XXI. MEZINÁRODNÍ KOLOKVIUM O REGIONÁLNÍCH VĚDÁCH. SBORNÍK
PŘÍSPĚVKŮ.
21ST
INTERNATIONAL COLLOQUIUM ON REGIONAL SCIENCES.
CONFERENCE PROCEEDINGS.
Place: Kurdějov (Czech Republic)
June 13-15, 2018
Publisher: Masarykova univerzita, Brno
Edited by:
Viktorie KLÍMOVÁ
Vladimír ŽÍTEK
(Masarykova univerzita / Masaryk University, Czech Republic)
Vzor citace / Citation example:
AUTOR, A. Název článku. In Klímová, V., Žítek, V. (eds.) XXI. mezinárodní kolokvium
o regionálních vědách. Sborník příspěvků. Brno: Masarykova univerzita, 2018. s. 1–5.
ISBN 978-80-210-8969-3.
AUTHOR, A. Title of paper. In Klímová, V., Žítek, V. (eds.) 21st
International Colloquium
on Regional Sciences. Conference Proceedings. Brno: Masarykova univerzita, 2018. pp. 1–
5. ISBN 978-80-210-8969-3.
Publikace neprošla jazykovou úpravou. / Publication is not a subject of language check.
Za správnost obsahu a originalitu výzkumu zodpovídají autoři. / Authors are fully responsible for the
content and originality of the articles.
© 2018 Masarykova univerzita
ISBN 978-80-210-8969-3
ISBN 978-80-210-8970-9 (online : pdf)
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
705
DOI: 10.5817/CZ.MUNI.P210-8970-2018-93
REGIONÁLNÍ DIFERENCIACE (GEO)DEMOGRAFICKÝCH
UKAZATELŮ NEMOCNOSTI NA PŘÍKLADU
JIHOMORAVSKÉHO KRAJE
Regional differentiation (geo)demographic indicators of morbidity in the
South Moravian Region
DANA HÜBELOVÁ1
ALICE KOZUMPLÍKOVÁ2
JITKA KOMINÁCKÁ3
1
Ústav demografie a aplikované statistiky
2
Ústav environmentalistiky a přírodních zdrojů
Fakulta regionálního rozvoje a mezinárodních studií
Mendelova univerzita v Brně
1
Department of Applied Statistics and Demography
2
Department of Environmental and Natural Resources
Faculty of Regional Development and Internat Studies
Mendel University in Brno
 Trida generala Piky 7, 613 00 Brno, Czech Republic
E-mail: dana.hubelova@mendelu.cz; alice.kozumplikova@mendelu.cz
3
Odbor rozvoje a správy
Městský úřad Břeclav
3
Department of development and service
Municipality of Břeclav
 Nám. T. G. Masaryka 3, 690 81 Břeclav, Czech Republic
E-mail: machalov@gmail.com
Anotace
Nemocnost je jedním z důležitých faktorů demografických procesů. Také v epidemiologických studiích jsou často
sledovány demografické faktory a socioekonomické vlivy. Z tohoto důvodu bylo pro hodnocení nemocnosti
vybráno celkem 19 determinantů, které odpovídají pěti hlavním oblastem používaným Evropskou komisí v evaluaci
zdravotních ukazatelů (naděje dožití, index stáří, struktura úmrtnosti, počet lékařů a ordinací, index tělesné
hmotnosti aj.). Cílem příspěvku je zhodnotit ukazatele nemocnosti a jejich regionální diferenciace na úrovni
okresů Jihomoravského kraje v období let 2006–2015. Vývoj ukazatelů nemocnosti v okresech je srovnáván
pomocí koeficientů růstu a výsledky pro strukturu úmrtnosti jsou vizualizovány (program ArcGIS). Nástrojem pro
hodnocení determinantů zdraví bylo dotazníkové šetření (255 respondentů), jehož výsledky byly přeneseny do
polygonové vrstvy v geografických informačních technologiích a také vizualizovány. Výsledky ukázaly regionální
diferenciace ve vývoji ukazatelů nemocnosti. Nejlépe hodnocenými se staly okresy Brno-město a Brno-venkov,
naopak nejhorší výsledky napříč hodnocenými oblastmi vykazují okresy Blansko, Hodonín a zejména Břeclav, což
může v budoucnosti vést k prohlubování regionálních disparit.
Klíčová slova
nemocnost, struktura úmrtnosti, demografické a socioekonomické ukazatele, determinanty zdraví, okresy
Jihomoravského kraje
Annotation
Morbidity is one of the important factors in demographic processes. Demographics and socio-economic influences
are also often monitored in epidemiological studies. For this reason, we have selected a total of 19 determinants
that correspond to the five main themes used by the European Commission in the evaluation of health indicators
(life expectancy, age index, mortality structure, number of doctors, Body Mass Index, etc.). The aim of this paper
is to evaluate morbidity indicators and their regional differentiation at district South Moravian region in the
period 2006-2015. The development of morbidity indicators is compared using growth coefficients and the results
for the mortality structure are visualized (ArcGIS). Health determinants were evaluated using a questionnaire
survey (255 respondents), the results of which were transferred to the polygon layer in geographic information
technologies and visualized. Results showed regional differentiation in the development of morbidity indicators.
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
706
The best results are in the districts of Brno-city and Brno-country, while the worst performances across the
evaluated themes are described by the districts Blansko, Hodonín and especially Břeclav. In the future this could
affect the increase of regional disparities in general.
Key words
morbidity, mortality, demographic and socio-economic indicators, health determinants, districts of the South
Moravian Region
JEL classification: J10
1. Úvod
Sledování ukazatelů nemocnosti (morbidity) a úmrtnosti (mortality), jejich vývoje v čase a prostorových
souvislostech patří k jedněm z oblastí, jimž se věnuje také (geo)demografie. Tyto ukazatele se obvykle vztahují
k hlavním indikátorům zdraví a zdravotního stavu obyvatelstva a jsou mimo jiné předmětem zájmu řady národních
a mezinárodních výzkumů (SHARE, 2018; EHIS, 2018; EC, 2012 aj.), longitudinálních studií (např. Kino et al.,
2017) a dotazníkových šetření (Žmuk, 2015; Minicuci et al., 2016 aj.). Pro hodnocení zdraví, nemocnosti a
úmrtnosti se používají jednak sekundární data národních a regionálních statistik, a dále se vychází z výběrových
šetření, která se vztahují zejména k oblasti determinantů zdraví. Z tohoto důvodu bylo také v prezentovaném
příspěvku snahou doplnit výsledky analýz sekundárních dat o data primární, získaná pomocí dotazníkového
šetření.
Zkoumání nemocnosti (epidemiologie) se zabývá zejména hodnocením výskytu jednotlivých onemocnění
v populaci a sleduje např. průměrné trvání nemoci, počet obyvatel pracovně neschopných a délku trvání pracovní
neschopnosti, údaje o počtu hospitalizovaných aj. (McNamara et al., 2017). V souvislosti s přechodem
k postindustriální společnosti, v kontextu modernizace a společenských a kulturních proměn dochází také
k zásadním změnám ve struktuře morbidity a mortality (Hübelová et al., 2017). Ve vyspělých zemích představují
v současné době neinfekční onemocnění dominující příčiny jak morbidity, tak mortality (Marmot, 2017). Přestože
se obyvatelé v demograficky vyspělých zemích dožívají stále vyššího věku, často k této skutečnosti dochází
zejména díky prodlužující se délce života v nemoci (Křupka et al., 2013). Z tohoto důvodu se jeví jako významné
nejen sledování samotné nemocnosti, ale zejména faktorů, které zdraví a kvalitu života ovlivňují (Börsch-Supan
et al., 2013).
2. Teoretická východiska
Nemocnost je důležitým faktorem demografických procesů. Obecně se považují analýzy nemocnosti a struktury
úmrtnosti za jedny z hlavních hodnot vypovídajících o zdravotním stavu populace (Fraser a George, 2015). Příčiny
úmrtí resp. smrti jsou klasifikovány a kódovány podle „Mezinárodní statistické klasifikace nemocí a přidružených
zdravotních problémů“ vydané WHO (podrobněji WHO, 2011). Při hodnocení struktury úmrtnosti dominují ve
vyspělých zemích neinfekční onemocnění (non-communicable diseases; NCD), kterými je označena skupina
nemocí, jež je do značné míry ovlivněna způsobem života. Podobně jako ve všech vyspělých zemích, ani v České
republice se nedaří zlepšovat situaci ve vývoji výskytu NCD jako přímého důsledku nezdravého životního stylu
(Arruda et al., 2015). Členské země Evropské unie a Evropská komise daly na základě společného konsenzu vznik
soustavě ukazatelů, které komplexně definují zdravotní stav populace. Evropská unie tak od roku 2013 používá
celkem 88 zdravotních ukazatelů, které spadají do pěti hlavních oblastí (EC, 2012):
 demografická a socioekonomická (pohlavní a věková struktura, index stáří, plodnost, vzdělání aj.),
 zdravotní stav populace (naděje dožití, kojenecká úmrtnost, struktura úmrtnosti aj.),
 determinanty zdraví (index tělesné hmotnosti, kouření, konzumace alkoholu, stravovací návyky aj.),
 zdravotnické služby (proočkovanost dětí, screeningová vyšetření, počty lůžek, lékařů aj.),
 podpora zdraví (lékařské technologie, hospitalizace, ordinace praktiků/pediatrů, ambulantní návštěvy aj.).
V epidemiologických studiích jsou často sledovány demografické faktory a socioekonomické vlivy (Minicuci
et al., 2016). Mezi demografické prediktory nemocnosti bývají obvykle zahrnuty ukazatele pohlavní a věkové
struktury, úrovně dosaženého vzdělání, ekonomické situace, socioekonomického statusu apod. (Meara et al.,
2008). Četné výzkumné zprávy dokazují, že osoby s nižším socioekonomickým statusem mají vyšší míru
morbidity, invalidity, předčasné úmrtnosti a úmrtnosti obecně, během života častěji trpí nemocemi, což se odráží
ve zkrácené délce života ve zdraví i nižší celkové naději dožití (Glazier et al., 2000) a naopak lidé vzdělanější
a s vyššími příjmy disponují lepším zdravím (Matthews et al., 2005).
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
707
2. Cíl, metody, výběr ukazatelů a data
Hlavním cílem příspěvku je zhodnotit ukazatele nemocnosti a jejich regionální diferenciace na úrovni okresů
Jihomoravského kraje (JMK). Takto formulovaný hlavní cíl je naplněn jednotlivými dílčími cíli:
 zachytit změny ve vývoji vybraných ukazatelů nemocnosti v období let 2006–2015 (sekundární data),
 identifikovat nejvýznamnější faktory nemocnosti (primární a sekundární data),
 určit meziokresní diferenciace ukazatelů nemocnosti (primární a sekundární data).
Vývoj vybraných ukazatelů nemocnosti v období let 2006–2015 byl hodnocen pomocí koeficientů růstu (jsou
charakteru min. i max.) a výsledky pro strukturu úmrtnosti vizualizovány v programu ESRI ArcGIS V 10.4.1. Pro
zpracování otázek dotazníkového šetření bylo využito několika přístupů. Vzdělání, rodinných stav a ekonomická
aktivita rodičů a rodinná finanční situace byly zpracovány na celém vzorku respondentů za použití tabulkového
kalkulátoru a jeho funkce COUNT. Pro vyhodnocení zdravotního stavu (sebehodnocení) a indexu tělesné
hmotnosti respondentů byl vzorek rozdělen po okresech, data byla předzpracována tabulkovým kalkulátorem,
přenesena do polygonové vrstvy v geografických informačních technologiích a vizualizována nad základní mapou
ČR. Grafy byly vytvořeny nad atributovou tabulkou této polygonové vrstvy.
V níže prezentovaných analýzách byly ukazatele nemocnosti a úmrtnosti rozděleny do shodných oblastí, které
sleduje Evropská komise (EC, 2012): 1) pro sekundární data 16 ukazatelů a 2) pro primární data 3 ukazatele:
 oblast demografická a socioekonomická - index stáří (%), úhrnná plodnost (podíl dětí na ženu v plodném
věku), podíl obyvatel s vysokoškolským vzděláním (%) a míra nezaměstnanosti (%),
 oblast vztahující se ke zdravotnímu stavu populace - naděje dožití (roky), kojenecká úmrtnost (‰), podíl
samovolných potratů (%), struktura úmrtnosti podle prvních 5 hlavních příčin nemocí (standardizovaná míra
úmrtnosti; standard JMK - nemoci oběhové soustavy, novotvary, nemoci dýchací a trávicí soustavy a vnější
příčiny (na 100 tis. obyv.) a délka pracovní neschopnosti (dny),
 oblast související se zdravotnickými službami - podíl lékařů (na 1 tis. obyv.),
 oblast vztahující se k podpoře zdraví - ordinace praktických lékařů pro dospělé (na obyv.) a ordinace pro děti
a dorost (na obyv.).
 oblast determinantů zdraví (primární data dotazníkového šetření) - index tělesné hmotnosti (BMI), subjektivní
hodnocení zdravotního stavu a stravovací návyky (spotřeba “zdravých/nezdravých” potravin).
Sekundární data byla hodnocena v časové řadě let 2006–2015 na základě dat Českého statistického úřadu (2016).
Jedinou výjimkou byl podíl obyvatel s vysokoškolským vzděláním, u něhož se vycházelo z dat Sčítání lidu, domu
a bytů v roce 2001 a 2011 (ČSÚ 2005; 2015). Ke znázornění regionálních diferenciací byla zvolena úroveň okresů
JMK (7 okresů: okres Blansko, Brno-město, Brno-venkov, Břeclav, Hodonín, Vyškov a Znojmo), a to z důvodu
dostupnosti potřebných vstupních dat. Primární data k ukazatelům v oblasti determinantů zdraví byla získána
pomocí dotazníkového šetření, kterého se zúčastnilo 255 respondentů a bylo zaměřeno výhradně na studenty
vysokých škol ve věku 20 až 25 let. Kritériem jejich výběru bylo trvalé bydliště v JMK. Sběr dotazníků probíhal
v roce 2016 (únor až květen), dotazníky byly k dispozici v tištěné i elektronické jednotné formě a jejich obsah
vycházel z modifikace dotazníkového šetření HELEN (SZÚ, 2015; Somerlíková a Hübelová, 2016).
4. Výsledky
Nejvyšší dynamiku růstu indexu stáří (IS) vykázaly okresy Hodonín a Znojmo. Nejnižší koeficient růstu úhrnné
plodnosti (ÚP) je sice zaznamenán u okresů Hodonín, Břeclav a Brno-město, ale v případě okresu Brno-město se
ÚP dlouhodobě pohybuje nad celokrajským průměrem. Nárůst nezaměstnanosti je patrný u okresů Brno-město,
Brno-venkov a Blansko. Zvyšování naděje dožití vykazuje lineární trend ve všech okresech s vyšší dynamikou
růstu u mužů. Nejnižší koeficient růstu podílu lékařů bylo dosaženo u okresů Brno-venkov a Vyškov, stejně jako
v případě ordinací pro dospělé v okresech Vyškov, Břeclav a Znojmo a ordinací pro děti a dorost v okresech
Břeclav a Znojmo, u nich je dokonce zjištěný pokles. Růst samovolných potratů je zřejmý u okresů Břeclav
a Hodonín, zatímco nejnižším tempem klesá kojenecká úmrtnost (KÚ) v okresech Blansko a Znojmo (tab. 1).
Zásadní rozdíly jsou zaznamenány v podílu obyvatel s dokončeným vysokoškolským vzděláním, který je
hodnocený jako růst mezi lety 2001 a 2011. Všechny okresy vysoce převyšuje okres Brno-město (v roce 2001
podíl 17,9 % a v roce 2011 podíl 23,6 %), naopak podprůměrných krajských hodnot nabývají okresy Břeclav (ve
shodných letech podíl 5,5 % a 8,5 %), Hodonín (6,0 % a 8,7 %) a Znojmo (5,5 % a 7,9 %).
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
708
Tab. 1: Koeficient růstu ukazatelů nemocnosti (období 2006–2015) v okresech JMK
Ukazatel
Okres
Koeficient růstu (%)
IS ÚP
Míra
nezam.
Naděje dožití
Podíl
lékařů
Ordinace/
dospělí
Ordinace/
děti
KÚ
Spont.
potraty
Délka
PNmuži ženy
Blansko 106,9 126,7 121,1 102,9 101,8 128,6 100,0 95,7 89,6 114,2 132,9
Brno-
město
102,8 114,5 122,2 102,0 101,9 132,1 106,5 105,2 42,5 115,4
112,6
Brno-
venkov
102,2 122,1 121,6 101,4 101,1 100,0 106,9 114,7 36,5 119,4
117,2
Břeclav 110,8 120,5 91,6 102,5 101,0 120,7 98,1 80,0 57,7 173,4 129,4
Hodonín 112,2 120,7 97,9 102,3 101,6 128,6 101,4 93,9 16,7 173,7 134,6
Vyškov 105,7 129,1 92,4 101,4 101,6 114,3 97,1 94,1 50,8 114,8 131,8
Znojmo 111,3 132,6 98,7 102,4 101,5 134,5 98,0 81,0 87,5 100,8 123,5
Zdroj: vlastní zpracování; data ČSÚ (2016) (červeně zvýrazněn negativní vývoj)
Jak u mužů, tak u žen je zřetelný lineární růst naděje dožití v čase, přesto u žen nejsou patrné takové diferenciace
hodnot mezi jednotlivými okresy jako u mužů. Nejvyšší naděje dožití dosahují obyvatelé okresu Brno-město (muži
i ženy), naopak nejnižší hodnoty jsou zjevné především u mužů v okresech Břeclav, Hodonín a Znojmo (obr. 1
vlevo). Ukazuje se, že diferenciace hodnoty indexu stáří ve vstupním roce 2006 se s narůstajícím časem mezi
jednotlivými okresy postupně stírá a v roce 2015 dochází k jejich sbližování. Extrémní dynamika růstu je zřetelná
u okresů Hodonín a Břeclav, zatímco v okrese Brno-město je relativně stabilizovaná, avšak na nadprůměrné
hodnotě (obr. 1 vpravo).
Obr. 1: Vývoj naděje dožití pro muže a ženy (roky; průměry období 2006–2010 a 2011–2015; vlevo) a indexu
stáří (%) v okresech JMK (období let 2006–2015; vpravo)
Zdroj: vlastní zpracování; data ČSÚ (2016)
Stabilně nadprůměrných hodnot JMK v úhrnné plodnosti dosahují okresy Brno-město a Brno-venkov, a to ve
všech sledovaných letech. Od roku 2013 pak zaznamenávají růst plodnosti zejména okresy Blansko, Vyškov a také
Znojmo (obr. 2 vlevo). Vývoj podílu samovolných potratu je v území JMK značně diferenciovaný, se stabilním
růstem v celkovém průměru JMK. V okresech, které na začátku sledovaného období vykazovaly nadprůměrný
podíl spontánní potratovosti (okres Blansko, Brno-město, Brno-venkov a Vyškov), se situace stabilizovala na
mírně nadprůměrných hodnotách. Ostatní okresy zaznamenaly dynamičtější růst potratovosti (zejm. okresy
Břeclav a Hodonín; obr. 2 vpravo).
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
709
Obr. 2: Vývoj úhrnné plodnosti (vlevo) a samovolných potratů (%) v okresech JMK (období let 2006–2015;
vpravo)
Zdroj: vlastní zpracování; data ČSÚ (2016)
Struktura úmrtnosti podle nejčastějších hlavních příčin nemocí v analyzovaném období poukázala na pokles nebo
stagnaci (zejm. nemoci oběhové soustavy, novotvary a vnější příčiny), a to napříč všemi okresy JMK. V ostatních
příčinách nemocí je patrná diferenciace vývoje. Úmrtí na nemoci dýchací soustavy zaznamenaly nárůst zejména
v okresech Znojmo a Vyškov, ale také v okrese Břeclav, Blansko a Hodonín. Podobná situace je v případě nemocí
trávicí soustavy, u nichž je patrný nárůst především u okresů Blansko a Vyškov (tab. 2; obr. 3).
Tab. 2: Průměrný koeficient růstu standardizované úmrtnosti podle hlavních příčin nemocí v okresech JMK
(období 2006–2015)
Ukazatel
Okres
Průměrný koeficient růstu (%) - struktura úmrtnosti
Nemoci
oběhové s.
Novotvary
Nemoci
dýchací s.
Nemoci
trávicí s.
Vnější
příčiny
Blansko 98,2 99,8 105,4 104,2 95,6
Brno-město 100,0 98,9 95,9 101,3 101,3
Brno-venkov 100,1 100,3 96,3 97,7 97,6
Břeclav 97,4 97,2 106,8 98,3 100,1
Hodonín 97,9 97,9 104,2 102,1 98,7
Vyškov 97,8 97,8 109,0 103,6 92,5
Znojmo 97,2 97,0 111,3 102,9 97,9
Zdroj: vlastní zpracování; data ČSÚ (2016)
Obr. 3: Dynamika změn ve vývoji standardizované míry úmrtnosti podle hlavních příčin úmrtí (%) v období let
2006–2015
Zdroj: vlastní zpracování; data ČSÚ (2016)
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
710
Obr. 3: Pokračování
Zdroj: vlastní zpracování; data ČSÚ (2016)
Průměrný počet dnů pracovní neschopnosti vykazuje ve všech okresech JMK v první části sledovaného období
růst a v jeho druhé části stagnaci až mírný pokles (obr. 4 vlevo). Změny v podílu lékařů na 1 tis. obyvatel lze
charakterizovat jako mírně rostoucí ve všech okresech kraje, s vysokou diferenciací zaznamenanou u okresu Brnoměsto
(obr. 4 vpravo).
Obr. 4: Vývoj počtu dnů pracovní neschopnosti (vlevo) a podílu lékařů (na 1 tis. obyv.) v okresech JMK (období
let 2006–2015; vpravo)
Zdroj: vlastní zpracování; data ČSÚ (2016)
Na rozdíl od vývoje ukazatele podílu lékařů je situace ve vývoji počtu ordinací praktických lékařů pro dospělé i
ordinací pro děti a dorost odlišná. V některých okresech je patrný pokles počtu ordinací (na obyv.), což se týká
zejména okresů Břeclav (ordinace pro dospělé o 1, ordinace pro děti o 5), Vyškov (analogicky o 1 v obou
případech) a Znojmo (1, resp. 4). Okres Brno-město opět nabývá vysoce nadprůměrných hodnot.
Analyzovaná sekundární data jsou dále doplněna vybranými výstupy z dotazníkového šetření, které dokreslují
demografickou a socioekonomickou situaci v okresech JMK. Obecně pocházejí respondenti - vysokoškoláci - ze
stabilního rodinného a ekonomického prostředí (ve více než 80 % z úplných rodin, otcové vykazují vyšší míru
vzdělanosti a více než polovina jich podniká, matky pracují především v zaměstnaneckém poměru). Respondenti
hodnotí finanční situaci rodiny pozitivně (minimálním počet rodičů je nezaměstnaných). Zdravotní stav posuzují
respondenti jako velmi dobrý nebo dobrý a BMI byl ve většině případů normální, což koresponduje s věkovým
složením dotazovaných. Přes pozitivní hodnocení těchto determinantů zdraví vykazují sledované ukazatele území
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
711
diferenciace. V okresech Břeclav, Blansko a Hodonín je nejvyšší podíl studentů, kteří hodnotí svůj zdravotní stav
jen jako uspokojivý nebo špatný a současně také vykazují nadváhu a obezitu (obr. 5).
Obr. 5: Podíly respondentů dle (sebe)hodnocení zdravotního stavu (vlevo) a BMI v okresech JMK (vpravo)
Zdroj: vlastní zpracování, data z dotaníkového šetření (2016)
Obr. 6: Stravovací návyky v okresech JMK podle kategorií potravin a podílu respondentů
Zdroj: vlastní zpracování, data z dotaníkového šetření (2016)
Konzumace různých druhů potravin vypovídá o stravovacích návycích vysokoškoláků v jednotlivých okresech
JMK. Je patrné, že „nezdravé“ potraviny (kategorie 6 až 9) konzumují celkově větší podíly respondentů, než
potraviny „zdravé“ (kategorie 1 až 5; obr 6).
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
712
Shrnutí výsledků a závěr
Celkem bylo hodnoceno 19 ukazatelů nemocnosti, které odpovídají jednotlivým oblastem tak, jak je používá
Evropská komise (EC, 2012). Na základě vývoje vybraných ukazatelů v časovém období 2006–2015 lze
kvalitativně charakterizovat okresy JMK a zachytit tak územní diferenciace (tab. 3).
Tab. 3: Kvalitativní hodnocení ukazatelů nemocnosti v okresech JMK
Okres Hodnocení Charakteristika
Brno-město
Brno-venkov
Pozitivní
Z 19 hodnocených ukazatelů vykazují pozitivní hodnocení v 15 případech, u nichž
je patrný kladný vývoj v čase. Ve sledovaném období se příliš nezlepšila míra
nezaměstnanosti, ale stále zůstává na podprůměrných hodnotách. Okres Brnoměsto
sice vykazuje nejvyšší index stáří, avšak dynamika jeho růstu je velmi nízká.
Okres Brno-venkov snížil počet lékařů, ale vzhledem ke spádovosti do krajského
města je tento jev odůvodněný. Rezervy mají oba okresy v úmrtnosti na nemoci
oběhové soustavy.
Vyškov
Znojmo
Průměrné
Z 19 hodnocených ukazatelů vykazují okresy Vyškov a Znojmo pozitivní
hodnocení ve 13 případech. Okres Vyškov má relativně úspěšný vývoj ukazatelů
v oblasti demografické a zdravotního stavu obyvatel, naopak v čase se zhoršuje
situace ve zdravotnických službách (zejm. počet lékařů) a podpoře zdraví
(ordinace). Okres Znojmo mimo výrazné rezervy v oblasti podpory zdraví
zaznamenává růst indexu stáří, kojenecké úmrtnosti a podprůměrného zastoupení
obyvatel s vysokoškolským vzděláním. Oba okresy zaregistrovaly nárůst
úmrtnosti na nemoci dýchací soustavy.
Blansko
Hodonín
Podprůměrné
Z 19 hodnocených ukazatelů vykazuje okres Blansko pozitivní hodnocení ve 12
a okres Hodonín v 11 případech. Pro okres Blansko je typické snižování kvality
některých ukazatelů napříč sledovanými oblastmi (např. oblast demografická míra
nezaměstnanosti, kojenecká úmrtnost, úmrtnost na nemoci trávicí soustavy;
oblast zdravotního stavu - pracovní neschopnost a oblast podpory zdraví - ordinace
pro děti a dorost). V případě okresu Hodonín se k těmto uvedeným ukazatelům
přidává navíc zvýšení potratovosti a podprůměrný věk naděje dožití zvláště u
mužů a zastoupení obyvatel s vysokoškolským vzděláním. Oblast determinantů
zdraví hodnocená pomocí dotazníkového šetření ukázala, že v obou okresech
deklaroval vyšší podíl respondentů nadváhu nebo obezitu a nepříznivé
sebehodnocení zdravotního stavu.
Břeclav Negativní
Z 19 hodnocených ukazatelů vykazuje okres Břeclav pozitivní hodnocení v 10
případech. Negativní hodnocení vývoje ukazatelů nemocnosti je zaznamenáno
napříč všemi oblastmi: demografická (naděje dožití u mužů, index stáří, úhrnná
plodnost, podíl obyvatel s vysokoškolským vzděláním), zdravotní stav populace
(potratovost), podpora zdraví (ordinace pro dospělé, ordinace pro děti a dorost)
a determinanty zdraví (index tělesné hmotnosti a subjektivní hodnocení
zdravotního stavu).
Zdroj: vlastní zpracování
Prezentovaný vývoj vybraných ukazatelů v období let 2006–2015 naznačuje, že je možné pro hodnocení
nemocnosti použít determinantů, které využívá EC na národní úrovni, i v případě nižších územních celků. Přesto
je obtížné jednoznačně identifikovat nejvýznamnější faktory nemocnosti, neboť k jejich změnám (ať už
pozitivním nebo negativním směrem) dochází napříč jednotlivými oblastmi. Analýzy však dokazují meziokresní
diferenciace ukazatelů nemocnosti (tab. 3), což může vést ke vzniku či prohloubení případných regionálních
disparit.
Literatura
[1] ARRUDA, G. O., SANTOS, A. L., TESTON, E. F., CECILIO, H. P., M., RADOVANOVIC, C. A. T.,
MARCON, S. S., (2015). Association between self-reported health and sociodemographic characteristics with
cardiovascular diseases in adults. Rev Esc Enferm USP, vol. 49, no. 1, pp. 60-67. ISSN 0080-6234. DOI:
10.1590/S0080-623420150000100008.
[2] BÖRSCH-SUPAN, A., BRANDT, M., HUNKLER, C., KNEIP, T., KORBMACHER, J., MALTER, F. et al.,
(2013). Data Resource Profile: The Survey of Health, Ageing and Retirement in Europe (SHARE).
International Journal of Epidemiology, vol. 42, no. 4, pp. 992-1001. ISSN 0300-5771. DOI:
10.1093/ije/dyt088.
[3] ČSÚ, (2005). Data 2001 - Sčítání lidu, domů a bytů. [online]. [cit. 2018-01-12]. Dostupné z:
https://www.czso.cz/staticke/sldb/sldb2001.nsf/index
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
713
[4] ČSÚ, (2015). Data 2011 - Sčítání lidu, domů a bytů. [online]. [cit. 2018-01-15]. Dostupné z:
https://www.czso.cz/csu/czso/otevrena_data_pro_vysledky_scitani_lidu_domu_a_bytu_2011_sldb_2011
[5] ČSÚ, (2016). Statistická ročenka Jihomoravského kraje. [online]. [cit. 2018-01-30]. Dostupné z:
https://www.czso.cz/csu/xb/casove_rady
[6] EC, (2012). European Commission - ECHI European Core Health Indicators. [online]. [cit. 2018-02-23].
Dostupné z: http://ec.europa.eu/health/indicators/echi/list/
[7] EHIS, (2018). Eurostat - EHIS European Health Interview Survey. [online]. [cit. 2018-02-18]. Dostupné z:
http://ec.europa.eu/eurostat/web/microdata/european-health-interview-survey
[8] FRASER, S. D. S., GEORGE, S., (2015). Perspectives on differing health outcomes by city: Accounting for
Glasgow´s excess mortality. Risk Management and Healthcare Policy, vol. 8, pp. 99-110. ISSN 1179-1594.
DOI: 10.2147/RMHP.S68925
[9] GLAZIER, R. H., BADLEY, E. M., GILBERT, J. E., ROTHMAN, L., (2000). The nature of increased
hospital use in poor neighbourhoods: findings from a Canadian inner city. Canadian Journal of hospital
pharmacy, vol. 91, no. , pp. 268-273. ISSN 0008-4123.
[10]HÜBELOVÁ, D., JADCZAKOVÁ, V., ROUSOVÁ, G., (2017). Vliv demografických a socioekonomických
determinantů na úmrtnost v okresech Jihomoravského kraje v letech 2006-2015. In XX. mezinárodní
kolokvium o regionálních vědách. Sborník příspěvků. Brno: Masarykova univerzita, pp. 396-405. ISBN 978-
80-210-8587-9. DOI: 10.5817/CZ.MUNI.P210-8587-2017-51.
[11]KINO, S., BERNABÉ, E., SABBAH, W., (2017). Socioeconomic inequality in clusters of health-related
behaviours in Europe: latent class analysis of a cross-sectional European survey. BMC Public Health, vol. 17,
no. 1, pp. 1-8. ISSN 1471-2458. DOI: 10.1186/s12889-017-4440-3.
[12]KŘUPKA, J.¸ PROVAZNÍKOVÁ, R., LANGER, J., KAŠPAROVÁ, M., (2013). Standards of living indices
modelling in European Monetary Union Members Countries. In Proceedings of the 2013 International
Conference on Economics and Business Administration. Rhodes Island: EBA, pp. 129-136. ISBN : 978‐1‐
61804‐198‐2.
[13]MARMOT, M., (2017). Social justice, epidemiology and health inequalities. European Journal of
Epidemiology, vol. 32, no. 7, pp. 537-546. ISSN 1101-1262. DOI: 10.1007/s10654-017-0286-3.
[14]MATTHEWS, R. J., SMITH, L. K., HANCOCK, R. M., JAGGER, C., SPIERS, N. A., (2005). Socioeconomic
factors associated with the onset of disability in older age: a longitudinal study of people aged 75
years and over. Social Science & Medicine, vol. 61, no. 7, pp. 1567-1575. ISSN 0277-9536. DOI:
10.1016/j.socscimed.2005.02.
[15]McNAMARA, C. L., BALAJ, M., THOMSON, K. H., EIKEMO, T. A., SOLHEIM, E. F., BAMBRA, C.,
(2017). The socioeconomic distribution of non-communicable diseases in Europe: Findings from the
European Social Survey (2014) special module on the social determinants of health. European Journal of
Public Health, vol. 27, no. 1, pp. 22-26. ISSN 1101-1262. DOI: 10.1093/eurpub/ckw222.
[16]MEARA, E. R., RICHARDS, S., CUTIER, D. M., (2008). The gap gets bigger: changes on mortality and life
expectancy, by education, 1981–2000. Health affairs, vol. 27, no. 2, pp. 350-360. ISSN 0278-2715. DOI:
10.1377/hlthaff.27.2.350.
[17]MINICUCI, N., NAIDOO, N., CHATTERJI, S., KOWAL, P., (2016). Data Resource Profile: Cross-national
and cross-study sociodemographic and health-related harmonized domains from SAGE plus ELSA, HRS and
SHARE (SAGE+, Wave 1). International Journal of Epidemiology, vol. 45, no. 5, pp. 1403-1403j. ISSN
0300-5771. DOI: 0.1093/ije/dyw181.
[18]SHARE, (2018). SHARE - Survey of Health, Ageing and Retirement in Europe. [online]. [cit. 2018-02-22].
Dostupné z: http://www.share-project.org/.
[19]SOMERLÍKOVA, K., HÜBELOVÁ, D., (2016). The importance of monitoring health status of the
population for the development of the region - selected determinants of university students’ health. In XIX.
Mezinárodní kolokvium o regionálních vědách. Sborník příspěvků. Brno: Masarykova univerzita, pp. 513–
521. ISBN 978-80-210-8273-1. DOI: 10.5817/CZ.MUNI.P210-8273-2016-66.
[20]SZÚ, (2015). Hodnocení zdravotního stavu Studie HELEN. [online]. [cit. 2018-02-06]. Dostupné z:
http://www.szu.cz/uploads/documents/chzp/odborne_zpravy/OZ_14/Odborna_zdrav_2014.pdf.
[21]WHO, (2011). International Statistical Classification of Diseases and Related health Problems, ICD-10, 10
Revision. Geneva: WHO. ISBN 9789241548342.
[22]ŽMUK, B., (2015). Quality of life indicators in selected European countries: Hierarchical cluster analysis
approach. Croatian Review of Economic Business and Social Statistics, vol. 1, no. 1-2, pp, 42-54. ISSN 1849-
8531. DOI: 10.1515/crebss-2016-0004.
Příspěvek byl zpracován v rámci grantu „Sociodemografické a environmentální faktory rozvoje a výskytu
neinfekčních onemocnění v České republice“ s registračním číslem 2018/013 podpořeného Interní grantovou
agenturou Fakulty regionálního rozvoje a mezinárodních studií Mendelovy univerzity v Brně.