高速公路交通事故救援时间与生存率关系模型研究

高速公路交通事故救援时间与生存率关系模型研究*

杨惠敏1陈雨人1▲方守恩1袁建华2

(1.同济大学道路与交通工程教育部重点实验室上海201804；

2.公安部交通管理科学研究所道路交通安全公安部重点实验室江苏无锡214151)

摘要高速公路交通事故救援时间对事故受伤人员的死亡率有着直接的影响。根据华东地区某高速公路交警支队连续3年的事件记录，分析了交通事故救援时间特性，建立受伤人员的生存函数模型，用非参数方法研究了交通事故救援时间对生存率的影响，然后再利用Cox比例风险回归模型来分析影响生存率的因素。结果表明，受伤人员的生存率随救援时间的增加而逐渐降低，在接到报警的14分钟之后，生存率即可降至75%以下，因此伤者应在14分钟之内得到必要的紧急救护。同时，在影响因素分析中，发现接警时段是影响伤者生存的危险因素，伤者在夜间时段的死亡风险是白天时段的3.46倍。

关键词交通安全；高速公路；救援时间；生存分析；非参数方法；Cox比例风险回归模型

中图分类号：U491.31文献标志码：A

收稿日期：2015-04-08修回日期：2015-07-12

作者简介：第一杨惠敏(1991-),硕士.研究方向：道路交通规划设计、道路交通安全与环境.E-mail：2013yhm@tongji.edu.cn

A Study of the Relationship between Rescue Time and Survival Rate

of Traffic Accidents on Freeways using A Cox Regression Model

YANG Huimin1CHEN Yuren1FANG Shouen1YUAN Jianhua2

(1.KeyLaboratoryofRoadandTrafficEngineeringoftheMinistry

ofEducation,TongjiUniversity,Shanghai201804,China;

2.TrafficManagementResearchInstituteofTheMinistryofPublicSecurity,Key

LaboratoryofRoadTrafficSafetyofTheMinistryofPublicSecurity,Wuxi214151,Jiangsu,China)

Abstract:The rescue time of traffic collisions on expressways has a direct impact on traffic collision fatalities. Based on three consecutive years' collision records of an expressway in east China, the characteristics of rescue time were analyzed in this paper. The impacts of rescue time on the survival rates were studied by using non-parametric estimation methods, and a survival-analysis model of the injuries was developed. Furthermore, factors of survival rates were analyzed with Cox regression models. The results show that the survival rates of the injuries decrease with the increase of rescue time. The survival rates can decrease to below 75% in about 14 minutes after the occurrence of collisions, so the injuries should be given necessary emergency rescue within 14 minutes. Meanwhile, further analysis of factors indicates the time of collisions is a risk factor of survival, and the risk of death in the nighttime is 3.46 times higher than in the daytime.

Key words:traffic safety; expressway; rescue time; survival analysis; non-parametric method; Cox proportional hazard regression model

*公安部重点实验室开放课题(批准号：2014ZDSYSKFKT06)资助

▲通信作者： 陈雨人(1966-)，博士，教授. 研究方向：道路交通规划设计、交通安全与道路环境、道路交通计算机辅助工程. E-mail：

Chenyr@tongji.edu.cn

0引言

高速公路因其速度特性，一旦发生交通事故很容易造成车辆的严重损坏，以及人员的重大伤亡，且交通事故的死亡大多发生在将伤者送往医院之前[1]。据法国民防部门的1份统计结果[2]，针对同样伤势的重伤员，送至医院并得到救护的时间在30min内的，其存活率为80%，在60min内存活率为40%，在90min内的存活率仅为10%以下[3]。因此在交通事故应急救援过程中，应缩短伤者的救援时间让其得到及时有效的救助，提高伤者生存率，这也是减少事故死亡率的关键。

目前，在针对救援时间对交通事故死亡率影响方面，国内学者已经展开了一些研究。宋斌等[4]发现高速公路交通事故的主要伤情是颅脑伤、四肢及骨盆骨折和胸腹联合伤等，这类伤员容易在救治途中或到医院时由于病情严重失去紧急手术机会而死亡。文亮等[5]研究发现有75%～95%的致死性交通伤伤员死于紧急救援到达之前。孔质彬等[6]根据国内某医院急救部实施医警联动前后的交通伤救治情况，发现采用医警联动新模式后道路交通事故伤病人院前救援的时间和距离明显缩短，从而使危急重病人死亡率降低至12.16%。胡明军[7]收集了因交通事故致重刑颅脑损伤的1107例患者的临床资料，进行了患者院前急救与预后相关性分析，发现随着救援车辆到达现场时间的增加，患者死亡率和致残率也会增加。此外，多名学者通过构建高速公路交通事故紧急救援时间模型[8]、服务点选址模型[9]、应急资源动态调度模型[10]和医警联合系统[11]等来缩短伤者的救援时间等。

以上学者多以救援时间或高速公路交通事故伤情为单一研究对象，对其两者之间的关系也只进行了定性分析，并未得出具体量化结论，因此目前国内还没有建立高速公路救援时间与生存率之间的关系模型。而生存分析(survival analysis)方法是对生物或人的生存时间进行分析，研究生存时间和结局与众多影响因素间关系的分析模型，也称生存率分析或存活率分析[12]，与传统的统计模型相比，生存分析模型对参数服从的分布并没有要求。因此可利用生存分析模型研究高速公路交通事故受伤人员的生存状况随时间的变化，进而得到救援时间与生存率的关系。2013年，J.Wu首次利用生存分析方法研究了自动碰撞通知(ACN)和紧急医疗服务(EMS)到达时间对事故伤亡人数的影响，结果表明，运用自动碰撞通知和紧急医疗服务可挽救更多人的生命(154～290人/年)[13]。笔者将采用生存分析方法，对高速公路交通事故受伤人员的生存概率进行估计，并用Cox比例风险模型探讨与交通事故生存率相关的多个风险因素。

1高速公路交通事故救援时间特性分析

交通事故紧急救援一般包括以下4个阶段：事故接报阶段，及时获取已发生事故的信息；事故响应阶段，相关救援人员赶赴现场；事故现场的紧急救援阶段和返回救援站点/医院阶段。

当救援车辆到达现场时，受伤人员即可获得必要的紧急救援，因此，生存率指伤者生存至救援到达时的概率，伤者的救援时间可分为发现时间和响应时间2项，见图1。发现时间是从事故发生到救援站点/医院接到报案的这段时间，包括确认事故的发生地点、事故类型和救援等级等信息所需要的时间。响应时间是指从事故确认之后救援人员启动响应救援预案、调集救援资源、联络有关部门到救援人员到达事故现场的时间。

伤者的生存时间为事故发生时间至最终死亡的时间。在伤亡人员记录中，如果伤者在救援人员到达现场前死亡，生存时间为事故发生至伤者死亡的时间，即为图1中的t1；如果救援车辆到达事故现场时，伤者仍处于存活状态并能得到紧急救援，那么伤者的具体死亡时间将无法观测，因此用救援车辆到达现场的时间代替伤者死亡时间，即为图1中的t2。前者称为完全数据，后者称为删失数据。

图1　事故救援时间数据示例 Fig.1　Illustration of accident rescue time data

2事故受伤人员的生存分析方法

2.1生存函数

生存函数反映了个体生存至某一时刻的概率。设T表示伤员的生存时间，那么，1个随机变量t的生存函数如下。

(1)

风险函数是度量死亡可能性的函数，可以用密度函数f(t)和生存函数s(t)来表示

(2)

累积风险函数为

(3)

根据观测对象进入或退出观察的时间差别，生存分析经常遇到的数据有完全数据和删失数据[12]。对于高速公路交通事故救援，当救援车辆到达伤者仍处于存活状态时，最终生还者的生存时间即为右删失数据。Kaplan-Meier非参数估计方法能够利用右删失和非删失数据的全部信息，因此在处理小样本数据时为首选方法。

假定n个独立观测值为(ti，ci)。其中：ti为生存时间；ci为观测值i的删失指标变量。如果失败发生，即伤者在救援人员内到达时仍处于存活状态，ci取0，否则取l。如果t(1)

(4)

(5)

2.2Cox比例风险模型

Cox比例风险模型是生存分析模型中最常用的多因素分析方法[14]，可以用来分析变量对生存率的影响，其基本形式如下。

(6)

式中：Xi(i=1，2，…，p)为个体i不随时间改变的协变量，即影响生存率的因素；h0(t)为基准风险函数，它是全部协变量都为零时在t时刻的风险函数；βi(i=1，2…，p)为变量参数，若βi>0，表明该协变量为危险因子，会对生存率出现负作用，βi<0表明该协变量为保护因子，可提高生存率，βi=0表明该变量对生存率没有影响。exp(βi)为相对危险度，指在其他协变量保持不变的前提下，Xi每改变1个单位，风险值比原水平改变exp(βi)倍。

任意2个具有协变量X和X*的个体，其危险率成比例

(7)

3数据分析

3.1数据来源及处理

采用华东地区某高速公路交警支队的事件记录，集中包含了1500条事件数据，记录了事件处理过程中的接警时间、交警到场时间、车辆靠边时间、现场撤除时间以及事件特征和环境特征，包括：事件发生的日期、时间，当时的天气，事件类型、报警方式、伤亡人数、当事车辆种类等。通过查阅相关执勤记录则补充了一些必须的信息，包括：各种救援车辆的到场时间，事故发生地点的桩号等。

筛选发生伤亡的事故数据，共采集到399个样本，对高速公路交通数据救援时间进行描述统计，并用非参数K-S检验救援时间分布的正态性，得P=0.002，样本不符合正态分布，因此需采用非参数统计方法。对采集的定量和定性数据进行编码和赋值，将星期分为星期一至星期天和其他法定节假日；将报警事件分成了4个时段，分别是早高峰时段(07：01～09：00时)、白天时段(09：01～16：30时)、晚高峰时段(16：31～20：00时)和夜间时段(20：01～07：00时)，并将事故类型和天气进行分类。模型变量的分组与赋值见表1。

表1　变量说明及赋值一览

3.2事故受伤人员的生存函数

根据生存分析的Kaplan-Meier非参数估计计算得到生存函数的图形，也即生存曲线，见图2，该图反映了伤者的生存概率。生存曲线如果比较陡峭说明生存率低、生存时间短，反之则说明生存率高、生存时间较长。由图2可见，救援车辆在20min内基本可以到达现场，且随着救援时间的增加，生存率逐渐降低，可以将生存率分成3种情况。

图2　事故受伤人员的生存曲线图 Fig.2　Survival curves of the injured

1)在0～7min之间，下降趋势较为缓慢，说明除受重创当场死亡以外，伤者在这段时间内死亡的人数并不多，生存率为94.8%。

2)在7～14min之间，下降趋势较为明显，随着救援时间的增加，累计生存率显著下降，生存率从94.8%降至75.3%，说明如果在14min内没有得到及时有效的医疗救援，伤者死亡的风险较大。

3)最后，救援时间大于14min的伤者生存率下降的较为平缓。在救援车辆达到后仍保持生存状态的伤者的生存时间用救援时间所代替，因此20min之后，生存率不再发生变化。

3.3Cox比例风险回归建模

本文将考虑星期、报警时段、事故类型和天气对伤员生存率的影响。事件不同的报警时段影响着道路的拥堵状况、救援单位救援力量的配置等，不同的事故形态影响着事故的严重程度和人员受伤严重程度，恶劣的气候如冰雪、大雾、暴雨等，会导致路面打滑、驾驶员视线不良等，另外气候条件也影响着救援车辆在路上所花费的时间。

为避免漏掉潜在的有价值的变量，采用向后消去法对变量进行筛选及最大似然估计，输出结果如表2所示。通过变量方差分析发现，X1(星期)、X3(事故类型)和X4(天气)这3个协变量对于生存率均没有显著影响，这些变量被剔除在最终的回归模型之外，4步的筛选后只有X2(报警时段)变量(p<0.05)最终进入模型中。

表2　进入回归方程中的变量

从表2可知，回归系数为0.51，因此建立的Cox比例风险回归模型为

h(t|X)=h0(t)exp(0.051X2)

(8)

Cox模型结果显示，报警时段是影响生存率的主要因素，从回归系数的符号来看，X2的系数大于零，说明报警时段为危险因子，会增加风险函数值，降低生存率。为研究不同报警时段对生存率的影响，继续对此分类变量进行最大似然估计，并以白天时段(09：01～16：30时)为参照时间，得出早高峰、晚高峰及夜间时段的相对风险度分别为1.675，1.073，3.460，不同报警时段下的生存函数概率见图3。由图3可见，夜间时段的生存率最低，风险度为白天时段的3.46倍，其次是早高峰时期。

图3　报警时段下的生存曲线图 Fig.3　Survival curves of accident rescue time with alarm time

4结论

1)交通事故的救援时间对生存率有着直接的影响，且事故发生后7min之后，随着救援时间的逐步增加，生存率显著降低，14min之后即可降至75%以下，因此应缩短事故发现时间和救援响应时间，在接警14min之内让伤者得到必要的紧急救护。

2)通过Cox比例风险回归建模，结果表明接警时段对生存率有着显著影响，且为危险因素，会降低生存率。伤者在早高峰、晚高峰及夜间时段的死亡风险分别是白天时段的1.675倍、1.073倍和3.460倍，因此要尤其加强夜间的交通事故管理和快速处置能力，通过缩短救援车辆到达现场时间提高伤者生存率。

参考文献

[1]CLARK D E, QIAN J, SIHLER, K C,et al. The distribution of survival times after injury[J]. World J. Surg,36 (7), 1562-1570.

[2]Federal Highway Administration Office of Travel Management. Federal Highway Administration Traffic incident management handbook[M].Federal:Federal Highway Administration Office of Travel Management. 2000, 7-10.

[3] 邵毅明,余波. 高速公路紧急救援过程死亡率的影响因素及对策研究[J]. 道路交通与安全,2009(5):44-48.

SHAO Yiming, YU Bo. Research on the influence factors and countermeasures for mortality in the process of expressway emergency relief[J]. Road Traffic and Safety, 2009(5):44-48. (in Chinese)

[4]宋斌,王怀云,王剑火. 某地区高速公路交通伤流行病学分析[J]. 东南国防医药, 2012(4):308-310，319.

SONG Bin, WANG Huaiyun, WANG Jianhuo. Epidemiological analysis of the freeway traffic injury in a certain area[J]. Military Medical Journal of Southeast China, 2012(4):308-310，319. (in Chinese)

[5]文亮,蒲友敏. 交通伤的救治[J]. 中华急诊医学杂志,2008,17(5):559.

WEN Liang, PU Youmin.Treatment of traffic injury[J]. Chinese Journal of Emergency Medicine,2008,17(5):559. (in Chinese)

[6]孔质彬,邱俊,秦文玉,等. 院前急救模式对道路交通伤救治结局的影响[J]. 局解手术学杂志,2014(4):339-342.

KONG Zhibin, QIU Jun, QIN Wenyu, et al. Effects of pre-hospital emergency modes on road traffic accident injury patients[J]. Journal of Regional Anatomy and Operative Surgery, 2014(4):339-342. (in Chinese)

[7]胡明军. 交通事故性重型颅脑损伤院前、院内急救与预后研究[D].广州：南方医科大学,2011.

HU Mingjun. Severe brain injury accidents of pre-hospital hospital emergency and prognosis[D].Guangzhou:Southern Medical University, 2011. (in Chinese)

[8]王菲. 高速公路交通事故紧急救援时间模型及救援站点布局研究[D].重庆：重庆交通大学,2008.

WANG Fei. The research of highway traffic accident emergency rescue time model and rescue site layout[D]. Chongqing:Chongqing Jiaotong University, 2008. (in Chinese)

[9]朱晓波,钱振东,陆振波,等. 高速公路紧急救援服务点选址模型的研究[J]. 交通运输工程与信息学报,2010(4):104-109.

ZHU Xiaobo, QIAN Zhendong, LU Zhenbo, et al.Study on models of freeway emergency rescue service site Location[J]. Journal of Transportation Engineering and Information, 2010(4):104-109. (in Chinese)

[10] 杜柯,高曙,陈先桥,等. 高速公路应急资源动态调度系统研究与实现[J]. 武汉理工大学学报:交通科学与工程版,2013(2):330-333,338.

DU Ke, GAO Shu, CHEN Xianqiao,et al.Research and implementation of emergency resources dynamic scheduling system for highway[J]. Journal of Wuhan University of Technology:Transportation Science & Engineering Edifion, 2013(2):330-333,338. (in Chinese)

[11]杨学武,杨柳,刘峰,等. 高速公路医警联合救援系统构建初探[J]. 中国医院管理,2014(11):20-21.

YANG Xuewu, YANG Liu, LIU Feng,et al. Discussion on the construction of hospital traffic police joint rescue system on highway[J]. Chinese Hospital Management,2014(11):20-21. (in Chinese)

[12]彭非,王伟. 生存分析[M]. 北京：中国人民大学出版社，2004.

PENG Fei, WANG Wei. Survivalanalysis[M]. Beijing: China Renmin University Press Co. Ltd., 2004. (in Chinese)

[13]WU J, SUBRAMANIAN R, CRAIG M, et al. The effect of earlier or automatic collision notification on traffic mortality by survival analysis[J]. Traffic injury prevention, 2013, 14(S1): 50-57.

[14]COX D R. Regression models and life tables[J]. Journal of Royal Statistic Society, 1972, 34(B):187.