院前急救时空热点分析——以醉酒为例<br/>

院前急救时空热点分析——以醉酒为例

2022-07-04李松廉蔡忠亮

地理空间信息 2022年6期

胡森，李松廉，蔡忠亮

（1. 武汉大学资源与环境科学学院，湖北武汉 430079）

疾病、健康和卫生事件等公共卫生数据往往具有空间属性。通过地理信息系统和空间分析技术，分析公共卫生数据的空间分布规律，探究其影响因素，能为疾病防治、卫生服务等提供优化策略，并辅助公共卫生管理[1]。该领域逐渐形成了空间流行病学，而时空热点分析作为时空数据挖掘的重要方法，也已广泛应用于公共卫生领域，用于揭示相关数据的时空聚集性与时空分布规律[2-9]。

1 时空热点分析原理

1.1 时间热点分析

急救事件的发生往往存在热点时段，并具有一定的周期性。如烟台市开发区“创伤”呼救统计结果显示，7～9 月高发，且早晨7:00～10:00 和夜间20:00～23:00 为呼救高峰[8]。但传统流行病学分析框架下急救事件时间分布规律的分析往往为以折线图、柱状图为代表的一维分析。这种分析方式忽略了不同时间周期的交互关系[9-10]。

基础的热图以二维矩阵的形式，通过单元格色彩变化来直观地显示数据，常用于显示不同变量的组合模式、检测彼此间是否有相关性，可在Excel 软件中制作。当横轴与纵轴均取不同的时间周期变量时，热力图即为时间热点分析图。一般可取横轴为以小时为单位的时间周期，取纵轴为以天为间隔的星期循环，统计不同时间维度上的急救时间数量。为优化基础时间热点分析图的视觉效果，可采用插值方法将离散网格连续化，形成平滑的时间热点分布图，而等值线的加入同样可以辅助时间热点分析结果的判读。

1.2 空间热点分析

空间热点分析涉及“热点识别”和“密度分析”两个概念，其结果分别对应“热点图”和“热力图”[10]。二者均用于探测地理事件高发区域，但其内涵有所不同。其中热点识别的目的是识别具有统计显著性的热点和冷点，相对客观。而密度分析的目的是可视化展现地理事件发生密度，其可视化效果相对主观。值得注意的是，热点识别中的“热点”与密度分析中的高值地带无必然联系，其内涵是高值聚集区，要求要素具有高值，且被其他同样具有高值的要素包围。

热点识别的主要方法包括Getis-Ord Gi*和Local Moran’s I，其中前者更为常用，后者除热点外还能识别异常值。Getis-Ord Gi*的原理为：在引入地理权重矩阵后，计算加权要素值与加权均值之差再除以标准差加权值。其本质是一种z值，计算公式为：

式中，xj为要素j的属性值；wij为要素i,j的空间权重；n为要素总数；Xˉ为属性值均值；S则为属性值标准差。

密度分析是一类点模式分析方法，其目的是获得要素在空间上分布的密集程度。其中最简单的方法是“样方计数”，即将空间划分为网格，统计网格中要素取值的总和。但是样方法没有考虑空间对象间的相互作用，且输出离散化结果。相对于样的方法，更为常用的是“核密度估计”。它通过计算要素周围的密度构建平滑表面，从而实现了从离散对象模型到连续场模型的转变。具体而言，空间中某点急救事件密度等价于该点邻域范围内急救事件核密度函数的贡献之和。急救事件x的核密度函数可表示为：

式中，h为核函数带宽；k(•)高斯正态分布形式的核函数；x-xi为两事件间距离。

2 实例分析

2.1 资料来源与处理

本文所使用的武汉市核心城区行政区划、水系数据等空间基础数据来源于“武汉市第一次地理国情普查”，2014年疾病总览数据和详细数据来源于武汉市急救中心，其中2014年疾病总览数据包括呼救病种、总人数、男性人数、女性人数、性别不详人数、老年人数、中年人数、青年人数、少年人数、婴儿人数等属性，共103 965 条数据，其中醉酒数据5 236 条。2014 年详细数据包括执行时间、抢救地点、诊断、出车结果等属性，对其进行筛选可得到醉酒详细数据，跑空率为13.4%。为执行时空热点分析，还需要获得醉酒呼救记录的空间坐标。该过程共涉及三步。其一，调用百度逆地理编码API获得基本坐标；其二，对解析坐标与实际位置的匹配度进行人工核查，修正其中的偏差；其三，通过编程实现BD09坐标到WGS84坐标的转换。

2.2 醉酒的流行病学分析

对筛选得到的醉酒数据分别按人口特征、空间位置、时间进行分析，可得出以下结论：从人口特征来看，男女醉酒比例约为8∶1，中年人所占比例最大，约为38%；青年人和老年人次之，约为36%和24%；从空间位置来看，41.5%的醉酒事件发生在餐厅，酒吧，KTV等地，21.7%发生在居所，36.8%发生在途中或者其他场所；从时间特点上来看，1 月为高发月，而4 月和7 月是两个明显低谷月。另外，节假日醉酒频次明显高于全年均值与工作日均值。

2.3 醉酒的时间热点分析

将武汉市2014 年醉酒呼救按其呼救时间进行划分，用于划分的2个时间维度分别为以1 h为间隔的日循环和以1 h 为间隔的周循环。利用Surfer 15 软件中的等值线工具对划分结果进一步处理生成时间热点分析结果如图1所示。

图1 醉酒时间热点分析图

结果显示，每晚20:00～22:00 点是醉酒高发时段，其中周五为最高峰，而周二为低谷，且周三晚醉酒高发时段跨度相对周二、周四要大。另一方面，周六、周日下午15:00左右为醉酒高发时段。

受中国酒文化影响，中国饮酒以中青年男性为主，时间集中于晚上。周五作为工作日的最后一天，与公休日相接。一方面当晚各方脱离日常工作学习，各类宴饮活动更易组织；另一方面由于后顾之忧相对较少，因此晚宴持续时间较长饮酒量较大。这两方面的综合作用促成了周五的醉酒高峰。周三晚醉酒高峰时段的反向延长则可能与人们周期性的工作状态有关，而周六、周日中午醉酒高峰的出现则可能是朋友、家人间聚餐增多所导致的。

2.4 醉酒的空间热点分析

将醉酒事件空间数据导入ArcGIS，并按季节进行划分。分别对春季（3～5 月）、夏季（6～8 月）、秋季（9～11月）、冬季（本年12月至来年2月）和全年醉酒事件执行核密度分析，参考ArcGIS官方文档，核函数带宽计算公式为：

式中，Dm是（加权）平均中心的（加权）中值距离；n是点的数目；SD是加权标准距离。按照上述公式计算得到核函数带宽为1 800 m。输出像元大小取值为实际坐标大小的1/250，计算得到输出像元大小为25 m。核密度分析结果如图2所示。

图2 醉酒核密度分析图

结果显示春季时汉口古田四路、江汉路、西北湖、菱角湖，武昌晒湖、中南路-中北路、徐东、武钢四十九中附近醉酒密度明显高于其他区域；夏季时，汉口火车站、江汉路、菱角湖、武胜路，武昌螃蟹岬、光谷广场；汉阳王家湾、莲花湖公园以西地带醉酒密度明显高于其他区域；秋季时汉口长青花园、西北湖及以江汉路为核心的沿江地带，武昌和平公园、徐东、中南路、复兴路、光谷广场醉酒密度明显高于其他区域；冬季时汉口西北湖、武胜路、江汉路、武汉天地，汉阳王家湾、钟家村，武昌和平公园、杨家湾、光谷广场、中南路、黄家湖醉酒密度明显高于其他区域。全年来看，汉口火车站-以江汉路为核心的沿江地带、古田四路、武汉天地，汉阳王家湾、钟家村，武昌中南路、徐东、和平公园附近、光谷广场、黄家湖醉酒密度明显高于其他区域。综合来看，醉酒密度汉口＞武昌＞汉阳，除有汉口火车站-江汉路，汉阳王家湾、钟家村、武昌中南路、光谷广场、黄家湖等稳定的醉酒密度高值区域外，还有大量随季节变化的醉酒密度高值区域。

按社区统计醉酒事件数量后，在ArcGIS中执行热点分析（Getis-Ord Gi*），其中选用欧氏距离生成空间权重矩阵，且带宽设置为1 800 m。热点识别结果如图3所示。在0.05置信水平上，汉口火车站-西北湖区域、武昌以中南路为核心的连片区域、以光谷广场为核心的连片区域及黄家湖附近是醉酒热点。

图3 醉酒热点识别图

不论是核密度分析还是热点识别，其指出的醉酒高密度、热点区域均处于商业繁华地段。考虑到国内外研究均指出酒精出售点能显著影响饮酒行为，结合热点识别和核密度分析结果，认为醉酒事件多发于餐厅、酒店、KTV、酒吧聚集区[11-12]。而醉酒高密度区域的季节性变化可能是由于人口周期性迁徙造成的，如春节务工人员返乡、寒暑假大学生归家。