应用Power Map及GeoDa软件实现卫生管理信息地图可视化

刘志臻，杨红清，蔡 晶，黄子杰

(1.福建中医药大学 中西医结合学院，福建 福州 350122；2.福州市马尾区 罗星街道社区卫生服务中心，福建 福州 350015)

医学卫生数据结构复杂、维度多元，普通读者对分析结果存在理解难度大的问题。若能将具有空间信息的医学数据分析结果形象化地表现在地图上，展现其中的信息规律和趋势，无疑会降低阅读难度，提高理解程度。Power Map和GeoDa软件是地图可视化常用的实现工具软件。Power Map是嵌套在Excel里的基于Bing地图的三维可视化工具组件，使用便捷；通过Power Map，可在三维地球仪或自定义地图绘制带有地理位置信息的数据，如果包含时间数列信息，还可创建可视化视频介绍并进行分享。GeoDa是实现栅格数据探求性空间数据分析的软件工具集合体，用以描述空间数据分析，比如空间自相关性统计和异常值指示等。与Power Map相比，GeoDa虽然无法实现不同图层的叠加，但在进行纵向数据比较的时候，可以自定义统一的尺度及丰富的颜色展示区域图。

为此，笔者基于2013—2015年全国各省份医疗服务情况统计数据集，应用Power Map和GeoDa两种工具软件，对比传统统计图和地图可视化例示的方式进行了比较和分析，通过探讨医学卫生数据分析的实施途径，总结医学卫生数据分析应用案例，提升信息化水平，以辅助卫生管理决策。

一、传统统计图展示效果及其不足

本案例的医院诊疗人次数(万人次)数据源自国家卫生和计划生育委员会《2015年1—11月全国医疗服务情况》[1]，GDP(亿元)和人口数(万人)数据来自国家统计局[2]。通过Excel 2016录入完毕后，计算人均GDP和2周每千人就诊人数指标。2周每千人就诊人数是反映卫生服务需求的指标，在一定程度上与当地的经济状况相关[3]。

数据录入完成后，先应用四分位数计算人均GDP的割点，按P25、P50、P75的顺序从小到大将其对应的地区分为四组。通过秩和检验发现不同的地区之间“2周每千人就诊人数”差异有统计学意义(P<0.001)。同时，计算“人均GDP”与“2周每千人就诊人数”之间的相关系数(r=0.75，P<0.001)。

散点图很好地反映了2015年我国各省人均GDP与2周每千人就诊人数之间存在的正相关关系，但没有对应各个省份的地理信息和空间信息，很难想象并理解2015年的医疗卫生现状(图1a)；柱状折线组合图与散点图相比，增加了对应各个省份的地理信息，但仍然缺少地理的空间信息(图1b)。

a：散点图；b：柱状折线组合图

二、运用Power Map及GeoDa软件实现地图可视化

具有地域特征的医学数据分析结果若能将其可视化地表现在地图上，展现其中信息规律和趋势，无疑能帮助读者直观和形象地看到复杂数据背后的内在空间规律。为此，笔者应用Power Map及GeoDa软件，探讨人均GDP、2周每千人就诊人数指标与对应省份地理信息的可视化制图的实现途径。

(一)Power Map组件的地图可视化

1.Excel 2016地图绘制菜单。插入→三维地图→打开三维地图。右侧是可视化地图的参数设置：包含图标类型、位置、高度、类别、时间、筛选器、图层选项等。

第一步：设置地理字段。下拉菜单可见经度、纬度、X坐标、Y坐标、省、市、国家等。本例数据Power Map已经自动识别为“省/市/自治区”这个类别(图2)。

图2 Power Map主界面截屏图

第二步：选择可视化图形。Power Map提供的可视化图形有五类：堆积柱形图、簇状柱形图、气泡图、热度图和区域图(图3a)。其中，柱形图以柱形的高低来体现数值大小，气泡图以圆形的大小来体现数值的大小，通常比较适合较为分散的地理位置点或区域，例如不同城市间的数据对比；热度图是通过色阶的冷暖来体现数值的大小，特别适合密度、频率、温度这类数值，例如城市交通状况、气温或降水分布情况的对比等；区域图则是以区域整体(需要使用省份、国家或地区之类的地理信息)的色阶冷暖来体现数值大小。笔者选择区域图表现人均GDP(图3b)和2周每千人就诊人数(图3c)。

第三步：图层叠加。通过对比图3b和图3c的区域可以相对容易地看到人均GDP与2周每千人就诊人数空间信息的灰阶分布趋势大致相同，但需要二张图组合看，不够直观。因此，将2周每千人就诊人数呈现方式改为热力图，与人均GDP区域图叠加(图3d)。

a：可视化图形种类截屏图；b：人均GDP区域地图；c：2周每千人就诊人数区域地图；d:叠加效果图. (台湾、南海诸岛暂无相关数据，未在地图中体现，下图同)

图32015年中国各省人均GDP及2周每千人就诊人数的区域地图

通过图层叠加，读者不仅感受到“人均GDP”与“2周每千人就诊人数”二者存在正相关，而且直观和形象地看到两组数据的地理和空间信息的相关规律，如北京、天津、江苏、上海、浙江、广东等经济发达省份对应的就诊人数也高。

第四步：纵向比较。收集2013—2015年全国各省份医疗服务情况，用Power Map生成3年“2周每千人就诊人数”的区域地图(图4a)，试图发现随着经济的发展，2周每千人就诊人数逐年提升的趋势，但由于颜色区分度较低，可视化结果极不理想。

Power Map实现卫生管理空间信息的可视化优点之一是图层叠加，但如果要比较不同年份之间的卫生管理空间信息，由于Power Map是自动生成的过渡色，且各图之间默认共用一致的标准化过渡色，无法自定义设置尺度标准进行调整，因此，在纵向比较时直观程度大打折扣。为此，应选择GeoDa软件实现。

2.GeoDa的地图可视化。下载全国各省份矢量地图(shp格式)。具体步骤：导入地图→匹配数据→map→change current map type→create new custom→"Breaks"中选择"user defined"→Edit Custom Break设定割点→依次生成历年“2周每千人就诊人数”的区域地图(图4b)。

与图4a相比，图4b可以更为明显看出绝大部分省份的2周每千人就诊人数在逐年提升，颜色呈加深趋势，更为形象地说明卫生服务需求的提高。但是，GeoDa比Power Map相比，矢量地图获得困难，并且可视化图形选择性局限，无法实现图层叠加等，在一定程度上也限制了它的应用。

三、地图可视化应用评价

卫生管理探讨空间属性事物之间的相互关系，透过空间信息的表面现象，发现其内在规律，并对成因进行分析，同时提出干预决策[4]。这一过程需要利用多种科学方法和技术，其中地图可视化就是空间统计的一种重要方法。洛杉矶时报的数据可视化主管Groot曾提到，“地图是信息密度最大的数据通信方式”[5]。显而易见，如果本例数据还是按照传统统计图的展示形式，不免枯燥、乏味，难以形象传达医疗卫生现状在全国范围的内在地域特征和规律。相比较传统统计图，地图可视化更能考虑卫生与健康的地理空间和背景信息，研究结果更加真实、科学。

a:2013-2015年(PowerMap版)；b：2013-2015年(GeoDa版).

2周每千人就诊人数是反映卫生服务需求的指标，笔者通过该指标分析卫生服务的聚集性。聚集性分析用于研究潜在影响因素的时空聚集性，从整体上检验医疗卫生服务的空间分布是随机还是聚集。如果是聚集分布，则进一步回答聚集在什么地方？聚集程度高低及周边地区关系如何？聚集在多大的空间尺度才有意义？通过地图可视化展示不难看出,我国2013—2015年卫生服务水平呈现聚集空间分布，同时叠加对比各省的人均GDP水平发现，与卫生服务地域相关的聚集因素可能是当地的经济水平，如北京、天津、江苏、上海、浙江、广东等经济发达省份对应的就诊人数也高，并且呈现逐年提高趋势。

综上所述，在地图可视化的实现工具软件方面，Power Map、GeoDa以方便、实用、易操作等特点广泛应用于各个领域。对实现小规模、简单的数据集，地图可视化功能已能满足用户的需求。但是，在更多的需求下，用户应该根据数据的特点和任务目标选择合适的工具[6]。地图可视化作为处理空间信息数据的一种非常重要方法，对卫生管理数据的科学挖掘和有效利用将对相关业务的监管、决策的制定及可持续发展均有着重要意义。

[1]中华人民共和国国家卫生和计划生育委员会.2015年1-11月全国医疗服务情况[EB/OL].(2016-04-11)[2017-03-22].http://www.nhfpc.gov.cn/zwgkzt/nianbao/list.shtml.

[2]中华人民共和国国家统计局.2015年国民经济和社会发展统计公报[EB/OL].(2016-02-29)[2017-03-22].http://data.stats.gov.cn/.

[3]付 琰.社区卫生服务中心慢性病管理中举办主体的影响分析[J].临床医药文献电子杂志,2017,4(35):6910-6911.

[4]范俊杰,王 怡,张 震,等.基于空间统计的公共卫生研究现状与展望[J].中国预防医学杂志,2015,16(7):562-565.

[5]Yau N.鲜活的数据：数据可视化指南[M].北京：人民邮电出版社，2012：21.

[6]任利敬,赵正旭,徐 骞.三维地图式可视化大数据[J].测绘与空间地理信息,2017(2):63-65.