北京市120院前医疗急救道路交通伤害的空间自相关分析*

向珍君 计玉容 于海玲 杨 桦 邵石雨

(北京急救中心 北京 100031)

1 引言

道路交通伤害是指在公路、铁路、航空和水路上所发生的伤害[1]。近年来随着我国城市化进程加快，机动化水平不断提高，机动车保有量和驾驶员人数不断增加，城市交通安全问题日益突出[2-4]。目前我国道路交通事故年死亡人数高居世界第2位[5]，道路交通伤害已经成为危害公众生活健康的重要问题[6]。2020年公安部办公厅和国家卫生健康委员会办公厅联合印发《关于健全完善道路交通事故警医联动救援救治长效机制的通知》，要求结合本地交通事故发生状况、医疗资源布局等情况，不断完善交通事故救援救治网络，提高道路交通事故伤员救援救治效率。2019年北京市每万辆机动车死亡人数1.98人，直接经济损失3 528万元[7]。2010年前后北京市道路交通伤害相关研究主要应用统计学方法进行分析，缺乏对道路交通伤害空间分布的特征分析[8-10]。目前地理信息系统(Geographic Information System，GIS)技术已经成为处理、分析和展示空间资料必不可少的工具，为道路交通伤害空间分析提供良好技术支撑[11-13]。基于此本研究收集了2019年北京市120院前医疗急救道路交通伤害资料，通过GIS空间分析功能了解和探讨北京市120院前医疗急救道路交通伤害空间分布特点。

2 资料与方法

2.1 数据来源

收集2019年1月1日-12月31日北京市120调度指挥系统受理的道路交通伤害病例资料，包括呼叫时间、呼叫地址、经纬度坐标等信息。北京市16个行政区及街乡镇矢量电子地图来源于OpenStreetMap(OSM)，共涉及331个街乡镇。利用GIS技术对道路交通伤害进行空间分析的基础是道路交通伤害呼叫点定位[14-15]，一般通过经纬度坐标确定。所收集资料中部分病例资料未包含经纬度坐标，因此需要进行地理编码，将文本的呼叫地址转换为经纬度坐标。根据有关研究[16]，通过比较百度、高德、腾讯3家地图厂商提供的应用程序接口(Application Programming Interface，API)可知，高德地理编码API的整体质量较高，因此采用其处理相关资料，最终确定31 071例道路交通伤害作为进一步研究对象，导入至ArcGIS桌面窗口ArcMap中。

2.2 研究方法

2.2.1 概述 本研究运用自然间断点分级法对各行政区的道路交通伤害例数进行差异分级并用可视化地图展现。自然间断点分级法是基于数据中固有的自然分组对分类间隔加以识别，可对相似值进行最恰当的分组，并可使各个类之间的差异最大化[17]。所应用自然间断点分级、Moran’s I和Getis-Ord Gi*均采用地理信息系统软件ArcGIS 10.2进行分析。

2.2.2 空间自相关分析 通过对院前医疗急救道路交通伤害进行空间自相关分析以观察区域间道路交通伤害的相互关系。按照研究层次的不同，空间自相关检验指标可以分为全局空间自相关、局部空间自相关[18]。全局空间自相关用于测量、考察变量整个区域范围内所表现出的空间分布形式，分析其是否存在聚集特性[19]，仅以单一值来表达该区域内空间分布的自相关程度，不能指出聚集的准确区域。

2.2.3 Moran’s I法 利用Moran’s I法进行全局空间自相关分析[20]。Moran’s I的统计量指数在[-1,1]之间，通常利用对其标准化进行显著性检验[21]。根据Z值和P值进行显著性水平验证，将求出的P值与固定的显著水平进行比较[22]。当标准化Z值大于零且显著时表明存在正的空间自相关，即相似的道路交通伤害属性值(高值和高值，低值和低值)趋于空间集聚；当Z值小于零且显著时表明存在负的空间自相关，即相似的交通伤害属性值趋于分散分布；当Z值为零时交通伤害属性值呈现独立随机分布。局部空间自相关主要用以识别不同空间区域上可能存在的不同空间关联模式及空间局部不平稳性，发现交通伤害属性值的空间异质性，可以判断其具体的聚集区域。

2.2.4 Getis-Ord Gi*指数法 利用Getis-Ord Gi*指数法局部空间自相关分析为每个街乡镇交通事故伤害属性值返回Gi*统计Z得分和P值。对于具有显著统计学意义的正Z得分，Z得分越高热点(高值)聚类越紧密；对于具有显著统计学意义的负Z得分，Z得分越低冷点(低值)聚类越紧密[23]。以P<0.05为差异有统计学意义。

3 结果

3.1 基本情况

共收集2019年北京市120院前医疗急救道路交通伤害31 071例，其中男性18 052例(58.10%)，女性12 820例(41.26%)，性别不详者199例(0.64%)，男女比例为1.41∶1，病例年龄范围为1个月～99岁。

3.2 空间分布

将道路交通伤害病例数按16个行政区进行统计，使用自然间断点分级法将各区道路交通伤害例数分成5个等级，以由浅到深的颜色表示例数从低到高。道路交通伤害在各区均有分布，最高是朝阳区4 671例(15.03%)，其次是顺义区3 502例(11.27%)，最低是石景山区499例(1.61%)。

3.3 全局空间自相关

对北京市120院前医疗急救道路交通伤害的分布进行全局空间自相关分析。结果显示，Moran’s I=0.47，Z=150.44(P<0.001)，说明北京市120院前医疗急救道路交通伤害存在空间聚集性且为正相关。0.3

3.4 局部空间自相关

对北京市120院前医疗急救道路交通伤害分布进行局部空间自相关分析，以街乡镇及其道路交通伤害例数为数据集，为每个街乡镇进行Getis-Ord General Gi*统计，得到Z得分、P值和置信区间，对不同置信区间进行分类并进行渲染，热点和冷点颜色的深浅代表了不同置信水平，颜色越深代表该点属于相应类别的置信水平越高。北京市120院前医疗急救道路交通伤害存在局部自相关，有76个街乡镇为显著性的热点和冷点。红色和浅红色为热点，蓝色和浅蓝色为冷点，红色和蓝色置信度为99%，浅红色和浅蓝色置信度为95%。其中热点街乡镇51个，包括朝阳区8个、昌平区1个、大兴区6个、房山区4个、顺义区18个、通州区14个，与周围道路交通伤害病例分布呈高高相邻，即不仅本街乡镇道路交通事故高发且周边区域也高发；冷点街乡镇25个，包括房山区5个、怀柔区3个、门头沟区11个、平谷区1个、延庆区5个，与周围道路交通伤害病例分布呈低低相邻，即不仅本街乡镇道路交通事故较少且周边区域也较少。浅黄色表示聚集特征不显著，包括东城区、西城区、海淀区、丰台区、石景山区、密云区共255个街乡镇。

4 讨论

4.1 研究结果及分析

本研究通过GIS将北京市120院前医疗急救道路交通伤害发生地点所对应的经纬度坐标导入地图中，直观、清楚、准确地将道路交通伤害发生地点在电子地图上呈现，利用空间分析方法分析其空间分布特征，比统计方法更为形象、直观[14]。从研究结果来看，道路交通伤害的地区分布差异较大，朝阳区、顺义区较多，石景山区最少。在全局空间自相关分析中Global Moran’s I值提示北京市120院前医疗急救道路交通伤害有聚集的情况，非随机分布。局部空间自相关分析Getis-Ord General Gi*提示存在热点和冷点。分析主要原因为冷点中门头沟区、平谷区、怀柔区、延庆区以及不显著区域中的密云区是北京市生态涵养发展区，大多处于山区或浅山区，工业基础相对薄弱，经济欠发达，人口密度较低，流动人口较少，交通事故相对较少；不显著区域中东城区、西城区、海淀区、丰台区、石景山区面积较小，在每个街乡镇发生的交通事故也较少，车辆行驶速度较低，交通事故造成人员伤害相对较轻，可能一定程度上也降低了救护车使用率。而在热点中，朝阳区、昌平区、大兴区、房山区、顺义区、通州区环绕核心区域，基本为北京市城乡结合部集中区域，分布北京市进出市区的主要道路，货车较多，机动车的组成复杂，混行严重，行驶特性差异较大，对行车安全造成不利影响，城乡结合部的农村道路较多、流动人口较为集中，居民交通安全、交通法规意识相对薄弱[25]。

4.2 研究结果应用

综合施治能够有效地提高交通事故应急处置的反应速度和处置能力，降低伤员致残和死亡率[26]。具体包括：加强对热点区域内院前医疗急救人员的创伤急救技能培训；进一步完善院前急救与院内急诊密切衔接的“绿色通道”；进一步完善热点区域的交通事故应急救援联动机制和预案，加强120与119、122等部门的联动，充分发挥救援力量合力；联合街乡镇、交通管理等部门开展院前医疗急救知识和技能科普宣传，提高道路交通伤害自救互救能力。急诊“绿色通道”大幅提高了救治急危重症患者成功率，降低了病死率。2020年11月北京市启动了“警医联动”，在发生交通事故后交管部门协助开辟路面“绿色通道”，保障急救车及时抵达和驶离现场、前往医院，建立了警医联动医疗急救“绿色通道”，将伤员快速转运到医疗机构，缩短在急诊科的停留时间，为抢救危重伤员赢得宝贵时间。

5 结语

本研究通过科学分析，找出交通事故高发区域或街乡镇，更加精准地指导区域院前医疗急救资源配置和警医联动“绿色通道”建立。2020年6月北京市人民政府办公厅印发的《关于加强本市院前医疗急救体系建设的实施方案》要求“确保每个街道(乡镇)至少建立1个标准化急救工作站，并配备必要的车辆和设备”。对此可在热点区域优先建设和运行院前医疗急救设施，缩短院前急救反应时间，提高院前医疗急救效率。