应急医疗物资配置研究现状及可视化分析
2023-04-29缑迅杰赵芸莹徐鑫茹徐泽水
缑迅杰 赵芸莹 徐鑫茹 徐泽水
徐泽水，四川大学讲席教授、欧洲科学院院士、欧洲科学与艺术院院士、欧洲自然科学院院士、国际系统与控制科学院院士、国际工程技术协会杰出会士；国际电气与电子工程师协会、国际模糊系统协会、英国皇家艺术协会等9个国际权威协会会士（Fellow）；全球高被引科学家、中国高被引学者（2014-2019蝉联计算机科学领域榜首）、国家有突出贡献中青年专家、享受国务院特殊津贴专家等.2019-2022年全球前2%顶尖科学家终身科学影响力榜单分别位居431、258、193和190位（2019年年度科学影响力排名世界第30位，中国学者中位居第一）；2023年在全球顶尖计算机科学家排名第40位（中国内地学者中位居第一）.长期从事智能决策、信息融合、模糊数学与优化算法等研究，系统地创建了复杂信息决策理论与方法体系.曾获汤森路透中国引文桂冠奖、中国青年科技奖、教育部自然科学奖（一等奖2项、二等奖2项）、江苏省数学杰出成就奖等.担任《IEEE Transactions on Cybernetics》《IEEE Transactions on Fuzzy Systems》《Information Sciences》《Information Fusion》《Artificial Intelligence Review》等30余本SSCI/SCI期刊副主编或编委.由Springer出版英文专著19部，发表SSCI/SCI论文870余篇，论著被引92 000余次，H指数150.
摘要：近年来，包括新冠肺炎在内的突发公共卫生事件对国家的经济建设与发展均造成了较大的影响.因此，突发公共卫生事件下，需要及时制定有效的应对方案以降低损失、减少伤亡.其中，应急医疗物资配置是事件发生后减少人员伤亡的重要手段，对开展灾后救援工作具有重大意义.由于应急医疗物资配置并不是一个孤立的问题，科学的配置方案离不开应急医疗物资需求预测以及需求点的评估等研究的支持.因此，本文首先通过对应急医疗物资配置相关文献的整理，梳理了应急医疗物资需求预测、配置模型等方面的研究现状.其次，使用CiteSpace软件对从Web of Science中检索到的有关这一主题的文献进行可视化分析.最后，对应急医疗物资配置问题的发展趋势和发展前景进行了展望与总结.
关键词：突发公共卫生事件； 应急医疗物资配置； 预测模型； 智能优化算法； 可视化分析
收稿日期： 2023-04-24
基金项目： 国家社会科学基金（22FGLB005）； 教育部人文社会科学研究青年基金（21YJC630030）； 中国博士后科学基金（2020M680151; 2023T160459）
作者简介： 缑迅杰（1989-），男，汉，河南滑县人，副研究员，研究方向为决策理论与方法、应急管理等.E-mail： gouxunjie@scu.edu.cn
The research status and visualization analysis of emergency medical supplies allocation
GOU Xun-Jie， ZHAO Yun-Ying， XU Xin-Ru， XU Ze-Shui
（Business School，Sichuan University， Chengdu 610064，China）
In recent years， public health emergencies， including the Corona Virus Disease 2019 （COVID-19）， have had a great impact on the countrys economic construction and development. Therefore， under public health emergencies， it is necessary to formulate effective response plans in time to reduce losses and casualties. Among them， the emergency medical supplies allocation is an important means to reduce casualties after the incident， and is of great significance for carrying out post-disaster rescue work. Since the emergency medical supplies allocation is not an isolated problem， the scientific allocation scheme cannot be separated from the research support of demand prediction and demand point evaluation of emergency medical supplies. Therefore， this paper first sorts out the research status of emergency medical supplies demand prediction， allocation models and other aspects by collating relevant literature on emergency medical supplies allocation. Secondly， the CiteSpace software is used to visually analyze the literature on this subject retrieved from the Web of Science. Finally， the development trend and prospect of emergency medical supplies allocation are prospected and summarized.
Public health emergencies; Emergency medical supplies allocation; Prediction models; Intelligent optimization algorithms; Visualization analysis
1 引 言
新冠疫情的爆发给人们的生活带来了非常大的冲击，同时带来的一系列的困难和挑战[1].此外，近年来发生的地震、火灾、洪涝灾害等突发事件同样具有伤害范围大、突发性等特点.然而，突发事件爆发后，若不能及时做好相应的救援和灾害防控工作，极有可能造成进一步的巨大损失.其中，应急物资的及时供给与合理配置是救援工作中非常重要的一个环节.目前，应急物资配置方面的研究还存在很大的进步空间，尤其是应急医疗物资，作为灾害事件救援过程中必不可少的保障性物质，对营救受困人员、减少灾害损失等具有非常重要的作用.因此，本文将针对“应急医疗物资配置”这一主题的相关研究进行梳理与总结，旨在探讨该领域未来的研究主题和发展方向.
应急物资是指在应对严重自然灾害、事故灾难、公共卫生事件和社会安全事件等突发公共事件应急全过程中所必需的物资保障.从广义上来讲，凡是在突发公共事件应对的过程中所用的物资都可以称为应急物资，其中用于生命救助、生命支持、防护等的物资称为应急医疗物资.应急医疗物资配置可以简单理解为事件发生后，将所需的医疗物资布置在适当的位置，即将各类救援所用的医疗物资合理分配给各受灾点[2].
先前已有学者对应急医疗物资配置的研究，早期多采用经典算法求解此类问题，随着研究的深入以及相关求解方法和技术的进步，如今大多采用智能优化算法进行求解.此外，应急医疗物资配置是多维组合优化问题[3]，对计算量以及计算效率的要求较高，而智能优化算法相较于经典算法具有计算效率更高、收敛速度更快、参数更简单等优点.因此本文对配置模型的探讨将重点放在对智能优化算法的梳理上.
考虑到事件爆发后的应急医疗物资配置多为多阶段、多目标问题[4]，也是近年来研究的热点，且应急医疗物资的需求预测、需求点韧性评估及分级等研究均为实现应急医疗物资高效配置必不可少的部分.本文将按照如下结构展开：第2节梳理了应急医疗物资配置前期的相关研究，包括应急医疗物资需求预测和需求点的韧性评估与分级.第3节对应急医疗物资配置的相关研究进行总结和分析.第4节借助文献计量软件对应急医疗物资配置的相关研究开展可视化分析.最后，根据分析结果对包括应急医疗物资需求预测、配置方法与策略等主题的发展趋势与研究前景进行分析.
2 应急医疗物资需求量与需求点预测研究现状
2.1 应急医疗物资需求量预测研究
全球范围内频发的突发公共卫生事件、灾害后的巨大人员伤亡以及易受到影响的经济发展都在敦促人们寻找科学、可行的方法，以实现高效的应急医疗物资供应与配置.尽管应急医疗物资配置是一个NP-hard问题，但不可否认的是，目前诸多科学技术的发展已经达到了一个前所未有的新高度，且各类智能优化算法和人工智能的探索和研究也取得了突破性进展.
面对频发的突发公共卫生事件，大部分地区已经不再盲目地以配置成本最低、配置时间最短等作为应急资源配置的目标，也较少借助主观性较强的方法（如使用专家经验估计[5]物资配置的数量），而是更多地关注能够准确预测各类突发公共卫生事件所需应急医疗物资具体数据的模型与方法.下面对应急医疗物资需求预测的研究现状进行梳理.
应急医疗物资需求预测模型主要分为以下几类：基于模糊变量和模糊推理的预测方法、基于灰色理论的预测方法、基于回归分析的预测方法、基于神经网络的预测方法以及其他方法[6-9].
基于模糊变量和模糊推理的预测方法主要利用三角模糊数、模糊随机变量以及模糊案例推理技术等进行物资需求预测.此类方法的核心在于使用模糊变量来描述无法精确估计的应急医疗物资需求量，主要包括Mamdani模糊推理法、Larsen模糊推理法和Zadeh模糊推理法等.此类方法的优点在于使用方便，且主观性低于专家经验估计法.然而，此类方法较少考虑突发公共卫生事件发生后受灾地区的各种因素对应急医疗物资需求量的影响，且属于静态预测范畴.因此，较难处理突发公共卫生事件中复杂、多变的情况.
基于灰色理论的预测方法主要通过少量的、不完全的信息，建立数学模型并做出预测.灰色理论具有利用小数据集和有限信息进行拟合预测的最佳和独特能力，可以快速、简洁、准确、有效地预测和了解事件的未来发展趋势.例如，新冠肺炎疫情背景下的医疗防护物资需求预测[10]、洪涝灾害背景下的应急物资需求预测[11]、森林火灾、地震救援过程中所需物资的需求量预测[12-14]等.此外，此类预测方法能考虑较多因素、且预测精度相较于模糊推理法有较大提升[15].然而，由于其预测周期较长，较难及时处理突发公共卫生事件背景下的应急物资预测问题[16].因此，学者较少单纯使用灰色预测模型，而是将其与其他模型结合，或将其优化以实现更高效率的预测.
基于回归分析的预测方法是在分析自变量和因变量相关关系的基础上，建立变量之间的回归方程，并将其作为预测模型，进而根据自变量在预测期的数量变化来预测因变量.基于回归分析的预测方法包括多种类型.首先，依据相关关系中自变量的个数不同进行分类，可分为一元回归分析预测法和多元回归分析预测法.其次，依据自变量和因变量的不同相关关系，可分为线性回归预测和非线性回归预测[17].特别地，当前应用较为广泛的时间序列预测模型也是回归模型的一种.例如，使用具有离散值分布的广义自回归移动平均模型开发提前进行步骤预测的工具，使用回归分析理论进行疫情期间的应急医疗物资预测等.
基于神经网络的预测方法：神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型[18].这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的[19-22].由于其具有自我学习、联想储存以及高度寻找优化解等功能，在应急医疗物资需求预测领域得到了广泛应用，如火灾救援[23]、新冠肺炎疫情防控[24]等.尽管此类模型的预测性能较好，但若想获得更加精确的预测结果，则需要大量的数据支持.因此，学者尝试将其与其他模型结合起来进行需求预测分析，如与自注意力机制相结合进行新冠肺炎期间的相关物资预测、与基于时序变化的模型相结合进行灾区相关预测[25]等.
除上述几类方法外，还存在一些应急医疗物资需求预测方法，如微分方程预测法[26]、马尔科夫预测法和传染病动力学方法[27]等.文献梳理总结如下：由于突发公共卫生事件具有突发性、难以预测等特点，因此对需求预测模型的时效性要求较高，即期望能够在尽可能短的时间内得到准确的物资需求情况[28，29].然而，由于重大灾害中不确定因素较多，一些学者选择用模糊随机变量等方法处理预测过程中的不确定信息，或选择使用基于回归分析、灰色理论等的预测模型[30，31].此外，随着神经网络的兴起与发展，越来越多的学者选择基于神经网络模型进行预测[32，33].并且，早期的预测模型大多属于静态预测，随着技术的进步与创新，目前更多的创建动态预测模型以处理事件发生后复杂多变的信息.
准确的应急医疗物资需求预测结果能够在一定程度上提高物资配置的有效性，且能够帮助减少物资配置过程中的时间和空间浪费，提高物资配置过程中物资组合的合理性，以便及时将所需物资送达灾区，从而提高救援效率.因此，应急医疗物资需求预测是其配置过程中的一个重要环节.
2.2 应急医疗物资需求点分级研究
突发公共卫生事件会给诸多地区带来不同程度的影响和破坏.若应急医疗物资充足，可以保证在第一时间为所有受影响地区进行物资配置.然而，在应急物资有限的情况下，需要根据不同受灾地区的具体情况按照一定的规则和顺序进行物资配置.因此，应急医疗物资需求点研究同样是提高配置效率的研究重点，对提高配置的科学性具有重要意义.
当前，对物资需求点分级的研究方法主要分为两类：定性研究法和定量研究法.定性研究法主要以专家经验评估[34]为主，其在早期的研究中使用较多，主要思想为灾害发生后，专家根据之前的处理经验，主观设定各个受灾地区的紧急程度，并根据这一设定赋予各地区相应的紧急权重值[35-38].目前，这种方法已较少使用，原因在于：一方面这种权重确定方法主观性较强，缺乏科学性，且在处理问题时仅仅依据以往经验，较难应对突发事件中出现的新情况，缺乏明确的紧急权重确定依据；另一方面，事件发生后，短时间内较难达成专家共识，由此也较难保证需求点紧迫度分级的效率.综上，目前大多研究使用定量研究法或定性与定量相结合的方法进行物资需求点分级研究39-42].在国内，学者建立了物资缺失损失系数、灾区满意度系数、应急保障综合评价函数等，也有学者建立了相应的分级模型，如主成分聚类分析、层次分析法、TOPSIS及其改进方法、基于模糊综合评判的方法等[43].相比于定性分析法，这类方法在进行需求点分级的时候有明确的分析过程与分级依据，可以尽可能降低主观性对结果产生的影响，并能够从不同的角度进行分析，以提高研究结果的科学性.此外，由于分析依据和分析过程比较明确，能够保证在尽可能短的时间里得出可靠性程度较高的分级结果，进而提高应急医疗物资配置的效率[44].当前，国外关于该领域的研究主要涉及灾点聚类、动态评价模型构建等方面.
通过文献梳理可以了解到，尽管一些学者已建立分级指标体系和相应的分级方法和模型，但仍有较大的进步空间，且各个指标体系仍需进一步完善.此外，面对频发的重大灾害以及复杂多变的受灾情况，亟需建立动态分级指标体系与分级方法[45].
综述，无论是应急医疗物资需求预测还是应急医疗物资需求点分级研究，均致力于更高效地进行应急医疗物资配置，对进行更加合理、有效的应急医疗物资配置有着重大意义.然而，需求点分级方面的研究较少且不够成熟.此外，对于当下热门的机器学习、智能优化算法等的应用还比较少，与其结合将能够提升应急医疗物资配置的效率.
3 应急医疗物资配置模型研究现状
应急医疗物资配置是一个多目标、多维数、多约束的复杂离散化组合优化问题，该问题同样可被看作为资源约束项目调度问题[46].由于这是一个NP-hard问题，在物资配置过程中大多使用传统算法和智能优化算法等构建配置模型，以实现在满足各种约束条件的前提下，尽可能高效、合理地将应急医疗物资分配到各需求点，并试图在各可行方案中寻找能够实现配置目标的最优方案[47，48].本节将分别从应急医疗物资配置模型的构成以及研究现状两个方面进行文献梳理.
3.1 应急医疗物资配置模型结构
3.1.1 目标函数
应急医疗物资配置的原则可被看作为模型的目标函数，早期大多以单目标为主，随着研究的深入以及智能优化算法的发展与创新，目前多数求解模型包含多个目标函数，以便寻求更优的配置方案.
本文梳理了已有研究中使用频率较高的目标函数，如表1所示.其中，单目标函数配置模型一般为其中之一，而多目标函数配置模型则包括其中的两个或以上.
表1仅罗列了使用频率较高的目标函数.此外，在多目标配置模型中，许多学者会选择多个目标函数的组合求解，有效推动了应急医疗物资配置的创新与发展.例如，将最小化受灾点平均等待救援时间和最小化应急物资调度成本作为目标函数[49-55]，并通过基于自适应机制的NSGA-Ⅱ算法求解[56]，不仅提高了进化速度，而且保持了较好的收敛性.在早期的单目标求解模型中，时间成本最小和经济成本最小是研究的重点，而单目标求解模型大多难以兼顾两者，所以求解结果不尽如人意.因此，将最小化物流成本和心理焦虑成本作为目标函数，并通过快速非支配排序遗传算法对模型求解，不仅能够为应急物资配置领域提供新的研究方向，其研究结果也为有关部门制定应急救援方案提供了指导性意见[57].此外，事件发生后，及时采取有效措施开展救援的目的之一是尽可能减少对灾民的伤害，而将灾民的心理焦虑成本最小作为目标函数，并将救援的公平性考虑进来，体现了“以人为本”的思想.尽管在这一求解模型中，无法实现物流成本与心理焦虑成本均达到最小，但却实现了从受灾程度角度最大限度保证救援的公平性[58，59].
国外存在诸多与多目标应急医疗物资配置相关的研究，如将时间成本与经济成本最小、灾民满意程度最大三者设为目标函数，并综合考虑应急资源配置道路的畅通程度等问题，使用不同的智能优化算法求解，应急资源分配的有效性和效率有显著提升[60，61].尽管多目标求解模型能够同时兼顾多个方面，但不可忽视的是，应急医疗物资配置过程中，各目标函数之间存在关联，尽管每个目标函数都有利于配置方案的优化，但是有些目标函数之间可能是相互冲突的，比如同时涉及总配置成本与灾民满意程度时，要想最大化灾民的满意程度，则需要付出更多的配置成本[62].因此，有学者考虑到将不同的目标函数结合到及时性函数中[63]，这一思想不仅可以更大程度地兼顾不同的目标函数，也为应急医疗资源配置提供了新的研究思路.
随着技术的发展和研究的深入，不断有学者尝试将不同的目标函数结合、使用不用的求解算法以期获得更优的配置方案，并且越来越多的学者开始尝试使用动态求解模型[64]以兼顾更多的目标函数.
3.1.2 应急医疗物资配置的约束条件
相比于一般的物资配置问题，应急医疗物资配置具有更高的时效性要求，它需要在尽可能短的时间内为受灾地区提供紧缺的物资，这也意味着应急医疗物资配置具备时效性、动态性、系统性以及弱经济性等特点[65].此外，由于受灾地区各类物资需求量大且种类繁杂，所以在配置过程中必然会受到诸多条件的约束，因而可以认为应急医疗物资配置是一个在满足约束条件的前提下借助智能优化算法以尽可能满足目标函数的优化问题.
本文总结了使用较多的约束条件，如下式所示.
（1）物资需求点获得的应急医疗物资总量小于等于其最大物资需求量，如式（1）所示.
（2）受灾地区与应急救援中心的应急医疗物资储备总量等于其分配给各需求点的应急医疗物资总量，如式（2）所示.
（3）物资需求点获得的应急医疗物资总量大于等于其最低物资需求量，如式（3）所示.
其中，xmn表示物资储备点n分配给物资需求点m的应急物资量;dm为物资需求点m的物资需求量;An为物资储备点n的物资储备量;ξ为物资需求点所需物资的最低满足率.
3.2 应急医疗物资配置模型研究现状
目前，诸多研究采用传统算法或智能优化算法求解应急医疗物资配置问题.其中，智能优化算法是一种建立在生物智能或自然现象基础上的随机搜索算法，其核心思想在于模仿自然界中一些群居物种的觅食、繁殖等行为，并将各种行为抽象为可量化的关键指标，形成数学模型以便求解各类问题.它具有收敛速度快、全局寻优能力强、灵活性和鲁棒性好、计算量小和易编程等优点.
本节将应急医疗物资配置中使用频率较高的几种算法进行着重介绍，例如：粒子群算法、遗传算法、人工蜂群算法及其改进算法等，并简要介绍该领域涉及到的其他智能优化算法.
（1）粒子群算法. 自1995年提出以来，已演化出多种改进模型，其是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法.它利用群体中个体与最优个体以及个体之间的信息交互，引导整个群体中个体在保留自身多样性信息的同时，朝向群体最优个体收敛，通过不断更新逐渐找到最优解.考虑到应急医疗物资配置大多为多目标问题，该算法在处理多目标问题时具有高效、快速的优点.例如，在不平衡条件下进行应急医疗物资配置时，粒子群算法能够解决收敛过早、惯性权重不合适等问题[66]；在应急医疗物资数量不足的情况下，粒子群算法能够避免出现陷入局部最优的情况，进而提高问题求解的效率[67].
然而，粒子群算法在求解多目标问题时也存在诸多问题.例如，算法中的“最优”粒子易对种群个体产生影响，以致收敛过快；其次，采用粒子群算法进行优化时，每次迭代均需确定个体最优粒子和全局最优粒子；再者，在追求求解速度和求解效率的同时会导致多样性缺失等[68].因此，国内外学者尝试改进该算法，如从参数整定、迭代公式、拓扑结构等方面进行优化，并取得了可观的效果.
（2）遗传算法.是根据大自然中生物体进化规律而设计提出的，它主要通过变异和交叉的概率动态地改变搜索过程并找到最优解，并可以评估多个个体并产生多个最优解，因此具有更好的全局搜索能力[69].
由于应急医疗物资配置是多维数、多变量的离散组合优化问题，而遗传算法在处理这类问题具有计算精度高、速度快的优点，因而许多学者选择使用这一算法及其改进算法求解并获取最优配置方案.例如，在多目标函数求解模型中，使用遗传算法对多个目标均进行最优化求解，从而实现每次迭代中都能保持多样性的特点[70]；根据矩阵整数编码初始解和分阶段解码等优化基础的遗传算法能够进一步提高求解的效率[71]；考虑完全可行域思想的遗传算法优化模型能够解决多目标配置问题中缩减可行域方法科学性存疑的局限性[72]等.
除上述优点外，一些研究显示该算法在考虑大群体时耗时较长，而考虑小群体求解的结果又不够理想；此外，求解过程中也可能出现过早收敛的问题.因此，不断有学者对这一算法进行优化，以期望获得更优的结果[73].
（3）人工蜂群算法.是一种基于进化和蜂群原理的智能优化算法，致力于对全局进行问题优化.由于其使用的解搜索方程是不充分的，因而生成候选解的策略具有较好的探索能力，许多研究已经证明了该算法具有较高的求解效率、稳健性和有效性[74，75].在应急医疗物资配置过程中，需要考虑多种不确定信息，并尽可能合理、高效地对有限的资源进行配置，改进的人工蜂群算法在求解多目标、多周期的配置问题时表现良好，能够有效降低配置成本并提高配置效率[76]；此外，采用二进制人工蜂群算法对应急医疗物资进行多阶段动态配置能够有效提高应急管理的公平性和效率等[77].然而，该算法虽然擅长搜索，但较难利用，因此许多学者对标准算法进行改进优化，并提出具有更高局部搜索能力的快速人工蜂群算法、能够避免寻优过程中陷入局部最优和融合反向学习策略的反向人工蜂群算法等[78].
除上述智能优化算法外，鲸鱼算法[79]、模拟退火算法、萤火虫算法[80]、蚁群算法、人工鱼群算法、人工蝙蝠算法、花朵授粉算法、和声搜索算法等也得到了广泛的应用.随着研究的深入以及考虑因素的增加，以及应急医疗物资配置的复杂程度越来越高，对算法求解结果的要求也越来越高，所以学者们不断探索新的算法并对其进行改进和优化.目前，智能优化算法的应用越来越广泛，且处理高维度、多变量的应急医疗物资配置问题的寻优速度更快、结果精度更高、解决陷入局部最优的效果更好[81].
4 可视化分析
综合考虑权威性、信息丰富程度和与各种文献计量分析软件的兼容性等三个方面，本文选择Web of Science（WoS）作为数据源，同时为保证检索数据的全面性与准确性，选择为SCI-EX-PANDED和SSCI作为索引.最后，使用文献计量方法对经过筛选后的数据进行分析，从而更加全面的分析数据间的内在联系[81].考虑到同义词等问题，本文将"disaster medical resource allocation"、"disaster medical supplies allocation"、"emergency healthcare resource allocation"、"emergency healthcare supplies deployment"、"mass casualty incident resource allocation"和"public health emergency resource allocation"等主题纳入分析，可提供一个更加全面的分析视角.因此，文献检索策略最终被确定为（（TS=（emergency medical supplies allocation））OR （TS=（emergency medical supplies deployment））OR （TS=（emergency medical resource allocation））OR （TS=（emergency medical resource deployment））OR （TS=（disaster medical resource allocation））OR （TS=（disaster medical supplies allocation））OR （TS=（emergency healthcare resource allocation））OR （TS=（emergency healthcare supplies deployment））OR （TS=（mass casualty incident resource allocation））OR （TS=（public health emergency resource allocation））），时间跨度为1900 年 1 月1日至2023 年 7 月3日，文献类型选择为 Articles 和 Review Articles.由于多个关键词识别会不可避免地涵盖一些在其他领域有类似主题表达的文献，因此，本文剔除了不属于本文主题范围的文献，尤其是一些容易对后续定量分析产生较大影响的高被引率和低相关性的文章.最终，本文从检索的1489 篇（包含 1221 篇期刊论文和 113篇综述论文）文献中得到1334篇有效文献并将其用于对“应急医疗物资配置”这一主题进行系统地可视化分析.
其次，随着文献计量学和计算机技术的快速发展，催生了大量性能优异、功能丰富的分析软件，如VoSviewer， Bibliometrix， R-package， CiteSpace， BibExcel， CitNetExplorer等.尽管不同的分析软件在部分功能上有重叠之处，但均有分析的侧重点.
其中，CiteSpace在数据处理、描述性统计等方面的适应性和灵活性有助于确定研究趋势和热点，能够有效地从文献中提取关键词，并确定趋势性的研究方向.其次，它特别擅长处理大规模数据，其强大的可视化功能可以直观地揭示某一领域的主要研究机构和研究者以及他们各自之间的合作关系等，且构建的共现网络图也能够提供研究领域轨迹的宏观视图.因此，本文最终选择使用CiteSpace作为可视化分析工具，以全面、高效地提高分析效率和分析结果的可信度.
最后，考虑到拟分析的文献数量较多且内涵丰富，本文将从作者、来源、机构、国家（地区）等角度进行分析，挖掘该领域的发展状况、领先贡献者等重要信息.
4.1 应急医疗物资配置数据的描述性统计
本节将整理从WoS中检索到的数据，并分别从关键词、机构和作者等角度对文献进行统计分析.
结合图1中出版物数量（NP）和引用次数（NC）的年度变化趋势可知，两者的变化曲线呈现出波动的上升态势，并在2021年达到峰值，且近几年的出版物数量和引文数量急剧上升.在WoS核心数据库中，该领域的第一篇引文直到1993年才出现.事实上，直到21世纪，应急医疗物资配置方面的研究才逐渐形成规模，并引起了更加广泛的关注.随着人们生活水平的提高以及科技的迅速发展，人们逐渐认识到突发公共卫生事件的严重性和应急救援的重要性.在此背景下，应急医疗物资配置领域将会产生越来越多且更具价值的研究成果.
图2为该领域涉及到的前10个研究方向，表2对这10个研究方向的记录数和在该领域检索到的1334篇文献中所占的比重进行了详细的介绍.图3为该领域研究机构合作共现图，由图可知四川大学在该领域有重要贡献.
4.2 应急医疗物资配置的可视化研究分析
4.2.1 关键词共现分析
一般来说，关键词能够代表一篇文献的核心内容与研究重点.因此，对某一领域相关文献的关键词进行分析，不仅可以获取该领域当前的研究热点与重点，而且能够预测该领域未来的发展趋势.继上节对单个关键词进行分析后，本节将进行关键词共现分析，其主要依托不同关键词间的关系来解释某领域的研究热点和发展趋向.图4为根据CiteSpace导出的关键词共现图谱，共有666个节点，1459条边，密度为0.0066.
在共现网络结果中，节点（标签）的大小表示关键词出现频率的高低，节点越大意味着出现的次数越多；网络中的节点以年轮的形式显示，每一层的宽度表示相应年份所发表文章的数量，宽度越宽，说明当年发的文章越多；节点之间的线表示它们之间的共现关系，线越全面，共现性越强.
值得注意的是，除了resource allocation、care、model和allocation等反复出现的高频关键词外，emergency department一词从1998年首次出现在该研究领域后，累计出现次数达到104次，这给了我们一些新的启示：急诊科室实际上是应急医疗物资配置研究领域的一个核心要素.这在一定程度上反映出急诊科室在应急医疗物资配置领域中的关键地位和作用，尤其在公共卫生危机等突发事件中，急诊科室的角色与效能更显突出.因此，在未来的研究中，需要更深入地理解和研究急诊科室在应急医疗物资配置中的角色，以期制定出更优化、更具实施性的配置策略.
图5为叠加时间维度的关键词时间线图，右侧内容表示该领域的关键词聚类信息，每个聚类都是由多个密切相关的关键词组成的，聚类的顺序从0开始，顺序越小，聚类中包含的关键词数量越多.
聚类#0 humanitarian logistics和聚类#1 risk factors为应急医疗物资配置领域的研究提供了重要的视角.humanitarian logistics主要关注在突发事件如公共卫生危机等情况下，如何进行有效、高效的医疗物资分配和流动，确保物资在恰当的时间到达合适的地点，提高应急响应的效率和效果.
risk factors聚类重点研究的是影响应急医疗物资配置的各种风险因素，这些风险因素包括但不限于突发事件的类型、严重程度、影响范围、受影响人口的特征、物资的性质等.这些因素都将影响到应急医疗物资的需求量和需求分布，进而影响到物资配置的策略和效果，该方向的研究会直接影响到应急医疗物资配置策略的实际成效.
4.2.2 合作网络分析
本节对文献作者的合作网络进行研究，其更为直观地展示出了应急医疗物资配置研究领域的核心研究力量和代表学者.同样地，本节使用CiteSpace对该领域的作者进行合作网络可视化分析，图6为作者合作共现图谱，共有736个节点，909条边，密度为0.0034.其中，节点的颜色表示不同的研究方向，从图中可以看出，Weinstock David V、Coleman C Norman和Knebel Ann等人不仅研究方向相似并且他们之间存在着密切的合作.
Bader Judith L、Coleman C Norman和Weinstock David M三位学者分别发表了6篇、5篇和5篇文章，他们对该领域的进展做出了重大贡献；Liu Shan W、Farrell Timothy W和Vitale Caroline A等人的合作度均为14，这说明他们与其他学者之间的合作密切，有效促进了该领域的交流与合作.不同研究团队之间的紧密合作和交叉引用，以及研究轨迹的多样性，都能够为该领域的合作和交流提供必要的机会，并且不同作者和机构之间密切的学术合作，对于促进相关研究的进展也是至关重要的.
5 讨 论
应对频繁发生的公共卫生危机时，制定有效的应急医疗物资配置方案至关重要，其能有效地控制人员伤亡并最大程度地降低财产损失.为应对信息短缺且频繁变化、变量众多、约束条件复杂以及现场情况复杂等挑战，配置方案需综合考虑其时效性、实行性以及灾民的心理健康等因素.
下面将基于对现有文献的总结和归纳，对该领域未来的研究方向进行详细的分析和阐述.
（1） 合理利用社交媒体.科技的发展推动了社交方式的进步与更新，技术的进步以及大数据、互联网的发展为数据处理技术的升级提供了条件.因此，在研究过程中，可以考虑从社交媒体挖掘灾区的实时数据，并且使用数据清洗工具，筛选出有效信息，以便进行物资需求情况预测、并提高预测结果的准确度.除此之外，可通过社交媒体，及时更新应急医疗物资配置的相关资讯，并开通评论功能，及时获取灾区的具体情况，进而通过信息共享及时实现动态配置，其能够在一定程度上提高配置的科学性与有效性.但是，当前的数据挖掘、数据清洗以及数据处理技术还不够成熟，仍有较大的提升空间.
（2） 多团队协同办公，开发合作平台.突发公共卫生事件发生后，要想实现在尽可能短的时间内得到有效的配置方案，需要做大量的工作，并进行多方面的沟通和协调.因而，可以考虑多方合作进行物资配置方案的制定工作，开发合作办公平台，进而提高应急医疗物资配置的效率.例如，可以设置专门进行物资需求预测的团队、数据收集的团队、物资协调的团队等，保证及时、有效的沟通，为物资配置方案制定团队提供更加全面的信息，从而实现减少方案调整的次数，实现缩短配置时间的目标，为物资配置与灾区救援争取更多时间.
（3） 区域协同配置.一般来讲，突发公共卫生事件爆发后，灾区所需的物资种类和数量激增，但是受灾地区往往在短时间内很难有充足的物资储备.因此，可以考虑多供应点协同供应，尤其是灾区周围地区，不仅可以为灾区提供应急救援物资，还可以作为物资中转点和暂存点，以保证应急物资的合理配置.然而，尽管该方法在提升配置的效率和有效性具有一定的可行性，但在进行区域协调配置时，需保证各配置区域进行及时、有效的沟通，以便及时发现并克服可能出现的应急医疗物资供应过多或供应不足的情况.
（4） 鼓励政企合作.现有研究显示，突发公共卫生事件发生后，大多数人会认为应急救援的主体是政府，因此大部分研究均以政府调度优化为出发点.的确，突发公共卫生事件下，政府会在第一时间做出响应，并及时展开救援工作.但是，值得我们思考的是，灾害面前，救援工作为第一要务，除了可以借助社交媒体等渠道及时获取信息，企业等可以在政府指定的官方账号或平台更新自己的物资储备与运输条件，以便和政府同时展开救援，缩短响应和运输时间.此外，这一研究思路同样需要注意保证及时、有效的沟通.
（5） 多运输工具协同配送.已有研究显示，当前的应急医疗物资运输工具较为单一，多以陆运为主[82].随着各类交通工具的进步与发展，后续研究可以考虑不同运输工具协调配送.此外，除了专门的应急医疗物资运输工具，还可以依托民航客机、高铁等交通工具[83].突发公共卫生事件发生后，及时获取民航客机、高铁等的运行时间与路线，并获取其中的空闲空间信息，以实现协助应急物资运输工作.
（6） 动态预测与配置.现有的应急物资配置方案大多为静态配置方案，即一旦方案确定，就很少再改动方案.这一定程度上是由于早期的信息沟通不方便，做不到及时、有效的数据获取与信息交流.因此，在后续的研究中，可以考虑动态预测与动态配置相结合，根据实时信息进行配置方案的及时调整[84].
6 总 结
本文首先将应急医疗物资配置展开分析，分别对应急医疗物资需求预测、应急医疗物资需求点分级、应急医疗物资配置的目标函数、约束条件以及求解算法等方面进行分析研究，并重点分析了广泛应用于应急医疗物资配置领域的各类智能优化算法.其次，根据主题词从WoS进行文献检索，使用CiteSpace对检索数据进行可视化分析，并根据关键词共现的结果分析“应急医疗物资配置”领域的研究重点和研究热点，为应急医疗物资配置的研究提供有用信息.最后，通过对大量文献的梳理总结，并根据可视化分析的结果对该领域未来的研究趋势进行分析和总结.
参考文献：
[1]Kannan S， Ali P S S， Sheeza A， et al. COVID-19 （Novel Coronavirus 2019）-recent trends [J]. Eur Rev Med Pharmaco， 2020， 24： 2006.
[2]Wen T X， Zhang Z N， Qiu M， et al. A multi-objective optimization method for emergency medical resources allocation [J]. J Med Imag Health In， 2017， 7： 393.
[3]王付宇， 汤涛， 李艳， 等. 重大突发灾害事件下应急资源供给与配置问题研究综述[J]. 自然灾害学报， 2021， 30： 44.
[4]朱莉， 曹杰， 顾珺， 等. 考虑异质性行为的灾后应急物资动态调度优化[J]. 中国管理科学， 2020， 28： 151.
[5]刘泽， 张娜娜， 程杨， 等. 青海省医疗资源配置的空间公平与效率评价[J]. 地理科学进展， 2023， 42： 1891.
[6]谭晓伟， 王雪韵， 胡大伟. 考虑动态需求的多中心沿途补货冷链物流配送路径优化[J]. 四川大学学报：自然科学版， 2023， 60： 022002.
[7]王兰英， 郭子雪， 张玉芬， 等. 基于直觉模糊案例推理的应急物资需求预测模型[J]. 中国矿业大学学报， 2015， 44： 775.
[8]田军， 马文正， 汪应洛， 等. 应急物资配送动态调度的粒子群算法[J]. 系统工程理论与实践， 2011， 31： 898.
[9]陈鑫， 汪传旭， 石刘红. 模糊随机需求下应急救援中心排队选址模型及算法[J]. 上海海事大学学报， 2011， 32： 74.
[10]陈相兵， 陈晨， 闵心畅. 混合约束多峰优化问题的一个协同共轭进退粒子群算法[J]. 四川大学学报：自然科学版， 2023， 60： 011006.
[11]马龙， 秦宝东， 卢娜， 等. 基于新陈代谢灰色马尔科夫的应急物资需求量预测方法[J]. 系统仿真学报， 2021， 35： 229.
[12]胡忠君， 刘艳秋， 李佳. 基于改进GM（1，1）的洪涝灾害应急物资动态需求预测[J]. 系统仿真学报， 2019， 31： 702.
[13]王正新， 刘思峰. 基于Fourier-GM（1，1）模型的灾害应急物资需求量预测[J]. 系统工程， 2013， 31： 60.
[14]李丽丽， 张军， 曾波. 基于新陈代谢GM（1，1）的大规模地震应急救援物资需求预测研究[J]. 世界科技研究与发展， 2013， 35： 430.
[15]刘炯. 基于多元线性回归的物流需求预测分析——以安徽省为例[J]. 四川文理学院学报， 2022， 32： 51.
[16]李振强， 曹琦. 基于PCR的战时物资需求预测研究[J]. 军事运筹与系统工程， 2021， 35： 15.
[17]赵一兵， 高虹霓， 冯少博. 基于支持向量机回归的应急物资需求预测[J]. 计算机仿真， 2013， 30： 408.
[18]刘云， 马儀， 田地， 等. 可信激励算法对区块链移动节点共识优化研究[J]. 四川大学学报：自然科学版， 2022， 59： 062004.
[19]Maleki M， Mahmoudi M R， Wraith D， et al. Time series modelling to forecast the confirmed and recovered cases of COVID-19[J]. Travel Med Infect Di， 2020， 37： 101742.
[20]何颖， 王亚娜， 贺婷. 我国公共卫生医师人力资源配置情况分析[J/OL]. 中国预防医学杂志（2023-10-23）[2023-10-26]. http：//kns.cnki.net/kcms/detail/11.4529.R.20231023.0905.002.html.
[21]Dong S， Wang P， Abbas K. A survey on deep learning and its applications [J]. Comput Sci Rev，2021， 40： 100379.
[22]陈双双， 吕鸣， 胡军， 等. 2017—2021年我国基层卫生资源配置的公平与效率研究[J]. 中国农村卫生事业管理， 2023， 43： 701.
[23]Wu X Q， Zhang X N， Huang X Y， et al. A real-time forecast of tunnel fire based on numerical database and artificial intelligence [J]. Build Simul-China， 2022， 15： 511.
[24]Koc E， Turkoglu M. Forecasting of medical equipment demand and outbreak spreading based on deep long short-term memory network： the COVID-19 pandemic in Turkey [J]. Signal Image Video P， 2022， 16： 613.
[25]Ketu S， Mishra P K. India perspective： CNN-LSTM hybrid deep learning model-based COVID-19 prediction and current status of medical resource availability [J]. Soft Comput， 2022， 26： 645.
[26]Masum M， Masud M A， Adnan M I， et al. Comparative study of a mathematical epidemic model， statistical modeling， and deep learning for COVID-19 forecasting and management [J]. Socio-Econ Plan Sci， 2022， 80： 101249.
[27]王琛， 黎良， 刘斌. 基于标签时间Petri网最小初始状态的实时系统初始资源配置[J/OL].控制理论与应用（2023-10-07）[2023-10-26]. http：//kns.cnki.net/kcms/detail/44.1240.TP.20230928.0937.064.html.
[28]章程军， 胡晓兵， 牛洪超. 基于改进YOLOv5的车辆目标检测研究[J]. 四川大学学报：自然科学版， 2022， 59： 053001.
[29]Chen F J， Chen J Y， Liu J G. Forecast of flood disaster emergency material demand based on IACO-BP algorithm [J]. Neural Comput Appl， 2022， 34： 3537.
[30]赵小柠， 马昌喜. 基于范例推理的灾害性地震应急物资需求预测研究[J]. 中国安全科学学报， 2012， 22： 3.
[31]赵丽培， 叶贝珠， 邢雨涵， 等. 2012-2020年我国妇幼卫生人力资源配置公平性及空间分布[J]. 卫生软科学， 2023， 37： 62.
[32]陈兴志， 田宝单， 王代文， 等. 基于SEIR模型的COVID-19疫情防控效果评估和预测[J]. 应用数学和力学， 2021， 42： 199.
[33]赵姣， 胡卉， 袁华智. 不规则型泊位与岸桥集成分配问题的优化建模和算法研究[J]. 四川大学学报：自然科学版， 2022， 59： 042001.
[34]Tzeng G H， Cheng H J， Huang T D. Mufti-objective optimal planning for designing relief delivery systems [J]. Transport Res E-Log， 2007， 43： 673.
[35]白冠超. 基于模糊综合评判的应急物资需求分级研究[J]. 企业改革与管理， 2015（2）：118.
[36]王莉芳. 基于组合赋权与灰色改进TOPSIS方法的受灾点应急物质需求紧迫性分级评价[J]. 安全与环境工程， 2017， 24： 94.
[37]王宁， 左添丞， 冯鹏程. 基于主成分聚类分析的军事物资应急配送需求分级研究[J]. 军事交通学院学报， 2021， 23： 45.
[38]王婧， 王海军. 应急救援中应急物资需求紧迫性分级研究[J]. 计算机工程与应用， 2013， 49： 4.
[39]王之乐， 张纪海. 基于多灾种视角的应急物资需求紧迫性分级研究——以地震灾害链全过程应急管理为例[J]. 灾害学， 2017， 32： 190.
[40]李霞， 李佳璇， 崔洪军， 等. 基于需求时间的隧道塌方应急资源分级调度研究[J]. 中国安全生产科学技术， 2021， 17： 136.
[41]张英慧， 汪贻生. 应急物资需求动态分级方法研究 [J]. 物流技术， 2015， 34： 82.
[42]凌思维， 杨斌， 孙少文. 基于需求分级的应急医疗资源配置[J]. 广西大学学报：自然科学版， 2014， 39： 358.
[43]Wang X， She K， Zhong S M， et al. Exponential synchronization of memristor-based neural networks with time-varying delay and stochastic perturbation [J]. Neurocomputing， 2017， 242： 131.
[44]李丽清， 杨苏乐， 万里晗， 等. 基于fsQCA组态视角的我国医疗资源配置效率提升路径分析[J/OL]. 中国全科医学（2023-10-23）[2023-10-26]. http：//kns.cnki.net/kcms/detail/13.1222.r.20231023.0843.014.html.
[45]Rivera-Royero D， Galindo G， Yie-Pinedo R. A dynamic model for disaster response considering prioritized demand points [J]. Socio-Econ Plan Sci， 2016， 55： 59.
[46]Pellerin R， Perrier N， Berthaut F. A survey of hybrid metaheuristics for the resource-constrained project scheduling problem [J]. European J Operat Res， 2020， 280： 395.
[47]管宏才， 李圆圆， 周吴平， 等. 我国老年护理人力资源配置公平性研究[J]. 医学与社会， 2023， 36： 14.
[48]张梦玲， 王晶， 黄钧. 不确定需求下考虑供应商参与机制的应急资源配置鲁棒优化研究[J]. 中国管理科学， 2020， 28： 102.
[49]Hu F H， Wang Y L， Ma B L， et al. Emergency supplies research on crossing points of transport network based on genetic algorithm [C]//2015 International Conference on Intelligent Transportation， Big Data and Smart City. Halong Bay， Vietnam： IEEE， 2015： 370.
[50]王付宇， 叶春明， 王涛， 等. 震后伤员救援车辆两阶段规划模型及算法研究[J]. 管理科学学报， 2018， 21： 68.
[51]王飞跃， 裴重伟， 郭换换， 等. 基于元胞遗传算法的多目标应急资源配置[J]. 中国安全生产科学技术， 2020， 16： 174.
[52]朱洪利， 周泓， 孔继利， 等. 需求干扰下的两阶段应急资源调度问题[J]. 中国安全生产科学技术， 2018， 14： 67.
[53]Barbarosoglu G， Arda Y. A two-stage stochastic programming framework for transportation planning in disaster response [J]. J Oper Res Soc， 2004， 55： 43.
[54]王妍妍， 孙佰清. 多受灾点应急物资动态多阶段分配模型研究[J]. 中国管理科学， 2019， 27： 138.
[55]张冬青， 郭钊侠， 张殷杰. 考虑时空相关随机行驶时间的车辆路径问题模型与算法[J]. 四川大学学报：自然科学版， 2021， 58： 067001.
[56]薛书琦， 龚壮壮. 突发洪涝灾害中考虑心理焦虑影响的多周期应急物资调度研究[J]. 安全与环境学报， 2023， 23： 1522.
[57]王付宇， 丁杰， 汪和平， 等. 灾后模糊需求情境下考虑救援公平性的应急物资调度问题模型与算法研究[J]. 管理工程学报， 2023， 37： 159.
[58]王旭坪， 马超， 阮俊虎. 考虑公众心理风险感知的应急物资优化调度[J]. 系统工程理论与实践， 2013， 33： 1735.
[59]唐伟勤， 邹丽， 郭其云， 等. 应急初期物资调度的灰色多目标规划模型[J]. 中国安全科学学报， 2016， 26： 155.
[60]Mohammadi R， Ghomi S M T F， Jolai F. Prepositioning emergency earthquake response supplies： a new multi-objective particle swarm optimization algorithm [J]. Appl Math Model， 2016， 40： 5183.
[61]王付宇， 张康. 考虑道路约束的应急物资调度优化模型与算法[J]. 复杂系统与复杂性科学， 2022， 19： 53.
[62]Chai G， Cao J D， Huang W， et al. Optimized traffic emergency resource scheduling using time varying rescue route travel time [J]. Neurocomputing， 2018， 275： 1567.
[63]Chi H， Li J L， Shao X Y， et al. Timeliness evaluation of emergency resource scheduling [J]. Eur J Oper Res， 2017， 258： 1022.
[64]Chang F S， Wu J S， Lee C N， et al. Greedy-search-based multi-objective genetic algorithm for emergency logistics scheduling [J]. Expert Syst Appl， 2014， 41： 2947.
[65]胡春玉. 基于多目标优化的应急物资调度模型研究与应用[D].镇江： 江苏大学， 2021.
[66]戚孝娣， 庄亚明. 供需不平衡条件下的区域应急物资调配模型研究[J]. 中国安全科学学报， 2016， 26： 169.
[67]郑彦辉， 朱昌锋， 王啸. 基于双层规划的应急物资调配研究[J]. 中国安全生产科学技术， 2020， 16： 25.
[68]张莉， 张惠珍， 刘冬， 等. 考虑紧迫度的应急物资调度及粒子群算法求解[J]. 系统仿真学报， 2022， 34： 1988.
[69]Katoch S， Chauhan S S， Kumar V. A review on genetic algorithm： past， present， and future [J]. Multimed Tools Appl， 2021， 80： 8091.
[70]沈晓冰， 杨保华. 基于双层混合联运的震后应急物资配送模糊多目标优化[J]. 工业工程， 2017， 20： 113.
[71]赵建有， 韩万里， 郑文捷， 等. 重大突发公共卫生事件下城市应急医疗物资配送[J]. 交通运输工程学报， 2020， 20： 168.
[72]吴凡， 杨冰， 洪思. 基于变长基因型遗传算法的多供应点应急物资调度优化[J]. 计算机应用研究， 2022， 39： 1148.
[73]李晶， 徐文辉， 李亚东. 海上溢油应急物资调度双目标规划模型[J]. 中国安全生产科学技术， 2022， 18： 48.
[74]陶俊良， 孙艺扬， 何宁. 天津市中医医疗资源配置状况及公平性研究[J]. 中国医药导报， 2023， 20： 187.
[75]Xue Y， Jiang J M， Zhao B P， et al. A self-adaptive artificial bee colony algorithm based on global best for global optimization [J]. Soft Comput， 2018， 22： 2935.
[76]巩在武， 阳佳琦. 考虑灾民心理的多周期应急物资调度不确定规划建模研究[J]. 中国管理科学， 2023， 7： 1.
[77]李智楠， 刘勤明， 陆昊洋. 韧性视角下基于随机演变的城市应急医疗物资配置模型[J]. 计算机应用， 2023， 43：978.
[78]张巧， 杨红雨， 刘洪， 等. 基于自适应DBSCAN的雷达目标跟踪算法[J]. 四川大学学报：自然科学版， 2021， 58： 012001.
[79]张聆晔， 吕靖， 班豪， 等. 考虑油膜动态过程的海上溢油应急物资调度优化[J]. 运筹与管理， 2022， 31： 35.
[80]李艳， 叶春明， 曹磊. 考虑伤情随机恶化的应急物资调度问题[J]. 系统工程学报， 2020， 35： 824.
[81]王帅， 全薇， 罗勇军. 内蒙古自治区医疗卫生资源配置的公平性分析[J/OL]. 上海预防医学（2023-09-22）[2023-10-26]. http：//kns.cnki.net/kcms/detail/31.1635.R.20230922.0821.002.html.
[82]翟越， 王儒豪， 屈璐， 等. 基于元胞自动机的人车交互行为数值模拟方法研究[J]. 四川大学学报：自然科学版， 2022， 59： 043003.
[83]杨沁林， 张劲. 机械臂目标区域跟踪防撞控制[J]. 四川大学学报：自然科学版， 2022， 59： 033001.
[84]张彬， 张龙秀. 基于DEA和ARIMA模型我国妇幼保健机构资源配置效率变化趋势及影响因素分析[J]. 中国医药导报， 2023， 20： 192.
引用本文格式：
中 文： 缑迅杰，赵芸莹，徐鑫茹，等. 应急医疗物资配置研究现状及可视化分析[J]. 四川大学学报： 自然科学版， 2023， 60： 060003.
英 文： Gou X J， Zhao Y Y， Xu X R， et al. The research status and visualization analysis of emergency medical supplies allocation [J]. J Sichuan Univ： Nat Sci Ed， 2023， 60： 060003.
