تقرير تحليلي – منصة أرقامي |
تقرير تحليلي – منصة أرقامي |
في ظل اهتمام المملكة العربية السعودية بتحسين جودة الرعاية الصحية، يعدّ توزيع المستشفيات من المؤشرات الجوهرية لعدالة وانتشار الخدمات الطبية. يهدف هذا التقرير إلى تقديم تحليل مبسط وفعّال لتوزيع المستشفيات في المناطق الإدارية، مع التركيز على الفرق بين القطاعين الحكومي والخاص، ومعدل التغطية الصحية بناءً على عدد السكان.
الإجمالي)الحكومي) والخاصة (الخاص)عدد المستشفيات لكل 10 الأف نسمة.عدد المستشفيات لكل 10 الأف نسمة)الحكومي,
الخاص, عدد المستشفيات لكل 10 الأف نسمةعدد المستشفيات لكل 10 الأف نسمة.الحكومييمثل عدد المستشفيات التي تُديرها الدولة وتُموّلها في كل منطقة إدارية.
الخاص)يشير إلى المستشفيات التي تُدار من قبل القطاع الخاص، وتعمل على تقديم
خدمات صحية تجارية. ##إجمالي عدد المستشفيات الإجمالي هو
مجموع المستشفيات الحكومية والخاصة في كل منطقة.
عدد المستشفيات لكل 10 الأف نسمة)يُعد هذا المؤشر من أهم المعايير العالمية المستخدمة في تقييم التغطية الصحية، ويُستخدم على نطاق واسع من قبل منظمة الصحة العالمية (WHO)، وكذلك في التقارير الرسمية لـ هيئة الإحصاء السعودية. يُعبر هذا المقياس عن عدد المستشفيات المتاحة لكل 10,000 فرد من السكان، مما يتيح مقارنة عادلة بين المناطق من حيث وفرة الخدمات الصحية بغض النظر عن التفاوت في عدد السكان.
معادلة:
أي أن عدد المستشفيات لكل 10,000 نسمة يساوي عدد المستشفيات الإجمالي مقسومًا على عدد السكان، مضروبًا في 10,000.
مثال تطبيقي: لنفترض أن إحدى المناطق الإدارية في المملكة تحتوي على:
يُحسب عدد المستشفيات لكل 10,000 نسمة كما يلي:
\[ \left( \frac{25}{1{,}000{,}000} \right) \times 10{,}000 = 0.25 \] أي أن هناك 0.25 مستشفى لكل 10 آلاف نسمة، ما يشير إلى انخفاض في كثافة التغطية الصحية في تلك المنطقة.
hospital_data =read_excel("hospital_data.xlsx")
names(hospital_data) =tolower(names(hospital_data))
head(hospital_data)| المنطقة الإدارية | الحكومي | الخاص | الإجمالي | عدد المستشفيات لكل 10 الأف نسمة |
|---|---|---|---|---|
| الرياض | 65 | 44 | 109 | 2.4 |
| مكة المكرمة | 57 | 38 | 95 | 1.9 |
| المدينة المنورة | 23 | 9 | 32 | 2.2 |
| القصيم | 21 | 4 | 25 | 2.9 |
| المنطقة الشرقية | 51 | 33 | 84 | 2.5 |
| عسير | 31 | 10 | 41 | 2.4 |
hospital_data %>%
arrange(desc(`الإجمالي`)) %>%
mutate(Rank = row_number()) %>%
select(Rank, `المنطقة الإدارية`, `الحكومي`, `الخاص`, `الإجمالي`, `عدد المستشفيات لكل 10 الأف نسمة`) %>%
kable(caption = "ترتيب المناطق حسب عدد المستشفيات والمؤشر النسبي")| Rank | المنطقة الإدارية | الحكومي | الخاص | الإجمالي | عدد المستشفيات لكل 10 الأف نسمة |
|---|---|---|---|---|---|
| 1 | الرياض | 65 | 44 | 109 | 2.4 |
| 2 | مكة المكرمة | 57 | 38 | 95 | 1.9 |
| 3 | المنطقة الشرقية | 51 | 33 | 84 | 2.5 |
| 4 | عسير | 31 | 10 | 41 | 2.4 |
| 5 | المدينة المنورة | 23 | 9 | 32 | 2.2 |
| 6 | جازان | 25 | 3 | 28 | 2.2 |
| 7 | القصيم | 21 | 4 | 25 | 2.9 |
| 8 | حائل | 14 | 3 | 17 | 2.8 |
| 9 | تبوك | 14 | 2 | 16 | 2.9 |
| 10 | نجران | 13 | 3 | 16 | 3.0 |
| 11 | الجوف | 14 | 1 | 15 | 3.2 |
| 12 | الحدود الشمالية | 11 | 0 | 11 | 3.8 |
| 13 | الباحة | 10 | 0 | 10 | 3.7 |
التفسير:
يوضح هذا الجدول ترتيب المناطق من حيث إجمالي عدد المستشفيات، بالإضافة إلى
الكفاءة النسبية. نلاحظ أن المناطق ذات عدد سكان مرتفع مثل الرياض قد تكون
في أعلى القائمة من حيث العدد الكلي، لكن ليس بالضرورة من حيث الكفاءة.
ggplot(hospital_data, aes(x = reorder(`المنطقة الإدارية`, `الإجمالي`), y = `الإجمالي`)) +
geom_col(fill = "skyblue") +
coord_flip() +
labs(title = "إجمالي عدد المستشفيات حسب المنطقة",
x = "المنطقة",
y = "الإجمالي")
التفسير:
يُظهر الرسم التوزيع الفعلي لعدد المستشفيات في كل منطقة. مناطق مثل الرياض
ومكة تتصدر القائمة، مما يعكس تركز البنية التحتية الصحية فيها.
ggplot(hospital_data, aes(x = reorder(`المنطقة الإدارية`, `عدد المستشفيات لكل 10 الأف نسمة`),
y = `عدد المستشفيات لكل 10 الأف نسمة`)) +
geom_col(fill = "seagreen") +
coord_flip() +
labs(title = "عدد المستشفيات لكل 10 آلاف نسمة",
x = "المنطقة",
y = "عدد المستشفيات")
التفسير:
هذا المؤشر يعكس مدى الكفاءة في توزيع المستشفيات بالنسبة للسكان. نلاحظ أن
مناطق مثل الباحة والحدود الشمالية تتميز بمؤشرات أعلى، مما يدل على تغطية
صحية أفضل مقارنة بعدد السكان.
hospital_data %>%
pivot_longer(cols = c(`الحكومي`, `الخاص`), names_to = "Sector", values_to = "Count") %>%
ggplot(aes(x = reorder(`المنطقة الإدارية`, Count), y = Count, fill = Sector)) +
geom_col(position = "dodge") +
coord_flip() +
labs(title = "توزيع المستشفيات الحكومية والخاصة", x = "المنطقة", y = "العدد", fill = "القطاع")
التفسير:
يوضح هذا الرسم مدى مساهمة كل قطاع (الحكومي والخاص) في تقديم الخدمات
الصحية. نلاحظ تفوق القطاع الحكومي في معظم المناطق، مما يعكس اعتماد
الدولة الكبير على تقديم الرعاية الصحية.
hospital_data %>%
arrange(desc(`عدد المستشفيات لكل 10 الأف نسمة`)) %>%
select(`المنطقة الإدارية`, `الإجمالي`, `عدد المستشفيات لكل 10 الأف نسمة`) %>%
kable(caption = "ترتيب المناطق حسب الكفاءة النسبية للتغطية الصحية")| المنطقة الإدارية | الإجمالي | عدد المستشفيات لكل 10 الأف نسمة |
|---|---|---|
| الحدود الشمالية | 11 | 3.8 |
| الباحة | 10 | 3.7 |
| الجوف | 15 | 3.2 |
| نجران | 16 | 3.0 |
| القصيم | 25 | 2.9 |
| تبوك | 16 | 2.9 |
| حائل | 17 | 2.8 |
| المنطقة الشرقية | 84 | 2.5 |
| الرياض | 109 | 2.4 |
| عسير | 41 | 2.4 |
| المدينة المنورة | 32 | 2.2 |
| جازان | 28 | 2.2 |
| مكة المكرمة | 95 | 1.9 |
التفسير:
يُظهر هذا الجدول ترتيب المناطق بناءً على عدد المستشفيات لكل 10 آلاف نسمة، وهو مقياس يساعدنا نفهم هل عدد المستشفيات يكفي السكان أو لا.
نلاحظ أن بعض المناطق مثل الباحة والجوف عندها مؤشر مرتفع، رغم أن عدد مستشفياتها قليل. هذا يعني إن عدد السكان فيها قليل، فالمستشفيات الموجودة تعتبر كافية وتوفر تغطية صحية جيدة.
بالمقابل، مناطق مثل مكة المكرمة أو الرياض، عندها مستشفيات كثيرة، لكن عدد سكانها أكبر بكثير، فالمؤشر يكون منخفض. وهذا يدل على وجود ضغط أعلى على الخدمات الصحية في هذه المناطق.
cor_gov =cor.test(hospital_data$`الحكومي`, hospital_data$`عدد المستشفيات لكل 10 الأف نسمة`)
cor_private =cor.test(hospital_data$`الخاص`, hospital_data$`عدد المستشفيات لكل 10 الأف نسمة`)
cor_gov##
## Pearson's product-moment correlation
##
## data: hospital_data$الحكومي and hospital_data$`عدد المستشفيات لكل 10 الأف نسمة`
## t = -3.1199, df = 11, p-value = 0.009751
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## -0.8973808 -0.2155763
## sample estimates:
## cor
## -0.6851767cor_private##
## Pearson's product-moment correlation
##
## data: hospital_data$الخاص and hospital_data$`عدد المستشفيات لكل 10 الأف نسمة`
## t = -2.5217, df = 11, p-value = 0.02839
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## -0.86707530 -0.08140227
## sample estimates:
## cor
## -0.6052416التفسير الإحصائي بناءً على نتائج الاختبار:
p-value = 0.009751 أقل من 0.05 ، إذن نرفض الفرضية
العدمية ونستنتج وجود ارتباط معنوي بين عدد المستشفيات الحكومية والتغطية
الصحية.p-value = 0.02839 أقل من 0.05 ، إذن نرفض أيضًا
الفرضية العدمية ونستنتج وجود ارتباط معنوي بين عدد المستشفيات الخاصة
والتغطية الصحية.الخلاصة: رغم أن كلا الارتباطين معنويان إحصائيًا، فإن الاتجاه السلبي قد يشير إلى أن زيادة عدد المستشفيات – سواء الحكومية أو الخاصة – لا يواكب بالضرورة التوزيع العادل للسكان أو أن المناطق ذات الكثافة العالية تتطلب جهودًا أكبر في التغطية الفعلية.
جميع الحقوق محفوظة © أرقامي 2025
لمزيد من المعلومات، تواصل معنا عبر بريدنا الإلكتروني: argamil2025@gmail.com