人群聚集場(chǎng)所擁擠踩踏風(fēng)險(xiǎn)評(píng)估*

王維莉，薛 雪

(上海海事大學(xué)物流研究中心，上海 201306)

人群聚集場(chǎng)所往往人員密集、分布不均、流動(dòng)性強(qiáng)、疏散困難[1]，易引發(fā)擁擠踩踏等安全事故。例如：2022年10月29日晚，韓國首爾梨泰院站發(fā)生嚴(yán)重踩踏事故，導(dǎo)致158人死亡，196人受傷，人群聚集場(chǎng)所的公共安全與風(fēng)險(xiǎn)管理成為社會(huì)關(guān)注的重點(diǎn)。因此對(duì)人群聚集場(chǎng)所的擁擠踩踏風(fēng)險(xiǎn)進(jìn)行評(píng)估，對(duì)于防范突發(fā)事件及其危害具有重要意義。

基于經(jīng)典風(fēng)險(xiǎn)理論，佟瑞鵬等[2]用區(qū)域內(nèi)滯留人數(shù)與總?cè)藬?shù)的比值表征踩踏事故風(fēng)險(xiǎn)概率，用基于社會(huì)力模型求得的死亡人數(shù)表征事故嚴(yán)重程度，同時(shí)考慮風(fēng)險(xiǎn)的觸發(fā)因子，得到了事故風(fēng)險(xiǎn)的定量表達(dá)式。為了全面考慮風(fēng)險(xiǎn)因素的影響，劉曉芳等[3]運(yùn)用德爾菲法確定權(quán)重，評(píng)估了城市街巷型公共空間人群聚集的安全風(fēng)險(xiǎn)，并將其運(yùn)用到廈門市中山路的聚集風(fēng)險(xiǎn)評(píng)估中；葉瑞克等[4]運(yùn)用層析法確定權(quán)重實(shí)現(xiàn)了城市人群聚集區(qū)域的公共安全風(fēng)險(xiǎn)評(píng)估，并以杭州西湖音樂噴泉廣場(chǎng)為案例進(jìn)行實(shí)證研究；劉澤照等[5]將模糊綜合評(píng)價(jià)法應(yīng)用于擁擠踩踏風(fēng)險(xiǎn)評(píng)估，并對(duì)上海外灘踩踏事故開展實(shí)例應(yīng)用；NIU等[6]運(yùn)用社會(huì)網(wǎng)絡(luò)分析和歷史事件統(tǒng)計(jì)分析確定了風(fēng)險(xiǎn)因素的權(quán)重。王起全等[7]、劉艷等[8]、焦志達(dá)等[9]運(yùn)用人工神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)包絡(luò)分析法(DEA)實(shí)現(xiàn)了風(fēng)險(xiǎn)水平的計(jì)算；王起全等[10]、霍宇芒等[11]采用賦權(quán)關(guān)聯(lián)度算法和模糊物元法，通過評(píng)價(jià)研究對(duì)象與對(duì)照樣本的關(guān)聯(lián)度來評(píng)估地下交通樞紐系統(tǒng)的踩踏風(fēng)險(xiǎn)。此外，學(xué)者們還運(yùn)用個(gè)體受力微觀模擬模型[12]、Iterative Self-organizing Clustering Algorithm (ISODATA)算法[13]、動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)[14]進(jìn)行相關(guān)研究。以上研究在確定風(fēng)險(xiǎn)因素權(quán)重時(shí)較為主觀，且將各風(fēng)險(xiǎn)因素獨(dú)立處理，對(duì)風(fēng)險(xiǎn)因素間的相互作用關(guān)系關(guān)注較少。

鑒于此，本研究搜集2000-2022全球發(fā)生的200起踩踏事故數(shù)據(jù)，構(gòu)建擁擠踩踏事故數(shù)據(jù)集，然后采用因子分析法提取踩踏風(fēng)險(xiǎn)共性因子，從風(fēng)險(xiǎn)脆弱性、風(fēng)險(xiǎn)承受力和風(fēng)險(xiǎn)控制力[4]三個(gè)維度構(gòu)建擁擠踩踏風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，采用梨泰院踩踏事故數(shù)據(jù)對(duì)該模型進(jìn)行驗(yàn)證，最后將此模型用于評(píng)估上海市五角場(chǎng)環(huán)島下沉式廣場(chǎng)的擁擠踩踏風(fēng)險(xiǎn)。

1 事故統(tǒng)計(jì)與風(fēng)險(xiǎn)因素分析

1.1 風(fēng)險(xiǎn)評(píng)估指標(biāo)選取

事故致因的識(shí)別是風(fēng)險(xiǎn)評(píng)估的基礎(chǔ)，綜合國內(nèi)外踩踏致因研究[15-24]，歸納擁擠踩踏風(fēng)險(xiǎn)因子如下。

人的因素，主要包括人群密度、人群構(gòu)成、人群心理特征、人群運(yùn)動(dòng)行為、異常人員及行為等。人群密度是單位面積的人員數(shù)量；人群構(gòu)成體現(xiàn)在人的年齡、性別、安全意識(shí)、行動(dòng)能力等方面；心理特征是指恐慌、異常興奮等心理狀態(tài)；運(yùn)動(dòng)行為包括人群的運(yùn)動(dòng)方向和速度；異常人員及行為則是指推搡、跌倒、騷亂等行為。

物的因素，一是引起火災(zāi)、爆炸、坍塌等事故的異常設(shè)備、設(shè)施；另外是場(chǎng)地狀態(tài)，包括安全出口的狀態(tài)(如寬度、個(gè)數(shù))、疏散通道的狀態(tài)(如阻礙、缺乏疏散標(biāo)志)。

環(huán)境因素，主要包括自然環(huán)境因素和人工環(huán)境因素。自然環(huán)境因素主要為不良的氣象條件、復(fù)雜的地理環(huán)境和地質(zhì)災(zāi)害；人工環(huán)境包括樓梯、橋梁等踩踏事故的高發(fā)地以及不充足的照明條件。

管理因素，主要是指人群管控不善、信息溝通不暢、應(yīng)急管理不當(dāng)。包括對(duì)人流量、人群秩序未提前進(jìn)行干預(yù)；對(duì)謠言傳播、突發(fā)情況未及時(shí)采取措施；聚集后的疏散工作不當(dāng)以及在突發(fā)事件中未采取合理措施保障公共安全。

1.2 踩踏事故數(shù)據(jù)集構(gòu)建

通過國內(nèi)外主流媒體的報(bào)道，收集整理了2000-2022年全球共200起踩踏事件，并記錄下列信息：日期、地區(qū)、聚集活動(dòng)類型(體育、宗教、娛樂等)、事故發(fā)展過程，并運(yùn)用前文總結(jié)的風(fēng)險(xiǎn)因子，對(duì)擁擠踩踏事故觸發(fā)和演化過程進(jìn)行風(fēng)險(xiǎn)因素概念性編碼[6](表1)。將歷史擁擠踩踏事故按照年份分組，整理分類的結(jié)果如表2所示。

表1 踩踏事故影響因素的概念編碼

表2 風(fēng)險(xiǎn)因素統(tǒng)計(jì)表

2 基于因子分析的風(fēng)險(xiǎn)評(píng)估指標(biāo)體系

因子分析是從變量群中提取共性因子的統(tǒng)計(jì)技術(shù)，可以在多變量中找出隱藏的具有代表性的因子，將相同本質(zhì)的變量歸入一個(gè)因子，從而減少變量的數(shù)目，體現(xiàn)變量間的關(guān)系。每一個(gè)變量都可以表示為公共因子的線性函數(shù)與特殊因子之和：

(1)

式中：可觀測(cè)的p維隨機(jī)變量為：X=(X1，X2…Xp)T；F=(F1，F(xiàn)2…Fm)T，(m

2.1 KMO和球形Bartlett檢驗(yàn)

首先采用KMO和球形Bartlett進(jìn)行因子分析適用性檢驗(yàn)，其中KMO(Kaiser-Meyer-Olkin)統(tǒng)計(jì)量是用于比較變量間簡單相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標(biāo)，取值在0～1之間，Bartlett 球狀檢驗(yàn)用于檢驗(yàn)相關(guān)矩陣中各變量間的相關(guān)性[25]。KMO統(tǒng)計(jì)量越接近于1，變量間的相關(guān)性越強(qiáng)，越適合進(jìn)行因子分析。由表3所示，本文數(shù)據(jù)的KMO檢驗(yàn)已達(dá) 0.767，Bartlett 球形檢驗(yàn)在0.1%的水平上顯著，因此可以進(jìn)行因子分析。

表3 KMO 和Bartlett檢驗(yàn)

2.2 風(fēng)險(xiǎn)評(píng)估指標(biāo)體系的構(gòu)建

1)公因子提取。由適用性檢驗(yàn)的結(jié)果可知，影響擁擠踩踏事故的多個(gè)因素間存在一定的相關(guān)性。接下來利用主成分分析法計(jì)算各因子的特征值和貢獻(xiàn)率，根據(jù)特征值大于1的原則提取因子，將其設(shè)為(F1，F(xiàn)2，F(xiàn)3)作為擁擠踩踏事故風(fēng)險(xiǎn)評(píng)估的一級(jí)指標(biāo)，其累計(jì)方差貢獻(xiàn)率已達(dá) 73.56%，即提取的公因子能反映各原始變量73.56%的信息(表4)，碎石圖如圖1所示。

圖1 碎石圖

表4 總方差解釋

公因子權(quán)重主要依據(jù)其方差貢獻(xiàn)率確定：

(2)

式中：n為提取的公因子個(gè)數(shù)，ai表示各個(gè)公因子所解釋的方差百分比；Ai表示各公因子的權(quán)重，依據(jù)表4的結(jié)算結(jié)果得到各一級(jí)指標(biāo)的權(quán)重如表5所示。

表5 人群聚集場(chǎng)所擁擠踩踏風(fēng)險(xiǎn)評(píng)估指標(biāo)體系

2)公因子命名。即根據(jù)變量的相關(guān)性大小對(duì)變量進(jìn)行分組，使同組內(nèi)變量間的相關(guān)性較高，不同組變量的相關(guān)性較低，而代表每組數(shù)據(jù)基本結(jié)構(gòu)的新變量稱為公共因子，旋轉(zhuǎn)成分矩陣可以反映各變量在公共因子上的載荷值。從旋轉(zhuǎn)分析結(jié)果(表6)看，第一個(gè)主成分的相關(guān)指標(biāo)包括人群密度、人群管控不善、異常人員及行為、人群心理特征和人群運(yùn)動(dòng)行為，此類因素是引起踩踏事故的直接因素，將其歸納為風(fēng)險(xiǎn)脆弱性，風(fēng)險(xiǎn)脆弱性是系統(tǒng)自身存在的易受傷害和損失的因素，在災(zāi)害來臨時(shí)表現(xiàn)出的敏感性；第二個(gè)主成分是由人工環(huán)境、人群構(gòu)成、自然環(huán)境和設(shè)備或物品異常四個(gè)指標(biāo)構(gòu)成的，這類因素影響踩踏事故后果的嚴(yán)重程度，將其歸納為風(fēng)險(xiǎn)承受力，關(guān)系到系統(tǒng)對(duì)風(fēng)險(xiǎn)的抵抗和承受能力；最后一個(gè)主成分包含疏散通道及標(biāo)識(shí)、安全出口狀態(tài)、信息溝通、應(yīng)急管理，將其歸納為風(fēng)險(xiǎn)控制力，風(fēng)險(xiǎn)控制力是指主觀避免或減少風(fēng)險(xiǎn)發(fā)生可能性及潛在損失的能力。

表6 旋轉(zhuǎn)后成分矩陣

3)二級(jí)指標(biāo)權(quán)重計(jì)算。在各公因子的指標(biāo)及其權(quán)重確定后，借助因子分析的得分系列矩陣得到公因子的線性組合，用湯普森(Thomson)回歸法對(duì)二級(jí)指標(biāo)的權(quán)重進(jìn)行計(jì)算[25]。

表7所示是各因子得分系列矩陣，可得到各公因子的回歸方程：

表7 因子得分系數(shù)矩陣

F1=0.327f11+0.326f12+0.235f13+0.191f14+0.249f15；

(3)

F2=0.289f21+0.313f22+0.287f23+0.286f24；

(4)

F3=0.359f31+0.440f32+0.299f33+0.222f34。

(5)

對(duì)數(shù)據(jù)進(jìn)行歸一化處理：

(6)

繼而得到二級(jí)指標(biāo)的權(quán)重：

Wij=Ai×Bij。

(7)

由此所搭建的城市人群聚集場(chǎng)所擁擠踩踏風(fēng)險(xiǎn)評(píng)估指標(biāo)體系如表5所示。

3 風(fēng)險(xiǎn)評(píng)估模型與驗(yàn)證

3.1 風(fēng)險(xiǎn)評(píng)估模型

結(jié)合各指標(biāo)權(quán)重，利用以下公式確定人群聚集場(chǎng)所的擁擠踩踏風(fēng)險(xiǎn)指數(shù)：

(8)

式中：I是人群聚集區(qū)域的擁擠踩踏風(fēng)險(xiǎn)指數(shù)，Wi是風(fēng)險(xiǎn)因素i的權(quán)重，Yi是風(fēng)險(xiǎn)因素i的判別值。風(fēng)險(xiǎn)指標(biāo)的判別值如表8所示。

表8 風(fēng)險(xiǎn)指標(biāo)與判別標(biāo)準(zhǔn)

為確定人員密集場(chǎng)所擁擠踩踏風(fēng)險(xiǎn)級(jí)別，需要建立相應(yīng)的評(píng)判規(guī)則。參考文獻(xiàn)[26]的風(fēng)險(xiǎn)指數(shù)值對(duì)應(yīng)關(guān)系表，事故發(fā)生的最小割集權(quán)重之和的均值為15，本研究中建立的人員密集場(chǎng)所擁擠風(fēng)險(xiǎn)評(píng)判規(guī)則如表9所示。

表9 人群聚集場(chǎng)所風(fēng)險(xiǎn)級(jí)別和風(fēng)險(xiǎn)指數(shù)值的對(duì)應(yīng)關(guān)系

3.2 模型可行性驗(yàn)證

2022年10月29日，正值萬圣節(jié)活動(dòng)，因很多市民自發(fā)聚集在梨泰院洞慶祝節(jié)日。梨泰院洞中心漢密爾頓酒店旁一條狹窄的小巷內(nèi)擠滿了人(大約18 m2的空間容納了300多人)，自上而下的人流遭遇下方地鐵站出口橫向穿行的人群時(shí)，行進(jìn)速度更加緩慢，人們互相推搡又因地勢(shì)狹窄有坡度且凹凸不平，導(dǎo)致斜坡上的人群如多米諾骨牌般倒下，人群壓力使下層人們無法動(dòng)彈，最終釀成慘劇，造成158人死亡、196人受傷。

根據(jù)新聞報(bào)道可知，當(dāng)時(shí)現(xiàn)場(chǎng)人員密度極大、人群異常興奮、形成了明顯的對(duì)沖人流和速度差異、人群互相推搡、管理部門事先對(duì)聚集人數(shù)缺乏預(yù)估以及管理措施，同時(shí)地勢(shì)復(fù)雜、疏散通道狹窄，街邊震耳欲聾的音樂也導(dǎo)致信息溝通不暢通。運(yùn)用本研究所提出的模型計(jì)算人群擁擠踩踏風(fēng)險(xiǎn)值以確定風(fēng)險(xiǎn)級(jí)別(表10)，結(jié)果顯示梨泰院聚集活動(dòng)中的擁擠踩踏風(fēng)險(xiǎn)水平高達(dá)81.6分，危險(xiǎn)級(jí)別為一級(jí)。因此，該模型可用于計(jì)算人群聚集場(chǎng)所擁擠踩踏風(fēng)險(xiǎn)水平并劃分風(fēng)險(xiǎn)級(jí)別，模型結(jié)果可以明確顯示該場(chǎng)所的風(fēng)險(xiǎn)程度以及應(yīng)加強(qiáng)管控的風(fēng)險(xiǎn)指標(biāo)，對(duì)事前預(yù)防人群聚集場(chǎng)所擁擠踩踏事故，提高風(fēng)險(xiǎn)管理水平具有實(shí)際參考意義。

表10 梨泰院擁擠踩踏風(fēng)險(xiǎn)事故風(fēng)險(xiǎn)評(píng)分表

3.3 案例分析

上海市楊浦區(qū)五角場(chǎng)環(huán)島下沉式廣場(chǎng)集交通、商業(yè)、辦公及娛樂等于一體，以五條地下通道與萬達(dá)廣場(chǎng)、百聯(lián)又一城、東方商廈(現(xiàn)為邁悅生活廣場(chǎng))、蘇寧易購和合生匯五大商場(chǎng)相連，同時(shí)連通地面出入口與周邊道路，相當(dāng)于一座“下沉式天橋”，承擔(dān)市民的交通通行和分流功能，是上海城市副中心五角場(chǎng)地區(qū)步行系統(tǒng)的重要樞紐。據(jù)歷史人流量數(shù)據(jù)統(tǒng)計(jì)，在五角場(chǎng)環(huán)島區(qū)域，工作日約15萬人次，周末約20萬人次，節(jié)假日約25～30萬人次，重大節(jié)日人流量可突破60萬人次，高峰小時(shí)人流量更是突破56 250人次。

1)工作日常態(tài)客流情景。假設(shè)平時(shí)的工作日，以15萬人次計(jì)算。平峰時(shí)間，人群平均密度小于0.71人/m2，人群心理較為穩(wěn)定，運(yùn)動(dòng)的對(duì)沖和交叉較少。目前，五角場(chǎng)下沉式廣場(chǎng)的管理方案和應(yīng)急預(yù)案較為完備，安保人員基本充足，有定期的人員培訓(xùn)以及開展應(yīng)急演練，電子大屏、宣傳廣播等信息傳遞渠道良好。假設(shè)常規(guī)天氣條件下，沒有設(shè)備故障情況下，運(yùn)用本研究所提模型計(jì)算五角場(chǎng)下沉式廣場(chǎng)人群擁擠踩踏風(fēng)險(xiǎn)值以確定風(fēng)險(xiǎn)級(jí)別，結(jié)果如表11所示。

表11 五角場(chǎng)下沉式廣場(chǎng)擁擠踩踏風(fēng)險(xiǎn)評(píng)分表

2)下雨天的節(jié)假日客流場(chǎng)景。假設(shè)節(jié)假日，以30萬人次計(jì)算，地下通道、環(huán)廊等處人群平均密度為2人/m2，人群心理較為穩(wěn)定，人群存在一定的對(duì)向流和交叉流。該場(chǎng)景運(yùn)用本研究所提模型計(jì)算五角場(chǎng)下沉式廣場(chǎng)人群擁擠踩踏風(fēng)險(xiǎn)值為RI=32.067，其風(fēng)險(xiǎn)等級(jí)為三級(jí)。

3)有展出活動(dòng)的特殊節(jié)假日客流場(chǎng)景。假設(shè)在國慶“黃金周”等特殊節(jié)假日，適逢五角場(chǎng)下沉式廣場(chǎng)有展出活動(dòng)，客流以60萬人次計(jì)算，地下通道、環(huán)廊等處人群密度超過2.17人/m2，人流會(huì)存在較強(qiáng)的對(duì)沖和交叉，假設(shè)不存在異常行為及人員，人群心理較為穩(wěn)定。如果沒有調(diào)配額外警力和安保人員，特殊節(jié)假日現(xiàn)場(chǎng)的安保力量會(huì)不足，且如果對(duì)人員缺乏特殊節(jié)假日客流應(yīng)對(duì)處置的培訓(xùn)教育，現(xiàn)場(chǎng)應(yīng)對(duì)經(jīng)驗(yàn)會(huì)顯不足。該場(chǎng)景運(yùn)用本研究所提模型計(jì)算五角場(chǎng)下沉式廣場(chǎng)人群擁擠踩踏風(fēng)險(xiǎn)值為RI=58.52，其風(fēng)險(xiǎn)等級(jí)上升為二級(jí)。

3.4 人群聚集場(chǎng)所風(fēng)險(xiǎn)管控措施

首先在人群聚集場(chǎng)所的日常管理中要注意檢查出入口以及照明、廣播等電子屏等設(shè)施設(shè)備的狀態(tài)，排除樓梯橋梁等高危節(jié)點(diǎn)處的安全隱患，從而提高場(chǎng)所的風(fēng)險(xiǎn)承受力。

其次要尤其關(guān)注安全出口和疏散通道的狀態(tài)，并輔之以清晰、醒目的指示標(biāo)志。尤其在惡劣天氣、有路演等特殊活動(dòng)、特殊節(jié)假日前，應(yīng)配備由LED燈或反光材料組成的安全標(biāo)識(shí)，及時(shí)清理道路阻塞物、清理積水等，防止樓梯、坡道等濕滑造成的事故。在聚集活動(dòng)前應(yīng)該進(jìn)行安全演練，制定應(yīng)急預(yù)案，提高對(duì)風(fēng)險(xiǎn)的控制力。

最后人群聚集場(chǎng)所的現(xiàn)場(chǎng)管理是降低踩踏風(fēng)險(xiǎn)的關(guān)鍵，要合理設(shè)定人流容量，及時(shí)關(guān)注場(chǎng)所內(nèi)滯留人員數(shù)量，管控人群秩序。當(dāng)場(chǎng)所內(nèi)人群密度過高時(shí)，可采取限流措施，控制進(jìn)出人員數(shù)量，或采取單向流動(dòng)等人群管控方式，盡量避免高密度人流的對(duì)沖和交叉。并通過視頻監(jiān)控關(guān)注人群的運(yùn)動(dòng)行為和心理特征，監(jiān)測(cè)識(shí)別異常行為，有突發(fā)事件時(shí)緊急疏散人群。從根源上降低場(chǎng)所的風(fēng)險(xiǎn)脆弱性，降低場(chǎng)所的擁擠踩踏風(fēng)險(xiǎn)。

4 結(jié)論

1)綜合對(duì)比國內(nèi)外踩踏因素的研究，以“人物環(huán)管”為分析框架歸納出人群密度、人群構(gòu)成、人群運(yùn)動(dòng)行為、人群心理特征、異常人員及行為、安全出口狀態(tài)、設(shè)施設(shè)備異常、疏散通道及標(biāo)識(shí)、人工環(huán)境、自然環(huán)境、人群管控不善、信息溝通不暢、應(yīng)急管理不當(dāng)13個(gè)風(fēng)險(xiǎn)因素，收集了2000-2022年的200起踩踏事件，對(duì)其引發(fā)和發(fā)展過程進(jìn)行概念編碼，統(tǒng)計(jì)其聚集人數(shù)和傷亡人數(shù)從而構(gòu)建歷史踩踏事故數(shù)據(jù)集。

2)采用因子分析法進(jìn)行量化研究，由因子分析的結(jié)果搭建起“風(fēng)險(xiǎn)脆弱性-風(fēng)險(xiǎn)承受力-風(fēng)險(xiǎn)控制力”的分析框架，風(fēng)險(xiǎn)脆弱性包含的二級(jí)指標(biāo)是引起踩踏事故的直接因素，權(quán)重最高；風(fēng)險(xiǎn)承受力的相關(guān)因素影響踩踏事故后果的嚴(yán)重程度；風(fēng)險(xiǎn)控制力的相關(guān)因素不會(huì)直接引起踩踏事故，但能避免或減少潛在損失。

3)借助因子分析的得分系列矩陣用 Thomson 回歸法計(jì)算二級(jí)指標(biāo)權(quán)重，建立人群聚集場(chǎng)所的風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，引入風(fēng)險(xiǎn)指標(biāo)的判別標(biāo)準(zhǔn)，計(jì)算其擁擠踩踏風(fēng)險(xiǎn)指數(shù)。通過對(duì)“韓國梨泰院”踩踏事故的個(gè)案評(píng)估對(duì)模型進(jìn)行驗(yàn)證，將其運(yùn)用到五角場(chǎng)環(huán)島下沉式廣場(chǎng)的擁擠踩踏風(fēng)險(xiǎn)分析。最后對(duì)人群聚集場(chǎng)所的日常管理和現(xiàn)場(chǎng)管理提出若干措施建議。

4)本研究提出的風(fēng)險(xiǎn)評(píng)估模型在一定程度上解構(gòu)了誘發(fā)踩踏風(fēng)險(xiǎn)的諸多因素，能為人群聚集場(chǎng)所的日常管理和應(yīng)急管控提供決策參考。誠然，本研究仍然存在不足之處，比如風(fēng)險(xiǎn)因素的細(xì)化仍有提升空間，風(fēng)險(xiǎn)因素判別值的取值辦法仍值得研究，如此將會(huì)獲得更為科學(xué)和更具說服力的研究結(jié)論。