摘要
01
引言
心肌梗死（MI）是院外心脏骤停（OHCA）的主要原因之一，对人类健康构成了重大威胁。作为应对心脏骤停的重要设施，自动体外除颤器（AED）在公共卫生系统中发挥着关键作用。为了在心肌梗死发生后的“黄金四分钟”内提供有效的急救，各国政府已经开始制定并实施AED部署策略，以降低心脏急症的死亡率。然而，与发达国家相比，发展中国家的AED普及率较低，且城市或地区之间的部署不均衡。这种滞后与快速城市化进程不匹配，突显了社会意识不足、医疗资源有限以及缺乏科学和实用选址规划的问题。因此，迫切需要优化AED的布局，以减少OHCA导致的死亡风险，尤其是针对心肌梗死引发的高死亡率患者。
在政府预算有限的情况下，如何更加合理地部署和优化急救医疗系统成为关键挑战。AED的选址主要受风险暴露和医疗可及性这两个因素的影响，特别是在高风险地区，AED应优先部署。风险的空间分布对AED的选址至关重要。然而，由于空间和时间因素的复杂性，以及不同地区资源可用性的差异，在AED选址过程中全面考虑MI风险和医疗可及性存在数据获取和方法整合的困难。此外，单纯基于MI风险进行选址而不考虑社区可及性，可能导致选址结果与实际需求不匹配，难以有效覆盖高风险区域。
同时，AED设备的时空可及性对其空间布局和服务覆盖范围有着重要影响。由于OHCA的突发性（可能由心肌梗死或其他原因引发），“黄金四分钟”的有效治疗时间成为AED部署的关键参考标准。为此，学者们提出了“15分钟社区生活圈”的概念，旨在通过多源时空数据和供需匹配来指导城市规划。这一理念在医疗保健领域得到了广泛应用，并为验证AED选址的合理性提供了重要参考。然而，现有的研究在评估AED可及性时仍存在空间细节不足和计算效率低的问题，需要进一步优化。
为了解决上述挑战，本研究提出了一个基于多源时空数据驱动的AED选址模型。该模型通过结合自动化机器学习框架和两步移动搜索区域（2SFCA）方法，评估心肌梗死的空间风险和医疗资源的可及性，并在多种情景下探索AED的最佳选址。研究选取湖北省武汉市作为案例分析，通过比较位置集覆盖问题（LSCP）模型和最大覆盖位置问题（MCLP）模型，验证了模型的有效性，并为中国城市的AED部署提供了理论参考和实际建议。通过这些研究，本研究旨在为城市规划和急救医疗系统的优化提供更为科学的依据，有助于提高心肌梗死患者的生存率。
02
研究区域和数据
本研究选取湖北省武汉市作为研究区域，武汉市是一座人口超过千万的特大中心城市，是中国中部的经济和地理中心。武汉市下辖13个行政区，包括人口密度高的商业和金融中心汉口区、聚集了大量高校的教育中心武昌区和洪山区，以及以能源工业为主的工业区青山区等。2020年，武汉市共有362家医院和3个急救中心，但与其庞大的城市面积和高人口密度相比，急救医疗系统仍显不足，社区可用的AED数量不足1000台，特别是在偏远地区，急性心肌梗死的死亡率较高。因此，研究武汉市的医疗可及性和AED的优化选址，对于中国特大城市中新增AED设备的合理布局和有效疾病预防具有重要意义。
本研究使用了2016年至2019年间在武汉某三级医院就诊的心肌梗死患者数据，数据经过隐私保护处理，不涉及患者身份信息。为了评估社区尺度的MI风险，本研究还收集了多源地理数据，包括OpenStreetMap（OSM）路网数据、377,000个兴趣点（POI）数据、腾讯2019年时间序列人口密度数据、气象数据以及街道级环境数据。这些数据综合反映了城市的交通、医疗、经济和人口分布情况，有助于分析心肌梗死风险的空间特征，并预测各社区的MI风险水平，为优化AED选址提供数据支持。
03
方法
本研究提出了一种基于心肌梗死（MI）风险和医疗资源可及性的AED选址综合方法。首先，运用空间自相关分析方法来表征MI风险的空间聚集性，探讨MI风险分布的整体空间特征与局部差异。接着，采用FLAML自动化机器学习框架，构建社区尺度的心肌梗死风险预测模型，以补充并增强稀疏数据的空间覆盖，为更准确的风险评估提供基础。随后，通过高斯衰减的两步浮动捕获区域（2SFCA）方法评估现有医疗资源的可及性，以此为基础确定AED设备的合理布局。最后，利用位置集覆盖问题（LSCP）模型和最大覆盖位置问题（MCLP）模型，在综合考虑人口密度、心肌梗死风险等因素的基础上，优化AED选址，力求在不同资源条件下提高服务覆盖率和效率，合理配置有限资源。这一研究方法旨在为中国大城市的AED选址提供科学依据，有助于在紧急医疗服务中更好地预防心脏骤停事件的发生。
04
结果
4.1 心肌梗死风险空间分布
通过对武汉市心肌梗死（MI）风险的空间自相关分析，我们发现全球莫兰指数（Moran's I）为0.466，表明武汉市的MI风险在空间上存在显著的正相关性。具体来看，武汉市中心城区，如武昌、江岸和汉阳区，MI风险较高，而郊区，如蔡甸、黄陂和新洲区，患者分布不均，数据稀疏，难以揭示有意义的空间模式。为了应对这一挑战，我们采用了基于多源时空数据的风险预测模型，该模型有效减少了由于单一数据来源所带来的误差，生成了一张覆盖更广、更加代表性的MI风险地图（图2）。模型验证显示，LightGBM算法在验证集上的整体准确率达到71.7%，并使社区覆盖范围增加了24.9%。通过对比风险分布的调整前后变化，我们发现中心城区有35.4%的社区MI风险有所增加，特别是在郊区和农村地区，由于医疗资源和交通设施的相对匮乏，这些地区的MI风险需要进一步关注和优化。
图2 武汉市心肌埂塞风险空间分布：（A）新洲区、（B）中心城区、（C）东西湖区、（D）蔡甸区、（E）黄陂区、（F）江夏区
4.2 心肌梗死医疗可及性评估
4.3 AED 选址结果
在AED选址的研究中，我们首先基于位置集覆盖问题（LSCP）模型进行了初步选址（图4）。以15分钟的可达性为阈值，筛选出2071个候选站点，其中包括地铁站、公交站和体育设施等人流密集的公共场所。最终确定了207个AED站点，这些站点覆盖了武汉市中心城区74.0%的社区，并达到了15分钟内的紧急响应要求。然而，由于医疗资源的限制，进一步提高AED的覆盖率成为关键目标。为此，我们扩大了候选站点的数量，将可达性阈值设定为黄金救援时间4分钟，最终确定了1015个AED站点，使15分钟可达性覆盖率提升至96.4%，4分钟可达性覆盖率则达到了55.4%。
图4 基于LSCP模型的AED放置地点选择：（A）15分钟可达性，（B）4分钟可达性
表1 不同模型的AED选址结果对比
05
结论
应对中国特大城市中AED（自动体外除颤器）严重短缺的问题，本研究从多角度探讨了AED选址策略，基于对心肌梗死（MI）风险和医疗可及性的评估。在MI风险方面，武汉市呈现出内部高、外部低的空间分布模式。在交通便利、公共设施完善、环境优美的地区，MI风险相对较低；而在噪音较大或环境较差的地区，MI风险较高。在MI医疗可及性方面，商业和教育发达、人口密度高或空气污染严重的地区可及性较低，需要改善。关于AED的选址，应优先考虑旅游景点、商业和教育区域，并关注农村地区急救医疗资源分布的不平衡。基于可及性的LSCP模型能够很好地满足城市公共卫生发展的需求。鉴于资源有限，可以使用MCLP模型部署具有约15分钟服务范围的移动AED，仅需100个AED站点即可在中心城区实现93.6%的覆盖率，满足城市的医疗需求。为了在城市发展过程中改善应急医疗系统并提高MI治疗的效率，有必要增加AED的部署数量，提高社会意识水平，并将AED重点放置在高人口流动且MI治疗可及性低的区域。
Yao, Y., Shao, L., Yin, H., Xu, C., Guo, Z., Chen, H., ... & Luo, P. (2024). Automated external defibrillator location selection considering myocardial infarction risk and medical resources. Transactions in GIS. https://doi.org/10.1111/tgis.13223
点击推送最下方“阅读原文”跳转UrbanComp官网阅读和下载原文。
论文 | 更多可见的绿色空间，更强大的心脏？来自湖北省缺血性心脏病急诊的证据
论文 | 公园绿地能否减轻COVID-19带来的心理健康负担？
论文 | 城市社区绿化暴露对心理健康的影响研究：基于街景数据和遥感影像数据的分析
