基于交通流量大数据的城市院前急救医疗服务研究

鲁玲玲 李方航 杨丽娟 寿筱涛

随着生活方式与饮食结构的不断变化，加之近年来老年人群数量的不断增加，急性危重症患者的数量在不断增加，由于发病急、病情严重，因而将会对患者的生命安全构成严重的不良威胁，因此及时有效的院前急救成为确保患者的生命安全的关键［1］。然而对于某些大城市而言，由于其交通流量较大，使得交通压力随之增加，在交通拥堵的情况下，出诊的救护车无法在短时间内达到患者所在地，因而无法为患者提供及时有效的院前救治医疗服务，使患者出现较大的死亡率，因此为有效的避免上述不良情况的发生，提升院前急救医疗服务效果与质量，确保患者的生命安全［2］，目前医院开始采用基于交通流量大数据的分析方式，从而能够有效的明确救护路线，使救护车能够在最短时间内到达急救现场，为患者提供良好的院前急救医疗服务［3］。本文将探讨探讨基于交通流量大数据的城市院前急救医疗服务效果。

1 临床资料

1.1 一般资料 选取2020 年1 月到2020 年6 月珠海市10家具有院前急救医疗服务的医院，将其院前急救工作情况作为研究对象，采用基于交通流量大数据的管理方式，对院前急救工作量指标的情况进行观察，并选取980 个小区中心点样本；选取80 名医护人员与100 例患者代表，医护人员中男39 名，女41 名，平均年龄（36.5±4.9）岁；患者男63 例，女37 例，平均年龄（50.2±4.9）岁。

1.2 方法 为明确交通流量大数据的城市院前急救医疗服务效果，本研究采用重力模型，并将其作为评价各街道可达性水平的基本模型；使用加权平均旅行时间模型评价高峰与平峰差异。使用国际上通用的INRIX Index 指标作为评价拥堵指数情况，具体公式如下：（1）重力模型（见图1）。其中Ai 表示街道i（i=1-39）的可达性，j 代表医院周边小区数量最多的3 个医院，Gj 代表街道内部拥有救护车数量前三名的医院；Pi 表示各街道内的人数总和；dij 代表由医院到小区的总出行时间；dji 代表由小区到医院的总出行时间；β 代表出行阻抗系数（1-2），在本研究中为β 赋值1。

图1 重力模型

（2）拥堵指数模型（见图2）。其中RSij 表示自由流速度；CSij 代表实际运行速度，即路段i 在第j 个间隔的计算速度；Aij 代表INRIX Index 指数值。

图2 拥堵指数模型

（3）加权平均旅行时间模型（见图3）。其中i 代表研究区域内各路段节点，取值范围为1-172；j 表示980 个小区中任意一个小区；Mi 表示节点i 的拥堵指数情况；Tij 代表区域中的节点i 通过交通网络中通行时间最短的路线到达j 的通行时间；Aij 代表区域R 中任意一点j 的可达性。

图3 加权平均旅行时间模型

（4）研究人员选择使用高德地图对980 个小区的POI坐标值进行获取，通过转换的方式对样本小区的具体方位进行囊括；为降低误差影响，本研究将500m 内的相邻的小区予以整合，从而获得980 个小区中心点样本，将上述交通路网数据与小区数据根据实际情况予以连接，从而获得完整的交通路网数据。将6：30-8：30 作为早高峰时间阶段，将16：30-19：00 作为晚高峰时间阶段，将9：00-15：00作为平峰时间阶段，时间节点设定为15 min。根据上述实际计算各路段拥堵指数，一般能够按照实际情况安排救护车辆，从而能够使所有报警患者均能够在最短时间内获得院前急救，从而确保生命安全，为后续治疗提供可靠保障。

1.3 观察指标 （1）2020 年1-6 月份院前急救工作量指标情况。（2）基于交通流量大数据的城市院前急救医疗服务前后实施医护人员的满意度情况，按照本研究自制的问卷进行调查评估，标准：①满意：医护人员能够完全接受本研究的内容与方式；基本满意：医护人员能够基本上接受本研究的内容与方式；不满意：医护人员无法接受本研究的内容与方式。（3）基于交通流量大数据的城市院前急救医疗服务前后患者的满意度情况，按照本研究自制的问卷进行调查评估，标准：①满意：患者及其家属完全明确并接受本研究的内容与方式；②基本满意：患者及其家属基本上明确并接受本研究的内容与方式；③不满意：患者及其家属无法明确并接受本研究的内容与方式。

1.4 统计学处理 采用SPSS 20.0 统计软件包进行数据处理，以P＜0.05 表示差异有统计学意义。

2 结 果

2.1 2020 年1-6 月份院前急救工作量指标情况 接警17437 次，实际出车16698 次，救治病人15344 例，死亡人数48 例，大型事故次数123 次，大型事故救治人数354 例，空车率为8.61%，中位出车公里数为6.13 公里。

2.2 基于交通流量大数据的城市院前急救医疗服务实施前后医护人员的满意度比较 见表1。

表1 基于交通流量大数据的城市院前急救医疗服务实施前后医护人员的满意度比较［n=80，n（%）］

2.3 基于交通流量大数据的城市院前急救医疗服务前后患者的满意度比较 见表2。

3 讨 论

近年来随着城市化速度进程的不断加快，交通情况也愈来愈堵塞，因而无法在短时间内到达急救现场，进而会造成较为严重的不良后果［4］。

表2 基于交通流量大数据的城市院前急救医疗服务前后患者的满意度比较［n=100，n（%）］

3.1 交通拥堵因素对研究区域救护车可达性的影响 珠海市在6：30-19：00 的时间阶段内，其交通拥堵指数与平均速度分别为1.58 与30.4 km/h。在本研究所选取的区域内，将其主干道路设的速度设定为60 km/h，但其实际的速度为47.1 km/h，在高峰时间其交通拥堵指数为1.86，平均行驶速度为25.1 km/h，平均院前急救时间为（18.28±3.62）min；在平峰时段内，其交通拥堵指数为1.42，平均行驶速度为32.4 km/h，平均院前急救时间为（14.93±1.72）min。因此，相比于平峰时段内，早晚高峰时间内急救服务所需时间较长，并由此得出结论交通拥堵因素对研究区域可达性具有较大的影响，二者呈正相关。在此种情况下，医院的相关管理人员能够按照实际的交通拥堵指数及平均行驶速度数值，对具体的出车路线与出车时间进行合理规划，从而能够在较短时间内到达急救现场为患者施救，从而在较大程度上确保患者的生命安全［5］。研究人员使用空间插值处理的方式对早、晚高峰数据与平峰数据予以处理，对结果进行解读显示，在早高峰、晚高峰与平峰时间内，院前急救可达时间表现出圈层式分布特点，并由中心城区逐渐向外进行发散，此与医院数量及路网密度密切关联。本研究发现，在980 个小区中，30 min 内医护人员能达到的小区数量比例明显较高，小区数量占总量的比例明显较高［6］；由于早高峰的拥堵指数高于平峰时间段，导致在早高峰时间段内能够于30 min 达到的圈层覆盖面积明显较小。交通拥堵所造成的影响主要体现在对于15 min、20 min 与30 min 可达时间覆盖面积的影响；与高峰时段相比，平峰时段下，25 min 圈层覆盖面积明显增加，使得外围地区的急救效果获得显著改善。晚高峰时段则出现于15 min 圈层覆盖面积大于平峰的情况，该现象的产生与珠海市着力发展公共交通事业密切关联。若想有效的解决上述情况，在城市早晚高峰时段内市内需要使公交车于专项道路内行驶，以便能够有效的缓解中心城区拥堵压力，进入能够有效的提升急救医疗可达性能力［7］。在地理学中，研究人员主要使用可达性对城市交通问题进行分析。本研究人员使用交通流量数据、拥堵指数模型与重力模型，对不同时段下的市区主城区的院前急救医疗可达性进行测算，并对交通拥堵因素对各小区急救医疗的影响因素进行分析，并由此得出以下结论：（1）相比于平峰时段，早晚高峰对院前急救医疗可达性的影响显著，各项指标值显著降低；并且在平峰时段内，院前急救医疗服务的可达性明显较高，急救人员可在15 min 与30 min 内到达急救现场，使其获得及时有效的救治。尽管本研究的研究人员利用交通拥堵因素对可达性进行测算，将计算结果与预期结果进行对比可知，虽然基本上相同，但仍然存在一定的差距，如并未对车辆的路口等待时间与医疗人员将患者从楼内转移至救护车所用时间等因素进行考虑［8］。（2）研究时段内按照插值结果显示，院前急救可达时间均可按照圈层式分布，可达时间由中心城区向外围地区逐渐增加［9］。

3.2 交通拥堵因素对院前急救医疗服务的影响 不论是珠海市还是其他大城市，由于交通拥堵情况重，在较大程度上影响院前急救医疗服务的效率，若能够有效的解决交通拥堵的不良情况，则能够在较大程度上提升急救医疗服务的可达性，进而能够为更多的患者提供院前急救，确保其生命安全。为有效的实现上述目标，研究人员需要按照实际的交通流量大数据改进现有的院前急救医疗服务体系，不仅能够缓解交通压力，而且能够完善提升院前急救医疗服务体系。本研究结果显示，在实施基于交通流量大数据的管理方式后，医护人员及患者的满意度获得显著改善，其原因在于研究人员能够分别针对早晚高峰阶段与平峰阶段的实际交通拥堵指数对出诊的车数、时间进行调整，同时还能够针对交通拥堵因素对研究区域可达性、各小区急救医疗的影响进行综合分析，便于其对医护人员进行调整，不仅提升其工作效率，同时也能够为更多的患者提供急救治疗，因而能够提升医护人员与患者的满意度。

综上所述，应用基于交通流量大数据的城市院前急救医疗服务具有良好的效果，能够有效的提升医护人员与患者的满意度，建议推广应用。