پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 163 |
| تعداد شماره‌ها | 6,711 |
| تعداد مقالات | 72,495 |
| تعداد مشاهده مقاله | 130,293,580 |
| تعداد دریافت فایل اصل مقاله | 102,766,699 |
پیش‌بینی الگوی تغییرات جنسی مرگ و میر در ایران با استفاده از مدلسازی شبکه عصبی (1401-1410) | ||
| بررسی مسائل اجتماعی ایران | ||
| دوره 15، شماره 2، اسفند 1403، صفحه 77-94 اصل مقاله (1.21 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijsp.2025.384630.671270 | ||
| نویسندگان | ||
| نصیبه اسمعیلی* 1؛ محمد ساسانی پور2؛ حجیه بی بی رازقی نصر آباد3 | ||
| 1استاد یار جمعیت شناسی دانشگاه تهران. تهران. ایران | ||
| 2استادیار جمعیت‌شناسی، گروه جمعیت و سلامت، مؤسسه تحقیقات جمعیت کشور، تهران، ایران. | ||
| 3دانشیار گروه جمعیت شناسی, دانشکده علوم اجتماعی دانشگاه تهران، ایران. | ||
| چکیده | ||
| مرگ و میر یکی از مولفه‌های کلیدی پویایی جمعیت است که به همراه باروری و مهاجرت، موجب تغییر در حجم، رشد، توزیع و ترکیب جمعیت می‌شود. در بستر توسعه اقتصادی و اجتماعی، امید زندگی زنان نسبت به مردان افزایش یافته است، که این موضوع تأثیر عمیقی بر نسبت جنسی جمعیت سالمند در آینده خواهد داشت. از این‌رو، مطالعه حاضر به تحلیل روند تفاوت‌های جنسیتی مرگ و میر در کشور ایران از سال 1344 تا 1400 می‌پردازد و در ادامه با استفاده از مدلسازی مبتنی بر شبکه عصبی، روند تغییرات مرگ و میر زنان و مردان و همچنین شاخص نسبت جنسی مرگ و میر را برای ده سال آینده (1410-1401) پیش‌بینی می‌کند. شبیه‌سازی‌ها در نرم‌افزار متلب و بر اساس داده‌های مرکز آمار ایران انجام شده است. نتایج پیش‌بینی حاصل از مدلسازی شبکه عصبی نشان می‌دهد که تا سال 1410، تعداد مرگ و میر به ترتیب برای کل جمعیت، مردان و زنان به 6/12، 8/13 و 4/11 درصدرسیده و روندی افزایشی خواهد داشت و نسبت جنسی مرگ و میر از عدد 22/104 در سال 1401 به 54/106 در سال 1410 خواهد رسید. نکته کلیدی در پیش‌بینی تغییرات اجتماعی و جمعیتی، تمرکز بر روندها به جای پیش‌بینی دقیق اعداد است. این موضوع اهمیت دارد زیرا رفتارهای انسانی ممکن است تحت تأثیر حوادث غیرمنتظره قرار گیرند. نتایج شبیه‌سازی همچنین زنگ خطر و هشداری برای برنامه‌ریزان محسوب می‌شود تا برنامه‌های حمایتی جامع و دقیقی به‌منظور کاهش تفاوت جنسیتی مرگ و میر ارائه دهند. | ||
| کلیدواژه‌ها | ||
| تفاوت جنسیتی مرگ و میر؛ پیش‌بینی؛ مدلسازی شبکه عصبی؛ ایران؛ سیاست‌گذاری | ||
| عنوان مقاله [English] | ||
| Forecasting Changes in the Sexual Death Pattern in Iran Using Neural Network Modeling (2022-2031) | ||
| نویسندگان [English] | ||
| Nasibeh Esmaeili1؛ Mohammad Sasanipour2؛ Hajiieh Bibi Razeghi Nasrabad3 | ||
| 1Assistant Professor of Demography, University of Tehran, Tehran ,Iran. | ||
| 2Assistant Professor in Demography, Department of Population and Health, National Institute for Population Research, Tehran, Iran. | ||
| 3Associate Professor of Demography, Faculty of Social Sciences, University of Tehran, Tehran, Iran | ||
| چکیده [English] | ||
| Mortality significantly impacts population dynamics, affecting size, growth, distribution, and composition, along with fertility and migration. In the context of socio-economic development, women's life expectancy has notably increased compared to men's, significantly impacting the future sex ratio among the elderly population. This study examines gender differences in mortality trends in Iran from 1965 to 2021. Using neural network modeling, it forecasts the mortality trends for both genders and the sex ratio index for the next decade (2022-2031). The analysis was conducted using MATLAB, based on data from the Iran Statistics Center. The neural network predictions indicate that by 2031, the overall death counts will rise by 12.6% for the total population, 13.8% for men, and 11.4% for women. The sex ratio of deaths is expected to rise from 104.22 in 2022 to 106.54 in 2031. A key point in predicting social and demographic changes is focusing on trends rather than on precise numerical forecasts. This is important because human behaviors may be influenced by unexpected events. The results of the simulations also serve as a warning bell for planners to develop comprehensive and accurate support programs aimed at reducing gender disparities in mortality. | ||
| کلیدواژه‌ها [English] | ||
| Gender difference in mortality, Forecasting, Neural network modeling, Iran, Policy making | ||
| مراجع | ||
|
اسمعیلی، نصیبه. (1402). پیش‌بینی روند تغییرات در تعداد موالید و نسبت جنسی در بدو تولد در کشور ایران: تحلیل سری زمانی، بررسی مسائل اجتماعی ایران، 14(1): 233-258.
اسمعیلی، نصیبه .(1402). کاربرد هوش مصنوعی در مطالعات جمعیت شناسی، نخستین کنگره بین المللی جمعیت پایدار، آینده مطمئن و دومین جشنواره هنر در مامایی، ۲۴-۲۵ آبان، بجنورد، ایران.
اسمعیلی، نصیبه وعباسی شوازی، محمد جلال. (1402). پیش‌بینی تغییر رفتار باروری زنان در استان تهران بر اساس رویکرد فرهنگی با استفاده از مدلسازی عامل بنیان. فصلنامه مطالعات فرهنگ – ارتباطات، 24 (62): 83-41.
باغستانی، احمد رضا؛ تیمور پور، امیر و بشیری، یوسف. (1394)، تعیین نقطه تغییر در داده های مرگ و میر در ایران، ﻣﺠﻠﻪ ﺗﺨﺼﺼﯽ اﭘﯿﺪﻣﯿﻮﻟﻮژی اﯾﺮان، 11 (1)، 19-13.
بهادری منفرد، ایاز؛ سوری، حمید؛ محرابی، یدالله؛ رحمتی رودسری، محمد؛ اسماعیلی، علیرضا؛ صالحی، مسعود و دل پیشه، علی. (1391)، ارائه الگوئی برای پیش‌بینی روند مرگ ناشی از سوانح ترافیکی در ایران، پژوهش در پزشکی، 36 (5)، 7-11.
رازقی نصرآباد حجیه بی‌بی و ساسانی پور، محمد . (1399). ابعاد و پیامدهای جمعیتی کرونا در ایران، گزارش طرح پژوهشی موسسه تحقیقات جمعیت کشور.
زنجانی، حبیب الله . (1372). بررسی مرگ و میر در ایران از داده های ثبت احوال،فصلنامه جمعیت ، 3-4: 78-69.
سرائی، حسن. (1390)، روش‌های مقدماتی تحلیل جمعیت (با تاکید بر باروری و مرگ و میر)، انتشارات دانشگاه تهران.
ساسانی‌پور، محمد و محبی میمندی، مهیار. (1400). برآورد سطح، روند و الگوهای سنی، جنسی مرگومیر اضافی طی دورة پاندمی کووید-19 در ایران. مطالعات جمعیتی، 14 (2): 282-259.
سازمان ثبت احوال کشور . سالنامه آماری سال های 1398- 1383، قابل دسترس از سایت https://amar.sabteahval.ir/
شاکری، محمد تقی؛ یوسفی، راضیه؛ قلیان اول، مهدی؛ سالاری، مریم؛ امینی، مریم و مازیار حمیدی، امیر. (1399)، توزیع سنی، روند و پیش‌بینی مرگومیر کودکان زیر 5 سال استان خراسان رضوی در سال‌های 1391-96: تحلیل سری زمانی، مجله اپیدمویولوژی ایران، 16 (4) :343- 351.
شریفی، منصور. (1385). مرحله انتقالی مرگ و میر و شواهدی از استمرار انتقال اپیدمیولوژیک ایران در دهه اخیر، نامه انجمن جمعیت شناسی ایران، (2): 194-171.
عسگری ندوشن، عباس؛ ساسانی‌پور، محمد؛ کوششی، مجید و خسروی، اردشیر. (1397). الگوی تفاوت جنسی مرگ و میر در ایران طی سال‌های 1385ـ1394. زن در توسعه و سیاست، 16 (3)، 438-415.
عینی‌زیناب، حسن ؛ شمس‌قهفرخی، فریده ؛ ساجدی، علیرضا ؛ خسروی، اردشیر؛ زاهدیان، علیرضا ؛ رضائی قهرودی، زهرا و نورالهی، طه. (1394)، مدلسازی و پیش‌بینی مرگ‌و میر در ایران ۱۴۲۰-۱۳۷۵، تحقیقات نظام سلامت حکیم. ۱۸ (۴) :۳۳۶-۳۴۶
عباسی شوازی، محمد جلال و اسمعیلی، نصیبه. (1401)، شبیه سازی رفتار باروری زنان استان تهران با استفاده از رویکرد مدلسازی عامل بنیان، نامه انجمن جمعیت شناسی ایران، 17 (33)، 111-77.
میرزایی، محمد ؛ ساسانی پور، محمد و محبی میمندی، مصیب . (1391). فزونی میزان‌های مرگ و میر مردان: تحلیل تفاوت‌های جنسی مرگومیر با تاکید بر علل فوت در ایران، نامه انجمن جمعیت شناسی ایران، 14، 28-7.
کوششی مجید و ساسانی پور، محمد. (۱۳۹۰). مطالعه سهم حوادث غیرعمدی در مرگ و میر کشور در سال ۱۳۸۵ و پیامدهای جمعیتی آن. نامه انجمن جمعیت شناسی ایران. 11: ۸۵-۱۱۳.
کاظمی پور، شهلا .(1382)، بررسی سطح علل و عوامل تعیین کننده مرگ و میر تهران بزرگ در سال 1375، نامه علوم اجتماعی ، 1 (22): 30-1.
میرزایی (1381)، جمعیت و توسعه با تاکید بر ایران (مجموعه مقالات) ، انتشارات موسسه تحقیقات جمعیت کشور.
میرزایی، محمد و علیخانی، لیلا. (1387). برآورد سطح و بررسی عوامل موثر بر مرگ و میر شهر تهران در سال 1384 و روند تحولات اپیدمیولوژیکی آن در سی سال اخیر، نامه انجمن جمعیت شناسی ایران، 3: 60-30
محمودیان، حسین و اسمعیلی، نصیبه . (1402)، پیش‌بینی میزان مشارکت نیروی کار در ایران به وسیله شبیه‌سازی مبتنی بر شبکه عصبی . جامعه شناسی اقتصادی و توسعه ، 1 (12)، 1-24.
مرکز آمار ایران. (1403)، داده های سری زمانی مرگ و میر، قابل در دسترس در : https://www.amar.org.ir.
Bhat, M. A., & Kaleem, F. (2023). Recent Trends in Gender Differences in Mortality in India. BMC Public Health, 23(1).1-15.
Bijak, J., Higham, P. A., Hilton, J., Hinsch, M., Nurse, S., Prike, T., Smith, P. W. F., Uhrmacher, A. M., & Warnke, T. (2021). Towards Bayesian model-based demography: Agency, complexity and uncertainty in migration studies. Springer. . http://dx.doi.org/10.3917/popu.2204.0698
Billari, F. C. (2015). Integrating macro- and micro-level approaches in the explanation of population change, Population Studies, 69(1), 10-30. http://dx.doi.org/10.1007/978-90-481-3198-3_5
Caldwell. J. C. (2001). Population health in transition. Bulletin of the World Health Organization, 79(2): 159-160.
Crimmins, E. M., Shim, H., Zhang, Y. S., & Kim, J. K. (2019). Differences between Men and Women in Mortality and the Health Dimensions of the Morbidity Process. Clinical chemistry, 65(1), 135–145.
Dix, D. (2014), The female health-survival advantage: paradox unwarranted. Int J Public Health, 59, 213
Esmaeili, N., & Abbasi-Shavazi, M.J. (2024), Impact of family policies and economic situation on low fertility in Tehran, Iran: A multi-agent-based modeling, Demographic Research, 51: 107-154. https://doi.org/10.4054/DemRes.2024.51.5
Esmaeili, N., & Abbasi-Shavazi, M.J. (2024), Forecasting number of births and sex ratio at birth in Iran using deep neural network and ARIMA: implications for policy evaluations, Journal of Population Research, 41 (4): 26-47. http://dx.doi.org/10.1007/s12546-024-09348-9
Glei, D., A. &Horiuchi, S. (2007). The narrowing sex differential in life expectancy in high-income populations: effects of differences in the age pattern of mortality. In: Population Studies, 2(61): 141-159. DOI: 10.1080/00324720701331433
Hutchinson, E. P. (1967). The Population Debate, H.M.C. Boston.
Kingston, L., Claydon, L., & Tumilty S. (2014). The effects of spinal mobilizations on the sympathetic nervous system: a systematic review; 19(4):281-287.
Lenz, M, Richter, T., & Muhlhauser I. (2009). The morbidity and mortality associated with overweight and obesity in adulthood: a systematic review. 106(40):641-648.
Le, Y; Ren, J., Shen, J., Li, T., & Zhang, C.H. (2015). The changing gender differences in life expectancy in Chinese cities 2005-2010. Plos One, 10(4): 1-11.
Modis, T. (2002), Predictions: 10 Years Later, Create Space Independent Publishing Platform.
Nathanson, C. A. (1984). Sex differences in mortality, Annual Review of Sociology, 10, 191–213.
Oh, S. E., & Choi, Y. J. (2024). Can Social Policy Alleviate Loneliness Among Older Adults? A Comparative Analysis of OECD Countries. Journal of Aging & Social Policy, 1–18.
Patwardhan ,V; Gil, G.F; Arrieta, A; Cagney, J; DeGraw ,E; Herbert ,M.E; Khalil, M; Mullany EC; O'Connell, E.M; Spencer ,C.N; Stein, C; Valikhanova ,A; Gakidou. E; & Flor,L.S. (2024) Differences across the lifespan between females and males in the top 20 causes of disease burden globally: a systematic analysis of the Global Burden of Disease Study 2021. Lancet Public Health. 9(5): 282-294.
Robert, H., & Shmerling, M.D. (2020), Why men often die earlier than women, Harvard Health Publishing.
Seifarth, J. E., McGowan, C. L., & Milne, K. J. (2012). Sex and Life Expectancy. Gender Medicine, 9, 390-401
Trovato, F., & Lalu, N. M. (1998). Contribution of cause-specific mortality to changing sex differences in life expectancy: seven nations case study. Social Biology, 45, 1-20.
Torabi, F., & Esmaeili, N .(2021), Application of neural-wavelet network in predicting the incidence of marriage and divorce in Iran, China Population and Development Studies, 4(5), 439-457.
Wisser, O., & Vaupel. J. (2014). The sex differential in mortality: A historical comparison of the adult-age pattern of the ratio and the difference. Mpidr Working Paper WP 2014-005.1-17.
Yang. S., Khang, Y.H., Chun, H., Harper, S., & Lynch J. (2012). The changing gender differences in life expectancy in Korea 1970-2005. Soc Sci Med. 75(7):1280-7.
Zulueta, P. (2013). Compassion in healthcare. Clinical Ethics. 8(4):87-90 | ||
|
آمار تعداد مشاهده مقاله: 61 تعداد دریافت فایل اصل مقاله: 25 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب