目的构建具有山东特色的健康城市指数,实现健康城市的可持续发展。方法采用山东多中心健康大数据队列和多来源社会经济发展数据,通过循证证据筛选城市的决定因素和指标,基于“驱动力-压力-状态-暴露-影响-响应”(driving-force-pressure...目的构建具有山东特色的健康城市指数,实现健康城市的可持续发展。方法采用山东多中心健康大数据队列和多来源社会经济发展数据,通过循证证据筛选城市的决定因素和指标,基于“驱动力-压力-状态-暴露-影响-响应”(driving-force-pressure-state-exposure-effect-action,DPSEEA)概念框架梳理健康城市指标,并基于验证性因子分析法建立健康城市指标体系。采用熵权-逼近理想解(technique for order preference by similarity to ideal solution,TOPSIS)方法,计算山东省2018年各个城市健康城市得分。结果在健康医疗大数据的基础上,经循证证据筛选和验证性因子分析,最终确定6个维度,30个指标。熵权-TOPSIS的结果表明,健康服务的权重最大(0.305),健康人群的权重最小(0.037)。山东省健康城市指数分析显示,山东省健康城市水平低于虚拟健康标准城市,但山东省内部之间差异不大。结论DPSEEA结合循证医学可以指导健康城市指标体系的构建。展开更多
文摘目的构建具有山东特色的健康城市指数,实现健康城市的可持续发展。方法采用山东多中心健康大数据队列和多来源社会经济发展数据,通过循证证据筛选城市的决定因素和指标,基于“驱动力-压力-状态-暴露-影响-响应”(driving-force-pressure-state-exposure-effect-action,DPSEEA)概念框架梳理健康城市指标,并基于验证性因子分析法建立健康城市指标体系。采用熵权-逼近理想解(technique for order preference by similarity to ideal solution,TOPSIS)方法,计算山东省2018年各个城市健康城市得分。结果在健康医疗大数据的基础上,经循证证据筛选和验证性因子分析,最终确定6个维度,30个指标。熵权-TOPSIS的结果表明,健康服务的权重最大(0.305),健康人群的权重最小(0.037)。山东省健康城市指数分析显示,山东省健康城市水平低于虚拟健康标准城市,但山东省内部之间差异不大。结论DPSEEA结合循证医学可以指导健康城市指标体系的构建。
