Spatial patterns of mortality among the able-bodied population in the Republic of Bashkortostan

Cover Page

Cite item

Full Text

Abstract

BACKGROUND: Regional differentiation adds complexity to the issue of high mortality among the working-age population. The identified regional patterns of mortality causes are typically not confined to specific areas, but rather influenced by spatial factors.

AIM: To study temporal trends in spatial patterns of mortality of the working-age population mortality from the main causes of death in the Republic of Bashkortostan. In addition, we identified territorial factors associated with the mortality patterns and trends.

METHODS: Mortality data on 6 main causes of death from 54 municipal districts, 20 urban districts and urban settlements were collected for the period from 2002 through 2020. The analysis included estimation of the Moran's index and the spatial panel data modeling.

RESULTS: Spatial mortality patterns were evident for mortality from diseases of the circulatory system, infectious and parasitic diseases, and external causes. The impact of crime levels in a specific region (male: p=0.046; female: p=0.019) negatively affected mortality rates from circulatory diseases among working-age men and women. Additionally, for men, the volume of gross municipal product (GMP) had an additional effect (p=0.046). Factors that contribute to a decrease in mortality from external causes among able-bodied men and women included the growth of GMP (male: p=0.010; female: p=0.003 — for women), an increase in the number of doctors per 10,000 people in the population (male: p=0.001; female: p=0.037), and the availability of nursing staff (male: p=0.026; female: p=0.005). Furthermore, crime rates had a significant impact on mortality from external causes for men (p=0.028), while the availability of hospital beds played a crucial role for women (p=0.030).

CONCLUSION: The study provides the evidence on the presence of spatial autocorrelation in the context of causes of death, as well as common and differing factors influencing male and female mortality in Bashkortostan. The findings provide a solid foundation for further analysis of spatially determined factors contributing to mortality among working-age population.

About the authors

Venera M. Timiryanova

Ufa University of Science and Technology

Email: 79174073127@mail.ru
ORCID iD: 0000-0002-1004-0722

dr. sci. (econ.), associate professor
Russian Federation, 32 Z. Validi street, 450076 Ufa

Rasul A. Askarov

Sergo Ordzhonikidze Russian State University for Geological Prospecting

Email: rasul72@list.ru
ORCID iD: 0000-0001-7980-4113

md, cand. sci. (med.), associate professor

Russian Federation, Moscow

Irina A. Lakman

Ufa University of Science and Technology

Author for correspondence.
Email: Lackmania@mail.ru
ORCID iD: 0000-0001-9876-9202

cand. sci. (tech.), associate professor
Russian Federation, 32 Z. Validi street, 450076 Ufa

Zagira F. Askarova

Bashkir State Medical University of the Ministry of Health of Russia

Email: zagira_a@mail.ru
ORCID iD: 0000-0001-9772-1311

md, dr. sci. (med.), professor

Russian Federation, Ufa

References

  1. https://gateway.euro.who.int/ru/ [интернет]. Здоровье для всех (HFA-DB). Европейский портал информации здравоохранения ВОЗ. Режим доступа: https://gateway.euro.who.int/ru/datasets/european-health-for-all-database/ Дата обращения: 12.01.2023.
  2. Narbut VV. Smertnost' naselenija Rossii v trudosposobnom vozraste: gendernye i territorial'nye razlichija. Higher Education Today. 2016;2:48–51. (In Russ).
  3. Kandrychyn SV, Razvodovskii YuEE. Spatial regularities of violent mortality differentiation. Problems of Territory's Development. 2015;(4):97–112. (In Russ).
  4. Artamonova GV, Tabakaiev MV, Maksimov SA, Barbarash LS. The social economic factors and models of forecasting mortality because of cardiovascular diseases. Problems of Social Hygiene, Public Health and History of Medicine, Russian Journal. 2018;26(4):221–225. (In Russ). doi: 10.32687/0869-866X-2018-26-4-221-225
  5. Lorant V, Thomas I, Deliege D, Tonglet R. Deprivation and mortality: the implications of spatial autocorrelation for health resources allocation. Soc Sci Med. 2001;53(12):1711–1719. doi: 10.1016/S0277-9536(00)00456-1
  6. Wang Y, Guo B, Pei L, et al. The influence of socioeconomic and environmental determinants on acute myocardial infarction (AMI) mortality from the spatial epidemiological perspective. Environ Sci Pollut Res Int. 2022;29(42):63494–63511. doi: 10.1007/s11356-022-19825-4
  7. Wang W, Liu Y, Yin P, et al. Influences of using different spatial weight matrices in analyzing spatial autocorrelation of cardiovascular diseases mortality in China. Zhonghua Liu Xing Bing Xue Za Zhi. 2021;42(8):1437–1444. (In Chinese). doi: 10.3760/cma.j.cn112338-20201102-01293
  8. Cestari VRF, Garces TS, Sousa GJB, et al. Spatial distribution of mortality for heart failure in Brazil, 1996–2017. Arq Bras Cardiol. 2022;118(1):41–51. doi: 10.36660/abc.20201325
  9. Baptista EA, Queiroz BL. Spatial analysis of cardiovascular mortality and associated factors around the world. BMC Public Health. 2022;22(1):1556. doi: 10.1186/s12889-022-13955-7
  10. Askarov RA, Lakman IA, Askarova ZF, Agapitov AA. Medical and social factors spatial influence on cardiovascular mortality (by an example of Bashkortostan Republic). Russian Journal of Cardiology. 2017;22(6):146–151. (In Russ). doi: 10.15829/1560-4071-2017-6-146-151
  11. Luo L, Jiang J, Zhang G, et al. Stroke mortality attributable to ambient particulate matter pollution from 1990 to 2015 in China: an age-period-cohort and spatial autocorrelation analysis. Int J Environ Res Public Health. 2017;14(7):772. doi: 10.3390/ijerph14070772
  12. Kibuuka D, Mpofu C, Neave P, Manda S. A spatial analysis of tuberculosis related mortality in South Africa. Int J Environ Res Public Health. 2021;18(22):11865. doi: 10.3390/ijerph182211865
  13. Dantas AP, Azevedo UN, Nunes AD, et al. Analysis of suicide mortality in Brazil: spatial distribution and socioeconomic context. Braz J Psychiatry. 2018;40(1):12–18. doi: 10.1590/1516-4446-2017-2241
  14. Bivand R, Millo G, Piras G. A review of software for spatial econometrics in R. Mathematics. 2021;9(11):1276. doi: 10.3390/math9111276
  15. Croissant Y, Millo G, editors. Panel data econometrics with R. EU, USA: John Wiley & Sons Ltd; 2019. 301 p. doi: 10.1002/9781119504641
  16. Urban Indicators Guideline. Better information, better cities: monitoring the habitat agenda and the millennium development goals-slums target. United Nations Human Settlements Programme; 2009. 47 р.
  17. Sprung MR, Faulkner LMD, Evans MK, et al. Neighborhood crime is differentially associated with cardiovascular risk factors as a function of race and sex. J Public Health Res. 2019;8(3):1643. doi: 10.4081/jphr.2019.1643
  18. Egorova NN, Franz MV. GWR-model in the study of territorial variation of cardiovascular diseases mortality rates in The Republic of Bashkortostan. Occupational Medicine and Human Ecology. 2020;(2):37–43. (In Russ). doi: 10.24411/2411-3794-2020-10206
  19. Sacco RL, Roth GA, Reddy KS, et al. The heart of 25 by 25: achieving the goal of reducing global and regional premature deaths from cardiovascular diseases and stroke: a modeling study from the American Heart Association and World Heart Federation. Glob Heart. 2016;11(2):251–264. doi: 10.1016/j.gheart.2016.04.002
  20. Osterwalder JJ. Could a regional trauma system in eastern Switzerland decrease the mortality of blunt polytrauma patients? A prospective cohort study. J Trauma. 2002;52(6):1030–1036. doi: 10.1097/00005373-200206000-00003
  21. Stenbacka M, Jansson B. Unintentional injury mortality — the role of criminal offending. A Swedish longitudinal population based study. Int J Inj Contr Saf Promot. 2014;21(2):127–135. doi: 10.1080/17457300.2013.792281
  22. Kristiansen T, Lossius HM, Rehn M, et al. Epidemiology of trauma: a population-based study of geographical risk factors for injury deaths in the working-age population of Norway. Injury. 2014;45(1):23–30. doi: 10.1016/j.injury.2013.07.007
  23. Feng C, Liu J, Ran H, et al. Spatial and temporal analysis of liver cancer mortality in Yunnan province, China, 2015–2019. Front Public Health. 2022;10:1010752. doi: 10.3389/fpubh.2022.1010752
  24. Payares-Garcia D, Quintero-Alonso B, Martinez CEM. Determinants of pneumonia mortality in Bogota, Colombia: a spatial econometrics approach. Spat Spatiotemporal Epidemiol. 2023;45:100581. doi: 10.1016/j.sste.2023.100581
  25. Roquette R, Nunes B, Painho M. The relevance of spatial aggregation level and of applied methods in the analysis of geographical distribution of cancer mortality in mainland Portugal (2009–2013). Popul Health Metr. 2018;16(1):6. doi: 10.1186/s12963-018-0164-6
  26. Shen X, Wang L, Zhu L. Spatial analysis of regional factors and lung cancer mortality in China, 1973–2013. Cancer Epidemiol Biomarkers Prev. 2017;26(4):569–577. doi: 10.1158/1055-9965.EPI-16-0922
  27. Timerbulatov IF, Evtushenko EM, Yuldashev VL, et al. Indicators of mortality from external causes as indicator of social-psychological health of the population of the Republic of Bashkortostan. Bashkortostan Medical Journal. 2017;12(6):6–10. (In Russ).
  28. GF Hilazheva, NK Shamsutdinova, editors. Respublika Bashkortostan. Demograficheskij doklad. Vypusk 3. Ufa: Bashkirskaja jenciklopedija; 2018. 132 p. (In Russ).
  29. Razvodovsky YE, Kondrichin SV. The regional pattern of suicide mortality in European part of Russia and Belarus. Suicidology. 2015;6(1):8–18. (In Russ).
  30. Penina O. Spatial disparities in mortality by causes of death in the Republic of Moldova. Mold Med J. 2021;64(4):55–61. doi: 10.52418/moldovanmed-j.64-4.21.10
  31. Grigoriev P, Doblhammer-Reiter G, Shkolnikov V. Trends, patterns, and determinants of regional mortality in Belarus, 1990–2007. Popul Stud (Camb). 2013;67(1):61–81. doi: 10.1080/00324728.2012.724696

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Connectivity graph of observations.

Download (413KB)
Indexing metadata
3. Fig. 2. All-cause mortality among working-age population in the regions of the Republic of Bashkortostan (both genders, 2002–2020, per 100 thousand population): Mean — estimated mean; SE — standard error.

Download (201KB)
Indexing metadata
4. Fig. 3. Working-age population mortality from external causes in the Republic of Bashkortostan in 2002, 2009, 2016 and 2019 per 100 thousand; * statistical significance of Moran's global autocorrelation index at p <0.001.

Download (386KB)
Indexing metadata

Copyright (c) 2023 Eco-Vector

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».