北京市120院前醫療急救道路交通傷害的空間自相關分析*

向珍君 計玉容 于海玲 楊 樺 邵石雨

(北京急救中心 北京 100031)

1 引言

道路交通傷害是指在公路、鐵路、航空和水路上所發生的傷害[1]。近年來隨著我國城市化進程加快，機動化水平不斷提高，機動車保有量和駕駛員人數不斷增加，城市交通安全問題日益突出[2-4]。目前我國道路交通事故年死亡人數高居世界第2位[5]，道路交通傷害已經成為危害公眾生活健康的重要問題[6]。2020年公安部辦公廳和國家衛生健康委員會辦公廳聯合印發《關于健全完善道路交通事故警醫聯動救援救治長效機制的通知》，要求結合本地交通事故發生狀況、醫療資源布局等情況，不斷完善交通事故救援救治網絡，提高道路交通事故傷員救援救治效率。2019年北京市每萬輛機動車死亡人數1.98人，直接經濟損失3 528萬元[7]。2010年前后北京市道路交通傷害相關研究主要應用統計學方法進行分析，缺乏對道路交通傷害空間分布的特征分析[8-10]。目前地理信息系統(Geographic Information System，GIS)技術已經成為處理、分析和展示空間資料必不可少的工具，為道路交通傷害空間分析提供良好技術支撐[11-13]。基于此本研究收集了2019年北京市120院前醫療急救道路交通傷害資料，通過GIS空間分析功能了解和探討北京市120院前醫療急救道路交通傷害空間分布特點。

2 資料與方法

2.1 數據來源

收集2019年1月1日-12月31日北京市120調度指揮系統受理的道路交通傷害病例資料，包括呼叫時間、呼叫地址、經緯度坐標等信息。北京市16個行政區及街鄉鎮矢量電子地圖來源于OpenStreetMap(OSM)，共涉及331個街鄉鎮。利用GIS技術對道路交通傷害進行空間分析的基礎是道路交通傷害呼叫點定位[14-15]，一般通過經緯度坐標確定。所收集資料中部分病例資料未包含經緯度坐標，因此需要進行地理編碼，將文本的呼叫地址轉換為經緯度坐標。根據有關研究[16]，通過比較百度、高德、騰訊3家地圖廠商提供的應用程序接口(Application Programming Interface，API)可知，高德地理編碼API的整體質量較高，因此采用其處理相關資料，最終確定31 071例道路交通傷害作為進一步研究對象，導入至ArcGIS桌面窗口ArcMap中。

2.2 研究方法

2.2.1 概述 本研究運用自然間斷點分級法對各行政區的道路交通傷害例數進行差異分級并用可視化地圖展現。自然間斷點分級法是基于數據中固有的自然分組對分類間隔加以識別，可對相似值進行最恰當的分組，并可使各個類之間的差異最大化[17]。所應用自然間斷點分級、Moran’s I和Getis-Ord Gi*均采用地理信息系統軟件ArcGIS 10.2進行分析。

2.2.2 空間自相關分析 通過對院前醫療急救道路交通傷害進行空間自相關分析以觀察區域間道路交通傷害的相互關系。按照研究層次的不同，空間自相關檢驗指標可以分為全局空間自相關、局部空間自相關[18]。全局空間自相關用于測量、考察變量整個區域范圍內所表現出的空間分布形式，分析其是否存在聚集特性[19]，僅以單一值來表達該區域內空間分布的自相關程度，不能指出聚集的準確區域。

2.2.3 Moran’s I法 利用Moran’s I法進行全局空間自相關分析[20]。Moran’s I的統計量指數在[-1,1]之間，通常利用對其標準化進行顯著性檢驗[21]。根據Z值和P值進行顯著性水平驗證，將求出的P值與固定的顯著水平進行比較[22]。當標準化Z值大于零且顯著時表明存在正的空間自相關，即相似的道路交通傷害屬性值(高值和高值，低值和低值)趨于空間集聚；當Z值小于零且顯著時表明存在負的空間自相關，即相似的交通傷害屬性值趨于分散分布；當Z值為零時交通傷害屬性值呈現獨立隨機分布。局部空間自相關主要用以識別不同空間區域上可能存在的不同空間關聯模式及空間局部不平穩性，發現交通傷害屬性值的空間異質性，可以判斷其具體的聚集區域。

2.2.4 Getis-Ord Gi*指數法 利用Getis-Ord Gi*指數法局部空間自相關分析為每個街鄉鎮交通事故傷害屬性值返回Gi*統計Z得分和P值。對于具有顯著統計學意義的正Z得分，Z得分越高熱點(高值)聚類越緊密；對于具有顯著統計學意義的負Z得分，Z得分越低冷點(低值)聚類越緊密[23]。以P<0.05為差異有統計學意義。

3 結果

3.1 基本情況

共收集2019年北京市120院前醫療急救道路交通傷害31 071例，其中男性18 052例(58.10%)，女性12 820例(41.26%)，性別不詳者199例(0.64%)，男女比例為1.41∶1，病例年齡范圍為1個月～99歲。

3.2 空間分布

將道路交通傷害病例數按16個行政區進行統計，使用自然間斷點分級法將各區道路交通傷害例數分成5個等級，以由淺到深的顏色表示例數從低到高。道路交通傷害在各區均有分布，最高是朝陽區4 671例(15.03%)，其次是順義區3 502例(11.27%)，最低是石景山區499例(1.61%)。

3.3 全局空間自相關

對北京市120院前醫療急救道路交通傷害的分布進行全局空間自相關分析。結果顯示，Moran’s I=0.47，Z=150.44(P<0.001)，說明北京市120院前醫療急救道路交通傷害存在空間聚集性且為正相關。0.3

3.4 局部空間自相關

對北京市120院前醫療急救道路交通傷害分布進行局部空間自相關分析，以街鄉鎮及其道路交通傷害例數為數據集，為每個街鄉鎮進行Getis-Ord General Gi*統計，得到Z得分、P值和置信區間，對不同置信區間進行分類并進行渲染，熱點和冷點顏色的深淺代表了不同置信水平，顏色越深代表該點屬于相應類別的置信水平越高。北京市120院前醫療急救道路交通傷害存在局部自相關，有76個街鄉鎮為顯著性的熱點和冷點。紅色和淺紅色為熱點，藍色和淺藍色為冷點，紅色和藍色置信度為99%，淺紅色和淺藍色置信度為95%。其中熱點街鄉鎮51個，包括朝陽區8個、昌平區1個、大興區6個、房山區4個、順義區18個、通州區14個，與周圍道路交通傷害病例分布呈高高相鄰，即不僅本街鄉鎮道路交通事故高發且周邊區域也高發；冷點街鄉鎮25個，包括房山區5個、懷柔區3個、門頭溝區11個、平谷區1個、延慶區5個，與周圍道路交通傷害病例分布呈低低相鄰，即不僅本街鄉鎮道路交通事故較少且周邊區域也較少。淺黃色表示聚集特征不顯著，包括東城區、西城區、海淀區、豐臺區、石景山區、密云區共255個街鄉鎮。

4 討論

4.1 研究結果及分析

本研究通過GIS將北京市120院前醫療急救道路交通傷害發生地點所對應的經緯度坐標導入地圖中，直觀、清楚、準確地將道路交通傷害發生地點在電子地圖上呈現，利用空間分析方法分析其空間分布特征，比統計方法更為形象、直觀[14]。從研究結果來看，道路交通傷害的地區分布差異較大，朝陽區、順義區較多，石景山區最少。在全局空間自相關分析中Global Moran’s I值提示北京市120院前醫療急救道路交通傷害有聚集的情況，非隨機分布。局部空間自相關分析Getis-Ord General Gi*提示存在熱點和冷點。分析主要原因為冷點中門頭溝區、平谷區、懷柔區、延慶區以及不顯著區域中的密云區是北京市生態涵養發展區，大多處于山區或淺山區，工業基礎相對薄弱，經濟欠發達，人口密度較低，流動人口較少，交通事故相對較少；不顯著區域中東城區、西城區、海淀區、豐臺區、石景山區面積較小，在每個街鄉鎮發生的交通事故也較少，車輛行駛速度較低，交通事故造成人員傷害相對較輕，可能一定程度上也降低了救護車使用率。而在熱點中，朝陽區、昌平區、大興區、房山區、順義區、通州區環繞核心區域，基本為北京市城鄉結合部集中區域，分布北京市進出市區的主要道路，貨車較多，機動車的組成復雜，混行嚴重，行駛特性差異較大，對行車安全造成不利影響，城鄉結合部的農村道路較多、流動人口較為集中，居民交通安全、交通法規意識相對薄弱[25]。

4.2 研究結果應用

綜合施治能夠有效地提高交通事故應急處置的反應速度和處置能力，降低傷員致殘和死亡率[26]。具體包括：加強對熱點區域內院前醫療急救人員的創傷急救技能培訓；進一步完善院前急救與院內急診密切銜接的“綠色通道”；進一步完善熱點區域的交通事故應急救援聯動機制和預案，加強120與119、122等部門的聯動，充分發揮救援力量合力；聯合街鄉鎮、交通管理等部門開展院前醫療急救知識和技能科普宣傳，提高道路交通傷害自救互救能力。急診“綠色通道”大幅提高了救治急危重癥患者成功率，降低了病死率。2020年11月北京市啟動了“警醫聯動”，在發生交通事故后交管部門協助開辟路面“綠色通道”，保障急救車及時抵達和駛離現場、前往醫院，建立了警醫聯動醫療急救“綠色通道”，將傷員快速轉運到醫療機構，縮短在急診科的停留時間，為搶救危重傷員贏得寶貴時間。

5 結語

本研究通過科學分析，找出交通事故高發區域或街鄉鎮，更加精準地指導區域院前醫療急救資源配置和警醫聯動“綠色通道”建立。2020年6月北京市人民政府辦公廳印發的《關于加強本市院前醫療急救體系建設的實施方案》要求“確保每個街道(鄉鎮)至少建立1個標準化急救工作站，并配備必要的車輛和設備”。對此可在熱點區域優先建設和運行院前醫療急救設施，縮短院前急救反應時間，提高院前醫療急救效率。