Türkiye Kentleri için Koronavirüs Hastalığına Dayanıklılık: Bir İndeks Önerisi

Öz

20. yy.’dan itibaren kentlerin şoklara karşı daha dayanıklı hale getirilmesi maksadıyla yapılan araştırmalar Covid-19 salgınının yaşanması sonrasında yeniden gündeme gelmiş ve bu defa salgınlar ve kent sağlığı bağlamında yeniden tartışılmaya başlanmıştır. Küresel ölçekte insan yaşamını tehdit eden bu acil durumu daha iyi anlayabilmek ve kentsel anlamda çözüm arayışları ortaya koyabilmek adına yapılan çalışmalar, ağırlıklı olarak kentsel mekânların çeşitli nitelikteki özelliklerinin Covid-19 salgını ile çeşitli şekillerde ilişkisini ortaya koymayı amaçlamaktadır. Çünkü salgın hastalıkların meydana gelmesi, yayılımı ve kontrolü gibi birçok önemli husus kentlerin sunduğu koşullara bağlı olarak değişmektedir. Bu bağlamda; toplum sağlığının sürdürülebilirliğini sağlayabilmek için öncelikle kentleri daha dayanıklı hale getirmek oldukça önemli bir durum haline gelmiştir. Bu çalışma ile Covid-19 salgını karşısında Türkiye kentlerinin dayanıklılığını ortaya koyan bir indeks geliştirilmiştir. Elde edilen bulgulara göre salgın döneminde ülkemizin güney kesimlerinin sahip oldukları doğal, sosyal, ekonomik ve mekânsal koşullar sebebiyle kuzey kesimlerine göre daha az etkilendikleri görülmüş ve bu dağılımın mekânsal ilişkilerini modelleyen coğrafi ağırlıklı regresyon modeli tekniği uygulanarak indeksin geçerliliği değerlendirilmiştir. Çalışmada geliştirilen indeks, salgın sırasındaki vaka sayılarının dağılımlarından bağımsız bir şekilde, kentlerin çeşitli göstergelerde değişen özelliklerine bağlı olarak salgınlar karşısındaki dayanıklılıklarını tespit edebilmeye olanak sağlaması ile literatüre katkı sağlamaktadır.

Anahtar Kelimeler

• Covid-19
• Salgınlara Karşı Kentsel Dayanıklılık İndeksi
• Coğrafi Ağırlıklı Regresyon.

Pandemic Resilience for Turkish Cities: An Index Proposal

Öz

Starting from the 20th century, research aimed at making cities more resilient to urban shocks has come back into focus in terms of urban health after the Covid-19 pandemic. Studies conducted to better understand this urgent global threat and to seek urban solutions primarily aim to reveal the various relationships between the diverse qualities of urban spaces and the Covid-19 pandemic. This is because crucial aspects such as the occurrence, spread, and control of infectious diseases vary depending on the conditions that cities offer. In this context, making cities more resilient has become crucial to ensuring the sustainability of public health. This study has developed an index that demonstrates the resilience of Turkish cities in the face of the Covid-19 pandemic. According to the findings, the southern regions of the country were less affected during the pandemic compared to the northern regions, attributed to the natural, social, economic, and spatial conditions they possess. The validity of the index was evaluated by applying a geographically weighted regression model that conceptualizes the spatial relationships of this distribution. Contrary to comparison of cities on number of cases approach during the outbreak, the proposed index in the study contributes to the literature by enabling the determination of cities' resilience against pandemics based on various indicators during the times that the world does not experience any pandemic threat.

Anahtar Kelimeler

• Covid-19
• Pandemic Resilience Index
• Geographically Weighted Regression Model

Kaynakça

1. Al Kindi, K. M., Al-Mawali, A., Akharusi, A., Alshukaili, D., Alnasiri, N., Al-Awadhi, T., . . . El Kenawy, A. M. (2021). Demographic and socioeconomic determinants of COVID-19 across Oman - A geospatial modelling approach. Geospatial Health, 16(985), 145-160.
2. Amirzadeh, M., Sobhaninia, S., Buckman, S. T., & Sharifi, A. (2023, Şubat). Towards building resilient cities to pandemics: A review of COVID-19 literature. Sustainable Cities and Society, 89(104326), 1-12. doi:https://doi.org/10.1016/j.scs.2022.104326
3. Brunsdon, C.; Fotheringham, A.S.; Charlton, M. E. (1996). Geographically weighted regression: a method for exploring spatial stationarity. Geographical Analysis, 28(4), 281-298.
4. Calman, K. (1998, Ağustos 29). The 1848 Public Health Act and its relevance to improving public health in England now. BMJ, 317(7158), 596-598. doi:10.1136/bmj.317.7158.596
5. Chan, T. C., & King, C. C. (2011). Surveillance and Epidemiology of Infectious Diseases using Spatial and Temporal Lustering Methods. Infectious Disease Informatics and Biosurveillance, 27(27), 207-234. doi:https://doi.org/10.1007/978-1-4419-6892-0_10
6. Chen, X., & Quan, R. (2021, Mart). A spatiotemporal analysis of urban resilience to the COVID-19 pandemic in the Yangtze River Delta. Natural Hazards, 106(1), 1-26. doi:10.1007/s11069-020-04493-9
7. Chowell, G., & Rothenberg , R. (2018, Ekim 18). Spatial infectious disease epidemiology: on the cusp. BMC Medicine, 16(192). doi:https://doi.org/10.1186/s12916-018-1184-6
8. Chu, Z., Cheng, M., & Song, M. (2021, Aralık). What determines urban resilience against COVID-19: City size or governance capacity? Sustainable Cities and Society, 75(103304). doi:https://doi.org/10.1016/j.scs.2021.103304

9. Cutrini, E., & Salvati, L. (2021, Ağustos 18). Unraveling spatial patterns of COVID-19 in Italy: Global forces and local economic drivers. Reg Sci Policy Pract., 13(S1), 73-108. doi:10.1111/rsp3.12465
10. Çınar, T. (2000, Şubat 12). Bahçekent Modelinin Düşünsel Kökenleri ve Kent Bilimine Katkıları. Ankara Üniversitesi SBF Derrgisi, 55(1), 27-51. https://dergipark.org.tr/tr/pub/ausbf/issue/3221/44850 adresinden alındı
11. Dianat, H., Wilkinson, S., Williams, P., & Khatibi, H. (2022, Mart). Choosing a holistic urban resilience assessment tool. International Journal of Disaster Risk Reduction, 71(102789). doi:https://doi.org/10.1016/j.ijdrr.2022.102789
12. Dısaster Resılıence Scorecard For Cıtıes. (2017, Mayıs). 11 12, 2023 tarihinde United Nations Office for Disaster Risk Reduction (UNDRR). adresinden alındı
13. Haghi, M. R., & heidarzadeh, E. (2022, Mayıs). An Analysis of Urban Resilience Against the Covid-19 pandemic (Case Study: Kermanshah). Motaleate Shahri, 11(42), 3-16. doi:10.34785/J011.2022.716
14. Hamidi, S., & Hamidi, I. (2021, Mayıs). Subway Ridership, Crowding, or Population Density: Determinants of COVID-19 Infection Rates in New York City. Amerıcan Journal Of Preventive Medicine, 60(5), 614-620. http://creativecommons.org/licenses/by-nc-nd/4.0 adresinden alındı
15. Hu, M., Roberts, J. D., Azevedo, G. P., & Milner, D. (2021, Şubat). The role of built and social environmental factors in Covid-19 transmission: A look at America’s capital city. Sustainable Cities and Society, 65(102580), 1-14. doi:https://doi.org/10.101
16. İnce, F., & Yazkan, R. (2021, Nisan 15). The Bıg Outbreak Dıseases Hıstory And The Covıd-19 Pandemıc. SDÜ Tıp Fak Dergisi(Özel Sayı-1), 249-251. doi:10.17343/sdutfd.913728
17. Jo, Y., Hong, A., & Sung, H. (2021). Density or Connectivity: What Are the Main Causes of the Spatial Proliferation of COVID-19 in Korea? Int. J. Environ. Res. Public Health, 18(5084), 1-16. doi:https://doi.org/10.3390/ijerph18105084
18. Kashem, S. B., Fırıncı, D., Gonzalez, S. R., & Lee, C. A. (2021). Exploring the nexus between social vulnerability, built environment, and the prevalence of COVID-19: A case study of Chicago. Sustainable Cities and Society, 75(103261), 1-9.
19. Kılıç, O. (2020). Tarihte Küresel Salgın Hastalıklar ve Toplum Hayatına Etkileri. Türkiye Bilimler Akademisi, 18-57. doi:10.53478/TUBA.2020.024
20. Kılıç, O. (2020). Tarihte Küresel Salgın Hastalıklar ve Toplum Hayatına Etkileri. M. Şeker, A. Özer, & C. Korkut (Dü) içinde, Küresel Salgının Anatomisi: İnsan ve Toplumun Geleceği (s. 19-57).
21. Lak, A., Hakimian, P., & Sharifi, A. (2021, Aralık). An evaluative model for assessing pandemic resilience at the neighborhood level: The case of Tehran. Sustainable Cities and Society, 75(103410). doi:https://doi.org/10.1016/j.scs.2021.103410
22. Liu, Y., Tiantian, G., Lingzhi , L., Peng, C., & Yan, L. (2023, Temmuz 20). Measuring the Urban Resilience Abased on Geographically Weighted Regression (GWR) Model in the Post-Pandemic Era: A Case Study of Jiangsu Province, China. Land , 12(1453), 1-19. doi:https://doi.org/10.3390/land12071453
23. Miller, H. J. (2004). Tobler's First Law and Spatial Analysis. Association of American Geografhers , 94(2), 284-289.
24. Mishra, P., Pandey, C. M., Singh, U., Gupta, A., Sahu, C., & Keshri, A. (2019, Mart). Descriptive Statistics and Normality Tests for Statistical Data. Ann Card Anaesth, 22(1), 67-72. doi:https://doi.org/10.4103%2Faca.ACA_157_18
25. Osei, F. (2014, Kasım 25). Current Statistical Methods for Spatial Epidemiology: A Review. Austin Biom ve Biostat, 2. https://austinpublishinggroup.com/biometrics/fulltext/biometrics-v1-id1009.php adresinden alındı
26. Özmat, M. (2020, Mayıs 1). 1348 veba salgınının Avrupa’da toplumsal yaşama etkileri ve yerel yönetimlerin aldığı tedbirler. Adalı. Kasım 2023, 2 tarihinde https://arsiv.adalidergisi.com/cms/2020-2029/2020/sayi-179-mayis-2020/makale/2980/1348-veba-salgininin-avrupa-da-toplumsal-yasama-etkileri-ve-yerel-yonetimlerin-aldigi-tedbirler adresinden alındı
27. Parkin, M. (2011). İktisat (Cilt 9. Baskı). (Ö. Uzun, S. Demir, S. Güneş, & Ş. Sezgi, Çev.) Akademi Yayıncılık.
28. Phiri, D., Salekin, S., & Nyirenda, V. R. (2021). Spread of COVID-19 in Zambia: An assessment of environmental and socioeconomic factors using a classification tree approach. Scientific African, 12(e00827), 1-12.
29. Pınarcıoğlu, M., & Işık, O. (2004). Yeni Kalkınmacılık: Bölgesel Kalkınmada Arayışlar. Ankara: Gap-Gidem Yayınları.
30. Qiu, J., Li, R., Han, D., Shao, Q., Han, Y., Luo, X., & Wu, Y. (2021, Aralık). A multiplicity of environmental, economic and social factor analyses to understand COVID-19 diffusion. One Health, 13(100335). doi:https://doi.org/10.1016/j.onehlt.2021.100335
31. Retief, F. P., & Cilliers, L. (2010, 3). The epidemic of Justinian (AD 542): a prelude to the Middle Ages. 26(2). doi:10.4314/actat.v26i2.52567
32. Ronael, M., & Baycan , T. (2022, Eylül 10). Place-based factors affecting COVID-19 incidences in Turkey. Asia-Pacific Journal of Regional Science, 1053-1086. doi:https://doi.org/10.1007/s41685-022-00257-4
33. Sakarya, A., & İbişoğlu, Ç. (2015, Temmuz). Türkiye’de İllerin Sosyo-Ekonomik Gelişmişlik Endeksinin Coğrafi Ağırlıklı Regresyon Modeli İle Analizi. Marmara Coğrafya Dergisi, 211-238. doi:10.14781/mcd.63200
34. Sarris, P. (2022, Şubat). New Approaches to "Plague Of Justınıan". Past & Present, 254(1), 315-346. doi:https://doi.org/10.1093/pastj/gtab024
35. Sharifi, A., & Yamagata, Y. (2016, Ağustos). Urban Resilience A Transformative Approach. H. Maruyama, & Y. Yamagata (Dü) içinde, Advanced Sciences and Technologies for Security Applications (ASTSA) (s. 259-276).
36. Silva, J., & Alves, M. R. (2021). Social inequalities and the pandemic of COVID-19: the case of Rio de Janeiro. Epidemiol Community Health, 75, 975-979. doi:10.1136/jech-2020-214724 Sridhar, K. S. (2021). Urbanization and COVID-19 Prevalence in India. Regional Science Policy & Practice, 1-13. doi:10.1111/rsp3.12503
37. Suleimany, M., Mokhtarzadeh, S., & Sharifi, A. (2022, Ekim). Community resilience to pandemics: An assessment framework developed based on the review of COVID-19 literature. International Journal of Disaster Risk Reduction, 80(103248). doi:https://doi.org/10.1016/j.ijdrr.2022.103248
38. Tekeli, İ. (2020). Dünyanın Salgınlar Ve Kentler Sarmalında Geldiği Nokta; Covid-19. (Ö. F. Çolak, Dü.) Efil Yayınları, 53-88.
39. UN Office for Disaster Risk Reduction (UNDRR) Knowledge Sharing Platform. (2023). http://resiliencetools.net/ adresinden alındı
40. Verma, R., Yabe, T., & Ukkusuri, S. V. (2021, Mayıs 26). Spatiotemporal contact density explains the disparity of COVID 19 spread in urban neighborhoods. Scientifc Reports, 11(10952), 1-11. doi:https://doi.org/10.1038/s41598-021-90483-1
41. Wu, J.-S. (2023, Ağustos 27). Measuring efficiency of the global fight against the COVID-19 pandemic. Digit Health, 1-20. doi:10.1177/20552076231197528
42. Wu, X., & Zhang, J. (2021, Mart 4). Exploration of Temporal-Spatially Varying Impacts on COVID-19 Cumulative Case in Texas Using Geographically Weighted Regression (GWR). Environmental Science and Pollution Reserch, 1-21. doi:https://doi.org/10.21203/rs
43. Yüksel, K. U., & Karaçor, E. L. (2021). Afet Riskleri ile İlgili Kentsel Dayanıklılık Çalışmalarının Yöntemsel Olarak İncelenmesi. İdealkent, 12(34), 1531-1558.
44. Zhang, J., & Wang, T. (2023, Mayıs). Urban resilience under the COVID-19 pandemic: A quantitative assessment framework based on system dynamics. Cities, 136(104265), 1-20. doi:10.1016/j.cities.2023.104265
45. URL:1. (2020, Ekim 2). Veri Biliminde Normal Dağılmayan Verilerin Dönüştürülme (Dönüşüm) Yöntemleri Logaritmik, Box-Cox, Karekök, Reciprocal. Medium: https://medium.com/datarunner/veri-biliminde-normal-da%C4%9F%C4%B1lmayan-verilerin-d%C3%B6n%C3%BC%C5%9Ft%C3%BCr%C3%BClme-transformation-y%C3%B6ntemleri-logaritmik-ef316abb63f2 adresinden alındı
46. URL:2. (tarih yok). 11 12, 2023 tarihinde TC.Sağlık Bakanlığı COVID-19 Bilgilendirme Platformu: https://covid19.saglik.gov.tr/ adresinden alındı
47. URL:3. (2023, 11 12). WHO Coronavirus (COVID-19) Dashboard. World Health Organization: https://covid19.who.int/ adresinden alındı