Sun H, Jiang T, et al. Spatial difference analysis for accessibility to high level hospitals based on travel time in Shenzhen, China. Habitat International 2016;53:485-494. https://doi.org/10.1016/j.habitatint.2015.12.023.
  4. Song Y, Tan Y, Song Y, Wu P, Cheng JCP, Kim MJ, et al. Spatial and temporal variations of spatial population accessibility to public hospitals: a case study of rural–urban comparison. GIScience and Remote Sensing 2018;55(5):718-744. https://doi.org/10.1080/15481603.2018.1446713.
  5. Delamater PL, Messina JP, Shortridge AM, Grady SC. Measuring geographic access to health care: raster and network-based methods. Int J Health Geogr 2012;11. https://doi.org/10.1186/1476-072X-11-15.
  6. Kobayashi D, Otsubo T, Imanaka Y. The effect of centralization of health care services on travel time and its equality. Health Policy 2015;119(3):298-306. https://doi.org/10.1016/j.healthpol.2014.11.008.
  7. Broer PN, Klug SJ, Snow RC, Okiro EA, Ouma PO, Snow RW, et al. Geospatial mapping of access to timely essential surgery in sub-Saharan Africa. BMJ Global Health 2018;3(4). https://doi.org/10.1136/bmjgh-2018-000875.
  8. Dewulf B, Neutens T, De Weerdt Y, Van De Weghe N. Accessibility to primary health care in Belgium: An evaluation of policies awarding financial assistance in shortage areas. BMC Family Practice 2013;14. https://doi.org/10.1186/1471-2296-14-122.
  9. Huotari T, Antikainen H, Keistinen T, Rusanen J. Accessibility of tertiary hospitals in Finland: A comparison of administrative and normative catchment areas. Social Science and Medicine 2017;182:60-67. https://doi.org/10.1016/j.socscimed.2017.04.015.
  10. Jansen JO, Morrison JJ, Wang H, He S, Lawrenson R., Hutchison JD, et al. Access to specialist care: Optimizing the geographic configuration of trauma systems. Journal of Trauma and Acute Care Surgery 2015;79(5):756-765. https://doi.org/10.1097/TA.0000000000000827.
  11. Freyssenge J, Renard F, Schott AM, Derex L, Nighoghossian N, Tazarourte et al. (2018). Measurement of the potential geographic accessibility from call to definitive care for patient with acute stroke. Int J Health Geogr 2018;17(1). https://doi.org/10.1186/s12942-018-0121-4.
  12. Piórkowski A. Construction of a dynamic arrival time coverage map for emergency medical services. Open Geosciences 2018;10(1):167–173. https://doi.org/10.1515/geo-2018-0013.
  13. Timonin S, Kontsevaya A, McKee M, Leon DA. Reducing geographic inequalities in access times for acute treatment of myocardial infarction in a large country: The example of Russia. International Journal of Epidemiology 2018;47(5):1594-1602. https://doi.org/10.1093/ije/dyy146.
  14. Kalashnikov K.N., Likhacheva T.N. Problemy defitsita meditsinskikh kadrov v sel'skikh territoriyakh [Problems of shortage of medical personnel in rural areas]. Voprosy territorial'nogo razvitiya [serial online] 2017 [cited 2019 Oct 28]; 37(2). Available from: http://vtr.vscc.ac.ru/article/2205. (In Russian).
  15. Doklad o sostoyanii zdorov'ya naseleniya i organizatsii zdravookhraneniya v Arkhangel'skoy oblasti po itogam deyatel'nosti za 2017 god [Report of public health and healthcare organization in Arkhangelsk region based on the results of activities for 2017]. 2018;49. (In Russian).
  16. BC Ministries of Health Services and Health Planning: Standards of Accessibility and Guidelines for Provision of Sustainable Acute Care Services by Health Authorities. Victoria: Province of British Columbia. 2002
  17. Schuurman N, Fiedler RS, Grzybowski SC, Grund D. Defining rational hospital catchments for non-urban areas based on travel-time. Int J Health Geogr 2006;5:43. https://doi.org/10.1186/1476-072X-5-43.
  18. Apparicio P, Abdelmajid M, Riva M, Shearmur R. Comparing alternative approaches to measuring the geographical accessibility of urban health services: distance types and aggregation-error issues. Int J Health Geogr 2008;7:7. https://doi.org/10.1186/1476-072X-7-7.
  19. Adeoye O, Albright KC, Carr BG, Wolf C, Mullen MT, Abruzzo T, et al. Geographic access to acute stroke care in the United States. Stroke 2014;45(10):3019-24. https://doi/10.1161/STROKEAHA.114.006293.
  20. McGrail MR. Spatial accessibility of primary health care utilizing the two step floating catchment area method: An assessment of recent improvements. Int J Health Geogr 2012;11. https://doi.org/10.1186/1476-072X-11-50.
  21. Apparicio P, Gelb J, Dubé AS, Kingham S, Gauvin L, Robitaille É. The approaches to measuring the potential spatial access to urban health services revisited: Distance types and aggregation-error issues. Int J Health Geogr 2017;16(1). https://doi.org/10.1186/s12942-017-0105-9.
  22. Masoodi M, Rahimzadeh M. Measuring access to urban health services using geographical information system (GIS): A case study of health service management in Bandar Abbas, Iran. International Journal of Health Policy and Management 2015;4(7):439–445. https://doi.org/10.15171/ijhpm.2015.23.
  23. Martin D, Williams HCWL. Market-area analysis and accessibility to primary health-care centres. Environment and Planning A 1992;24:1009-1019. https://doi.org/10.1068/a241009.
  24. Roos NP. Linking patients to hospitals. Defining urban hospital service populations. Med Care 1993;28:183-200. DOI:10.1097/MLR.0000000000000366
  25. Sun X, Sun T, Jin Y, Wang Y. Spatial organization of hierarchical medical services within the city proper of Tianjin, China: Towards efficient medical alliances. Sustainability 2019;11(1). https://doi.org/10.3390/su11010229.
  26. Mullen MT, Wiebe DJ, Bowman A, Wolf CS, Albright KC, Roy J, et al. Disparities in accessibility of certifed primary stroke centers. Stroke 2014;45:3381-8. https://doi:10.1161/STROKEAHA.114.006021.
  27. Ripley DCC, Kwong PL, Vogel WB, Kurichi JE, Bates BE, Davenport C. How does geographic access affect in-hospital mortality for veterans with acute ischemic stroke? Med Care 2015;53:501-9.
  28. Alford-Teaster J, Lange JM, Hubbard RA, Lee CI, Haas JS, Shi X, et al. Is the closest facility the one actually used? An assessment of travel time estimation based on mammography facilities. Int J Health Geogr 2016;15(8):10. https://doi.org/10.1186/s12942-016-0039-7.
  29. Code de la route-Article R413-2. [cited 2019 Oct 28]; Available at: https://www.legifrance.gouv.fr/affichCodeArticle.do?idArticle=LEGIARTI000006842178&cidTexte=LEGITEXT000006074228&dateTexte=20010601 (Дата обращения 28 октября 2019).
  30. Revich B.A., Khar'kova T.L., Kvasha E.A. Optika mediko-demograficheskikh protsessov v kontekste ustoychivogo razvitiya Arkticheskogo makroregiona (na primere Arkhangel'skoy oblasti) [Optics of health and demographic processes in the context of sustainable development of the Arctic macro-region (by the example of Arkhangelsk region)]. Demograficheskoe obozrenie 2019;6(2):165-196. (In Russian).

Дата поступления: 14.10.2019.


Просмотров: 7831

Комментарии (2)
1. 02-03-2022 16:02
Спасибо авторам статьи и журналу.
Написал(а) Константин ( Этот e-mail защищен от спам-ботов. Для его просмотра в вашем браузере должна быть включена поддержка Java-script ) (Гость)
2. 01-04-2020 16:43
Авторы представили результаты исследования значение которого трудно переоценить. Применение некоторых из известных медико-географических методик для определения доступности медицинской помощи должны шире использоваться для индивидуализации процессов планирования территориальных сетей лечебно-профилактических учреждений. Такой подход особенно важен для северных и других регионов Российской Федерации с небольшими поселениями и трудной доступности к ним. Для реализуемых в настоящее время национальных проектов в области здравоохранения и демографии результаты подобных исследований будут очень полезны.
Написал(а) Чернявский В.Е. ( Этот e-mail защищен от спам-ботов. Для его просмотра в вашем браузере должна быть включена поддержка Java-script ) (Гость)

Добавить комментарий
  • Пожалуйста оставляйте комментарии только по теме.
  • Вы можете оставить свой комментарий любым браузером кроме Internet Explorer старше 6.0
Имя:
E-mail
Комментарий:

Код:* Code

Последнее обновление ( 23.01.2020 г. )
След. »
home contact search contact search