تحلیل رقابت‌پذیری شاخص‌های بهداشتی- درمانی استان‌های کشوربا استفاده از تکنیک ماباک

با توجه به اهمیت روزافزون سلامت بشر و دسترسی عادلانه و متناسب آن ها به شاخص های بهداشتی و درمانی، سنجش رقا بت پذیری بهداشتی و درمانی در سطح ملی می تواند در شناسایی سطوح برخورداری استان ها به ویژه در شرایط اپیدمی ها و بحران های بهداشتی، در تخصیص سریع‌ کمبودها به استان‌ها و برنامه ریزی برای توسعه‌ آتی آن ها بسیار موثر باشد. پژوهش حاضر با روش توصیفی تحلیلی و  هدف گذاری کاربردی، 31  استان کشور را از لحاظ شاخص‌های رقابت پذیری بهداشتی و درمانی مورد بررسی قرار می دهد. 36 شاخص در قالب 2 مولفه‌ اصلی(نیروی انسانی و زیرساخت‌ها) با استفاده از داده های مرکز آمار ایران در سال 1397 گردآوری گردیده است. برای تجزیه‌وتحلیل اطلاعات از مدل های آنتروپی شانون تعمیم یافته، تحلیل ماباک (mabac) و روش خودهمبستگی فضایی موران جهانی (moran’s i)، رگرسیون وزن جغرافیایی در محیط نرم افزار arc gis 10.3 استفاده شده است. نتایج این پژوهش نشان می دهد ازنظر رقابت پذیری بهداشتی درمانی، استان تهران با توجه به مرکزیت کشور و برخورداری از امکانات و زیرساخت‌های کلان با میزان امتیاز ماباک (621/0) و اختلاف فاحش با سایر استان‌ها در جایگاه اول و خراسان رضوی و فارس با امتیاز (346/0) و (281/0) در جایگاه های دوم و سوم قرار گرفتند. همچنین شاخص موران در نیروی انسانی و شاخص نهادی کمتر از یک است که نشان از الگوی غالب توزیع شاخص‌ها به‌صورت تصادفی است. در تحلیل تاثیر جمعیت بر کل شاخص های بهداشتی و درمانی با استفاده از رگرسیون وزن جغرافیایی نیز می توان دریافت که استان های فارس، خراسان رضوی، مازندران و خوزستان بیشترین تاثیرپذیری را از جمعیت داشته اند.

Analysis of Health competitiveness indicators in the provinces of Iran country with use MABAC technique

The main purpose of this study is to assess the level of health and competitiveness in 31 provinces of the country. The research method used is of descriptiveanalytical and applied type in terms of targeting. Thirtysix indicators in the form of two main components (work force and infrastructure) were collected using data from the Statistics Center of Iran in 2019. Generalized Shannon entropy models, MABAC analysis and Moran’s Global spatial correlation (Moran’s I), geographic weight regression in Arc GIS 10.3 software were used to analyze the data. As for healthcompetitiveness, the results of this study showed that Tehran Province is in the first place both in terms of manpower and infrastructure,  gaining MABAC score (0.621) and that there was a huge difference with this province and the next provinces, including Khorasan Razavi and Fars with points (0.346) and (0.281), respectively. Tehran Province is in the first place in terms of work force and infrastructure, but Khorasan Razavi Province is in the second place in terms of work force and Fars Province is in the second place in terms of infrastructure. Qom Province is in the last place with MABAC score (0.15). Moran’s index in work force and institutional index is less than one, which is a sign of the dominant pattern of distribution of indicators randomly and without planning. While analyzing the effect of population on health indicators using geographical weight regression, it was found that the provinces of Fars, Khorasan Razavi, Mazandaran and Khuzestan were most affected by their population; however, this relationship was negative for Tehran Province and for the provinces of Alborz and Qom. Meanwhile, the relationship between population density and the amount of health indicators in them showed a negative relationship or no effect.