Oppgrader til nyeste versjon av Internet eksplorer for best mulig visning av siden. Klikk her for for å skjule denne meldingen
Ikke pålogget
{{session.user.firstName}} {{session.user.lastName}}
Du har tilgang til Idunn gjennom , & {{sessionPartyGroup.name}}

Dödligheten är högre i kommuner med låg befolkningstäthet. En studie i fyra nordiska länder

Mortality is higher in municipalities with low population density. A study in four Nordic countries
Associate professor, Department of Global Public Health, Karolinska institutet, Stockholm, Sweden

Bakgrund: Det finns motstridiga uppfattningar om hälsan i städer kontra glesbygd. Historiskt sett var, fram till mitten av 1850-talet, städer i Europa ohälsosamma platser. Idag verkar dock hälsan vara bättre i städer än på landet men resultaten i olika studier är motstridiga. Vidare har de nordiska länderna omfattande socialpolitiska insatser som syftar till att utjämna skillnader mellan människors livschanser, inkluderade skillnader mellan stad och land.

Syfte: Att undersöka effekten av befolkningstäthet (BT) på hälsan i nordiska kommuner.

Metoder: Hälsan bedömdes som dödlighet, beräknade som livslängd vid födseln (LE), som potentiella antal förlorade levnadsår (PYLL) i åldrarna 0–80 år och direkt som dödlighet i olika åldrar. I analyserna beräknades en linjär korrelation mellan LE/PYLL/dödlighet och log10 för BT (invånare per kvadratkilometer). Effekten av BT har bedömts som skillnaden i LE/PYLL/dödlighet för en 10-faldig ökning av BT.

Resultat och slutsatser: I Finland, Norge och Sverige var dödligheten genomgående högre i kommuner med låg BT. Skillnad har ökat med tiden. De nationella insatser som genomförts och som syftar till att utjämna skillnader mellan tätort och glesbygd har uppenbarligen varit otillräckliga. Resultaten i Danmark var oklara vilket troligen berodde på mindre variation av kommunal BT.

Nyckelord: Dödlighet, nordisk, befolkningstäthet, glesbygd, urban

Background: There are conflicting perceptions of health in urban vs. rural areas. Historically, up until the mid 1850ies, towns and cities in Europe were unhealthy places. Yet, contemporary studies often indicate better health in urban areas. The findings, however, are not consistent. Moreover, in the Nordic countries, there are ambitious welfare policies at place that might reduce any rural or urban disadvantage.

Aim: To investigate the effect of population density (BT) on health in Nordic municipalities.

Methods: Health outcomes were assessed as mortality rates, calculated as Life Expectancy at birth (LE), as Potential Years of Life Lost before age 80 (PYLL) and as mortality rates in different age groups. In the analyses, mortality rates were linearly correlated with the log10 for BT. The effect of BT was assessed as the difference in mortality rates by a 10 times increase of BT.

Results and conclusions: In Finland, Norway and Sweden, mortality rates were consistently higher in less densely populated municipalities. This disparity has increased over time. The national efforts to offset this disparity have obviously not been sufficient. The findings in Denmark were unclear, which probably was due to less variation of municipal BT.

Keywords: Mortality, Nordic, population density, rural, urban

Introduktion

Det finns motstridiga uppfattningar om hälsan i städer och på landet. Å ena sidan betraktas stadslivet ofta som ohälsosamt eftersom det uppfattas som jäktigt och onaturligt. Å andra sidan är befolkningen i tätorter i allmänhet bättre utbildade och har högre inkomster och kan därför förväntas ha bättre hälsa.

Historiskt sett, fram till mitten av 1850-talet, var städer i Europa ohälsosamma, och befolkningen där hade högre dödlighet än de som inte levde i städer (Leon, 2008). Även idag medför boende på landet flera fördelar. Där finns mindre luftförorening, både inomhus och utomhus (Matson, 2005) och närheten till natur är hälsoskyddande (St Leger, 2003). Tidigare var de flesta människor verksamma inom industri, jord- och skogsbruk och fiske och de flesta bodde på landet eller i mindre tätorter. Idag domineras istället verksamheten i samhället av produktion av tjänster och de flesta bor i tätorter och städer. Produktion av tjänster kräver sociala interaktioner, något som ger stadsbor en fördel, både för konsumtion och för produktion. Sociala interaktioner underlättar också utveckling av nya produkter och tjänster vilket ytterligare favoriserar de som bor i städer.

Idag verkar hälsan vara bättre i städer än på landet. Länder med en högre grad av urbanisering visar lägre dödlighet och snabbare minskning av dödligheten, även efter kontroll för bruttonationalprodukt (BNP) per capita (Bandyopadhyay & Green, 2018). I USA lever invånare i storstadsområden längre än de som bor på landet (Singh & Siahpush, 2014). Skillnaderna i USA verkar ha ökat under perioden 1969–2009.

Dock finns inget entydigt mönster. I Nederländerna verkar unga vuxna och äldre gynnas av att bo i städer medan det omvända gäller för individer i åldern 40–69 år (van Hooijdonk, Droomers, Deerenberg, Mackenbach & Kunst, 2008). I Storbritannien är den självrapporterade sjukligheten högre, både i områden med mycket låg befolkningstäthet (BT) och i områden med mycket hög BT, medan den lägsta dödligheten finns i områden med BT däremellan (Barnett, Roderick, Martin & Diamond, 2001). I USA har de mest glesbefolkade och de mest urbana områdena högst dödlighet, jämfört med områden med BT däremellan (Eberhardt & Pamuk, 2004). Således har inget linjärt samband mellan BT och dödlighet påvisats.

Eurostat har publicerat uppgifter om självrapporterad hälsa, både i EU28 totalt och i de enskilda nordiska länderna (Eurostat, 2015b). Inom EU28 är hälsan bäst i städer och förortsområden och sämst på landet. Sambandet mellan BT och hälsa förefaller vara linjärt enligt de grafer som publicerats. Detta mönster återfinns också i Danmark, Finland och Norge. Sverige avviker dock från detta mönster med sämst självrapporterad hälsa i städer och i förorter.

Specifika hälsoproblem på landet jämfört med städer

För att klargöra skillnader i hälsan mellan land och stad är det motiverat att analysera förekomsten av specifika hälsoproblem. Död i olycksfall är vanligare i glesbygd, enligt en norsk (Kristiansen et al., 2014) och en finsk studie (Raatiniemi et al., 2016). Den ökade risken gäller främst skador i samband med transport. Personbil krävs ofta för transporter i glesbygd och risken för allvarliga skador är högre för resor med personbil, jämfört med kollektivtrafik.

Död i hjärt- och kärlsjukdom är vanligare i glesbygd enligt en norsk studie (Kruger, Aase & Westin, 1995). Så har det inte alltid varit. Under en tidigare period, 1966–70, var dödligheten i dessa sjukdomar lägre i glesbygd. En förklaring till den nutida ökade dödligheten i glesbygd kan vara att riskfaktorer för hjärt-kärlsjukdom, som låg fysisk aktivitet och fetma är vanligare där (Lindroth, Lundqvist, Lilja & Eliasson, 2014). Ytterligare två svenska studier visar att låg fysisk aktivitet är vanligare på landet (Arvidsson, Eriksson, Lonn & Sundquist, 2012; Eriksson, Arvidsson, Gebel, Ohlsson & Sundquist, 2012). Samband mellan låg BT och låg fysisk aktivitet har även påvisats internationellt i en systematisk litteraturöversikt (Durand, Andalib, Dunton, Wolch & Pentz, 2011).

Förklaringen till att den fysiska aktiviteten är lägre på landet är också den kopplad till möjligheterna till transport. Personbil krävs ofta för transporter i glesbygd, vilket medför mindre fysisk aktivitet.

Låg fysisk aktivitet medför ökad risk för fetma. Enligt en amerikansk studie minskade risken för fetma med 0,5 % för varje enskilt steg på en skala 0–100 för BT (Lopez, 2004). Jämförbara samband med ökad risk för fetma i glesbygd har påvisats i Sverige (Rasmussen, Johansson & Hansen, 1999), i Europa som helhet (Rabin, Boehmer & Brownson, 2007) samt på global nivå (Bixby et al., 2019).

Det är oklart om cancer är vanligare i glesbygd. Överlevnaden vid lungcancer är dock lägre i glesbygd (Afshar, English & Milne, 2019). Förklaringen i de nordiska länderna är inte att rökning är vanligare i glesbygd (Idris et al., 2007).

Självmord är genomgående vanligare i glesbygd, i USA (Singh & Siahpush, 2002), i Australien (Dudley, Kelk, Florio & Howard, 1998), i Storbritannien (Levin & Leyland, 2005), för tonåringar i Sverige (Lindqvist & Johansson, 2000) och för vuxna män i Sverige (Crump, Sundquist, Sundquist & Winkleby, 2014).

Psykisk sjuklighet visar däremot inget entydigt mönster. En global systematisk litteraturöversikt påvisade inte några säkerställda skillnader för ångestsyndrom mellan stad och land (Baxter, Scott, Vos & Whiteford, 2013). Studier från enskilda länder visar på motstridiga resultat. I Nederländerna hade barn som bodde i stadsområden mer beteendeproblem och mer känslomässiga störningar jämfört med barn som bodde på landet (Evans, Buil, Burk, Cillessen & van Lier, 2018). I Storbritannien påvisades i en studie ett liknande samband (Midouhas & Platt, 2014) medan en annan studie visade på motsatsen (Middleton, Gunnell, Frankel, Whitley & Dorling, 2003; Wiles et al., 2006). I Sverige förefaller risken för psykos och depression vara högre i tätort (Sundquist, Frank & Sundquist, 2004).

Litteraturen kring effekterna av BT på hälsa ger således ingen entydig bild, vilket kan tänkas förklaras både av varierande kontext och av befolkningens sammansättning.

Inkomst och utbildning

Inkomsterna är vanligen lägre på landsbygden, dvs. i glest befolkade områden (Eurostat, 2017) och det är välkänt att dödligheten är högre vid låga inkomster (Marmot, 2002). Följaktligen skulle de lägre inkomsterna på landet kunna vara en av orsakerna till den sämre hälsan på landet. Låga inkomster hänger ofta samman med låg produktivitet och på landet finns det färre möjligheter till verksamhet med hög produktivitet. De lägre inkomsterna på landet förefaller således vara en direkt följd av lägre BT.

Liknande gäller för utbildningsnivån som också den är lägre på landet (Eurostat, 2017). Låg utbildningsnivå medför ökad dödlighet (Statistics Sweden, 2016). I glesbygd finns inga högskolor och möjligheterna till gymnasieutbildning är mer begränsade. Ungdomar på landet slutar också ofta skolan tidigare (Eurostat, 2015a). Den lägre utbildningsnivån på landet förefaller också den vara en direkt följd av lägre BT.

Nordisk regional- och socialpolitik

Samtliga nordiska länder har som mål att utjämna skillnader mellan människors livschanser. En ambitiös socialpolitik är ett av verktygen som används i alla de nordiska länderna. Enligt OECD (Organisationen för Ekonomiskt Samarbete och Utveckling) utgjorde de sociala utgifterna i de nordiska länderna i genomsnitt 27 procent av BNP (bruttonationalprodukten) vilket kan jämföras med 20 procent i genomsnitt i OECD-länderna (OECD, 2019). De nordiska länderna har också, i mycket varierande omfattning, regionalpolitik som bl.a. syftar till att utjämna skillnader mellan land och stad. De regional- och socialpolitiska åtgärderna i de nordiska länderna kan förväntas åtminstone delvis ha utjämnat skillnaderna mellan land och stad.

Kommuner som analysenhet

För att undersöka skillnader i hälsa mellan glesbygd och tätort är det önskvärt med uppgifter om befolkningstäthet och ett hälsoutfall för regelbundet definierade ytenheter, exempelvis uppdelning på kvadrater om en kvadratkilometer. Sådana data skulle vara möjligt att ta fram från befintliga register med hjälp av de geografiska informationssystem (GIS) som används i de nordiska länderna. Något färdigt register med sådana uppgifter är dock inte tillgängligt. Däremot finns i de nordiska länderna färdigställda uppgifter på kommunnivå om befolkningstäthet och hälsoutfall. För analyser går dessa uppgifter att använda som en approximation.

Syfte

Litteraturen om skillnader i hälsa mellan glesbygd och stadsområden visar på motstridiga resultat. De nordiska länderna har ambitiös socialpolitik som syftar till att minska skillnaderna i välfärd, vilket talar för att skillnaderna där skulle kunna vara eliminerade. Därför är det motiverat att i en ekologisk studie, med kommunen som studie-enhet, analysera korrelationer mellan BT och hälsa i de nordiska länderna.

Metoder

Analyserna bygger på officiella data om BT och dödlighet på kommunal nivå. Dödligheten presenteras som beräknad förväntad livslängd vid födseln (LE), som potentiella antalet förlorade levnadsår (PYLL) i åldrarna 0–80 år per 100 000 invånare (Romeder & McWhinnie, 1977) och direkt som dödlighet i olika åldrar. Data hämtades från Danmarks Statistik (Danmarks Statistik, 2019), från Finlands Nationella Institut för Hälsa och Välfärd (National Institute for Health and Welfare, 2019), från det norska Folkhelseinstituttet (Folkehelseinsituttet Norge, 2019) och från Statistics Sweden (Statistics Sweden, 2019).

Två olika mått på dödlighet har använts, LE och PYLL. I Danmark, Norge och Sverige används LE. LE beräknas baserat på dödlighet i olika åldersskikt i en kommun. Dessa beräkningar är inte beroende av antalet innevånare i olika åldrar i kommunerna. Det innebär att kommuner blir jämförbara, även om åldersfördelningen varierar mellan kommunerna. Det är mot denna bakgrund som det är möjligt att göra meningsfulla jämförelser av LE mellan länder, trots att åldersstrukturerna är olika. I Finland används PYLL. PYLL skattas genom att man först beräknar sannolikheten för dödsfall i varje åldersgrupp genom att dela antalet dödsfall med storleken på den aktuella åldersgruppen. Talet man då får fram multipliceras med antalet levnadsår som förlorats (t.ex. anses en person som har dött vid 0 års ålder ha förlorat 80 år, medan en person som har dött vid 20 års ålder har förlorat 60 år osv.). Antalet förlorade levnadsår summeras sedan. Det summerade talet justeras efter åldersfördelningen i kommunen. Således, om det finns många 60-åringar i en kommun, där varje dödsfall motsvarar 20 förlorade levnadsår, då kan kommunen få ett högt antal förlorade år enbart därför att det bor många 60-åringar i kommunen. Därför justeras antalet förlorade år inom varje åldersgrupp så att åldersfördelningen i kommunen motsvarar genomsnittet för landet. (National Institute for Health and Welfare, 2019). 

I analyserna beräknades en linjär korrelation mellan LE/PYLL/dödlighet och log10 för BT (invånare per kvadratkilometer). Effekten av BT har bedömts som skillnaden i LE/PYLL/dödlighet för en 10 gångers ökning av BT. Alla analyser utfördes i MS Excel.

I Finland och Norge finns kommuner med mycket små populationer. Dessa kommuner uteslöts eftersom de statistiska myndigheterna i Finland inte presterade beräkningar av PYLL för dessa kommuner. Skälet är att beräkningarna blir osäkra i kommuner med små populationer. Av samma skäl uteslöts även små kommuner i Norge.

Resultat

Danmark

Uppgifter om LE var tillgängliga från 94/98 kommuner. Korrelationen mellan BT och LE presenteras i figur 1. Korrelationen var inte statistiskt signifikant (p >0,05).

Figur 1.

Kommunal LE (år) 2014–2018 korrelerat med log10 BT (invånare per kvadratkilometer) 2018 i Danmark.

I Danmark fanns endast en 50-faldig variation av kommunal BT. Effekten av BT på LE presenteras i tabell 1. En 10-faldig ökning av BT resulterade i en icke-signifikant minskning av LE om 0,25 år.

Tabell 1.

Effekt av kommunal BT år 2018 på LE år 2014–2018 på kvinnor and män i Danmark.

BT innevånare/km2, median (omfång)BT, log10 innevånare/km2, medelvärde (SD)LE medelvärde (SD)Effekt av en 10-faldig ökning av BT på LE
44 (12,6–613)1,68 (0,269) 80,8 (0,994) –0,241

Finland

Uppgifter om PYLL var tillgängliga för 183/311 kommuner. Korrelationen mellan BT och PYLL presenteras i figur 2. Korrelationen var statistiskt signifikant (p <0,001).

Figur 2.

Kommunal PYLL år 2014–2018 korrelerad med log10 BT (invånare per kvadratkilometer) år 2012 i Finland.

I Finland fanns 7000-faldig variation i kommunal BT. Effekten av BT på PYLL under perioden 1990–2017 presenteras i tabell 2. Åren 1990, 2000 och 2017 resulterade en 10-faldig ökning av BT i minskningar av kommunal PYLL med respektive 10,4 %, 10,8 % och 11,6 %. Således tenderade effekten av BT att öka över tid.

Tabell 2.

Effekt av kommunal BT år 2012 på PYLL per 100 000 för kvinnor och män år 1990, 2000 and 2017 i Finland.

BT innevånare/km2, median (omfång) År 1990 År 2000 År 2017
PYLL medelvärde (SD)Effekt av en 10-faldig ökning av BT på PYLLPYLL medelvärde (SD)Effekt av en 10-faldig ökning av BT på PYLLPYLL medelvärde (SD)Effekt av en 10-faldig ökning av BT på PYLL
18,2 (0,4–2826)10275 (1698)10758455 (1716)9126439 (1380)748

Effekten av BT på PYLL var mer framträdande för män jämfört med kvinnor, se tabell 3. En 10-faldig ökning av BT år 2017 resulterade i en minskning av PYLL för kvinnor med 6,1 % och för män med 12,1 %.

Tabell 3.

Effekt av kommunal BT år 2012 på PYLL per 100 000 för kvinnor och män år 2017 i Finland.

Kvinnor Män
PYLL medelvärde (SD)Effekt av en 10-faldig ökning av BT på PYLLPYLL medelvärde (SD)Effekt av en 10-faldig ökning av BT på PYLL
4183 (1161)2558623 (2084)1042

Norge

Uppgifter om LE var tillgängligt från 175/423 kommuner. I Norge var alla kommuner med mindre än 5 000 invånare exkluderade. Korrelationen mellan BT och LE hos män presenteras i figur 3. Korrelationen var statistiskt signifikant (p <0,001).

Figur 3.

Kommunal LE (år) 2003–2017 för män korrelerat med log10 BT (invånare per kvadratkilometer) år 2010 i Norge.

I Norge fanns en 1000-faldig variation av kommunal BT. Effekten av BT på LE presenteras i tabell 4. En 10-faldig ökning av BT resulterade i en ökning av LE för kvinnor med 0,23 år och för män med 0,57 år.

Tabell 4.

Effekt av kommunal BT år 2010 på LE år 2003–2017 på kvinnor and män i Norge.

BT innevånare/km2, median (omfång)BT, log10 innevånare/km2, medelvärde (SD) Kvinnor Män
LE medelvärde (SD)Effekt av en 10-faldig ökning av BT på LE LE medelvärde (SD)Effekt av en 10-faldig ökning av BT på LE
33 (2–1818)1,57 (0,635) 83,4 (0,973) 0,23179 (1,09) 0,562

Sverige

Uppgifter om LE var tillgängliga från 290/290 kommuner. Korrelationen mellan BT och LE presenteras i figur 4. Korrelationen var statistiskt signifikant (p <0,001).

I Sverige fanns en 10 000-faldig variation i kommunal BT. Effekten av BT på LE under perioderna 1998–2002 och 2013–2017 presenteras i tabell 5. En 10-faldig ökning av BT resulterade i ökningar av LE för kvinnor med 0,47 respektive 0,59 år och för män med 0,67 respektive 0,89 år.

Figur 4.

Kommunal LE (år) 2013–2017 för män korrelerat med log10 BT (invånare per kvadratkilometer) 2015 i Sverige.

Tabell 5.

Effekt av kommunal BT på LE år 1998–2002 och 2013–2017 på kvinnor and män i Sverige.

År Kommunal BT innevånare/km2, median (omfång) Kvinnor Män
LE medelvärde (SD)Effekt av en 10-faldig ökning av BT på LELE medelvärde (SD)Effekt av en 10-faldig ökning av BT på LE
1998–200226,4 (0,3–3997) 81,9 (1,05) 0,47477,3 (1,23) 0,672
2013–201727,5 (0,2–5308)83,7 (1,04) 0,58880,1 (1,39) 0,891

Effekten av kommunal BT på manlig dödlighet i undersöktes också i olika åldersgrupper för perioden 1989–2018, se tabell 6. En ökning av BT resulterade i minskad dödlighet i alla åldersgrupper. Minskningen var tydligast i de yngre åldersgrupperna. Vid 0–4 års ålder resulterade en 10-faldig ökning av BT i 17,8 % minskad dödlighet medan vid 75–84 års ålder minskningen endast var 7,2 %.

Tabell 6.

Effekten av BT år 1989–2018 på dödlighet år 1989–2018 för män i olika åldersgrupper i Sverige.

ÅlderDödlighet per 100 000, medelvärde (SD)Effekt av en 10-faldig ökning av BT på dödlighet (reduktion %)
0–4 år116 (44,9) –20,6 (17,8 %)
15–24 år65,2 (25,6) –13,9 (21,4 %)
34–44 år128 (35,7) –21,9 (17,1 %)
55–64 år727 (138) –75,2 (10,4 %)
75–84 år6 499 (664) –470 (7,2 %)

Diskussion

Studien visar att i Finland, Norge och Sverige är dödligheten högre i kommuner med låg BT. Danmark utgör ett undantag som kan förklaras av en mindre variation av BT mellan kommunerna i Danmark, vilket hänger samman med att det i Danmark saknas utpräglad glesbygd. Effekten av BT var linjär, vilket talar emot att effekten av BT endast gäller över eller under en viss kritisk nivå.

Både i Finland och Sverige ökade effekten av BT över tid. En tänkbar förklaring kan vara pågående förändringar mot ökad konsumtion och produktion av tjänster, vilket gynnar de som bor i områden med hög BT.

Det är inte möjligt att avgöra om effekten av BT skiljer sig åt mellan Finland, Norge och Sverige eftersom kommunerna med minst befolkningen är exkluderade och sådana var mer vanligt förekommande i Norge och Finland jämfört med Sverige.

I Finland, Norge och Sverige var hälsoeffekterna av BT mer betydande för män än för kvinnor. Variationskoefficienterna (SD/medelvärde) för LE och PYLL var också mindre för kvinnor jämfört med män, vilket talar för att kommunala faktorer generellt påverkar män mer än kvinnor.

Uppgifter från Sverige tyder på att äldre i mindre omfattning påverkas av en låg BT, vilket ligger i linje med att sociala förhållanden i allmänhet (Green, 2013), liksom inkomstnivå (Martikainen, Makela, Koskinen & Valkonen, 2001), påverkar hälsan hos de äldre mindre än hälsan bland yngre. I studien saknas uppgifter om levnadsvillkor i de olika kommunerna liksom uppgifter om dödsorsaker, vilket gör det svårt att pröva olika tänkbara förklaringar till skillnaden mellan olika åldrar.

Trots att de nordiska länderna har väl utvecklad välfärdspolitik, bl.a. i form av olika transfereringar, har skillnaderna i dödlighet mellan stad och land inte eliminerats. En förklaring kan vara att skillnaderna delvis hänger samman med faktorer som är svåra att påverka med välfärdspolitik, exempelvis val av transportmedel och tillgång till anställningar med goda löner.

Styrkor och svagheter

Studien bygger på tillförlitliga mått som BT och dödlighet. Resultaten är därför pålitliga.

Bedömningarna av BT gjordes med kommunen som en enhet. Inom en kommun är människor inte jämnt bosatta. Istället koncentreras en stor del av bebyggelsen till ett fåtal platser med relativt hög BT. Detta minskar precisionen för den uppskattade BT, vilket talar för att de påvisade effekterna på dödlighet både kan vara större och mindre än de som påvisats i studien.

I studien har kommuner med mycket små populationer exkluderats. Dessa kommuner har ofta låg PD. Det är tänkbart att dödligheten i dessa kommuner skulle vara låg. Det går därför inte att utesluta att sambandet mellan PD och hälsa är U-format med bäst situation i kommuner med mycket låg och mycket hög PD. Detta är dock mindre troligt eftersom figur 2–4 tyder på ett linjärt samband mellan PD och hälsoutfall för den helt övervägande delen av befolkning. Att de minsta kommuner exkluderats medför dock att slutsatserna blir osäkra.

Uppgifter om effekter av kön och tidpunkt presenteras inte konsekvent för alla länder. Samma mönster påvisas dock i 2/3 länder, dvs. större effekt av BT på män jämfört med kvinnor och en trend över tid mot ökad av effekt av BT.

Studien påvisar endast korrelationer mellan BT och hälsa. Det är tänkbart att relativt friska individer migrerar från glesbygd till städer och att hälsan därför är sämre i glesbygd. Det är också möjligt att faktorer knutna till glesbygd, exempelvis kortare utbildning och lägre inkomster, förklarar skillnaderna. Studiens utformning gör det dock inte möjligt att pröva dessa hypoteser. Således är orsakssambanden inte klarlagda.

Slutsatser

I Finland, Norge och Sverige var dödligheten högre i mindre tätbefolkade kommuner. Denna skillnad har ökat över tid. Samtliga nordiska länder har som mål att utjämna skillnader mellan människors livschanser. De nationella insatser som har genomförts och som syftar till att kompensera för dessa skillnader har uppenbarligen inte varit tillräckliga.

Referenser

Afshar, N., English, D. R. & Milne, R. L. (2019). Rural-urban residence and cancer survival in high-income countries: A systematic review. Cancer, 125(13), 2172–2184. https://doi.org/10.1002/cncr.32073

Arvidsson, D., Eriksson, U., Lonn, S. L. & Sundquist, K. (2012). Neighborhood Walkability, Income, and Hour-by-Hour Physical Activity Patterns. Med Sci Sports Exerc, 45(4), 698–705. https://doi.org/10.1249/MSS.0b013e31827a1d05

Bandyopadhyay, S. & Green, E. (2018). Urbanization and mortality decline. Journal of Regional Science, 58(2), 483–503. https://doi.org/10.1111/jors.12375

Barnett, S., Roderick, P., Martin, D. & Diamond, I. (2001). A multilevel analysis of the effects of rurality and social deprivation on premature limiting long term illness. J Epidemiol Community Health, 55(1), 44–51. https://doi.org/10.1136/jech.55.1.44

Baxter, A. J., Scott, K. M., Vos, T. & Whiteford, H. A. (2013). Global prevalence of anxiety disorders: a systematic review and meta-regression. Psychol Med, 43(5), 897–910. https://doi.org/10.1017/S003329171200147X

Bixby, H., Bentham, J., Zhou, B., Di Cesare, M., Paciorek, C. J., Bennett, J. E., . . . Collaboration , N. C. D. R. F. (2019). Rising rural body-mass index is the main driver of the global obesity epidemic in adults. Nature, 569(7755), 260–264. https://doi.org/10.1038/s41586-019-1171-x

Crump, C., Sundquist, K., Sundquist, J. & Winkleby, M. A. (2014). Sociodemographic, psychiatric and somatic risk factors for suicide: a Swedish national cohort study. Psychol Med, 44(2), 279–289. https://doi.org/10.1017/S0033291713000810

Danmarks Statistik. (2019). Statistikbanken. Retrieved from https://statistikbanken.dk/

Dudley, M. J., Kelk, N. J., Florio, T. M. & Howard, J. P. (1998). Suicide among young Australians, 1964–1993: an interstate comparison of metropolitan and rural trends. Med J Aust, 169(2), 77–80. https://doi.org/10.5694/j.1326-5377.1998.tb123383.x

Durand, C. P., Andalib, M., Dunton, G. F., Wolch, J. & Pentz, M. A. (2011). A systematic review of built environment factors related to physical activity and obesity risk: implications for smart growth urban planning. Obes Rev, 12(5), e173–182. https://doi.org/10.1111/j.1467-789X.2010.00826.x

Eberhardt, M. S. & Pamuk, E. R. (2004). The importance of place of residence: examining health in rural and nonrural areas. Am J Public Health, 94(10), 1682–1686. https://doi.org/10.2105/ajph.94.10.1682

Eriksson, U., Arvidsson, D., Gebel, K., Ohlsson, H. & Sundquist, K. (2012). Walkability parameters, active transportation and objective physical activity: moderating and mediating effects of motor vehicle ownership in a cross-sectional study. International Journal of Behavioral Nutrition and Physical Activity, 9(1), 123. https://doi.org/10.1186/1479-5868-9-123

Eurostat. (2015a). Early leavers from education and training, by degree of urbanisation. Retrieved from https://ec.europa.eu/eurostat/statistics-explained/

Eurostat. (2015b). Self-assessment of health, by degree of urbanisation, 2013 (¹) (% of persons aged 18–64 assessing their own health as bad or very bad). Retrieved from https://ec.europa.eu/eurostat/statistics-explained

Eurostat. (2017). Statistics on rural areas in the EU. Retrieved from https://ec.europa.eu/eurostat/statistics-explained/

Evans, B. E., Buil, J. M., Burk, W. J., Cillessen, A. H. & van Lier, P. A. (2018). Urbanicity is Associated with Behavioral and Emotional Problems in Elementary School-Aged Children. Journal of Child and Family Studies, 27(7), 12193–12205. https://doi.org/10.1007/s10826-018-1062-z

Folkehelseinsituttet Norge. (2019). Kommunehelsa statistikkbank. Retrieved from http://khs.fhi.no/webview/

Green, M. A. (2013). The equalisation hypothesis and changes in geographical inequalities of age based mortality in England, 2002/2004 to 2008/2010. Soc Sci Med, 87(0), 93–98.

Idris, B. I., Giskes, K., Borrell, C., Benach, J., Costa, G., Federico, B., . . . Kunst, A. E. (2007). Higher smoking prevalence in urban compared to non-urban areas: time trends in six European countries. Health Place, 13(3), 702–712. https://doi.org/10.1016/j.healthplace.2006.11.001

Kristiansen, T., Lossius, H. M., Rehn, M., Kristensen, P., Gravseth, H. M., Roislien, J. & Soreide, K. (2014). Epidemiology of trauma: a population-based study of geographical risk factors for injury deaths in the working-age population of Norway. Injury, 45(1), 23–30. https://doi.org/10.1016/j.injury.2013.07.007

Kruger, O., Aase, A. & Westin, S. (1995). Ischaemic heart disease mortality among men in Norway: reversal of urban-rural difference between 1966 and 1989. Journal of Epidemiology and Community Health, 49(3), 271–276. https://doi.org/10.1136/jech.49.3.271

Leon, D. A. (2008). Cities, urbanization and health. International Journal of Epidemiology, 37(1), 4–8. https://doi.org/10.1093/ije/dym271

Levin, K. A. & Leyland, A. H. (2005). Urban/rural inequalities in suicide in Scotland, 1981–1999. Soc Sci Med, 60(12), 2877–2890. https://doi.org/10.1016/j.socscimed.2004.11.025

Lindqvist, P. & Johansson, L. (2000). Teenage suicides in northern Sweden: an interview study of investigating police officers. Injury Prevention, 6(2), 115–119. https://doi.org/10.1136/ip.6.2.115

Lindroth, M., Lundqvist, R., Lilja, M. & Eliasson, M. (2014). Cardiovascular risk factors differ between rural and urban Sweden: the 2009 Northern Sweden MONICA cohort. BMC Public Health, 14, 825. https://doi.org/10.1186/1471-2458-14-825

Lopez, R. (2004). Urban sprawl and risk for being overweight or obese. Am J Public Health, 94(9), 1574-1579. https://doi.org/10.2105/ajph.94.9.1574

Marmot, M. (2002). The social pattern of health and disease. In D. Blane, E. Brunner & R. Wilkinsson (Eds.), Health and social organization (pp. 42–67). London: Routledge. https://doi.org/10.4324/9780203434932

Martikainen, P., Makela, P., Koskinen, S. & Valkonen, T. (2001). Income differences in mortality: a register-based follow-up study of three million men and women. International Journal of Epidemiology, 30(6), 1397–1405.

Matson, U. (2005). Indoor and outdoor concentrations of ultrafine particles in some Scandinavian rural and urban areas. Science of the Total Environment, 343(1–3), 169–176. https://doi.org/10.1016/j.scitotenv.2004.10.002

Middleton, N., Gunnell, D., Frankel, S., Whitley, E. & Dorling, D. (2003). Urban-rural differences in suicide trends in young adults: England and Wales, 1981–1998. Social Science & Medicine, 57(7), 1183–1194. https://doi.org/10.1016/s0277-9536(02)00496-3

Midouhas, E. & Platt, L. (2014). Rural-urban area of residence and trajectories of childrens behavior in England. Health Place, 30, 226–233. https://doi.org/10.1016/j.healthplace.2014.09.003

National Institute for Health and Welfare, F. (2019). Statistical information on welfare and health in Finland. Retrieved from https://sotkanet.fi/

OECD. (2019). OECD.Stat. Retrieved from https://stats.oecd.org

Raatiniemi, L., Steinvik, T., Liisanantti, J., Ohtonen, P., Martikainen, M., Alahuhta, S., . . . Bakke, H. K. (2016). Fatal injuries in rural and urban areas in northern Finland: a 5-year retrospective study. Acta Anaesthesiologica Scandinavica, 60(5), 668–676. https://doi.org/10.1111/aas.12682

Rabin, B. A., Boehmer, T. K. & Brownson, R. C. (2007). Cross-national comparison of environmental and policy correlates of obesity in Europe. European Journal of Public Health, 17(1), 53–61. https://doi.org/10.1093/eurpub/ckl073

Rasmussen, F., Johansson, M. & Hansen, H. O. (1999). Trends in overweight and obesity among 18-year-old males in Sweden between 1971 and 1995. Acta Paediatrica, 88(4), 431–437. https://doi.org/10.1111/j.1651-2227.1999.tb01136.x

Singh, G. K. & Siahpush, M. (2002). Increasing rural-urban gradients in US suicide mortality, 1970-1997. Am J Public Health, 92(7), 1161–1167. https://doi.org/10.2105/ajph.92.7.1161

Singh, G. K. & Siahpush, M. (2014). Widening rural-urban disparities in life expectancy, U.S., 1969-2009. Am J Prev Med, 46(2), e19–29. https://doi.org/10.1016/j.amepre.2013.10.017

St Leger, L. (2003). Health and nature--new challenges for health promotion. Health Promot. Int., 18(3), 173-175. https://doi.org/10.1093/heapro/dag012

Statistics Sweden. (2016). Life expectancy and mortality in different social groups. Retrieved from Stockholm: https://http://www.scb.se

Statistics Sweden. (2019). Statistics Data Base. Retrieved from https://www.scb.se

Sundquist, K., Frank, G. & Sundquist, J. (2004). Urbanisation and incidence of psychosis and depression: follow-up study of 4.4 million women and men in Sweden. The British Journal of Psychiatry, 184(4), 293–298. https://doi.org/10.1192/bjp.184.4.293

van Hooijdonk, C., Droomers, M., Deerenberg, I. M., Mackenbach, J. P. & Kunst, A. E. (2008). Higher mortality in urban neighbourhoods in The Netherlands: who is at risk? J Epidemiol Community Health, 62(6), 499–505. https://doi.org/10.1136/jech.2007.060145

Romeder, J. M. & McWhinnie, J. R. (1977). Potential years of life lost between ages 1 and 70: an indicator of premature mortality for health planning. International Journal of Epidemiology, 6(2), 143–151. https://doi.org/10.1093/ije/6.2.143

Wiles, N. J., Zammit, S., Bebbington, P., Singleton, N., Meltzer, H. & Lewis, G. (2006). Self-reported psychotic symptoms in the general population: results from the longitudinal study of the British National Psychiatric Morbidity Survey. The British Journal of Psychiatry, 188(6), 519–526. https://doi.org/10.1192/bjp.bp.105.012179

Idunn bruker informasjonskapsler (cookies). Ved å fortsette å bruke nettsiden godtar du dette. Klikk her for mer informasjon