基于集对分析的美国人口健康脆弱性评估及其障碍因子识别

doi:10.3969/j.issn.1004-9479.2025.09.20240562

世界地理研究 ›› 2025, Vol. 34 ›› Issue (9): 1-15.DOI: 10.3969/j.issn.1004-9479.2025.09.20240562

• 国别与区域 •

基于集对分析的美国人口健康脆弱性评估及其障碍因子识别

胡伟¹(), 王珂欣¹, 富宁宁², 蒋自然¹(), 袁丽华³, 陈泓熠¹

^1.浙江师范大学地理与环境科学学院，金华 321004
^2.北京师范大学地理科学学部，北京 100875
^3.北华航天工业学院遥感信息工程学院，廊坊 065000

收稿日期:2024-07-15 修回日期:2025-03-07 出版日期:2025-09-15 发布日期:2025-09-30
通讯作者: 蒋自然
作者简介:胡伟（1990—），男，副教授，博士，研究方向为全球化与地缘环境，E-mail：huweilt1990@163.com。
基金资助:
国家自然科学基金项目(42201258);国家自然科学基金项目(42571214);教育部人文社会科学研究青年基金项目(22YJCZH057);全国影响力建设智库专项重大课题(ZKZD2024011);2025年度金华市深化中非地方合作课题(SXZF202548Z)

Assessment of population health vulnerability in the United States based on set pair analysis and its obstacle factors

Wei HU¹(), Kexin WANG¹, Ningning FU², Ziran JIANG¹(), Lihua YUAN³, Hongyi CHEN¹

^1.College of Geography and Environmental Sciences, Zhejiang Normal University, Jinhua 321004, China
^2.Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China
^3.School of Remote Sensing and Information Engineering, North China Institute of Aerospace Engineering, Langfang, 065000, China

Received:2024-07-15 Revised:2025-03-07 Online:2025-09-15 Published:2025-09-30
Contact: Ziran JIANG

摘要/Abstract

摘要：

解析美国人口健康脆弱性不仅有助于深化国别人口健康脆弱性研究，也能够为改善中国人口健康脆弱性提供借鉴。文章构建了人口健康脆弱性评估指标体系，利用集对分析法剖析了美国人口健康脆弱性的特征、障碍因子和类型。研究结果表明：①美国人口健康脆弱性和敏感性呈现“南高、东北低、中西部和西部居中”的空间格局，应对性呈现出“东北高，南部、中西部和西部低”的空间格局。②美国人口健康脆弱性以中等脆弱性区和较高脆弱性区为主，各州人口健康脆弱性的地域分异特征显著。③人均可支配收入、森林覆盖率、每千人医院床位数是美国人口健康脆弱性的主要障碍因子，其中，森林覆盖率和每千人医院床位数对美国人口健康脆弱性的贡献程度上升明显。④美国人口健康脆弱性可划分为敏感性主导、应对性主导和敏感性应对性共同主导3种类型，且敏感性应对性共同主导是最主要的类型。

关键词: 人口健康, 脆弱性, 集对分析, 障碍度模型, 美国

Abstract:

Analyzing the population health vulnerability in the United States not only helps to deepen the research on national population health vulnerability, but also provides reference for improving the population health vulnerability in China.The article constructs an evaluation index system for population health vulnerability, and uses set pair analysis to analyze the characteristics, obstacle factors, and types of population health vulnerability in the United States. The research results indicate that: ① Population health vulnerability and population health sensitivity in the United States exhibit a spatial pattern of "high in the South, low in the Northeast, and middle in the Midwest and West", while coping ability shows a spatial pattern of "high in the Northeast, low in the South, Midwest, and West".② Population health vulnerability in the United States is predominantly characterized by moderately vulnerable and relatively high-vulnerability regions, with significant regional disparities among states. ③ Per capita disposable income, forest coverage rate, and the number of hospital beds per thousand people are the primary obstacle factors to population health vulnerability in the United States. Among these, the contributions of forest coverage rate and the number of hospital beds per thousand people to population health vulnerability in the United States have increased significantly. ④ The population health vulnerability of the United States can be classified into three types: sensitivity-dominated, coping ability-dominated, and jointly dominated by sensitivity and coping ability, with the jointly dominated by sensitivity and coping ability being the most predominant type.

Key words: population health, vulnerability, set pair analysis, obstacle degree model, the United States

胡伟, 王珂欣, 富宁宁, 蒋自然, 袁丽华, 陈泓熠. 基于集对分析的美国人口健康脆弱性评估及其障碍因子识别[J]. 世界地理研究, 2025, 34(9): 1-15.

Wei HU, Kexin WANG, Ningning FU, Ziran JIANG, Lihua YUAN, Hongyi CHEN. Assessment of population health vulnerability in the United States based on set pair analysis and its obstacle factors[J]. World Regional Studies, 2025, 34(9): 1-15.

图/表 8

参考文献 30

[1]	HANKS P. Collins Dictionary of English Language. Landon: Williams Collins Sons, 1979.
[2]	JANSSEN M, SCHOON M, KE W, et al. Scholarly networks on resilience, vulnerability and adaptation within the human dimensions of global environmental change. Global Environmental Change, 2006, 16(3): 240-252.
[3]	齐庆华, 蔡榕硕, 颜秀花. 气候变化与我国海洋灾害风险治理探讨. 海洋通报, 2019, 38(4): 361-367.
	QI Q, CAI R, YAN X. Discussion on climate change and marine disaster risk governance in the coastal China seas. Marine Science Bulletin, 2019, 38(4): 361-367.
[4]	赵志龙, 胡曾曾, 许丰伟, 等. 社会-生态系统干旱脆弱性与适应性治理的概念及研究进展. 环境科学与管理, 2024, 49(9): 5-10.
	ZHAO Z, HU Z, XU F, et al. Concept and progress of drought vulnerability and adaptive governance of social-ecological systems. Environmental Science and Management, 2024, 49(9): 5-10.
[5]	聂承静, 杨林生, 李海蓉. 中国地震灾害宏观人口脆弱性评估. 地理科学进展, 2012, 31(3): 375-382.
	NIE C, YANG L, LI H. Macro assessment of seismic population vulnerability in China. Progress in Geography, 2012, 31(3): 375-82.
[6]	杨振, 丁启燕, 王念, 等. 中国人口健康脆弱性地区差异与影响因素分析. 地理科学, 2018, 38(1): 135-142.
	YANG Z, DING Q, WANG N, et al. Distribution characteristics of health vulnerability and its influence factors in China. Scientia Geography Science, 2018, 38(1): 135-142.
[7]	史培军. 三论灾害研究的理论与实践. 自然灾害学报, 2002, 11(3): 1-9.
	SHI P. Theory on disaster science and disaster dynamics. Journal of Natural Disasters, 2002, 11(3): 1-9.
[8]	EAKIN H, LUERS A. Assessing the vulnerability of social-environmental systems. Annual Review of Environment and Resources, 2006, 31: 365-394.
[9]	李杰梅, 张远雄, 许文娟. 内陆开放型经济—出境交通复合系统的脆弱性及影响机理. 经济地理, 2024, 44(8): 37-47.
	LI J, ZHANG Y, XU W. Vulnerability and influencing mechanism of open economy-outbound traffic composite system in Chinese mainland. Economic Geography, 2024, 44(8): 37-47.
[10]	吴开亚, 郑睿, 李婷婷. 基于贫困脆弱性形成机制的家庭返贫风险分析. 人口与发展, 2024, 30(6): 74-86.
	WU K, ZHENG R, LI T. Risk analysis of returning to family poverty based on the formation mechanism of poverty vulnerability. Population and Development, 2024, 30(6): 74-86.
[11]	黄建毅, 童磊, 苏飞, 等. 韧性城市框架下的人口健康脆弱性概念及评价方法. 北京联合大学学报, 2022, 36(1): 26-32.
	HUANG J, TONG L, SU F . et al. Concept and evaluation method for population health vulnerability under the framework of resilient city. Journal of Beijing Union University, 2022, 36(1): 26-32.
[12]	谢盼, 王仰麟, 刘焱序, 等. 基于社会脆弱性的中国高温灾害人群健康风险评价. 地理学报, 2015, 70(7): 1041-1051.
	XIE P, WANG Y, LIU Y . et al. Incorporating social vulnerability to assess population health risk due to heat stress in China. Acta Geographica Sinica, 2015, 70(7): 1041-1051.
[13]	CHUNG R. Structural health vulnerability: Health inequalities, structural and epistemic injustice. Journal of Social Philosophy, 2021, 52(2): 201-216.
[14]	潘泽瀚, 吴连霞, 卓冲, 等. 2010—2020年中国老年人口健康水平空间格局演变及其影响因素. 地理学报, 2022, 77(12): 3072-3089.
	PAN Z, WU L, ZHUO C. Spatial pattern evolution of the health level of China's older adults and its influencing factors from 2010 to 2020. Acta Geographica Sinica, 2022, 77(12): 3072-3089.
[15]	李鹤, 张平宇. 全球变化背景下脆弱性研究进展与应用展望. 地理科学进展, 2011, 30(7): 920-929.
	LI H, ZHANG P. Research progress and prospective applications of vulnerability approach under global change. Progress in Geography, 2011,30(7): 920-929.
[16]	MURRAY C J L, ABRAHAM J, ALI M K, et al. The state of US health, 1990-2010: Burden of diseases, injuries, and risk factors. Jama, 2013, 310(6): 591-606.
[17]	BALBUS J, MALINA C. Identifying vulnerable subpopulations for climate change health effects in the United States. Journal of Occupational and Environmental Medicine, 2009, 51(1): 33-37.
[18]	KHAN S, JAVED Z, LONE A, et al. Social vulnerability and premature cardiovascular mortality among US counties, 2014 to 2018. Circulation, 2021, 144(16): 1272-1279.
[19]	吴江洁, 孙斌栋. 发达国家通勤影响个人健康的研究综述与展望. 世界地理研究, 2016, 25(3): 142-150.
	WU J, SUN B. A review of the literature on the impact of commuting on personal health in developed countries. World Regional Studies, 2016, 25(3): 142-150.
[20]	KARAYE I, HORNEY J. The impact of social vulnerability on COVID-19 in the US: An analysis of spatially varying relationships. American Journal of Preventive Medicine, 2020, 59(3): 317-325.
[21]	KAWLRA G, SAKAMOTO K. Spatialising urban health vulnerability: An analysis of NYC's critical infrastructure during COVID-19. Urban Studies, 2023, 60(9): 1629-1649.
[22]	GALEA S, AHERN J, KARPATI A. A model of underlying socioeconomic vulnerability in human populations: evidence from variability in population health and implications for public health[J]. Social science & medicine, 2005, 60(11): 2417-2430.
[23]	童磊, 郑珂, 苏飞, 等. 浙江省人口健康脆弱性评估及影响因素分析. 地理科学, 2020, 40(8): 1293-1299.
	TONG L, ZHENG K, SU F, et al. Analysis of population health vulnerability assessment and influencing factors in Zhejiang Province. Scientia Geographica Sinica, 2020, 40: 1293-1299.
[24]	BOHLE H, DOWNING T, WATTS M. Climate change and social vulnerability: Toward a sociology and geography of food insecurity. Global Environmental Change, 1994, 4(1): 37-48.
[25]	武剑, 杨爱婷. 基于SPA的广东省区域经济脆弱性及障碍因素研究. 经济地理, 2012, 32(9): 32-38.
	WU J, YANG A. The analysis of regional economic vulnerability and obstacle factors of Guangdong Province based on Set Pair Analysis. Economic Geography, 2012, 32(9): 32-38.
[26]	庄诺亚, 华芳琳, 刘羿滢, 等. 美国传染病暴发脆弱性的空间分异格局与影响机制研究. 世界地理研究, 2023, 32(9): 40-54.
	ZHUANG N, HUA F, LIU Y, et al. The spatial pattern and determinants of vulnerability to infectious disease outbreaks in the United States. World Regional Studies, 2023, 32(9): 40-54.
[27]	谢潇, 盈斌, 杜芳娟, 等. 中国妇幼健康水平的区域差异和影响因素.世界地理研究, 2023, 32(2): 82-92.
	XIE X, YING B, DU F, et al. Regional differences and influencing factors of the health level of women and children in China. World Regional Studies, 2023, 32(2): 82-92.
[28]	赵克勤, 宣爱理. 集对论——一种新的不确定性理论方法与应用. 系统工程, 1996, 14(1): 18-23.
	ZHAO K, XUAN A. Set pair theory:A new theory method of non-define and its applications. Systems Engineering, 1996, 14(1): 18-23.
[29]	何昀, 王帅尧, 谢迟. 中国省域共同富裕水平测度、时空分异与障碍因素. 经济地理, 2024, 44(4): 12-21.
	HE J, WANG S, XIE C. Level measurement, spatio-temporal variation and obstacle factors of common prosperity in China at the provincial level. Economic Geography, 2024, 44(4): 12-21.
[30]	薄立明, 尹力, 赵浪, 等. 美国本土的国土空间格局演化特征、影响因素及启示. 世界地理研究, 2024, 33(10): 1-17.
	BO L, YIN L, ZHAO L, et al. The evolution characteristics, influencing factors and enlightenments of the United States' territorial spatial pattern. World Regional Studies, 2024, 33(10): 1-17.

目标层	准则层	代码	指标层	指标含义	权重
美国人口健康脆弱性	敏感性（+）	S1	癌症死亡年龄标化率	反映地区重大疾病死亡率（+）	0.077 4
		S2	AIDS诊断率/ （人/10万人）	反映地区传染病诊断率（+）	0.079 7
		S3	孕产妇死亡率/ （人/10万人）	反映地区妇女保健状况（+）	0.099 3
		S4	婴儿死亡率 / ‰	反映地区幼儿保健状况（+）	0.059 4
		S5	未参与医疗保险的人口占比/ %	反映地区医疗保健状况（+）	0.079 5
		S6	人均CO₂排放量（t/人）	反映地区大气质量状况（+）	0.065 1
	应对性（-）	R1	每周至少进行150分钟的中等强度有氧运动或75分钟的高强度有氧运动（或等效组合）的成年人百分比/%	反映地区个体运动状况（+）	0.100 1
		R2	人均医疗支出/ （美元/人）	反映个体健康投入状况（+）	0.077 0
		R3	人均可支配收入/ （美元/人）	反映地区居民生活水平（+）	0.100 1
		R4	森林覆盖率/ %	反映地区环境承载能力（+）	0.098 6
		R5	人均财政公共福利支出/ （美元/人）	反映地区社会保障水平（+）	0.084 3
		R6	每千人对应床位数/ （人/千人）	反映地区医疗服务可及性（+）	0.079 5

目标层	准则层	代码	指标层	指标含义	权重
美国人口健康脆弱性	敏感性（+）	S1	癌症死亡年龄标化率	反映地区重大疾病死亡率（+）	0.077 4
		S2	AIDS诊断率/ （人/10万人）	反映地区传染病诊断率（+）	0.079 7
		S3	孕产妇死亡率/ （人/10万人）	反映地区妇女保健状况（+）	0.099 3
		S4	婴儿死亡率 / ‰	反映地区幼儿保健状况（+）	0.059 4
		S5	未参与医疗保险的人口占比/ %	反映地区医疗保健状况（+）	0.079 5
		S6	人均CO₂排放量（t/人）	反映地区大气质量状况（+）	0.065 1
	应对性（-）	R1	每周至少进行150分钟的中等强度有氧运动或75分钟的高强度有氧运动（或等效组合）的成年人百分比/%	反映地区个体运动状况（+）	0.100 1
		R2	人均医疗支出/ （美元/人）	反映个体健康投入状况（+）	0.077 0
		R3	人均可支配收入/ （美元/人）	反映地区居民生活水平（+）	0.100 1
		R4	森林覆盖率/ %	反映地区环境承载能力（+）	0.098 6
		R5	人均财政公共福利支出/ （美元/人）	反映地区社会保障水平（+）	0.084 3
		R6	每千人对应床位数/ （人/千人）	反映地区医疗服务可及性（+）	0.079 5

地区	范围
东北部	康涅狄格州（CT）、缅因州（ME）、马萨诸塞州（MA）、新罕布什尔州（NH）、新泽西州（NJ）、纽约州（NY）、宾夕法尼亚州（PA）、罗得岛州（RI）、佛蒙特州（VT）
南部	亚拉巴马州（AL）、阿肯色州（AR）、特拉华州（DE）、佛罗里达州（FL）、乔治亚州（GA）、路易斯安那州（LA）、肯塔基州（KY）、马里兰州（MD）、密西西比州（MS）、北卡罗来纳州（NC）、田纳西州（TN）、俄克拉何马州（OK）、南卡罗来纳州（SC）、得克萨斯州（TX）、弗吉尼亚州（VA）、西弗吉尼亚州（WV）
西部	阿拉斯加州（AK）、亚利桑那州（AZ）、加利福尼亚州（CA）、科罗拉多州（CO）、夏威夷州（HI）、爱达荷州（ID）、蒙大拿州（MT）、内华达州（NV）、新墨西哥州（NM）、俄勒冈州（OR）、犹他州（UT）、华盛顿州（WA）、怀俄明州（WY）
中西部	伊利诺伊州（IL）、印第安纳州（IN）、艾奥瓦州（IA）、堪萨斯州（KS）、密歇根州（MI）、密苏里州（MO）、明尼苏达州（MN）、内布拉斯加州（NE）、北达科他州（ND）、俄亥俄州（OH）、南达科他州（SD）、威斯康星州（WI）

地区	范围
东北部	康涅狄格州（CT）、缅因州（ME）、马萨诸塞州（MA）、新罕布什尔州（NH）、新泽西州（NJ）、纽约州（NY）、宾夕法尼亚州（PA）、罗得岛州（RI）、佛蒙特州（VT）
南部	亚拉巴马州（AL）、阿肯色州（AR）、特拉华州（DE）、佛罗里达州（FL）、乔治亚州（GA）、路易斯安那州（LA）、肯塔基州（KY）、马里兰州（MD）、密西西比州（MS）、北卡罗来纳州（NC）、田纳西州（TN）、俄克拉何马州（OK）、南卡罗来纳州（SC）、得克萨斯州（TX）、弗吉尼亚州（VA）、西弗吉尼亚州（WV）
西部	阿拉斯加州（AK）、亚利桑那州（AZ）、加利福尼亚州（CA）、科罗拉多州（CO）、夏威夷州（HI）、爱达荷州（ID）、蒙大拿州（MT）、内华达州（NV）、新墨西哥州（NM）、俄勒冈州（OR）、犹他州（UT）、华盛顿州（WA）、怀俄明州（WY）
中西部	伊利诺伊州（IL）、印第安纳州（IN）、艾奥瓦州（IA）、堪萨斯州（KS）、密歇根州（MI）、密苏里州（MO）、明尼苏达州（MN）、内布拉斯加州（NE）、北达科他州（ND）、俄亥俄州（OH）、南达科他州（SD）、威斯康星州（WI）

州名	脆弱性			敏感性			应对性
州名	2009年	2014年	2019年	2009年	2014年	2019年	2009年	2014年	2019年
亚拉巴马州	0.558 7	0.5375	0.570 6	0.655 2	0.673 2	0.658 9	0.532 1	0.585 6	0.517 7
阿拉斯加州	0.462 2	0.4617	0.443 9	0.486 5	0.527 5	0.473 1	0.542 2	0.572 2	0.559 6
亚利桑那州	0.535 0	0.5429	0.536 1	0.533 8	0.555 6	0.541 6	0.470 0	0.475 0	0.472 4
阿肯色州	0.561 5	0.5421	0.549 7	0.635 5	0.651 2	0.639 2	0.516 6	0.557 8	0.533 3
加利福尼亚州	0.461 6	0.4378	0.416 9	0.402 5	0.381 2	0.360 7	0.484 6	0.506 8	0.525 3
科罗拉多州	0.498 7	0.4649	0.472 3	0.447 6	0.420 0	0.427 9	0.465 5	0.495 9	0.487 0
康涅狄格州	0.401 9	0.3963	0.426 5	0.383 6	0.369 9	0.361 9	0.585 3	0.584 0	0.533 7
特拉华州	0.505 1	0.4848	0.499 1	0.519 7	0.509 3	0.495 4	0.510 6	0.534 3	0.498 9
佛罗里达州	0.529 1	0.5216	0.525 6	0.597 3	0.589 0	0.578 8	0.549 0	0.553 6	0.538 4
乔治亚州	0.603 7	0.5814	0.596 4	0.657 6	0.649 5	0.645 2	0.454 9	0.496 1	0.465 2
夏威夷州	0.421 8	0.400 9	0.423 5	0.334 5	0.333 4	0.324 9	0.510 1	0.539 9	0.494 5
爱达荷州	0.497 7	0.476 6	0.498 9	0.459 6	0.429 6	0.441 5	0.492 3	0.500 3	0.466 7
伊利诺伊州	0.520 9	0.508 2	0.502 4	0.508 5	0.510 1	0.482 4	0.470 9	0.493 9	0.483 9
印第安纳州	0.572 7	0.552 1	0.553 5	0.595 8	0.610 7	0.590 5	0.451 3	0.498 9	0.481 1
艾奥瓦州	0.484 1	0.485 8	0.473 8	0.415 6	0.415 7	0.412 7	0.463 9	0.459 1	0.481 9
堪萨斯州	0.536 7	0.524 6	0.532 8	0.500 1	0.499 2	0.490 9	0.444 7	0.466 2	0.446 5
肯塔基州	0.549 0	0.547 5	0.530 6	0.626 7	0.624 3	0.581 0	0.525 8	0.523 4	0.520 3
路易斯安那州	0.565 0	0.581 4	0.566 5	0.735 0	0.737 9	0.716 1	0.590 1	0.559 6	0.562 2
缅因州	0.399 6	0.417 3	0.394 3	0.402 5	0.441 3	0.376 4	0.615 1	0.612 7	0.613 6
马里兰州	0.498 4	0.483 9	0.487 7	0.551 6	0.506 8	0.468 5	0.547 0	0.534 8	0.495 4
马萨诸塞州	0.376 2	0.362 4	0.354 7	0.334 7	0.319 6	0.311 2	0.587 3	0.599 0	0.605 3
密歇根州	0.480 6	0.477 5	0.470 0	0.483 9	0.482 2	0.462 1	0.536 9	0.537 6	0.536 5
明尼苏达州	0.400 3	0.392 7	0.391 6	0.370 8	0.361 0	0.353 6	0.576 6	0.580 2	0.576 0
密西西比州	0.552 3	0.540 6	0.579 7	0.683 1	0.685 4	0.706 5	0.583 0	0.606 0	0.553 1
密苏里州	0.514 3	0.522 7	0.530 8	0.545 8	0.556 8	0.556 8	0.527 0	0.518 0	0.507 8
蒙大拿州	0.470 1	0.445 1	0.452 3	0.488 4	0.439 7	0.440 1	0.562 2	0.568 9	0.547 0
内布拉斯加州	0.521 0	0.527 4	0.555 3	0.495 7	0.506 0	0.500 2	0.469 6	0.461 0	0.408 6
内华达州	0.570 2	0.577 5	0.552 2	0.546 0	0.551 9	0.560 4	0.416 4	0.407 5	0.460 3
新罕布什尔州	0.381 4	0.408 5	0.375 0	0.341 6	0.357 8	0.305 3	0.595 2	0.563 5	0.577 2
新泽西州	0.470 4	0.469 3	0.477 6	0.505 0	0.499 3	0.484 0	0.560 5	0.559 2	0.530 1
新墨西哥州	0.513 7	0.526 0	0.533 4	0.567 2	0.556 2	0.568 3	0.523 0	0.490 9	0.485 5
纽约州	0.439 5	0.409 0	0.401 3	0.469 5	0.454 3	0.411 7	0.594 9	0.636 9	0.612 3
北卡罗来纳州	0.521 2	0.514 4	0.526 0	0.569 0	0.561 8	0.558 7	0.531 4	0.538 1	0.516 9
北达科他州	0.510 5	0.521 1	0.536 3	0.451 6	0.503 7	0.565 0	0.447 1	0.4563	0.480 7
俄亥俄州	0.505 9	0.487 7	0.483 0	0.536 5	0.526 3	0.519 5	0.530 2	0.551 4	0.559 0
俄克拉何马州	0.556 2	0.542 3	0.564 1	0.613 7	0.632 6	0.637 2	0.505 5	0.543 5	0.514 7
俄勒冈州	0.463 7	0.439 0	0.422 8	0.411 0	0.391 2	0.373 0	0.501 1	0.526 7	0.539 3
宾夕法尼亚州	0.449 1	0.429 6	0.421 9	0.490 2	0.479 6	0.451 9	0.589 0	0.614 4	0.608 0
罗得岛州	0.440 7	0.422 1	0.422 4	0.453 1	0.414 3	0.402 8	0.578 4	0.575 9	0.568 5
南卡罗来纳州	0.526 9	0.516 5	0.531 4	0.610 0	0.607 4	0.598 9	0.553 9	0.572 2	0.541 4
南达科他州	0.473 6	0.496 0	0.517 5	0.433 5	0.467 2	0.506 3	0.524 6	0.506 8	0.503 3
田纳西州	0.537 5	0.521 3	0.534 4	0.623 5	0.617 9	0.613 7	0.555 2	0.578 7	0.553 5
得克萨斯州	0.552 3	0.559 6	0.559 7	0.626 3	0.637 5	0.647 7	0.516 9	0.508 1	0.520 3
犹他州	0.478 8	0.484 4	0.476 0	0.404 3	0.422 7	0.418 2	0.466 2	0.468 5	0.484 2
佛蒙特州	0.374 0	0.345 7	0.339 2	0.338 4	0.320 4	0.278 2	0.606 5	0.637 9	0.614 7
弗吉尼亚州	0.494 7	0.480 1	0.480 5	0.526 3	0.523 7	0.514 6	0.539 9	0.563 6	0.557 1
华盛顿州	0.452 0	0.444 5	0.429 0	0.431 3	0.404 2	0.406 4	0.533 0	0.524 4	0.553 9
西弗吉尼亚州	0.444 8	0.443 1	0.458 4	0.493 0	0.507 4	0.526 8	0.608 5	0.612 3	0.596 6
威斯康星州	0.397 5	0.407 2	0.410 8	0.358 0	0.363 9	0.358 0	0.578 3	0.561 2	0.550 4
怀俄明州	0.498 4	0.488 1	0.520 7	0.596 2	0.561 6	0.597 5	0.580 7	0.569 4	0.549 6

基于集对分析的美国人口健康脆弱性评估及其障碍因子识别

Assessment of population health vulnerability in the United States based on set pair analysis and its obstacle factors

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 30

相关文章 15

编辑推荐

Metrics

[1]	李雪平, 杨子涵. 美国智库对中国参与南极治理的认知及启示[J]. 世界地理研究, 2025, 34(6): 29-41.
[2]	陈义勇, 祝玲, 洪武扬, 郭仁忠. 世界各国乡村综合发展水平评价及障碍因素研究[J]. 世界地理研究, 2025, 34(4): 84-96.
[3]	冯长强, 姜明波, 张晓楠, 孙姣, 郗笃刚. 美国对南亚国家援助的时空格局演变分析[J]. 世界地理研究, 2025, 34(2): 1-12.
[4]	李绪茂, 李弢, 龙祖坤. 美国境外军事基地时空格局演变与动力机制[J]. 世界地理研究, 2024, 33(3): 1-14.
[5]	王金阳. 美国亚太盟国对华战略调整的逻辑[J]. 世界地理研究, 2024, 33(12): 42-53.
[6]	陈晨, 黄晓军, 程林. “收缩”背景下北方农牧交错带地域文化系统脆弱性评价及影响因素[J]. 世界地理研究, 2024, 33(11): 162-174.
[7]	薄立明, 尹力, 赵浪, 魏伟. 美国本土的国土空间格局演化特征、影响因素及启示[J]. 世界地理研究, 2024, 33(10): 1-17.
[8]	庄诺亚, 华芳琳, 刘羿滢, 黄俞菱, 刘晔. 美国传染病暴发脆弱性的空间分异格局与影响机制研究[J]. 世界地理研究, 2023, 32(9): 40-54.
[9]	孟龙飞, 潘志新, 朱万里. 美国国家公园环境教育体系特征及启示[J]. 世界地理研究, 2023, 32(8): 51-62.
[10]	齐慧, 陈瑛, 周鸿. 中国地理学界对美国研究的热点主题与脉络演进[J]. 世界地理研究, 2023, 32(4): 28-40.
[11]	王孟林, 陈瑛, 张婷婷. 中国对美国州层面直接投资时空演变与驱动因素探究[J]. 世界地理研究, 2023, 32(1): 54-66.
[12]	黄依慧, 陈宏胜, 李志刚. 不均衡的跨国人口流动：对美墨移民历程与政策的思考[J]. 世界地理研究, 2022, 31(6): 1204-1214.
[13]	贾庆军. 20世纪50年代前美国对南海的地缘认知演变[J]. 世界地理研究, 2022, 31(5): 895-904.
[14]	王列辉, 张圣, 陈锐. 南海周边航运网络脆弱性及对中国集装箱运输的影响[J]. 世界地理研究, 2022, 31(4): 700-712.
[15]	曹宛鹏. 美国在南海及周边地区的军事权力增长及军事存在演变[J]. 世界地理研究, 2022, 31(4): 726-736.