江西省城市醫療資源配置韌性評價研究

摘要：運用2015—2023年的《江西統計年鑒》《中國城市統計年鑒》相關面板數據，從韌性視角出發，構建城市醫療資源配置系統的評價模型，運用熵權法和TOPSIS模型計算各城市的韌性指數并運用ArcMap 10.8實現數據的可視化進行分析。結果顯示，2015—2022年，江西省各城市醫療資源配置韌性水平均有較大提高，但是不同城市增長情況不同，總體呈現北部城市優于南部城市趨勢。江西省各城市的醫療資源配置系統的韌性發展程度差異較大，但是都存在提高的空間，應強化城市醫療資源配置系統間的聯動機制、合理安排城市醫療資源的布局以及推動城市資源保障體系的數字化轉型。

關鍵詞：突發性公共事件；醫療資源配置；韌性評價；熵權法

中圖分類號：R197.1文獻標識碼：A文章編號：2095-6916（2024）13-0166-07

Research on the Resilience Evaluation of

Urban Medical Resource Allocation in Jiangxi Province

Sun Wuyue

（School of Emergency Management and Safety Engineering， Jiangxi University of Science and Technology， Ganzhou 341000）

Abstract： Using the panel data from 2015 to 2023 of Jiangxi Statistical Yearbook and China Urban Statistical Yearbook， this paper constructed the evaluation model of urban medical resource allocation system from the perspective of resilience， calculated the resilience index of each city through entropy weight method and TOPSIS model and analyzed it by visualizing the data with ArcMap 10.8. The results show that from 2015 to 2022， the resilience level of urban medical resource allocation in all cities in Jiangxi Province has increased considerably， but the growth of different cities is different， and the overall trend is that the northern cities are better than the southern cities. The degree of development of the resilience of the medical resource allocation system in the cities of Jiangxi Province varies greatly， but there is room for improvement， and the linkage mechanism between the urban medical resource allocation systems should be strengthened， the layout of urban medical resources should be rationally arranged， and the digital transformation of the urban resource protection system should be promoted.

Keywords： public emergencies; medical resource allocation; the resilience evaluation; entropy weight method

2020年初席卷全球的新型冠狀病毒肺炎疫情，成為新中國成立以來傳播速度最快、感染范圍最廣、防控難度最大的一次重大突發性公共衛生事件［1］。突發性公共事件給城市這個復雜系統帶來了壓力和擾動，而醫療資源配置系統作為城市系統中的一部分發揮著極為重要的作用。為了保障城市在面對突發性公共事件時仍然能夠正常運轉，本文以江西省各城市為研究區域，評估其醫療資源配置系統的韌性水平，為預防和應對突發性事件給出針對性建議。

關于突發性公共事件，Francis等［2］從公眾行為角度進行了研究，提出在應對突發性公共事件中要注重信任和合作。Nicole［3］認為在災害期間，醫護人員應得到公共衛生信息方面的支持。Epke等［4］認為需要創造一個及時、高效和數據驅動的反應環境，在未來突發性事件發生時支持決策。Han等［5］發現社交機器人的識別和防范有助于應急管理部門通過干預穩定輿情，促進突發事件中的輿情管理和網絡秩序的維護。薛瀾［6］認為面對重大危機，要建立合理的公共財政體系、公共資源分配機制和公共領域決策機制。

關于醫療資源配置，靳淑雁等［7］發現，深圳的醫療機構分布狀況存在著空間分配不平衡的現象，這表明其可到達性還有提升的空間。因此，未來的目標應該是調整現有的醫療設施布置，以便更有效地利用整個城市的醫療資源，同時也能提供更高質量的服務。馬芳［8］強調進一步改善衛生資源的配給方式，構建與完善衛生資源流通體系的重要性，主張通過優化和創新這些系統來使得衛生資源的流轉變得更為科學且合理。劉蓮等［9］發現寧夏醫療資源分布不均勻，應針對地理和人力兩方面的配置不公平給予相應的醫療、政策、資金等傾斜，促進醫療資源的高質量均衡發展。

關于韌性評價研究，大多聚焦在城市韌性、物流韌性等方面。吳文潔等［10］認為生態系統是未來一段時期內阻礙各中心城市韌性增強的首要障礙，各中心城市應根據發展階段著力補齊短板。韋莉溫莎［11］認為在韌性社區建設過程中，需要完善社區醫院、超市與物流點等基礎服務設施建設，促進生活、居住與工作平衡。劉輝等［12］認為在城市消防韌性評價工作中，可用定性與定量相結合的方法確定各項指標權重，并構建城市消防韌性的計算模型定量分析城市消防韌性度，根據評價結果提出城市消防韌性優化策略。王新月［13］認為應當將城市的應急物流系統建設納入省或國家整體安全發展戰略體系。

總的來說，研究者對突發性公眾危機事件、醫療資源配置及城市的適應能力有了基本理解，然而針對更具體的問題——例如城市醫療資源體系如何有效地處理突發公共衛生事件并在持續發展的過程中保持彈性，目前仍處在探究階段，這已成為近期學界關注的焦點問題。

一、研究區域概況與數據來源

（一）研究區域概況

江西簡稱“贛”，11個下轄地級市：南昌市、景德鎮市、萍鄉市、九江市、新余市、鷹潭市、贛州市、吉安市、宜春市、撫州市和上饒市（圖1），其省會為南昌市。全省面積16.69萬平方公里［14］。截至2022年末，全省地區生產總值合計為32 074.72億元，常住人口為4 527.98萬人。本文以江西省11個地級市作為研究對象，對這些城市醫療資源配置的韌性水平進行評估和分析。

（二）數據來源

本文所研究的地區為江西省，數據來源于2015年至2023年的《江西統計年鑒》《中國城市統計年鑒》以及北京大學數字金融研究中心獲取的中國數字普惠金融指數［15］。對于存在缺失的數據，取相鄰年份的均值進行補全。

二、城市應急醫療資源配置韌性評價指標構建

構建醫療資源配置韌性評價指標，應結合醫療資源配置韌性評價的目的，掌握醫療資源配置的現狀，確定評級指標體系的構建原則。唯有依據適當的評估標準系統建設準則，才有可能創建具有針對性且有效的評估標準系統。所以本文參考了現存的研究結果［16-17］，并依照科學性規則、全方位的重要性平衡、自主性和實踐能力的原則來搭建醫療資源分配彈性評估標準的系統。

（一）指標選取

保障醫療資源配置的韌性大體包含了魯棒性、冗余性、效率度與適應度4個方面的因素，見表1。

1.魯棒性指系統及其組成部分在不發生功能退化或損失的情況下，抵抗擾動事件的沖擊時能夠持續工作的能力。地區生產總值揭示了一個地方的經濟增長狀況，它體現了外部宏觀經濟環境的基本面貌，被視為正向指標；而第三產業占比則展示了城市的產業構造升級程度，同樣也被視作正向指標。根據陳奕瑋的研究成果［18］，他認為第三產業占有率和人均GDP（元）都是確保經濟遭受打擊之后能夠迅速復蘇的關鍵要素，它們從經濟角度提升了醫療系統的穩定性和抗壓能力。吳曉凡［19］、錢亞玲［20］等人深入探討了如何保持醫療服務體系公正與穩定的決定因素，他們選擇以每萬人口擁有的醫生人數、醫院床位數目及公共醫療設施數量等作為衡量醫療服務體系強度的關鍵參數。綜合來看，本文確定以下六個魯棒性指標：地區生產總額（億元）、人均生產總額（萬元 /人）、第三產業占比（%）、每萬人的衛生機構數、每萬人的住院床位數目以及每萬人的醫療技術人員（人）。

2.當系統功能發生中斷、衰退或失效時，系統元素和其組成部分的可替換性被稱為冗余性。冗余性越強，系統能承受的外部擾動越多。失業保險覆蓋率衡量的是城市保護因疫情影響失去工作的市民的基本生存能力的強度，該指標以年終參與失業保險的人數占總人口的比例來表示。比例越大，意味著失業者的生計更能被保證，這有助于減輕醫療機構的負擔并提高其冗余性。同時，衛生和社會保障行業的比重體現了該地區的醫療與公共衛生產業的發展狀況及其應對突發事件的能力。最后，醫保覆蓋率展示了地區居民加入醫保的情況，通過這種方式，他們能夠獲取到來自社會的必要資源支持，從而緩解部分醫療體系的壓力。因此，醫保覆蓋率數值越高，說明醫療體系的冗余性能越好。綜合以上分析，本文選擇用失業保險涵蓋率、衛生和社會工作市場份額及醫保覆蓋率作為評估醫療體系冗余性的參考指標。

3.效率度是指系統受到擾動事件影響后恢復到常規功能水平的速度。城市數字經濟指數衡量了一個地方在工業生產、政府服務、日常生活和文化活動等方面的數字化深度［21-22］。這個數據可以揭示出城市信息化對于醫療機構的支持和推進能力，從而表明該機構的工作效果。醫療機構的運行需要高效的物流網絡來支撐，因此本文通過計算運輸行業的市場占有率百分比（%）以評估當地交通設施的完備情況，這是一個正向指標。另外兩個關鍵指標分別是平均住院天數和病床使用率，它們直接展示了醫療機構應對突發事件的能力，這是“高效醫療”的一個重要表現［23］。具體來說，較低的平均住院時間意味著醫院能夠更快速地處理病人，是一個負向指標；而病床使用率則是某一特定時段內實際使用的病床數量與可用的病床總數的比例，它能顯示出醫療資源的使用效益，也是評價醫療資源分配效率的重要參考。綜上所述，本文選取城市數字經濟指數、交通運輸行業市場份額占比（%）、平均住院日和病床使用率為效率度的指標。

4.適應度是指在面對可能破壞某個元素及系統的風險時，系統識別問題、確定優先次序和快速適應變化的能力。城鎮化率（%）反映的是城鎮化水平，為正向指標。董蘇等［24］研究表明，城鎮化不僅能直接促進農村醫療保健消費增加，還可以通過收入效應、老齡化效應和示范效應間接對農村居民醫療保健消費產生積極影響。人均可支配收入是指居民可支配的收入總額，常用來衡量當地的生活水平。較高的人均可支配收入可以彌補未參加醫療保險制度的人群的醫療支出，并對醫療系統的作用發揮起促進作用。基尼系數是用來衡量居民收入差距的指標，是一個負向指標，經濟起步階段或工業化前期的國家，基尼系數一般會較高，而發達經濟體的基尼系數通常會較低。吳曉凡等人［19］通過選取基尼系數來評估新疆的醫療資源配置體系，提出縮小西藏地區西北部與東南部的醫療資源配置差距，以提升系統的適應性。綜上所述，適應度指標選取為城鎮化率（%）、基尼系數和人均可支配收入（元）。

三、城市醫療資源配置韌性評價模型

（一）熵權法確定權重

采用熵權法作為衡量指標重要性的方法，這種方法基于信息量來分配權重，是一種相對公正的方法，可以有效地避免因人為因素導致的不準確情況，從而使得結論更貼近現實［25］。此外，熵值被用作評價指標系統內各指標變化幅度的一種工具［16］。

1.構建m個對象n個指標的初始評價矩陣：

X=［xij］m×n" 式（1）

2.對矩陣X中的指標值xij進行標準化處理。

對于正向指標，其標準化處理公式為：

x′ij=xij-min（xij）max（xij）-min（xij）" 式（2）

對于負向指標，其標準化處理公式為：

x′ij=max（xij）-xijmax（xij）-min（xij）" 式（3）

其中，xij為第i個單位的第j個指標的原始值，x′ij為經過標準化處理的第i個單位的第j個指標。

3.求解指標的信息熵值ej和信息效用值dj：

ej=-k［∑ni=1pijln（pij）］" 式（4）

dj=1-ej" 式（5）

其中：pij=x′ij/∑ni=1x′ij，k=1/ln（n）。ej為第j項指標的信息熵值。pij為第j指標下，第i個年份占該指標比重。

4.最后計算評價指標的權重：

wj=（1-ej）/［∑mj=1（1-ej）" 式（6）

其中：0≤wj≤1。

將數據代入式（1）—式（6），運用StataMP 18計算，整理得指標權重（見表2）。

（二）基于TOPSIS模型的城市醫療資源配置韌性計算

TOPSIS模型在1981年由C.L.Hwang和K.Yoon提出，這種方法引入了正理想解和負理想解的概念，被視為尋找最接近理想解的排序方法。所謂正理想解是所有決策中最優的解，也就是說，它的各個屬性值達到各備選方案中的最好的值，而負理想解是設想中最劣的解，各個屬性值在各備選方案中最差，這樣能夠精確反映各個評價方案之間的差距。如果此時所得到的距離在離最佳解最近的同時離最差解最遠，則認定其評估指標最高，具有最好的解。反之，評估對象的總體評估狀況綜合得分最低，具有最差的解［26］。因此，本文通過此方法來衡量江西省各城市的韌性水平。

具體計算步驟如下：

確定正理想解X+和負理想解X-：

X+=（max{x11，x21…，xm1}，max{x12，x22…，xm2}，…，

max{x1n，x2n…，xmn}）=（x+1，x+2，…，x+n）" 式（7）

X-=（min{x11，x21…，xm1}，min{x12，x22…，xm2}，…，

min{x1n，x2n…，xmn}）=（x-1，x-2，…，x-n）" 式（8）

計算各指標值與正負理想解的距離：

D+i=∑nj=1（x+j-xij）2" 式（9）

D-i=∑nj=1（x-j-xij）2" 式（10）

計算評估對象與理想解的貼近程度：

Ci=D-D++D-，0Ci1" 式（11）

越大，說明城市醫療資源配置韌性水平越高，反之，則越低。

四、結果

（一）江西省各城市綜合韌性評價

將江西省2015—2022年的數據代入式（1）—式（11），運用StataMP 18運算可得江西省11個城市的城市醫療資源配置韌性指數，并將江西省各城市歷年醫療資源配置韌性指數和均值繪制成圖2。觀察圖2可以看出，江西省各城市醫療資源配置韌性水平在2015—2022年間呈現波動上升趨勢。其中，各城市的醫療資源配置韌性指數大多在2019年達到了小高峰，尤其是省會南昌市峰值最大。各城市韌性指數在2020年經過小幅度的回落后，又開始呈現波動上升趨勢。總體來看，11個城市中省會城市南昌醫療資源配置水平歷年來水平最為優異，其次為新余市。

（二）江西省城市醫療資源配置韌性時空格局演變

運用ArcMap 10.8將數據可視化為圖3，這種類型的可視化可以快速評估和比較各城市的韌性水平，只需觀察顏色強度便能夠進行判斷。

從圖3可以看出，江西省各城市醫療資源配置韌性水平存在較為顯著的差異。2015年，江西省北部和南部城市的韌性水平差異并不顯著，2019年，江西省北部的城市的韌性水平顯著超越南部城市。直到2021年，韌性水平的分布呈現出以省會城市南昌為中心的放射狀趨勢。

（三）江西省各城市醫療資源配置韌性水平評價

通過江西省城市醫療資源配置韌性2015—2022年的發展歷程，可以看出江西省各城市雖然韌性水平有高有低，但是總體都處于增長階段。為了便于對各個城市的醫療資源配置韌性水平建設提出針對性的建議，本文將結合魯棒性、冗余性、效率度和適應度這4個維度來綜合評估江西省各城市醫療資源，具體情況見表3。

從總指數來看，醫療資源配置韌性水平排名前三的城市依次為南昌市、新余市和萍鄉市，都處于江西省的北部，屬于省內行政面積偏小的城市。

從魯棒性來看，這三個城市仍然處于領先地位，在面對應急事件可以較好地維持醫療資源配置系統的正常運轉。

從冗余性來看，南昌市和新余市仍然穩居前三，景德鎮躍居第三位，說明其在面對緊急情況，醫療資源配置系統的備用要素能夠支撐系統運行并幫助系統快速恢復。

從效率度來看，撫州市、上饒市和宜春市的醫療資源配置系統面對應急事件時能夠高速有效地恢復常態。值得注意的是，南昌市和宜春市在效率度韌性水平表現并不突出，說明這兩個城市在總體韌性水平優異的基礎上，在面對突發狀況時恢復醫療資源配置系統的時效有提高的空間。

從適應度來看，南昌市、新余市和景德鎮市表現優異，有較強的適應醫療應急事件的能力，能夠彌補系統的不足、把事故轉化為經驗。相對而言，吉安市、贛州市和撫州市韌性水平還比較落后，這三個城市都處在江西省的南部，且行政區域范圍較大。

再結合圖1的概況圖可以看出，這三個城市行政區域的地形較為崎嶇，這增加了醫療資源配置系統的韌性水平管理的難度，需要采取針對性的有效措施進行改善。

五、江西省城市醫療資源配置韌性水平提升策略

江西省各城市的醫療資源配置系統的韌性發展程度差異較大，但是都存在提高的空間。針對上述的評價結果，從以下幾個方面提出優化建議。

（一）完善城市醫療資源配置系統間的聯動機制

醫療資源是極為重要的救援資源，強韌的醫療資源配置系統是應對各類突發事故的重要力量［27］。因此，應由各級政府牽頭，邀請各方領導、專家定期召開聯合會議，健全聯合處置重大突發事件和應急醫療資源互通的應急聯動機制，規范衛生和社會保障方面的財政支出和應急資源預留情況。

（二）科學構建城市醫療資源的布局

根據本文的韌性評價結果，江西省南北部城市醫療資源配置的韌性水平存在較大差異，北部城市的表現優于南部城市。其中，省會城市南昌發揮了重要的帶動作用，不過在效率度的表現相對有欠缺，可以考慮在人口密集的社區開設惠民醫療站試點，在重大突發事件發生時，惠民醫療站點可以適當分擔醫療資源配置系統的壓力，從而提高總體效率。南部城市應當加大衛生和社會保障的資金投入，完善交通等基礎設施，提高醫療資源配置的韌性水平。

（三）推動城市資源保障體系的數字化轉型

各級政府應聚焦醫療資源和各類應急物質保障，統籌謀劃，精心組織，全面推動提升城市資源安全監管的數字化、智能化水平。各方要加強協同配合，形成工作合力，多渠道爭取項目資金支持［28］，加強應急資源數據庫平臺建設。

參考文獻：

［1］楊琳.重大突發公共衛生事件應急醫療資源配置韌性評價研究［D］.西安：西北大學，2021.

［2］FRANCIS L，ARNAB M，HOLLY C.Understanding levels of compliance with emergency responder instructions for members of the Public involved in emergencies： Evidence from the Grenfell Tower fire［J］.International Journal of Disaster Risk Reduction，2023（84）：103.

［3］NICOLE M C，JOANNE E P，MICHAEL B，et al.Public health messaging during disasters： Practice and attitudes of Australian emergency nurses［J］.Australasian Emergency Care，2023（2）：193-197.

［4］EPKE A.LE RUTTE，ANDREW J.SHATTOCK，ZHAO Cheng，et al.A case for ongoing structural support to maximise infectious disease modelling efficiency for future public health emergencies： A modelling perspective［J］.Epidemics，2024（46）：100.

［5］LUO Han，MENG Xiao，ZHAO Yifei ，et al.Rise of social bots： The impact of social bots on public opinion dynamics in public health emergencies from an information ecology perspective［J］.Telematics and Informatics，2023（C）：102.

［6］薛瀾，張強.SARS事件與中國危機管理體系建設［J］.清華大學學報（哲學社會科學版），2003（4）：1-6，18.

［7］靳淑雁，余佳芮，韓阿珠，等.深圳市醫療資源配置與衛生服務可及性研究［J］.中國醫院，2023（2）：38-41.

［8］馬芳.新疆專業公共衛生機構公共衛生資源配置研究［D］.烏魯木齊：新疆醫科大學，2023.

［9］劉蓮，祁寶琦，湯時藍，等.基于基尼系數和區位熵的寧夏醫療資源配置公平性研究［J］.醫學與社會，2023（6）：7-10.

［10］吳文潔，黃海云.國家中心城市綜合韌性評價及障礙因素分析［J］.生態經濟，2023（4）：89-94，102.

［11］韋莉溫莎.城市社區韌性評價指標體系及其影響因素研究［D］.廣州：廣州大學，2023.

［12］劉輝，程振超，王丹.城市消防韌性評價指標體系研究［J］.災害學，2023（2）：25-30.

［13］王新月.我國城市物流系統韌性評價研究［D］.太原：山西財經大學，2023.

［14］江西省人民政府.江西簡介［EB/OL］.（2023-09-10）［2024-01-31］.

https：//www.jiangxi.gov.cn/col/col471/index.html.

［15］張朝玉，趙新宇.河北省城市應急醫療資源保障韌性評價與提升路徑［J］.河北科技大學學報（社會科學版），2021（1）：80-89.

［16］張振，張以晨，張繼權，等.基于熵權法和TOPSIS模型的城市韌性評估：以長春市為例［J］.災害學，2023（1）：213-219.

［17］陳奕瑋，丁關良.中國地級市城市經濟韌性的測度［J］.統計與決策，2020（21）：102-106.

［18］郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征［J］.經濟學（季刊），2020（4）：1401-1418.

［19］吳曉凡，干穎瀅，曾宇琦，等.基于基尼系數和集聚度的西藏地區醫療資源配置公平性分析［J］.現代預防醫學，2022（23）：4327-4331，4384.

［20］錢亞玲，楊敬宇.基于基尼系數和集聚度的甘肅省衛生資源配置公平性分析［J］.醫學與社會，2021，第34卷（8）：11-16.

［21］魯玉秀，方行明，唐禮智，等.數字經濟對城市現代服務業空間集聚的影響與異質性檢驗［J］.統計與決策，2022（21）：25-30.

［22］孔芳霞，劉新智.數字經濟發展對工業綠色轉型的影響研究：基于中國城市的經驗證據［J］.軟科學，2023（4）：27-35.

［23］王建安.后疫情時代的公立醫院如何從“跑馬圈地”轉向“效率醫療”［N］.光明日報，2020-08-23（6）.

［24］董蘇，夏國祥.城鎮化對農村居民醫療保健消費的傳導機制研究［J］.中國衛生經濟，2020（1）：41-44.

［25］梁準，王姬，楊玉竹.石家莊市城市韌性綜合評估及提升策略［J］.合作經濟與科技，2021（20）：25-28.

［26］TRIANTAPHYLLOU E.Multi-criteria Decision Making Methods： A Comparative Study［M］.Dordrecht：Kluwer Academic Publishers，2000：18-22．

［27］中華人民共和國應急管理部.2023國際應急醫學救援論壇暨應急醫學救援裝備技術博覽會在無錫開幕［EB/OL］.（2023-10-09）［2024-01-16］.

https：//www.mem.gov.cn/xw/bndt/202310/t20231009_465

175.shtml.

［28］中華人民共和國應急管理部.應急管理部召開高危行業安全監管數字化轉型工作推進會［EB/OL］.（2023-12-11）［2024-01-16］.

https：//www.mem.gov.cn/xw/bndt/202312/t20231211_471

495.shtml.

作者簡介：孫吳玥（1998—），女，漢族，江蘇泰州人，單位為江西理工大學應急管理與安全工程學院，研究方向為公共衛生與應急管理。

（責任編輯：王寶林）