【摘 要】
：
利用2018年中国老年健康影响因素跟踪调查（CLHLS2018）数据，设置老年人家庭照料负担水平指标和照料强度指标，对比分析城乡老年人的家庭照料负担和照料强度。研究发现，日常活动能力受限后，镇和乡村老年人的照料负担重于城市老年人；城市老年人的家庭实际照料人数明显少于镇和乡村老年人，日常生活中城市老年人的照料强度高于相应的镇、乡村老年人；生活不能自理加重了城乡老年人的家庭照料强度，且在城市老年人中表
【基金项目】
：
国家社会科学基金一般项目“城乡空巢家庭老年人养老研究”（19BRK021）的阶段性成果；
论文部分内容阅读
利用2018年中国老年健康影响因素跟踪调查（CLHLS2018）数据，设置老年人家庭照料负担水平指标和照料强度指标，对比分析城乡老年人的家庭照料负担和照料强度。研究发现，日常活动能力受限后，镇和乡村老年人的照料负担重于城市老年人；城市老年人的家庭实际照料人数明显少于镇和乡村老年人，日常生活中城市老年人的照料强度高于相应的镇、乡村老年人；生活不能自理加重了城乡老年人的家庭照料强度，且在城市老年人中表现得更为突出。患重病后，乡村生活不能自理老年人的家庭照料强度重于相应的城市、镇老年人。健康状况对老年人照料负担具有显著影响，有效降低家庭和社会照料负担需在实施健康中国战略中建设立足于全人群全生命周期的健康管理体系。
其他文献
在机械臂的设计与制造中,借助仿生思想是一种重要思路。肌肉是驱动人体关节活动的主要驱动器,作为一类生物软材料,肌肉对于软体机械臂的研发起着借鉴作用,而肌肉力学模型的建立对于探索生物肌肉作动机理的研究是十分重要的。近年来,随着仿生控制的机械臂尤其是人工肌肉驱动的智能机械臂的广泛使用,分析生物骨骼肌作动原理、建立力学模型将对机械臂的设计工作提供参考依据。本文以分析肌肉力学特性,建立体现肌肉时变作动力特性
近年来,随着强化学习方法在各个领域所取得的显著成绩,如何优化强化学习方法的学习过程得到了越来越多的关注。由于强化学习的学习机制,智能体需要在学习过程中不断试错,利用收集到的样本积累经验,更新自身策略。在强化学习算法的应用中,由环境状态特征不明确、回报值稀疏、样本质量低、探索空间过大等所导致的学习效率低下问题成为强化学习所面临的一大挑战。人工势场法所提供的势函数可以形式化地表示当前观测状态中的态势分
军事指标作为评价军事领域发展状况的重要标准,在评估军事发展现状和指导发展方向等方面具有重要作用。当前军事领域指标主要依靠专家通过对评价对象深入研究后提出,其构建过程给领域专家带来大量繁琐的工作并且效率不高,没有一个有力的辅助工具对专家构建军事指标提供支撑。因此,本文提出将历史积累的军事指标进行系统分类、有效组织,为构建新的军事指标体系提供参考,提升军事指标体系的构建效率,为领域专家提供有力辅助。本
软件的脆弱性是软件自身存在的安全缺陷,因软件的错误行为引发的安全故障,软件的脆弱性检测就是找到并识别出软件的安全故障。随着现代软件规模的不断增加和程序复杂度的逐步演化,软件开源逐渐成为主流的开发趋势,目前开源软件的脆弱性定位方法仍以人工检测为主,程序开发人员通过检查软件源代码来定位漏洞所在的位置。然而单单依靠手动分析找出所有的代码缺陷与软件漏洞几乎是不可能实现的,并且基于人工的软件脆弱性检测方法因
自动调制分类（AMC）是无线通信系统中参数估计、信号解调和频谱管理等技术的基础,在民用领域和军事领域都有重要的作用。随着通信技术的快速发展,现代通信中调制样式日趋多样化和复杂化,传统的调制识别技术已难以适应如今复杂的通信环境和繁杂的调制样式。相对于专家依赖性较高、适用范围较小的人工设计特征,深度学习方法可以从复杂的数据结构中学习通用特征,并获得较高的分类精度,因此,用深度学习方法进行自动调制分类是
多智能体问题是一类在军事、经济和物理世界中广泛存在的挑战性问题,其核心是如何获取智能体之间合作或非合作模式下的整体最优策略,其求解难度随着智能体数量和博弈强度而指数上升,因此面临着算法可支持的智能体数量少和难收敛等难题。与此同时,其作为典型的决策问题,强化学习和规划方法是多智能体问题主流的解决手段。强化学习（Reinforcement Learnning）通过与环境不断交互获取数据并进行学习,在以
随着小型无人机在测绘、摄影等民用领域和局部地区冲突等军事领域的广泛应用,小型无人机严重威胁公共安全和国家安全,小型无人机防御系统也因此得到迅速发展。在小型无人机防御系统中,指挥决策负责高效筹划防御任务和准确部署兵力,是小型无人机防御系统的核心能力。因此,对于防御指挥决策技术已成为小型无人机防御研究的重点。强化学习算法通过与环境交互学习以寻找问题最优解,凭借较强的自学习能力及模型适应能力,已在基础理
随着卫星飞行任务的不断扩展以及控制精度要求的不断提高,卫星状态监测技术已经成为保证在轨卫星安全可靠运行的关键技术之一,其中卫星热场反演是卫星状态监测中的重要一环,通过对系统热场监测准确定位温度异常点,发现潜在不可靠因素,对于提高系统寿命和可靠性起着十分重要作用。通过有限测点数据反演整体热场是典型的热分析逆问题,无法通过有限元等数值仿真方法进行求解。常用工程手段主要基于插值等方法,但是精度十分有限,
舰船目标检测对国防侦察和预警具有重要意义。随着传感器成像设备日益精进,高分辨率遥感图像逐渐普及,尤其是深度学习技术飞速发展,多样的网络结构给宽幅高分辨率光学遥感图像舰船目标检测带来了更多新的可能性,使算法能够从数据中更有效地学习到舰船目标特征并加以区分。真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检、处理速度慢。鉴此,本文针对复杂
防化兵执行战场化学侦察任务时,需要对地面染毒情况进行快速检测。当前,执行该任务的主要方法是使用防化侦察车尾部的采样轮对染毒地面进行采样,或通过进样杆直接采样,再通过车载质谱仪、毒剂报警器等装备对样品进行检测分析,进而刻画战场地面染毒态势。复杂的检测程序使得战场地面化学侦察速度较慢,采样轮需要更换进一步降低了侦察效率,无法适应未来战争中对战场环境高效感知的需要。为了解决这一难题,提出采用基于液晶可调