2. 辽宁师范大学 地理科学学院, 大连 116029
2. School of Geography, Liaoning Normal University, Dalian 116029, China
健康中国行动(2019—2030年)指出,2017年学生体质健康达标优良率仅为31.8 %,肥胖已成为制约学生健康成长的关键因素[1]。已有研究指出,随着社会经济发展水平提升,居民饮食营养结构改善,居民全身性肥胖的风险增加[2]。街道可步行性下降,体力活动设施缺乏,居民身体活动量普遍不足,进一步加剧了超重肥胖发生率[3]。超重肥胖从身体形态上直观反映了居民的体质健康水平。
全身性肥胖与地理环境密切相关[4],地理学对人类健康与地理环境的关系研究逐渐转向城市建成环境要素对人类健康的影响[5, 6],生理健康水平可以从身体质量指数[7]、自评健康状况[8]以及是否患有慢性疾病[9]等几方面进行衡量。相关研究主要以体力活动或膳食活动为中介,分析社区建成环境对居民健康的影响[2, 10]。第一,体力活动方面:①土地混合利用提高了目的地可达性和休闲性步行机会,抑制肥胖风险[11];②通勤方式和通勤时长影响身体活动量[12],公共交通提供的慢行交通环境促进了交通性步行或骑行[13],有助于抑制肥胖风险;③公园绿地提供了具有吸引力的步行环境[14],有助于降低超重风险[15-17];④体力活动也受健身场所[18]、健身意向以及健身态度影响,健身态度影响知觉行为进而影响体力活动的发生[19];⑤家庭和学校500 m范围内的公共娱乐机会影响学生体质健康水平[20],部分娱乐环境会促成久坐的生活方式,加剧肥胖发生[21]。第二,膳食活动方面:①肥胖与食物供应变化相关[22],高热量食品环境增加肥胖风险,1 km范围内的速食店是肥胖人口比例增高的重要因素[2];②食物消费类型是肥胖的决定性因素[23],高脂、高热量的食品供应增加以及水果供应不足增加了青少年肥胖发生率[24, 25];③频繁的外出就餐导致更高的BMI指数,且收入较低的居民更容易受到附近餐馆的影响[26],这与受教育程度、健康素养以及资源获取能力有关[27]。医疗设施可达性[28]和个人负担能力[29]共同影响医疗资源的获取进而影响居民健康。综合来看,相关研究对身体活动和膳食活动的关注日益增多,然而少有数学者统筹考虑两方面因素对居民健康的影响[2, 10]。
国内学者主要关注建成环境对中老年群体健康状况的影响,较少关注青少年群体。然而,已有研究表明青少年时期是健康相关行为的形成和巩固时期,并对成年后的健康有重要影响[30]。研究方法选择上以结构方程模型为主,主要用于验证建成环境是否对居民健康水平差异产生影响,也有学者基于分层理念运用多元回归分析和二元logit回归等构建分层模型探究不同建成环境要素对居民超重的影响程度,分层模型有效解释了一个地方内部的依赖性但难以解释跨区域的空间自相关。社区是居民日常活动的基本空间单元[31],直接影响居民健康,然而家庭外部活动空间的环境对居民健康的影响也不容忽视,尤其是对于具有高度移动性的初中学生群体。因此,有必要研究不同活动空间的设施环境与青少年学生体质健康的关系及其影响的空间异质性。
基于以上认识,本文利用大连市学生体质健康调查数据、学校基础设施数据、城市设施空间兴趣点(POI)数据,从就读学校、通学通道、居住社区三个维度构建城市设施环境评价指标,通过地理加权回归模型分析城市设施环境与学生体质健康的关系及其空间异质性影响。
1 数据来源与研究方法 1.1 研究范围与数据来源大连市主城区包括中山区、西岗区、沙河口区、甘井子区4个市辖区,共39个乡镇街道,351个社区(图 1)。个体数据来源于大连市教育局提供的2015年市域198所公办学校132934位初中学生的体质健康调查数据,包含学生就读学校、年级、学籍号、身高、体重以及家庭住址信息等,涉及学生隐私的惯习信息和社会经济属性信息未包含在内。首先剔除家庭住址为未知或非大连市异常数据,得到96647名学生调查数据,占总量的72.70%。其中,初一年级28338人,占29.3%,初二年级34475人,占35.7%,初三年级33835人,占35.0%。为提高样本的代表性,在实际抽样过程中选择分层抽样与系统抽样相结合的方式,以年级作为分层准则,各层内按学生学籍号进行排序,以抽样距10对每层样本分段,然后进行等距抽样,首个个体通过简单随机抽样方式确定,最终得到9665个样本。对抽样后的学生家庭地址进行坐标解析,人工检查后,剔除163个坐标异常的样本,得到9502个含有家庭坐标的样本数据。最后通过ArcgisPro2.6的选择工具,筛选出家庭住址和就读学校均位于大连市主城区的3700个样本数据,并对样本住所可视化。
学校设施数据包括学校人均绿地面积和学校人均体育馆面积,从大连市教育局年度统计数据中提取。大连市道路网数据源于高德地图、2015年大连市设施兴趣点(POI)数据通过资源环境科学与数据中心(http://www.resdc.cn/Default.aspx)获取。大连市主城区POI数据经筛选去重后共计16614条。将以上数据与社区进行空间连接,得到不同社区学生体质健康数据和设施数据。社区边界数据通过大连市1:25万地形图提取。为保证坐标一致,数据统一至WGS1984 UTM Zone 51N投影坐标系。
1.2 研究变量 1.2.1 被解释变量BMI指数用以估计学生的体质健康水平,是测度学生体质健康状况的简便算法。因此,将社区学生身体质量指数(BMI)均值作为被解释变量一。为衡量社区学生超重发生风险,计算社区超重率(社区超重率=社区超重样本数量/ 社区样本总量)作为被解释变量二。
1.2.2 解释变量城市设施环境通过影响初中学生日常活动间接作用于体质健康[32],中学生日常活动主要分布在就读学校(S)、通学通道(G)、居住地(N)三类空间[33]。校内环境包括开放性绿地和封闭式体育馆,开放性绿地为学生校内日常活动提供了便捷宜人的活动场所;室内体育场馆作为体育教学的必要场所,也是学生校内活动的主要场所之一,但相比开敞绿地具有时间限制和空间限制。通学环境对学生体质健康的影响表现在积极通学与非积极通学对日常体力活动产生的差异化影响,而通学方式的选择受通学距离、城市土地利用、道路设计以及公共交通邻近性的综合影响[32]。短距离通学为步行和公共交通通学提供了可能,通学距离增加使机动车通学的概率上升,体力活动受阻,肥胖风险进而上升。土地利用密度和混合度的上升使得城市发展趋向紧凑,道路网密度增加同时带来了城市步行能力的提升与机动车通勤时间的增加,而公共交通的邻近性则有助于促进积极通学[32]。居住地即学生所在社区的服务设施比重体现了不同目的地可达性[34],中餐馆和西餐厅等作为家庭外部就餐的主要活动地点,提供了高脂高糖等富含热量的食物;超市和便利店作为家庭饮食的主要购物来源,同时也会出售薯片、汽水、糖果等廉价的高热量食物,影响学生日常能量摄入;公园广场、体育运动场馆、网吧、影院、KTV、游乐园以及游戏厅等场所是学生群体非在校时间经常访问的活动场所,通过影响休闲时间的活动量间接影响学生健康。医疗卫生设施作为基本健康资源影响居住空间选择[35],进而影响其他设施的利用。各变量的描述统计见表 1。
依据设施环境对学生体质健康的影响途径,可将学校、通学通道以及居住地的设施环境分为三类:第一类是“能量摄入型设施”,主要通过膳食活动和久坐行为影响身体能量摄入间接影响体质健康,包括中餐馆、西餐厅以及零售设施和以静态活动为主的休憩设施;第二类是“能量消耗型设施”,主要通过增加体力活动促使能量消耗间接影响体质健康,包括学校绿地、学校体育馆、公交站、地铁站、公园广场以及体育设施和以动态活动为主的娱乐设施;第三类是“生活支持型设施”,对身体能量摄入与消耗不具有直接影响的其他基本生活类设施,包括道路网和医疗设施。
1.3 研究方法首先,通过全局OLS线性回归模型的显著性检验来选取可能对社区学生身体质量指数存在影响的因素;然后通过全局莫兰指数(Moran's I)的空间相关性检验筛选可用于地理加权回归的解释变量;最后构建地理加权回归模型,分析各影响因素在空间非平稳情况下对社区学生身体质量指数的影响程度及其空间变异规律[28]。
1.3.1 普通最小二乘法:(1) |
式中,xm为第m个解释变量,αm为第个m解释变量的系数,ε为随机误差
1.3.2 全局空间自相关:(2) |
式中,I为全局莫兰指数;n为社区数量,共351个;xi、xj为社区i、j的共享设施环境的观测值;S2为社区观测值的方差;wij为空间权重矩阵。I > 0表示要素空间集聚,I < 0表示要素空间离散,I = 0则表示要素空间随机分布。
1.3.3 地理加权回归模型:(3) |
式中,Pi为社区学生BMI指数均值;α为截距项;xim为第i社区的第m项设施指标;(ui, vi) 为第i社区的空间坐标;εi为随机误差项;αm(ui, vi) 为第i社区的第m项设施指标的系数,系数绝对值越大,设施环境对社区学生体质健康的影响越大。模型拟合借助ArcgisPro2.6实现,以固定距离为核类型,带宽方法为Akaike信息准则。
2 中学生体质健康与城市设施环境的社区分异 2.1 中学生体质健康的社区分异参考《国家学生体质健康标准(2014年修订)》,以社区学生BMI指数平均值= 21.8为临界值,将社区分为未超重社区与超重社区两类。而社区超重风险分类参考学生体质健康达标优良率平均水平[36],以社区超重率达= 30 %为临界值,将社区分为低风险社区和高风险社区。最后通过ArcgisPro2.6的二元色彩将所有社区分为四种类型,分别是超重高风险社区、超重低风险社区、未超重低风险社区、未超重高风险社区(图 2)。
超重高风险社区中,学生整体的BMI指数已经达到超重水平,且超重的学生比重超过30%,分布范围较广,而且在社区间存在集聚现象,该类社区可能继续保持超重并有加剧的可能。超重低风险社区中,学生BMI指数整体达到超重,但发生超重的学生比重并不大,学生BMI指数呈现离散化特征,该类社区整体数量较少,分布零散,并且多与第一类社区临近,该类社区应注意非超重群体的超重发生风险。未超重低风险社区中,学生BMI指数整体上未达到超重,且超重个体比例较小,属于健康型社区,数量最多分布最广,大多集中在甘井子区,但向中心区靠近,数量急剧下降。未超重高风险社区中,虽然整体上没有表现出超重的特征,但是超重的学生数量较多,学生BMI指数呈现出集聚化,多数学生的BMI指数集中在超重边缘,从空间分布来看,该类型社区都与第一类社区接壤,该类社区的学生发生超重的可能性极大。
2.2 城市设施环境的社区分异为直观反映设施环境的社区分异特征,对不同类型设施进行空间可视化,并基于设施点核密度[37]的中心城区进行识别(图 3a)结果分析各类设施在城市核心与边缘的分布差异。能量摄入型设施方面(图 3b),中餐馆、西餐店等设施是学生外出就餐的主要访问地,也是高热量食物的主要获取源,而网吧、影剧院等休憩类场所多发生久坐类活动,也不利于能量的消耗。此类设施高值集聚区主要分布于中心城区的市级商业中心和副市级商业中心以及区级商业中心。能量消耗型设施方面(图 3c—f),从就读学校的人均绿地设施来看,居住于城市边缘社区的学生拥有的绿色开敞空间较多,中心城区的学生拥有的学校绿地面积较少;从学校人均体育面积来看,居住在中心城区的学生室内运动面积拥有量高于城市边缘社区的学生。公共交通提供的慢行环境和居住空间范围内的公园广场等休闲环境有利于促进学生群体之间的社会交往,提升身体活动意愿[35],该类设施高值集聚的社区位于城市边缘区,而中心城区分布比重不足30 %,中心城区日渐形成一种“高脂摄入,久坐不动”的致肥胖环境。生活支持型设施方面(图 3g—h),城市道路网设施高值中心集聚特征明显,并向西北、西南两个方向延伸,空间扩展路径与到地铁站最短距离的低值集聚带一致。而医疗设施作为一项基本健康资源设施,在整个空间范围内呈现大分散小集聚的特征,分布相对均衡,但大型医疗资源附近形成了小的高值集聚区。
社区学生BMI均值和社区学生超重率分别作为被解释变量构建模型一和模型二,结果显示(表 2),各项城市设施环境能够解释大连市中学生身体质量指数总变异的87.8 %,但仅能够解释学生超重率总变异的25.4 %,学生超重的影响因素更为复杂[38, 39]。模型一中,对社区学生身体质量指数在5%显著性水平上产生影响的因素包括学校人均绿地面积和学校人均体育馆面积,通学距离、道路网密度以及公交站点比重以及西餐厅比重、零售设施比重、休憩设施比重、医疗设施比重等居住地的服务设施;模型二中,学校人均体育馆面积在5%显著性水平上未表现出对学生超重的显著影响,将其剔除,最终共有8项因素在全局上对社区学生体质健康产生总变异具有影响,且空间上具有相关性特征(表 3)。
GWR模型进一步拟合结果显示(表 4),AICc值下降22.669,拟合效果更优,拟合过程更具有合理性。从最大、最小值可以看出,8个解释变量在空间上的影响程度差别较大,其中通学距离和学校人均绿地面积的平均值与中位值比较接近,在整体空间范围内的影响性质趋同,其余6个解释变量的平均值与中位值存在一定差异,在空间范围内的影响具有异质性。各影响因素在不同区域的异质性影响可通过对回归系数的自然断裂进行可视化(图 4)。
学校人均绿地面积显著降低了学生BMI指数(图 4a)。开放绿地通过增加学生与自然环境的接触可以鼓励学生开展体育锻炼,提高健康效应[40]。健康效应表现出从城市中心向城市边缘递增的趋势,这与自然环境的外部约束相关。义务教育阶段学区制的约束下初中学生的学校选择受到空间约束,与中心城区相比,城市边缘区的学校拥有更多的开放性绿地,所产生的健康效应也更高。
3.2.2 道路交通设施对学生体质健康的异质性影响通学距离显著增加了学生的BMI指数(图 4b),影响程度以陵水街道和沙河口区南部四街道为核心,呈圈层向外递减;公共交通设施对学生的BMI指数的影响在城市中心表现为显著增加(图 4c),在城市的边缘表现为显著降低;道路网密度的影响程度较低,仅在甘井子区的边缘表现出了对学生BMI指数的显著降低(图 4d)。一个可能性的解释是不同区域的学生因家庭背景差异导致通学方式的不同,大连市中心区的初中教育消费群体主要是知识分子家庭等高收入群体[41],由家长开车接送上下学的可能性较大,而城市边缘区的教育消费群体更多是企事业单位一般管理人员或是销售服务行业人员等中等收入群体,该区域学生更可能选择公共交通通学。
3.2.3 社区服务设施对学生体质健康的异质性影响西餐厅对学生的BMI指数的影响在整个空间范围内表现为显著增加(图 4e),最高值分布于高新区;影剧院等休憩类设施的高值区分布与西餐厅相似,但次高值逐渐向中心区扩展(图 4f),而甘井子等城市外围消费能力较低的区域作用强度并不高。两类设施对学生BMI指数的影响最高值都出现在中心城区的外围而非城市中心。此类设施的使用频率受家庭消费能力及父母职业背景的制约[42],中心城区外围的教育消费者主要是企事业管理人员或私营企业主,家庭消费能力并不弱于城市中心区的教育消费者,然而消费理念却存在较大差异,中心区从事文化体育工作的教育消费群体对不健康食品消费可能性较低[42]。
零售设施作为家庭饮食的主要获取源,对学生BMI指数的影响表现为抑制作用(图 4g),在辛寨子街道和红旗街道的村屯等乡村地区表现为最高值,这一系数值随着向城市中心的延伸逐渐缩减。而医疗资源是家庭健康生活的基本条件,在对医疗资源的支付能力较强的中心区产生了显著的抑制作用(图 4h),向城市边缘区延伸抑制效应逐渐下降,在甘井子区的部分地区表现出对学生BMI指数的促进作用,边缘区的学生承受着更大的健康负担。
3.3 设施环境对中学生体质健康的作用路径基于地理加权回归结果,将体力消耗和能量摄入作为中介机制分析城市设施环境对初中学生体质健康的作用路径,如图 5所示。
学校开放绿地为学生提供了一个可舒缓压力,吸引运动休闲的空间环境,有利于学生身体机能放松,增强体质健康[43],而居住空间范围内的休憩设施,如电影院、网吧等导致了越来越多的久坐时间,削减了体力消耗[20]。另外,通学尺度的设施环境也通过体力消耗这一变量对学生体质健康产生间接影响,表现在通学方式和通学时耗两方面,不同通学方式将产生不同的通学时耗,而通学方式的差异受到通学距离和公共交通布局的共同影响,临近公共交通将提供步行机会,增加日常体力活动,超出步行至公共交通的耐受范围,机动车通学将取代公共交通通学,其结果是久坐时间增加,体力消耗减少[32]。居住空间范围内的零售设施可达性将直接影响学生家庭对果蔬、谷类等健康食品的获取以及家庭性就餐的频率[25];而快餐店的可达性对于学生外出就餐频率及接触高热量食物的概率具有直接影响[44],不同饮食行为将对学生日常能量摄入产生显著差异,进而影响学生体质健康水平。
4 讨论基于背景因素探讨城市设施环境的健康效应正在成为政府和研究者关注热点。现有研究多从全局出发分析不同设施环境健康促进效应或抑制效应,忽视了这种影响的区域差异。地理加权回归分析系数结果的空间模式是对当前研究结论普遍适用性的检验,如绿地健康促进效应的普适性。同时,本研究证实了全局模型与局部模型之间的不一致性,即同一类设施在城市不同空间范围的健康效应的差异化特征,如公共交通、道路网密度、餐饮零售设施、休憩医疗设施等。未来的研究不仅要关注设施环境健康效应的群体差异,更应关注空间差异并考虑每个地区的独特性,这有助于更好地理解环境背景因素对居民健康的异质性影响。
另外,本文将BMI指数作为衡量学生体质健康的简化指标,仅从身体形态方面展示了学生体质健康的差异,未能反映学生身体机能以及身体素质方面的差异。在影响学生体质健康的城市设施环境选取方面,主要考虑了学生日常活动相对集中的学校空间、通学通道以及居住地(社区),这可能忽视了更大尺度的城市空间的部分设施环境的影响。学校空间的设施环境通过人均面积衡量仅反映了设施拥有量的差异所产生的影响,但这并不能反映学生在设施使用方面的差异。通学是学生群体的共性活动,道路的高连通性和公共交通的邻近性被证明能够提高学生步行通学的可能性[32],但也有研究表明,即使临近公共交通,家长也可能出于安全性考虑而选择私家车接送孩子上下学[45]。居住空间的设施环境对学生体质健康的影响也具有不确定性,一方面,初中学生可支配的零用钱相对有限,消费性设施使用可能受父母决策的影响[46],如,中餐馆、西餐厅以及影剧院和游戏厅等休闲娱乐设施;另一方面,除课堂外的有限活动时间也可能制约学生对公园广场和体育场馆等活动设施的使用频率。
关于中心区与边缘区的划分,本文使用了基于POI核密度的划分方法,POI核密度能够从经济活动强度上对中心区进行识别,较为简单直观,但其科学性和准确性仍值得讨论。最后,对于设施环境影响学生体质健康的路径分析,本文参考前人的研究结论和本文地理加权回归系数平均值,从逻辑推理的角度给出了一个可能性的解释,但体力活动和能量摄入是否能作为城市设施环境与学生体质健康的中介机制,以及中介效应强度仍需要统计验证。
5 结论本文利用大连市学生体质健康调查数据、学校基础信息数据、大连市主城区路网数据、设施数据等,刻画中学生体质健康的社区分异,并系统分析了城市设施环境对中学生体质健康社区异质性影响,最后从体力消耗与能量摄入两方面探讨了城市设施对学生体质健康的影响路径。得出如下主要结论:
第一,中学生体质健康的社区分异明显,超重高风险社区、超重低风险社区、未超重高风险社区在空间上具有典型的集聚分布特征,且多以超重高风险社区为核心向外扩张。从城市设施分布来看,能量摄入型设施在城市中心集聚,而能量消耗型设施在城市中心分布比重不足,导致城市中心日渐形成一种“高脂摄入、久坐不动”的致肥胖环境。
第二,城市设施环境对社区学生BMI指数均值及社区超重率均有显著影响,且设施环境对社区学生BMI指数均值差异的解释力更强。其中,学校人均绿地面积、通学距离、公共交通设施及道路网密度对学生BMI指数以抑制效应为主,并且效应强度从中心向边缘呈递增;西餐厅和休憩设施在高新区对学生BMI指数促进效应形成核心高值区,并向外围递减;零售设施在辛寨子街道和红旗街道等边缘社区对学生BMI指数产生显著抑制效应,但靠近城市中心社区影响衰减;医疗设施在城市中心社区对学生BMI指数产生显著抑制效应,而在城市边缘社区表现为显著促进效应。
与此同时,本文有一些不足需要提升。首先,选择从社区层面进行数据汇总,未能兼顾跨区就学的现实情况,产生了一定的逻辑脱节,但数据汇总单元与学区划分中的社区范围一致,且研究对象属于义务教育阶段的公办学校学生,因此这种数据处理方式不会影响结论的真实性;其次,学生健康行为、社会经济属性以及遗传因素等数据缺失,个体层面的因素对学生体质健康的影响未能得到控制;最后,设施环境对学生体质健康的影响并非静态的,当前的健康水平可能与历史生活环境有关,未来研究应通过长时间段追踪数据来研究设施环境暴露与体质健康的因果关联。
[1] |
Claire T, Janet R, Clare R. The impact of hot food takeaways near schools in the UK on childhood obesity: A systematic review of the evidence[J]. Journal of Public Health, 2019, 41(2): 231-239. DOI:10.1093/pubmed/fdy048 |
[2] |
孙斌栋, 阎宏, 张婷麟. 社区建成环境对健康的影响——基于居民个体超重的实证研究[J]. 地理学报, 2016, 71(10): 1721-1730. [Sun Bindong, Yan Hong, Zhang Tinglin. Impact of community built environment on residents'health: A case study on individual overweight[J]. Acta Geographica Sinica, 2016, 71(10): 1721-1730. DOI:10.11821/dlxb201610005] |
[3] |
孙红梅, 孙强. 建成环境对青少年身体活动影响的研究进展[J]. 山东体育学院学报, 2018, 34(4): 87-92. [Sun Hongmei, Sun Qiang. Research progress of built environment effect on adolescents physical activity[J]. Journal of Shandong Sport University, 2018, 34(4): 87-92.] |
[4] |
Sui Daniel Z. Musings on the fat city: Are obesity and urban forms linked?[J]. Urban Geography, 2013, 24(1): 75-84. |
[5] |
张天尧, 张衔春, 洪世键, 等. 健康维度下可持续性研究框架解读与重构[J]. 地域研究与开发, 2017, 36(4): 1-6. [Zhang Tianyao, Zhang Xianchun, Hong Shijian, et al. Interpretation and reconstruction of the sustainability research framework under the health dimension[J]. Areal Research and Development, 2017, 36(4): 1-6. DOI:10.3969/j.issn.1003-2363.2017.04.001] |
[6] |
李智轩, 何仲禹, 张一鸣, 等. 绿色环境暴露对居民心理健康的影响研究——以南京为例[J]. 地理科学进展, 2020, 39(5): 779-791. [Li Zhixuan, He Zhongyu, Zhang Yiming, et al. Impact of greenspace exposure on residents'mental health: A case study of Nanjing city[J]. Progress in Geography, 2020, 39(5): 779-791.] |
[7] |
王依茹, 王琛, 曾金迪. 个体与环境交互作用下中国成人超重肥胖情况变化趋势及影响因素研究[J]. 地理科学进展, 2020, 39(1): 100-110. [Wang Yiru, Wang Chen, Zeng Jindi. Study on the trend and influencing factors of overweight and obesity in Chinese adults under interactions of individual and environment[J]. Progress in Geography, 2020, 39(1): 100-110.] |
[8] |
黄柏石, 李思思, 仝广乾, 等. 中国老年人口自评健康水平的空间分异及影响因素[J]. 人文地理, 2020, 35(3): 37-47. [Huang Baishi, Li Sisi, Tong Guangqian, et al. Spatial difference and influencing factors of self-rated health level of old people in China[J]. Human Geography, 2020, 35(3): 37-47.] |
[9] |
程晗蓓, 邹游, 林赛南, 等. 居住迁移对居民健康的影响研究进展述评[J]. 地理科学进展, 2020, 39(7): 1210-1223. [Cheng Hanbei, Zou You, Lin Sainan, et al. Review of recent research on the impacts of residential mobility on health[J]. Progress in Geography, 2020, 39(7): 1210-1223.] |
[10] |
张延吉, 邓伟涛, 赵立珍, 等. 城市建成环境如何影响居民生理健康?——中介机制与实证检验[J]. 地理研究, 2020, 39(4): 822-835. [Zhang Yanji, Deng Weitao, Zhao Lizhen, et al. How urban built environment affects residents'physical health?Mediating mechanism and empirical test[J]. Geographical Research, 2020, 39(4): 822-835.] |
[11] |
杨婕, 陶印华, 柴彦威. 邻里建成环境与社区整合对居民身心健康的影响——交通性体力活动的调节效应[J]. 城市发展研究, 2019, 26(9): 17-25. [Yang Jie, Tao Yinhua, Chai Yanwei. Neighborhood built environment, community cohesion and public health: The moderating effect of transport-related physical activity[J]. Urban Development Studies, 2019, 26(9): 17-25. DOI:10.3969/j.issn.1006-3862.2019.09.003] |
[12] |
曹晨, 甄峰, 汪侠, 等. 基于健康视角的城市就业者通勤模式选择及影响因素研究——以南京市为例[J]. 人文地理, 2020, 35(1): 114-122. [Cao Chen, Zhen Feng, Wang Xia, et al. Aresearch on the choice of urban employees'commuting modeand its influencing factors based on health perspective: A case of Nanjing city[J]. Human Geography, 2020, 35(1): 114-122.] |
[13] |
周素红, 彭伊侬, 柳林, 等. 日常活动地建成环境对老年人主观幸福感的影响[J]. 地理研究, 2019, 38(7): 1625-1639. [Zhou Suhong, Peng Yinong, Liu Lin, et al. The impact of built environment on well-being of older adults under different geographic contexts[J]. Geographical Research, 2019, 38(7): 1625-1639.] |
[14] |
Townshend T G, Lake A A. Relationships between "wellness centre" use, the surrounding built environment and obesogenic behaviours, Sunderland, UK[J]. Journal of Urban Design, 2011, 16(3): 351-367. DOI:10.1080/13574809.2011.572254 |
[15] |
Pascale J M, Wolch J, Salim Z. Building the healthy city: The role of nonprofits in creating active urban parks[J]. Urban Geography, 2013, 32(5): 682-711. |
[16] |
邱婴芝, 陈宏胜, 李志刚, 等. 基于邻里效应视角的城市居民心理健康影响因素研究——以广州市为例[J]. 地理科学进展, 2019, 38(2): 283-295. [Qiu Yingzhi, Chen Hongsheng, Li Zhigang, et al. Exploring neighborhood environmental effects on mental health: A case study in Guangzhou city[J]. Progress in Geography, 2019, 38(2): 283-295.] |
[17] |
Goldsby T U, George B J, Yeager V, et al. Urban park development and pediatric obesity rates: A quasi-experiment using electronic health record data[J]. International Journal of Environmental Research and Public Health, 2016, 13(4): 411. DOI:10.3390/ijerph13040411 |
[18] |
孙佩锦, 陆伟. 城市绿色空间与居民体力活动和体重指数的关联性研究——以大连市为例[J]. 南方建筑, 2019(3): 34-39. [Sun Peijin, Lu Wei. The correlation between urban green space and residents'physical activity and health outcome: A case study of Dalian[J]. South Architecture, 2019(3): 34-39. DOI:10.3969/j.issn.1000-0232.2019.03.034] |
[19] |
李智轩, 胡宏. 基于计划行为理论的城市居住分异对居民健康活动的影响研究[J]. 地理科学进展, 2019, 38(11): 1712-1725. [Li Zhixuan, Hu Hong. Using the theory of planned behavior to understand the effects of urban residential differentiation on residents'physical activities[J]. Progress in Geography, 2019, 38(11): 1712-1725. DOI:10.18306/dlkxjz.2019.11.007] |
[20] |
Gilliland J A, Rangel C Y, Healy M A, et al. Linking childhood obesity to the built environment: A multi-level analysis of home and school neighbourhood factors associated with body mass index[J]. Canadian Journal of Public Health, 2012, 103(9): 15-21. |
[21] |
姜玉培, 甄峰, 赵梦妮, 等. 城市居民日常身体活动时空分异特征及影响因素[J]. 地理科学, 2019, 39(9): 496-1506. [Jiang Yupei, Zhen Feng, Zhao Mengni, et al. Characteristics of spatio-temporal difference and influencing factors of urban resident's daily physical activity[J]. Scientia Geographica Sinica, 2019, 39(9): 1496-1506.] |
[22] |
王军利, 项立敏, 张松奎, 等. 儿童青少年超重与肥胖的成因及社会网络干预[J]. 上海体育学院学报, 2019, 43(5): 30-40. [Wang Junli, Xiang Limin, Zhang Songkui, et al. Factors and social network interventions of overweight and obesity in children and adolescents[J]. Journal of Shanghai University of Sport, 2019, 43(5): 30-40.] |
[23] |
Dwicaksono A, Brissette Ian, Birkhead G S, et al. Evaluating the contribution of the built environment on obesity among New York state students[J]. Health Education Behavior, 2018, 45(4): 480-491. DOI:10.1177/1090198117742440 |
[24] |
Wrigley N, Warm D, Margetts B, et al. Deprivation, diet, and foodretail access: Findings from the leeds "food deserts" study[J]. Environment and Planning, 2003, 35(1): 151-188. DOI:10.1068/a35150 |
[25] |
Michimi A, Wimberly M C. Associations of supermarket accessibility with obesity and fruit and vegetable consumption in the conterminous United States[J]. International Journal of Health Geographics, 2010, 9(4): 140-148. |
[26] |
Eckert J, Vojnovic I. Fast food landscapes: Exploring restaurant choice and travel behavior for residents living in lower eastside Detroit neighborhoods[J]. Applied Geography, 2017, 89(9): 41-51. |
[27] |
朱战强, 陶小芳, 周素红. 城市居民超重的居住分异——以广州市为例[J]. 热带地理, 2020, 40(3): 487-497. [Zhu Zhanqiang, Tao Xiaofang, Zhou Suhong. The residential differentiation of residents'overweight: A case study of Guangzhou city[J]. Tropical Geography, 2020, 40(3): 487-497.] |
[28] |
龚胜生, 陈云. 中国南方地区卫生资源与居民健康的时空关系[J]. 地理研究, 2020, 39(1): 115-128. [Gong Shengsheng, Chen Yun. Temporal-spatial relationship between health resources and residents'health in southern China[J]. Geographical Research, 2020, 39(1): 115-128.] |
[29] |
周广肃, 樊纲, 申广军. 收入差距、社会资本与健康水平——基于中国家庭追踪调查(CFPS)的实证分析[J]. 管理世界, 2014(7): 12-21, 51, 187. [Zhou Guangsu, Fan Gang, Shen Guangjun. The income disparity, the social capital and health: A case study based on China family panel studies[J]. Management World, 2014(7): 12-21, 51, 187.] |
[30] |
世界卫生组织. 全球加快青少年健康行动(AA-HA!)支持国家实施工作的指导意见-概要[R]. 日内瓦: 世界卫生组织, 2017: 11. [World Health Organization. Global Accelerated Action for the Health of Adolescents (AA-HA!) Guidance to Support Country Implementation[R]. Geneva: World Health Organization, 2017: 11.]
|
[31] |
傅行行, 申悦. 面向社区生活圈构建的郊区居民社区依赖性研究——以上海市为例[J]. 地理科学进展, 2019, 38(6): 818-828. [Fu Xingxing, Shen Yue. Neighborhood attachment of suburban residents in the context of community life circle construction: A case study in Shanghai[J]. Progress in Geography, 2019, 38(6): 818-828.] |
[32] |
王侠, 焦健. 基于通学出行的建成环境研究综述[J]. 国际城市规划, 2018, 33(6): 57-62, 109. [Wang Xia, Jiao Jian. A review of built environment research based on children's school travel behavior[J]. Urban Planning International, 2018, 33(6): 57-62, 109.] |
[33] |
汤优, 张蕊, 杨静, 等. 北京市学龄儿童通学出行行为特征分析[J]. 交通工程, 2017, 17(2): 53-57, 64. [Tang You, Zhang Rui, Yang Jing, et al. A study of travel patterns of the school-age children in Beijing[J]. Journal of Transportation Engineering, 2017, 17(2): 53-57, 64.] |
[34] |
张延吉, 朱春武, 秦波. 犯罪数量与危害的空间分布及建成环境影响——基于北京市刑事案件的纵向研究[J]. 地理科学进展, 2019, 38(12): 1876-1889. [Zhang Yanji, Zhu Chunwu, Qin Bo. Spatial distribution of crime number and harm and the influence of the built environment: A longitudinal research on criminal cases in Beijing[J]. Progress in Geography, 2019, 38(12): 1876-1889. DOI:10.18306/dlkxjz.2019.12.005] |
[35] |
曹阳, 甄峰, 姜玉培. 基于活动视角的城市建成环境与居民健康关系研究框架[J]. 地理科学, 2019, 39(10): 1612-1620. [Cao Yang, Zhen Feng, Jiang Yupei. The framework of relationship between built environment and residents'healthy based on activity perspective[J]. Scientia Geographica Sinica, 2019, 39(10): 1612-1620.] |
[36] |
中华人民共和国国家卫生健康委员会. 健康中国行动(2019-2030)[EB/OL]. (2019-07-15)[2020-02-14]. http://www.gov.cn/xinwen/2019-07/15/content_5409694.htm. [Healthy China Promotion Committee. Healthy China Action (2019-2030)[EB/OL]. (2019-07-15)[2020-02-14]. http://www.gov.cn/xinwen/2019-07/15/content_5409694.htm.]
|
[37] |
薛冰, 肖骁, 李京忠, 等. 基于兴趣点(POI)大数据的东北城市空间结构分析[J]. 地理科学, 2020, 40(5): 691-700. [Xue Bing, Xiao Xiao, Li Jingzhong, et al. Analysis of spatial economic structure of northeast China cities based on points of interest (POI) big data[J]. Scientia Geographica Sinica, 2020, 40(5): 691-700.] |
[38] |
Gerry V, Adam V Y. Family income and self-rated health in Canada: Using fixed effects models to control for unobserved confounders and investigate causal temporality[J/OL]. Social Science & Medicine 2020, 250: 112884. https://doi.org/10.1016/j.socscimed.2020.112884.
|
[39] |
Troxel W M, Ann H, Bonnie G D, et al. Broken windows, broken zzs: Poor housing and neighborhood conditions are associated with objective measures of sleep health[J]. Journal of Urban Health, 2020, 97(2): 230-238. DOI:10.1007/s11524-019-00418-5 |
[40] |
Meghann M, Paul B, Anna J, et al. Population-level linkages between urban greenspace and health inequality: The case for using multiple indicators of neighbourhood greenspace[J/OL]. Health Place, 2020, 62: 102284. https://doi.org/10.1016/j.healthplace.2020.102284.
|
[41] |
韩增林, 谢永顺, 刘天宝, 等. 大连市初中教育消费者的社会空间结构研究[J]. 地理科学, 2018, 38(7): 1129-1138. [Han Zenglin, Xie Yongshun, Liu Tianbao, et al. The socio-spatial structure of middle school education consumers in Dalian[J]. Scientia Geographica Sinica, 2018, 38(7): 1129-1138.] |
[42] |
Yi L, Zachary Z. Child and adolescent obesity and employment sector in urban China[J]. Asian Population Studies, 2013, 9(3): 264-279. DOI:10.1080/17441730.2013.807597 |
[43] |
Harrison F, Esther M F, Corder K, et al. School grounds and physical activity: Associations at secondary schools, and over the transition from primary to secondary schools[J]. Health and Place, 2016, 39: 34-42. DOI:10.1016/j.healthplace.2016.02.004 |
[44] |
Xu Y, Wang L. GIS-based analysis of obesity and the built environment in the US[J]. Cartography and Geographic Information Science, 2015, 42(1): 9-21. DOI:10.1080/15230406.2014.965748 |
[45] |
Janet E F, Jessica L S, Michelle M Y, et al. Active transportation to school: Findings from a national survey[J]. Research Quarterly for Exercise and Sport, 2005, 76(3): 352-357. |
[46] |
Colls R, Evans B. Embodying responsibility: Children's health and supermarket initiatives[J]. Environment and Planning, 2008, 40(3): 615-631. DOI:10.1068/a3935 |