اندازه گیری دسترسی فضایی به بیمارستان های انفارکتوس حاد میوکارد در مقیاس چند دوره ای: مطالعه موردی در منطقه شیجینگشان، پکن، چین

دسترسی بیمارستانی به درمان اورژانسی انفارکتوس حاد میوکارد (AMI) نه تنها برای بهبود میزان بقای بیماران بلکه برای حفاظت از حقوق اولیه انسان برای مراقبت های بهداشتی از اهمیت بالایی برخوردار است. تحقیقات سنتی درمان اورژانسی AMI اغلب راه‌هایی را برای کوتاه کردن زمان سفر به بیمارستان‌ها برای بیماران AMI در نظر نمی‌گیرد و زمان واقعی سفر به بیمارستان‌ها را که برای درمان اورژانسی AMI حیاتی است، منعکس نمی‌کند. برای جلوگیری از این کاستی‌ها، این مطالعه روشی برای اندازه‌گیری دسترسی بر اساس Web Mapping API (رابط برنامه‌نویسی کاربردی) برای به دست آوردن زمان سفر به بیمارستان‌ها در دوره‌های مختلف پیشنهاد می‌کند، سپس دسترسی بیمارستان AMI را بر اساس این داده‌های دقیق محاسبه می‌کند. این مطالعه ناحیه شیجینگشان، پکن، چین، به عنوان یک مورد تجربی این مطالعه تفاوت های قابل توجهی را در ویژگی های زمانی و مکانی دسترسی به بیمارستان AMI در روزهای هفته و آخر هفته کشف کرد. تجزیه و تحلیل نشان داد که زمان سفر به بیمارستان ها و تراکم ترافیک دو عامل اصلی موثر بر دسترسی به بیمارستان AMI هستند. نتایج تحقیقات نور جدیدی را بر دسترسی به امکانات پزشکی شهری می اندازد و مبنای علمی را فراهم می کند که با آن دولت های محلی می توانند ساختار فضایی امکانات پزشکی را بهینه کنند.

کلید واژه ها:

دسترسی به بیمارستان ؛ API نقشه برداری وب ; انفارکتوس حاد میوکارد ؛ سهام پزشکی

۱٫ مقدمه

بیماری های قلبی عروقی بیشترین تعداد مرگ و میر را در چین ایجاد می کند. در سال ۲۰۱۷، بیماری های قلبی عروقی به ترتیب ۴۳٫۵۶ درصد و ۴۵٫۹۱ درصد از علل مرگ ساکنان شهری و روستایی در چین را به خود اختصاص دادند که بسیار بیشتر از سایر بیماری ها مانند تومورها. در چین به طور میانگین از هر ۱۰۰۰۰۰ میانسال سالانه ۲۳۷٫۷ مورد مرگ ناشی از بیماری های قلبی عروقی وجود دارد. تا پایان سال ۲۰۱۹، تقریباً ۳۳۰ میلیون نفر در چین از بیماری های قلبی عروقی رنج می بردند [ ۱ ].

انفارکتوس حاد میوکارد (AMI) یک بیماری قلبی عروقی است که به سرعت و به طور ناگهانی ایجاد می شود. رگ های خونی را در مدت زمان بسیار کوتاهی مسدود می کند و منجر به ایسکمی میوکارد و هیپوکسی می شود. اگر بیمار به موقع نزد پزشک فرستاده نشود، رگ های خونی بیمار مسدود می شود و میوکارد کاملاً نکروز و در نهایت مرگ می شود [ ۲ ].

در عین حال، با افزایش جمعیت شهری، تاخیر در زمان اولیه درمان اورژانسی به دلیل درمان نابهنگام پزشکی ناشی از ازدحام ترافیک شهری اغلب رخ می دهد. چگونگی اندازه گیری علمی عادلانه درمان پزشکی و تخصیص منابع پزشکی به طور عادلانه و معقول به یک موضوع تحقیقاتی تبدیل شده است که نیاز فوری به حل آن دارد [ ۳ ].

۱٫۱٫ مطالعه در مورد درمان اورژانسی AMI

جراحی مداخله کرونری اولیه از راه پوست (PCI) در حال حاضر بهترین روش برای درمان اورژانسی AMI است که می تواند بهبودی بیماران را در کوتاه مدت و بلند مدت بهبود بخشد [ ۴ ]. محققان کشف کردند که طولانی شدن زمان ایسکمی کلی میوکارد ارتباط نزدیکی با بهبود و بهبودی بیماران AMI دارد. به ازای هر ۳۰ دقیقه تاخیر در درمان پزشکی برای بیماران AMI، میزان مرگ و میر سالانه ۷٫۵٪ افزایش می یابد [ ۵ ].]. بنابراین، جراحی فوری PCI پس از شروع بیماری برای پاکسازی عروق خونی مسدود شده، کلید نجات جان بیماران AMI است. برای این بیماری بسیار حساس به زمان، ۱۲۰ دقیقه پس از شروع، زمان درمان اولیه تا AMI نامیده می شود، و همچنین زمان آستانه از شروع AMI تا جراحی PCI است [ ۶ ].

در حال حاضر، بیشتر تحقیقات در مورد درمان اورژانسی AMI از دیدگاه پزشکی انجام شده است، و چگونگی بهبود سطح درمان پزشکی و میزان بقای بیماران AMI [ ۷ ، ۸ ]، و همچنین چگونگی کوتاه کردن زمان آماده سازی برای PCI را بررسی می کند. جراحی [ ۹]. هنوز در مورد چگونگی کوتاه کردن زمان سفر به بیمارستان ها برای بیماران AMI و بهینه سازی و بهبود چیدمان و برنامه ریزی حمل و نقل از دیدگاه تسهیلات پزشکی، تحقیقات مربوطه وجود ندارد. چیدمان معقول امکانات پزشکی، پیکربندی امکانات درمان اضطراری، برنامه ریزی ترافیک هدفمند و بهینه سازی جاده می تواند زمان درمان اورژانسی AMI را تا حد زیادی کوتاه کند و در نتیجه میزان بقای بیماران را افزایش دهد. بنابراین، اندازه گیری و بهینه سازی دسترسی AMI در نجات جان بیماران AMI قابل توجه است.

۱٫۲٫ مطالعه در مورد دسترسی به بیمارستان

قابلیت دسترسی به روش های مختلفی تعریف و عملیاتی می شود. بنابراین طیف وسیعی از معانی را به خود گرفته است، که شامل تعاریف شناخته شده ای مانند “پتانسیل فرصت های تعامل” [ ۱۰ ، ۱۱ ]، “سهولت نسبی که از طریق آن می توان به خدمات از یک مکان معین توسط روش حمل و نقل داده شده» [ ۱۲ ، ۱۳ ]. دسترسی به بیمارستان به دشواری دسترسی بیمار به امکانات و خدمات پزشکی اشاره دارد [ ۱۴ ]، که شامل یک بعد “۵A” است، به عنوان مثال، مقبولیت، در دسترس بودن، محل اقامت، مقرون به صرفه بودن، و دسترسی [ ۱۵ ]. می توان آن را معیار اولیه تخصیص معقول امکانات پزشکی در نظر گرفت [۱۶ ]. دسترسی به بیمارستان شامل هر دو شاخص فضایی و غیر مکانی است [ ۱۷ ]. نقشی بی بدیل در شناسایی مناطق شهری و روستایی که در آنها کمبودهای پزشکی وجود دارد و همچنین تخصیص امکانات پزشکی ایفا می کند [ ۱۸ ]. علاوه بر این، دستیابی به دسترسی بهتر به بیمارستان باید هدف اولیه طرح‌بندی برنامه‌ریزی امکانات پزشکی باشد [ ۱۹ ].

تا آنجا که به هدف مطالعه مربوط می شود، تحقیقات در مورد دسترسی به بیمارستان را می توان تقریباً به چهار دسته تقسیم کرد: (الف) رابطه عرضه و تقاضای یک بیمارستان خاص برای جمعیت بالقوه مبتلا به بیماری خاص [ ۲۰ ، ۲۱ ، ۲۲ ، ۲۳ ]. (ب) اندازه گیری دسترسی فضایی بیمارستان برای گروه های مختلف شاخص های اجتماعی و اقتصادی ترکیبی [ ۲۴ ، ۲۵ ، ۲۶ ، ۲۷ ، ۲۸ ]؛ (ج) مدل سازی بر اساس اندازه جمعیت یا سطح تسهیلات برای ارزیابی و بهینه سازی توزیع فضایی امکانات پزشکی [ ۲۹ ، ۳۰ ، ۳۱ ،۳۲ ، ۳۳ ]; و (د) مقایسه فضایی دسترسی به بیمارستان تحت شیوه های مختلف حمل و نقل [ ۳۴ ، ۳۵ ، ۳۶ ]. برای مثال، هار و بارکوس دسترسی به خدمات بیمارستانی مرتبط با قلب کنتاکی را با در نظر گرفتن نسبت تخت به جمعیت به طور مشترک با نسبت پزشک به جمعیت بررسی کردند [ ۲۰ ]. Benevenuto دسترسی به مراکز مراقبت های بهداشتی گروه های کم درآمد در روستاهای برزیل را با استفاده از ابزارهای سیستم اطلاعات آماری و جغرافیایی (GIS) ارزیابی کرد [ ۲۴ ].]. چنگ با استفاده از مدل پتانسیل بهبودیافته (IPM) دسترسی فضایی بیمارستان را در منطقه Changning شانگهای، چین تجزیه و تحلیل کرد، عمدتاً تجزیه و تحلیل خوشه‌ای و پرت و تحلیل Getis-Ord Gi* را با ابزار ArcGIS انجام داد [ ۲۹ ]. چن از حوضه آبریز شناور دو مرحله‌ای گاوسی (۲SFCA) و روش‌های تنظیم‌شده ۲SFCA برای اندازه‌گیری دسترسی به بیمارستان ساکنان مسن (افراد ۶۰ سال یا بیشتر) که عمدتاً با اتوبوس در نانجینگ، چین سفر می‌کنند، استفاده کرد [ ۳۴ ].

محققان روش‌های مختلفی را برای ارزیابی دسترسی به بیمارستان پیشنهاد کردند. مدل‌های جاذبه (یا مدل‌های بالقوه) که بر رابطه بین عرضه (یعنی ارائه‌دهندگان خدمات پزشکی) و تقاضا (یعنی بیماران) تأکید می‌کنند، عملیات طولانی و گسترده‌ای در اندازه‌گیری‌های دسترسی بیمارستان دارند [ ۱۲ ، ۳۷ ، ۳۸ ، ۳۹ ]. با توسعه سریع فناوری GIS، روش تراکم هسته مبتنی بر GIS برای اندازه‌گیری دسترسی به بیمارستان از طریق یک چارچوب جامع‌تر معرفی و توسعه بیشتری یافت [ ۴۰ ، ۴۱ ، ۴۲ ].]. بر اساس مدل جاذبه، روش حوضه آبریز شناور دو مرحله ای (۲SFCA) به طور گسترده ای برای اندازه گیری دسترسی به بیمارستان استفاده شده است [ ۴۳ ، ۴۴ ]. روش ۲SFCA دسترسی بالقوه بیمارستان را در پرتو حداکثر فاصله قابل قبول افراد، همراه با محدودیت کاهش فاصله برای مناطق مختلف سفر ارزیابی کرد [ ۴۵ ]. اخیراً چندین روش اصلاح و توسعه مانند روش افزایش یافته حوزه آبریز شناور دو مرحله ای (E2SFCA) [ ۴۶ ]، روش حوضه آبریز شناور سه مرحله ای (۳SFCA) [ ۴۷ ]، روش اصلاح شده ۲SFCA (M2SFCA) [ ۴۸ ] ، روش متغیر ۲SFCA (V2SFCA) [ ۴۹]، روش تراکم هسته ۲SFCA (KD2SFCA) [ ۵۰ ، ۵۱ ]، روش گاوس ۲SFCA (Ga2SFCA) [ ۵۲ ]، روش گرانشی ۲SFCA (G2SFCA) [ ۵۳ ]، روش نزدیکترین همسایه [NN2SFCA4] ( NN2SFCA4 ) و روش سلسله مراتبی ۲SFCA (H2SFCA) [ ۵۵] برای رفع این محدودیت معرفی شده اند. همه این روش‌ها کمک زیادی به اندازه‌گیری دسترسی به بیمارستان کرده‌اند. با این حال، مدل‌های دسترسی به بیمارستان‌های موجود فاقد توجه به سطوح امکانات پزشکی و توصیف دقیق زمان سفر به بیمارستان‌ها هستند، که هر دو درمان اورژانسی AMI بسیار مهم هستند. برای جلوگیری از چنین مشکلاتی، در نظر گرفتن یک روش دقیق‌تر جمع‌آوری داده‌های زمانی، مانند Web Mapping API، برای اندازه‌گیری موثر دسترسی به بیمارستان AMI بسیار مهم است.

۱٫۳٫ Web Mapping API

روش بسته بندی توابع مرتبط وب سایت در یک رابط برنامه نویسی با کارکرد آسان، API (رابط برنامه نویسی کاربردی) وب سایت باز نامیده می شود [ ۵۶ ]. توسعه سریع فناوری موقعیت‌یابی کلان داده، نقشه‌های آنلاین را قادر می‌سازد تا دسترسی را با دقت بیشتری محاسبه کنند [ ۵۷ ]]. زمان سفر با مسافت‌ها و مسیرهای مرتبط را می‌توان با استفاده از پلتفرم‌های پس‌زمینه با عملکرد بالا نقشه‌های آنلاین به‌طور مستقیم و دقیق به‌دست آورد. در طول برنامه ریزی مسیر، نقشه های آنلاین وضعیت تراکم ترافیک را تجزیه و تحلیل می کنند، سرعت وسیله نقلیه را در زمان واقعی محاسبه می کنند و از الگوریتم های مرتبط برای نصب استفاده می کنند که می تواند زمان سفر را با دقت بیشتری پیش بینی کند. در حال حاضر، بسیاری از ارائه‌دهندگان خدمات نقشه‌های آنلاین مانند Google Map، Bing Map، Baidu Map، و Gaode Map (یا AutoNavi Map) رابط‌های API نقشه خود، یعنی Web Mapping API را ارائه می‌کنند و ابزارهای تحقیقاتی دقیق‌تر و علمی‌تری را برای مطالعه ساکنان معرفی می‌کنند. رفتار سفر محققان API نقشه‌برداری وب را در زمینه‌های تحلیل مبدا-مقصد (OD) [ ۵۸ ]، اندازه‌گیری دسترسی پارک شهری [ ۵۶ ، ۵۹ ] اعمال کردند.، ۶۰ ]، اندازه گیری دسترسی به سفر [ ۶۱ ]، اندازه گیری دسترسی پیاده روی [ ۶۲ ] و اندازه گیری دسترسی به بیمارستان [ ۳۹ ، ۵۰ ، ۶۳ ]. این روش به سادگی طراحی شده و کار با آن آسان است. بنابراین، این مطالعه Web Mapping API را برای تجزیه و تحلیل دسترسی به بیمارستان AMI انتخاب کرد.

با توجه به موارد فوق، این مطالعه ناحیه شیجینگشان، پکن، چین را به عنوان یک مورد تجربی در نظر می گیرد. بر اساس داده های ناوبری ترافیک در زمان واقعی که از طریق Web Mapping API به دست آمده است، دسترسی به بیمارستان AMI در دوره های زمانی مختلف محاسبه می شود. این یک دیدگاه و روش جدید برای اندازه‌گیری دسترسی به بیمارستان ارائه می‌کند و توصیه‌هایی را برای برنامه‌ریزی شهری آینده و چیدمان امکانات پزشکی ارائه می‌دهد.

بقیه این مطالعه به شرح زیر سازماندهی شده است. در بخش ۲ ، مواد و روش های مطالعه معرفی شده است. جزئیات و نتایج مطالعه موردی در هر دو بخش ۳ و بخش ۴ نشان داده شده و مورد بحث قرار گرفته است. در نهایت، نتایج اصلی در بخش ۵ استخراج شده است.

۲٫ مواد و روشها

۲٫۱٫ مروری بر منطقه مورد مطالعه

منطقه شیجینگشان یکی از شش منطقه اصلی شهری پکن است. در غرب پکن، بین ۳۹ درجه و ۵۳ دقیقه تا ۳۹ درجه و ۵۹ دقیقه عرض شمالی و ۱۱۶ درجه و ۰۷ دقیقه و ۱۱۶ درجه و ۱۴ دقیقه طول شرقی واقع شده است و مساحت کل آن در حدود ۸۴٫۳۸ کیلومتر مربع است. تا پایان سال ۲۰۱۹، ۵۶۷۸۴۵ نفر در ناحیه شیجینگشان ساکن بودند که تراکم جمعیت آن ۶۶۶۷ نفر در کیلومتر مربع است [ ۶۴ ]]. با توجه به ساختار ترافیک منطقه‌ای، تنها سه خط مترو از منطقه شیجینگشان عبور می‌کند، یعنی خط ۱ مترو، خط ۶ و خط S1. در همان زمان، سه جاده اصلی شرقی-غربی خط توسعه خیابان چانگان، جاده لیانشی و جاده فوشی در این منطقه، همراه با جاده کمربندی پنجم و جاده کمربندی چهارم پکن، شبکه جاده ای نسبتاً مناسبی را تشکیل دادند. . اکثر ساکنان این منطقه سفر با ماشین را انتخاب می کنند و فشار ترافیک وسایل نقلیه موتوری و ترافیک جاده در منطقه به طرز قابل توجهی شدید است.

در پایان سال ۲۰۱۸، AutoNavi “گزارش تحلیل ترافیک شهرهای بزرگ در سه ماهه سوم ۲۰۱۸” را منتشر کرد که نشان می‌دهد پیک پیک ترافیک پکن و شاخص تأخیر شلوغی صبحگاهی رتبه اول را در کلان‌شهرهای چین دارند. در همین حال، منطقه شیجینگشان نیز یکی از مناطق شهری با شدیدترین تراکم ترافیک در پکن است [ ۶۵ ]. بر اساس «گزارش سالانه توسعه حمل و نقل پکن ۲۰۲۱» که توسط مؤسسه حمل و نقل پکن منتشر شده است، در بین شش منطقه اصلی شهری در پکن، تنها منطقه Fengtai و منطقه Shijingshan دارای روند صعودی در شاخص تراکم ترافیک هستند و منطقه Shijingshan جدی ترین افزایش را داشته است. [ ۶۶]. ازدحام ترافیک چالش ها و مشکلات عمده ای را برای ساکنینی که به دنبال حمل و نقل مراقبت های بهداشتی، به ویژه حمل و نقل اضطراری هستند، به ارمغان آورده است.

۲٫۲٫ داده ها

۲٫۲٫۱٫ داده های تاسیسات پزشکی

در وضعیت واقعی، همه ساکنان منطقه شیجینگشان فقط در داخل منطقه به دنبال درمان پزشکی نیستند. به ویژه، ساکنان مناطق حاشیه ای بیشتر به دنبال درمان پزشکی در مراکز خارج از نزدیک ترین منطقه به آنها هستند. برای کاهش تأثیر درمان بین منطقه‌ای ساکنان بر دقت نتایج اندازه‌گیری، این مطالعه امکانات پزشکی در منطقه خاصی در اطراف شیجینگشان را در محدوده این مطالعه قرار داد. از آنجایی که شعاع شرقی-غربی ناحیه شیجینگشان حدود ۲ کیلومتر است، این مطالعه فرض می‌کند که مسافت قابل قبول برای سفر ساکنان برای درمان بین منطقه‌ای تقریباً یکسان است، بنابراین عرض منطقه حائل ۲ کیلومتر تعیین شده است. تمام امکانات پزشکی در داخل منطقه حائل در اندازه گیری نقش دارند.

Web Mapping API یک رابط بازیابی نقشه POI (نقطه مورد علاقه) ارائه می دهد (به عنوان مثال https://lbsyun.baidu.com/index.php?title=%E9%A6%96%E9%A1%B5قابل دسترسی در ۹ دسامبر ۲۰۲۱)، که از آن فهرست و مکان مراکز اورژانس و ایستگاه های کمک های اولیه جمع آوری شد. داده‌های مرکز پزشکی در این مطالعه از دو منبع برای اطمینان از صحت داده‌ها به دست می‌آیند: (الف) از فهرست مراکز اورژانس و ایستگاه‌های کمک‌های اولیه جمع‌آوری‌شده از Baidu Maps و AutoNavi Maps Web Mapping API، در مجموع ۶ مرکز اورژانسی وجود دارد. و ایستگاه های کمک های اولیه در محدوده مطالعه جمع آوری شد. (ب) از لیست بیمارستان های PCI توسط بیمارستان آنژن پکن وابسته به دانشگاه پزشکی پایتخت ارائه شده است. تجسم فضایی ایستگاه اورژانس و داده های بیمارستان PCI درگیر در این مطالعه در شکل ۱ نشان داده شده است .

۲٫۲٫۲٫ داده های زمان سفر

Baidu Map یکی از اصلی ترین ارائه دهندگان نقشه اینترنتی در چین است. ماژول ناوبری مسیر Baidu Map Web Mapping API می‌تواند زمان دقیق سفر به بیمارستان‌ها را بر اساس شرایط ترافیکی واقعی در زمان واقعی ارائه دهد. داده‌های زمان سفر بی‌درنگ انتخاب‌شده در این مطالعه از ماژول ناوبری مسیر Baidu Map Web Mapping API، از طریق برنامه‌نویسی الگوریتم پایتون که می‌تواند به API دسترسی داشته باشد و زمان دقیق سفر به بیمارستان‌ها را بدست آورد، جمع‌آوری شده است.

۲٫۲٫۳٫ اطلاعات دموگرافیک، منطقه مسکونی و بخش اداری

تجزیه و تحلیل دسترسی به بیمارستان همراه با توزیع جمعیت و مناطق مسکونی می تواند به سیاست گذاران در تصمیم گیری بهینه و جلوگیری از اتلاف منابع پزشکی کمک کند. طبق “گزارش سالانه توسعه حمل و نقل پکن ۲۰۲۱″، میانگین سرعت وسایل نقلیه در پکن در دوره های اوج ۲۷ کیلومتر در ساعت (یعنی ۴۵۰ متر در دقیقه) است [ ۶۶ ]. بنابراین، در این مطالعه، یک شبکه ۵۰۰ متر × ۵۰۰ متر به عنوان واحد اصلی برای تحقیق برای کنترل خطای اندازه‌گیری زمان بین مرکز شبکه و لبه شبکه در مدت ۱ دقیقه استفاده می‌شود. داده های جمعیت شناختی مورد استفاده در این مطالعه، داده های جمعیت چین با دقت ۱۰۰ متر در سال ۲۰۲۰ است که توسط Worldpop [ ۶۷ ] ارائه شده است.] و در ترکیب با داده های هفتمین سرشماری ملی چین که از اکتبر تا دسامبر ۲۰۲۰ انجام شد، تصحیح و بهینه شد [ ۶۸ ]. داده های منطقه مسکونی مورد استفاده در این مطالعه توسط آزمایشگاه شهر پکن [ ۶۹ ] ارائه شده است، و داده های تقسیم اداری منطقه مورد مطالعه از پلت فرم پکن برای خدمات مشترک اطلاعات جغرافیایی (وب سایت Tiandutu) [ ۷۰ ] به دست آمده است. نتایج تحلیل بصری بر اساس داده های فوق در شکل ۲ نشان داده شده است.

۲٫۲٫۴٫ دوره آزمایشی

برای اطمینان از اینکه داده های زمانی تحت تأثیر رویدادهای تصادفی در یک روز قرار نمی گیرند، این مطالعه دو هفته متوالی داده را به دست آورده است. روش میانگین گیری برای کاهش تداخل رویدادهای تصادفی روی داده ها استفاده می شود. در عین حال، این مطالعه داده های ساعت نیمه شب را به عنوان نمونه زمانی بدون تداخل ترافیک به دست آورد. علاوه بر این، بروز AMI تا حد زیادی تحت تأثیر تغییرات فصلی و دما قرار می‌گیرد و زمستان و بهار دوره‌های بروز بالایی هستند [ ۷۱ ، ۷۲ ، ۷۳ ، ۷۴ ، ۷۵ ، ۷۶ .]. در عین حال، تعطیلات زمستانی دانشجویان چینی عموماً از دسامبر تا فوریه سال بعد متمرکز است، و ژانویه و فوریه معمولاً در جریان “عجله سفر جشنواره بهار” در چین است که یک حرکت جمعیتی در مقیاس بزرگ است. . این بازه های زمانی خاص نمی توانند شرایط ترافیکی را در شرایط روزانه نشان دهند. بنابراین، این مطالعه اسفند ماه را به عنوان دوره زمانی آزمایش انتخاب کرد. تاریخ های جمع آوری مشخص برای زمان سفر به بیمارستان های منطقه شیجینگشان در این مطالعه نیمه شب ۶ مارس ۲۰۲۱، اوج صبح، اوج عصر و دوره اوج تخت از ۱۳ مارس تا ۲۲ مارس ۲۰۲۱ است. بازه زمانی خاص به صورت: صبح تعریف شده است. اوج از ۶:۰۰ تا ۸:۳۰ صبح، اوج عصر از ۵:۳۰ تا ۸ بعد از ظهر، نیمه شب از ۰-۴ صبح، و دوره اوج ثابت از ۱۰-۱۲ صبح یا ۱-۳ بعد از ظهر

۲٫۳٫ روش

۲٫۳٫۱٫ چارچوبی برای سنجش دسترسی بیمارستان AMI

شکل ۳ فرآیند اندازه گیری دسترسی به بیمارستان AMI را نشان می دهد. ابتدا، فرآیند داده‌های نقطه شروع را می‌گیرد و مختصات نقطه شروع را استخراج می‌کند، که سپس با استفاده از ابزارهای geocoding و ArcGIS، ژئوکدگذاری می‌شوند. ژئوکدینگ فرآیند تبدیل توصیف یک مکان، مانند آدرس بیمارستان یا مکان نقطه مرکزی شبکه، به مختصات جغرافیایی است [ ۷۷ ]. این مطالعه لیست به دست آمده از امکانات پزشکی را با توجه به رابط جغرافیایی ارائه شده توسط نقشه بایدو ( https://api.map.baidu.com/lbsapi/getpoint/index.html ) ژئوکد می کند.قابل دسترسی در ۹ دسامبر ۲۰۲۱). در مرحله دوم، با ساخت یک الگوریتم، نوشتن یک برنامه پایتون، با استفاده از Web Mapping API و استفاده از ماژول برنامه ریزی مسیر نقشه آنلاین، زمان سفر از هر مرکز شبکه به مرکز پزشکی در حالت سفر مربوطه در دوره های زمانی مختلف اشاره می کند. به صورت خودکار محاسبه می شود. سپس، داده‌های زمانی جمع‌آوری‌شده تمیز، فیلتر و شمارش می‌شوند تا زمان سفر زمانی که هر نقطه به نزدیک‌ترین مرکز پزشکی می‌رسد، به دست آید. ثالثاً، داده ها را برای پردازش تجسم و محاسبه تفاوت فضایی به پلتفرم ArcGIS وارد کنید. هدف از محاسبه تفاضل فضایی، پیش‌بینی زمان دسترسی به بیمارستان در کلیه مناطق فرعی در منطقه تحقیقاتی بر اساس نتایج دسترسی نقاط مرکز شبکه است. سرانجام، نتایج با استفاده از تصویر سنجش از دور و داده های جمعیت شناختی تجزیه و تحلیل شده است. استراتژی‌های بهینه‌سازی از دو منظر پیشنهاد می‌شوند: استراتژی بهینه‌سازی برای چیدمان امکانات پزشکی اورژانس و استراتژی بهینه‌سازی برای سیستم حمل‌ونقل اضطراری.

۲٫۳٫۲٫ فرآیند درمان اورژانسی AMI

روند درمان اورژانسی برای بیماران AMI در شکل ۴ نشان داده شده است. ابتدا، پس از اینکه بیمار دچار حمله AMI شد و شماره اورژانس پزشکی را گرفت، مرکز فرماندهی اورژانس آمبولانسی را از مرکز اورژانس یا ایستگاه کمک‌های اولیه که نزدیک‌ترین نقطه به محل تحویل بیمار است اعزام می‌کند. (در اینجا، این مطالعه فرض می کند که تعداد آمبولانس ها در منطقه همیشه برای پاسخ سریع به تماس آمبولانس کافی است، جایی که زمان آماده سازی آمبولانس برای عزیمت به طور کلی حدود ۴ دقیقه است). بعداً در آمبولانس، پرسنل اورژانس بیمار را تشخیص می دهند. حداکثر زمان توصیه شده از شروع بیماری تا تایید پزشک از AMI 10 دقیقه است و تشخیص را می توان در آمبولانس تکمیل کرد. پس از تایید اینکه بیمار دچار حمله AMI شده است، آمبولانس بیمار را برای جراحی PCI به نزدیکترین بیمارستان PCI منتقل می کند.

آستانه تاخیر مورد انتظار از تشخیص AMI تا عمل PCI نباید بیش از ۱۲۰ دقیقه باشد. انجمن قلب آمریکا (ACC/AHA) و انجمن قلب و عروق اروپا (ESC) توصیه می‌کنند که بیماران AMI وارد درب شوند. زمان اتساع بالون باید کمتر از ۹۰ دقیقه باشد. بنابراین، در این مطالعه، زمان بهینه برای انتقال بیمار به بیمارستان PCI پس از گرفتن شماره اورژانس باید در ۳۰ دقیقه باشد. لازم به ذکر است که از آنجایی که نمی توان تاخیر زمانی بین شروع بیماران AMI و تماس اورژانس را به طور دقیق بدست آورد، این مطالعه فرض می کند که بیماران AMI بلافاصله پس از شروع تماس اورژانسی برقرار می کنند.

۲٫۳٫۳٫ اندازه گیری دسترسی فضایی به بیمارستان ها

همانطور که در بالا ذکر شد، ابتدا داده های مکان مراکز اورژانس، ایستگاه های کمک های اولیه و بیمارستان ها از طریق نقشه های آنلاین و تصاویر سنجش از دور بدست می آید. در مرحله دوم، منطقه شیجینگشان به یک شبکه تقسیم ماتریس نقطه‌ای ۵۰۰ متر × ۵۰۰ متر تقسیم می‌شود و نقطه مرکزی شبکه به عنوان نقطه شروع فرضی AMI استفاده می‌شود. سپس، یک برنامه پایتون عملی به رابط نقشه برداری Web Mapping API، ترکیب شده با داده های مکان فوق و بر اساس فرآیند درمان اضطراری AMI، زمان سفر از هر مرکز پزشکی اورژانس AMI به هر نقطه شروع AMI و همچنین زمان از هر نقطه شروع AMI تا رسیدن به مرکز پزشکی اورژانس AMI بدست می آید.

برای دستیابی به دسترسی بیمارستان به کل فضای داخل منطقه مورد مطالعه، لازم است پردازش افتراقی بر روی منطقه مورد مطالعه با توجه به نتایج به‌دست‌آمده از نقاط شروع AMI انجام شود. در این تحقیق برای پردازش تفاضل از روش IDW (Inverse Distance Weighted) استفاده شده است. این روش یک روش درونیابی فضایی است که معمولاً مورد استفاده قرار می گیرد، که نیازمند توزیع یکنواخت نقاط گسسته است و به نقاط نمونه نزدیکتر به نقطه درونیابی وزن بیشتری داده می شود [ ۷۸ ، ۷۹ ].]. مراحل مشخص به شرح زیر است: ابتدا به دلیل استفاده از ابزار ژئوکدینگ بایدو در این مطالعه، باید نقطه شروع را بر اساس سیستم مختصات BD-09 به دست آورد و داده های مختصات را در ابزار نرم افزار اصلاح مختصات Geosharp برای بدست آوردن WGS84 آورد. داده‌های مختصات مبتنی بر سیستم مختصات، در نتیجه داده‌های مختصات و داده‌های زمان سفر مربوطه به‌دست‌آمده را برای تجزیه و تحلیل به پلتفرم ArcGIS وارد می‌کند. سپس، از ابزار تفاوت IDW در پلت فرم ArcGIS برای انجام پردازش تفاوت استفاده کنید تا دسترسی بیمارستان به کل فضای منطقه مورد مطالعه را به دست آورید.

۲٫۳٫۴٫ پیشنهاد استراتژی های بهینه سازی بر اساس داده های جمعیتی و مناطق مسکونی

در این مطالعه، زمان سفر دسترسی به بیمارستان AMI استاندارد ۳۰ دقیقه بود و عوامل اصلی مؤثر بر زمان سفر دسترسی، تعداد و مکان بیمارستان‌های PCI و تراکم ترافیک جاده‌ای بود. در عین حال، این مطالعه معتقد است که ویژگی‌های توزیع فضایی جمعیت و مناطق مسکونی نیز باید مبنای مهمی برای تدوین استراتژی‌های بهینه‌سازی باشد. این امر مرحله بندی اقدامات برای بهبود دسترسی به بیماران را امکان پذیر می کند و می تواند به سیاست گذاران کمک کند تا در تصمیم گیری های بهینه و در عین حال اجتناب از اتلاف منابع. بنابراین، بر اساس نتایج تحلیل دسترسی، همراه با ویژگی‌های توزیع فضایی جمعیت و مناطق مسکونی، و همچنین داده‌های تصویر سنجش از دور، این مطالعه استراتژی‌های برنامه‌ریزی خاص را از دو جنبه مورد بحث قرار می‌دهد: استراتژی بهینه سازی برای چیدمان تاسیسات فوریت های پزشکی و استراتژی بهینه سازی سیستم حمل و نقل اورژانسی و با تعیین منطقه بهینه سازی استراتژی های بهینه سازی چیدمان خاصی را پیشنهاد می کند. به طور خاص، این مطالعه نقشه توزیع الگوی فضایی دسترسی به بیمارستان را در طول نیمه‌شب (زمانی که ازدحام ترافیکی وجود ندارد و تأثیر ترافیک در دسترسی به بیمارستان حداقل است) اتخاذ می‌کند و از ۳۰ دقیقه به عنوان استاندارد زمان سفر دسترسی به بیمارستان استفاده می‌کند. مناطقی که استانداردهای زمان سفر دسترسی به بیمارستان را رعایت نمی کنند. سپس داده‌های بدترین دوره دسترسی با داده‌های دوره نیمه شب مقایسه می‌شود تا مقدار تغییر دسترسی به بیمارستان به دست آید. برای شناسایی مناطقی که دسترسی به بیمارستان با استانداردهای ناشی از عوامل ترافیکی مطابقت ندارد. در نهایت، با ترکیب داده‌های جمعیتی، داده‌های منطقه مسکونی و داده‌های تصویر سنجش از دور برای تجزیه و تحلیل جامع، مناطق بهینه‌سازی کلیدی شناسایی می‌شوند و استراتژی‌های بهینه‌سازی با توجه به شرایط خاص هر منطقه بهینه‌سازی کلیدی پیشنهاد می‌شوند.

۳٫ نتایج

۳٫۱٫ تجزیه و تحلیل دسترسی به بیمارستان AMI در روزهای هفته

۳٫۱٫۱٫ تجزیه و تحلیل زمان سفر دسترسی به AMI در روزهای هفته

در این مطالعه، تحلیل دسترسی بیمارستان AMI بر اساس چهار دوره اوج صبح، اوج تخت، اوج عصر و نیمه شب انجام شد. با توجه به داده‌های نقشه آنلاین جمع‌آوری‌شده، میانگین زمان سفر در دسترس بودن AMI تحت چهار شرایط ترافیکی مختلف در روزهای هفته به طور جداگانه محاسبه می‌شود. نتایج آماری در شکل ۵ نشان داده شده است.

از منظر میانگین زمان سفر، می توان دریافت که تنها میانگین زمان سفر در نیمه شب در ۳۰ دقیقه بوده است که با استاندارد زمانی برای درمان اورژانسی AMI مطابقت دارد. میانگین زمان سفر سه دوره دیگر در روزهای هفته همگی درجات متفاوتی از تاخیر دارند. در این میان بیشترین تاخیر در دوره اوج صبحگاهی است. زمان سفر ۷٫۱ دقیقه بیشتر از نیمه شب بود که ۲۵٫۹۷٪ افزایش داشت.

این مطالعه از ۳۰ دقیقه به عنوان استاندارد برای ارزیابی میزان انطباق زمان سفر در دسترس بودن AMI استفاده می کند ( شکل ۶ ). در نیمه شب، نرخ انطباق با زمان سفر با ۶۸٫۷۳ درصد بالاترین میزان بود، در حالی که در اوج صبح، نرخ انطباق با ۴۲٫۷۷ درصد کمترین میزان را داشت. به طور کلی، میزان انطباق زمان سفر در دسترس بودن AMI در منطقه شیجینگشان بسیار مناسب نیست و تراکم ترافیک تأثیر جدی بر دسترسی به بیمارستان AMI دارد. نرخ انطباق زمان سفر در دسترس بودن AMI در دوره نیمه شب نزدیک به ۷۰٪ بود در حالی که میزان انطباق اوج صبح و اوج عصر کمتر از ۵۰٪ بود.

برای تجزیه و تحلیل توزیع تاخیر زمانی دسترسی به بیمارستان AMI در منطقه شیجینگشان به روشی دقیق تر و جامع تر، این مطالعه زمان سفر را به ۷ سطح تقسیم کرد، یعنی ≤۲۰ دقیقه، ۲۱-۳۰ دقیقه، ۳۱-۴۰ دقیقه، ۴۱- ۵۰ دقیقه، ۵۱ تا ۶۰ دقیقه، ۶۱ تا ۷۰ دقیقه و بیش از ۷۰ دقیقه. توزیع زمانی ۷ سطح دسترسی در شکل ۷ نشان داده شده است . توزیع فرکانسی که می تواند در ۲۱ تا ۳۰ دقیقه به دست آید، بزرگترین بود و پس از آن دوره زمانی ۳۱ تا ۴۰ دقیقه بود.

۳٫۱٫۲٫ تحلیل الگوی فضایی در روزهای هفته

در این مطالعه، با توجه به سطح زمان سفر، از ArcGIS 10.3 برای تحلیل درون یابی استفاده شد، دایره هم زمان دسترسی بیمارستان AMI محاسبه شد و در نهایت، نقشه توزیع الگوی فضایی دسترسی AMI تولید شد ( شکل ۸ ).

نتایج نشان می‌دهد که سطوح دسترسی بیمارستان AMI در ناحیه شیجینگشان ویژگی‌های تمایز فضایی آشکار را در چهار دوره دوره نیمه‌شب، دوره اوج تخت، اوج صبح و دوره اوج عصر نشان می‌دهد. اگرچه ویژگی‌های تمایز فضایی دسترسی به بیمارستان AMI با دوره‌های زمانی مختلف روز متفاوت است، ویژگی‌های کلی نسبتا مشابه هستند: هر دو منطقه جنوب شرقی و شمال غربی ناحیه شیجینگشان سطوح بهتری از دسترسی را ارائه می‌دهند و همان سطح دسترسی دارای ویژگی‌های تجمع فضایی آشکار است. .

ظاهر این ویژگی توزیع فضایی ارتباط نزدیکی با پیکربندی فضایی مراکز اورژانس، ایستگاه های کمک های اولیه و بیمارستان های PCI در ناحیه شیجینگشان دارد که عمدتاً در شمال غربی و جنوب شرقی واقع شده اند. از شکل ۶ قابل مشاهده استکه منطقه ای که در آن زمان سفر دسترسی به AMI کمتر از ۳۰ دقیقه است، تغییرات کمی بین دوره اوج صبح، عصر و صاف نشان می دهد، در حالی که این تغییرات در دوره نیمه شب آشکارتر است. از مقایسه بین شرایط ترافیکی مختلف، می توان دریافت که رتبه بندی توزیع فضایی دسترسی به بیمارستان AMI در طول روزهای هفته در منطقه شیجینگشان به شرح زیر است: (۱) منطقه جنوب شرقی؛ (۲) منطقه شمال غرب؛ (۳) منطقه جنوبی؛ (۴) منطقه مرکزی؛ (۵) منطقه شمالی.

۳٫۲٫ تجزیه و تحلیل دسترسی به بیمارستان AMI در تعطیلات آخر هفته

۳٫۲٫۱٫ تجزیه و تحلیل زمان سفر دسترس پذیری AMI در تعطیلات آخر هفته

میانگین زمان سفر دسترس پذیری AMI تحت هزینه های مختلف ترافیک در طول چهار دوره آخر هفته به طور جداگانه محاسبه و با روزهای هفته مقایسه شد ( شکل ۹).). نتایج به شرح زیر است: میانگین زمان سفر در نیمه شب، یعنی بدون تراکم ترافیک، ۲۷٫۳۴ دقیقه بود. میانگین زمان سفر در طول دوره اوج تخت در آخر هفته ها ۳۱٫۸۹ دقیقه بود که ۴۳٫۸ ثانیه بیشتر از روزهای هفته است. میانگین زمان سفر در اوج عصر در تعطیلات آخر هفته ۳۱٫۴۳ دقیقه و برای اوج صبح ۳۰٫۳۶ دقیقه بود که هر دو کوتاهتر از روزهای هفته بود. به طور خاص، میانگین زمان سفر در اوج صبح در تعطیلات آخر هفته بیشترین کاهش را داشت و به ۴٫۰۸ دقیقه رسید. مشاهده می شود که تغییرات در زندگی ساکنان در تعطیلات آخر هفته تأثیر قابل توجهی بر دسترسی به بیمارستان AMI دارد. میانگین زمان سفر در طول دوره اوج تخت در آخر هفته‌ها طولانی‌ترین زمان سفر بود، در حالی که میانگین زمان سفر در اوج صبح کوتاه‌ترین زمان بود. اگرچه میانگین زمان سفر در اوج صبح و عصر کوتاه شد، اما هنوز به زمان ایده‌آل سفر در دسترس‌پذیری AMI یعنی ۳۰ دقیقه نمی‌رسند. در مقایسه با میانگین زمان سفر در نیمه شب، هنوز تاخیر قابل توجهی وجود دارد.

با در نظر گرفتن ۳۰ دقیقه به عنوان استاندارد زمان سفر در دسترس بودن AMI، میزان انطباق زمان سفر در دسترس بودن AMI در هر دوره در تعطیلات آخر هفته در منطقه شیجینگشان همگی از ۵۰٪ فراتر رفته است ( شکل ۱۰ )، و نرخ انطباق به طور قابل توجهی در مقایسه با آن در روز افزایش یافته است. روزهای هفته تأثیر ازدحام ترافیک بر دسترسی به بیمارستان AMI در تعطیلات آخر هفته، به ویژه در زمان سفر در اوج صبح کاهش می یابد. در مقایسه با میزان انطباق زمان سفر در اوج صبح روزهای هفته، میزان انطباق پیک صبحگاهی آخر هفته ها ۱۵٫۳۴ درصد افزایش یافته است.

از شکل ۱۱ می توان دید که هر چهار دوره بیشترین توزیع فرکانس را در ۲۱ تا ۳۰ دقیقه داشتند، در حالی که فراوانی دوره های اوج صبح و نیمه شب تقریباً برابر بود. مشاهده می شود که فراوانی سفر ساکنین در اوج صبح در روزهای آخر هفته نسبتاً کم و حتی تا حدودی کمتر از دفعات نیمه شب بوده است. دومین توزیع فرکانس بزرگ، دوره زمانی ۳۱ تا ۴۰ دقیقه بود، که دوره اوج مسطح بیشترین نسبت را در این دوره زمانی به خود اختصاص می‌دهد.

۳٫۲٫۲٫ تحلیل الگوی فضایی در تعطیلات آخر هفته

همانطور که در شکل ۱۲ نشان داده شده است ، توزیع فضایی کلی زمان سفر دسترسی به بیمارستان AMI در تعطیلات آخر هفته در ناحیه شیجینگشان اساساً با روزهای هفته یکسان است. رتبه بندی توزیع فضایی دسترسی به بیمارستان AMI در طول تعطیلات آخر هفته در ناحیه شیجینگشان به شرح زیر است: (۱) منطقه جنوب شرقی. (۲) منطقه شمال غرب؛ (۳) منطقه جنوبی؛ (۴) منطقه مرکزی؛ (۵) منطقه شمالی. تکامل سری زمانی تأثیر نسبتاً ضعیفی بر زمان سفر دسترسی به بیمارستان AMI در ۲۰ دقیقه دارد، در حالی که در بازه زمانی ۲۰ تا ۳۰ دقیقه، توزیع فضایی زمان دسترسی به بیمارستان در اوج صبح، اوج عصر، و دوره اوج تخت یک انقباض تدریجی را نشان می دهد.

۳٫۳٫ بهینه سازی استراتژی ها برای دسترسی به بیمارستان AMI

در این مطالعه، الگوهای فضایی دسترسی به بیمارستان AMI در منطقه شیجینگشان در روزهای هفته و آخر هفته برای محاسبه الگوی فضایی کل دسترسی به بیمارستان AMI در منطقه شیجینگشان ترکیب شد، ۳۰ دقیقه به عنوان استاندارد زمان سفر دسترسی AMI استفاده می‌شود، و نتایج تجسم در شکل ۱۳ نشان داده شده است. این مطالعه از همان روش برای محاسبه فاصله سفر اضطراری از منطقه مورد مطالعه تا نزدیکترین بیمارستان PCI تحت پشتیبانی Web Mapping API استفاده می کند (همانطور که در شکل ۱۴ نشان داده شده است.و نتایج نشان می‌دهد که رابطه معینی بین دو جنبه وجود دارد: (الف) توزیع فضایی منطقه‌ای که کوتاه‌ترین مسافت سفر اضطراری کمتر از ۹ کیلومتر است مشابه منطقه‌ای است که زمان سفر در دسترس کمتر از آن است. ۳۰ دقیقه؛ ب) توزیع فضایی منطقه ای که در آن کوتاه ترین مسافت سفر اضطراری بین ۹٫۱ تا ۱۲ کیلومتر است، مشابه منطقه ای است که به دلیل ازدحام ترافیک به استاندارد زمان سفر ۳۰ دقیقه ای دسترسی پیدا نمی کند. ج) توزیع فضایی منطقه ای که کوتاه ترین مسافت سفر اضطراری بیش از ۱۲ کیلومتر است مشابه منطقه ای است که زمان سفر در دسترس بیش از ۳۰ دقیقه است. در چین، دولت توزیع فضایی امکانات پزشکی را بر اساس فاصله خدمات ترتیب می دهد. و زمان سفر دسترسی به بیمارستان را در نظر نمی گیرد. بنابراین، مطالعه همبستگی زمان سفر دسترسی به بیمارستان و مسافت سفر اضطراری به ارائه یک مبنای تصمیم‌گیری جامع‌تر و بهینه‌تر برای استراتژی برنامه‌ریزی امکانات پزشکی در این منطقه کمک می‌کند.

۳٫۳٫۱٫ استراتژی بهینه سازی برای چیدمان امکانات فوریت های پزشکی

منطقه A و منطقه B در شکل ۱۳ مناطقی هستند که زمان سفر دسترسی AMI هنوز نمی تواند به استاندارد ۳۰ دقیقه حتی تحت تأثیر صفر ازدحام ترافیک برسد. در این مناطق و نواحی مجاور آن نه پایگاه کمک های اولیه وجود دارد و نه بیمارستان های PCI و نه حتی بیمارستان های عمومی غیر PCI. بنابراین، دسترسی بیمارستان AMI به AMI در این مناطق بسیار ضعیف است.

بر اساس تصاویر سنجش از دور ماهواره ای از منطقه شیجینگشان، منطقه ذکر شده در بالا به تفصیل مورد تجزیه و تحلیل قرار گرفت. قسمت شمالی منطقه A یک منطقه کوهستانی است که مناطق مسکونی کمی دارد. در عین حال، مناطق مسکونی بیشتری در شرق و جنوب منطقه A وجود دارد، از جمله مناطق مسکونی بزرگتر و چندین کالج، مدارس راهنمایی و مدارس ابتدایی. با توجه به اینکه ساخت جدید بیمارستان PCI مستلزم سرمایه‌گذاری کلان و چرخه عملیات آماده‌سازی طولانی است، توصیه می‌شود که امکانات پزشکی جدید اضافه شده عمدتاً ایستگاه‌های کمک‌های اولیه باشند تا به‌طور موثر جای خالی فوریت‌های پزشکی AMI را جبران کنند. نیازهای درمانی در منطقه علاوه بر این، محیط ساخته شده موجود منطقه B عمدتاً پارک های میراث صنعتی و پارک های جنگلی است. ساکنان کمتری در منطقه وجود دارد، و نیاز به درمان فوری پزشکی AMI کم است. توصیه می شود فعلاً ایستگاه های کمک های اولیه و سایر امکانات پزشکی در منطقه B اضافه نشود.

۳٫۳٫۲٫ استراتژی بهینه سازی برای سیستم حمل و نقل اضطراری

از شکل ۱۳ قابل مشاهده استکه منطقه شیجینگشان که در آن دسترسی به بیمارستان AMI در حد استاندارد نیست، بزرگ است، عمدتاً در وسط توزیع شده و به دو طرف ناحیه شیجینگشان، مانند منطقه C و منطقه D گسترش یافته است. بر اساس تصاویر سنجش از دور ماهواره ای از در منطقه شیجینگشان، تجزیه و تحلیل خاصی از مناطق فوق انجام شد. منطقه C عمدتاً با مناطق سبز و مناطق مسکونی توزیع شده است. منطقه D، شهرهای قدیمی باقیمانده از ناحیه شیجینگشان، شامل مناطق مسکونی در مقیاس بزرگ و پارک‌های جنگلی است. خطوط وسایل نقلیه موتوری در این منطقه متقاطع هستند و جاده ها به طور قابل توجهی باریک هستند. در عین حال، به دلیل اینکه تعداد پارکینگ‌های کمتری وجود دارد، خودروهای زیادی در دو طرف خیابان پارک می‌کنند که این امر دشواری عبور آمبولانس‌ها را افزایش می‌دهد و زمان درمان اورژانسی را طولانی‌تر می‌کند.

منطقه C و منطقه D باید به مناطق کلیدی برای بهینه سازی سیستم حمل و نقل در منطقه شیجینگشان تبدیل شوند. تعداد و مقیاس پارکینگ ها باید به طور منطقی در منطقه افزایش یابد و پارک وسایل نقلیه موتوری ساکنان باید به شدت تنظیم شود. به این ترتیب می توان از ازدحام ترافیک در منطقه کاسته و عبور سریع آمبولانس ها را به طور کامل تضمین کرد. علاوه بر این، در برنامه ریزی شبکه راه ها، باید به تقویت ساخت خطوط اختصاصی حمل و نقل عمومی برای آمبولانس ها توجه شود تا کارایی ترافیک اضطراری به میزان قابل توجهی بهبود یابد.

۳٫۳٫۳٫ تعیین منطقه بهینه سازی کلیدی بر اساس داده های جمعیتی و منطقه مسکونی

این مطالعه داده‌های جمعیتی چینی با دقت ۱۰۰ متر ارائه شده توسط worldpop را با داده‌های سرشماری ملی هفتم چین برای محاسبه ویژگی‌های توزیع فضایی جمعیت در منطقه مورد مطالعه تصحیح می‌کند و در شبکه ۵۰۰ × ۵۰۰ متری تقسیم‌بندی شده با روش شرح داده شده در بخش قبل، و توزیع فضایی مناطق مسکونی را تجسم کنید ( شکل ۱۵ ). این مطالعه برای شفاف‌تر کردن یک تحلیل جامع با نتایج دسترسی، جمعیت را در قالب تراکم نقطه‌ای تجسم می‌کند. هر نقطه در شکل ۱۵نشان دهنده ۲۰۰ ساکن است و تراکم نقاط نشان دهنده توزیع فضایی تراکم جمعیت است. از طریق تجزیه و تحلیل فوق، این مطالعه نسبت تعداد جمعیت را تحت استانداردهای مختلف زمان دسترسی تعیین کرد ( شکل ۱۶ ). کل جمعیت منطقه شیجینگشان ۵۶۷۸۴۵ نفر است که از این تعداد ۱۵٫۴۸ درصد از ساکنان به دلیل مسافت تحت هیچ شرایط ترافیکی در عرض ۳۰ دقیقه نمی توانند به نزدیکترین بیمارستان PCI برسند، ۲۸٫۵۵ درصد از ساکنان نمی توانند در طی ۳۰ دقیقه به نزدیکترین بیمارستان PCI برسند. اوج تراکم ترافیک، و تنها ۵۵٫۹۷٪ از ساکنان همیشه می توانند در عرض ۳۰ دقیقه به نزدیکترین بیمارستان PCI برسند.

از طریق تجزیه و تحلیل فوق، این مطالعه نشان داد که دو ناحیه باید به عنوان مناطق کلیدی بهینه سازی شناسایی شوند. ناحیه ۱ در شکل ۱۵در خیابان Jindingjie واقع شده است. این منطقه از تراکم جمعیت و مسکونی بالایی برخوردار است و هیچ گونه امکانات درمانی و اورژانسی در آن ساخته نشده است. در عین حال، دسترسی به بیمارستان در این منطقه به شدت تحت تأثیر ترافیک است. در دوره‌های اوج، این منطقه به دلیل عوامل ترافیکی نمی‌تواند استاندارد زمان سفر ۳۰ دقیقه‌ای را رعایت کند. بنابراین باید بر بهینه سازی سیستم شبکه ترافیکی در این منطقه، افزایش انحراف ترافیک جاده ای در ایام پیک، افزایش سرمایه گذاری اقتصادی در زیرساخت های حمل و نقل و افزودن خطوط اختصاصی حمل و نقل عمومی برای آمبولانس ها تمرکز کرد. علاوه بر این، بسته به شرایط ساخت و ساز منطقه مسکونی، می توان امکانات پزشکی مربوطه مانند ایستگاه های کمک های اولیه و غیره را پیکربندی کرد.

منطقه ۲ در شکل ۱۵ در خیابان باجیائو قرار دارد. مشابه منطقه ۱ در شکل ۱۵ ، این منطقه دارای تراکم جمعیت و مناطق مسکونی بالایی است. این منطقه متفاوت از منطقه ۱، دسترسی بهتری به بیمارستان دارد و می تواند استاندارد ۳۰ دقیقه زمان سفر دسترسی به بیمارستان را برآورده کند. این در حالی است که تنها یک بیمارستان و یک مرکز اورژانس در این منطقه وجود دارد که پاسخگویی به نیازهای پزشکی جمعیت بزرگ منطقه را با مشکل مواجه می کند. برای این نوع حوزه، بهبود کیفیت پزشکی باید مورد توجه تصمیم گیرندگان باشد. در مورد دسترسی خوب به بیمارستان، باید به افزودن کادر پزشکی، آمبولانس، تجهیزات اورژانس و سایر منابع پزشکی کافی برای مقابله با بار پزشکی بالقوه بیشتر توجه شود.

۴٫ بحث

۴٫۱٫ عوامل موثر بر دسترسی به بیمارستان AMI

این مطالعه منطقه شیجینگشان را به عنوان مثال در نظر گرفت و دسترسی به بیمارستان AMI را در مقیاس چند دوره ای با تجزیه و تحلیل زمان لازم برای رسیدن بیماران AMI به بیمارستان PCI پس از شماره گیری شماره اورژانس بررسی کرد. نتایج نشان داده است که دو عامل اصلی تأثیر قابل توجهی بر دسترسی به بیمارستان AMI دارند:

(۱) تاخیر شدید در زمان سفر در دسترس بودن AMI و تخصیص ناکافی امکانات پزشکی اورژانس دلیل اصلی دسترسی ضعیف به بیمارستان AMI در منطقه شیجینگشان است. حتی در نیمه‌شب و در غیاب ازدحام ترافیک، منطقه‌ای که زمان سفر دسترسی AMI بیش از ۳۰ دقیقه است، همچنان از یک سوم مساحت کل منطقه شیجینگشان فراتر می‌رود. مشاهده می شود که بهینه سازی و تنظیم الگوی برنامه ریزی امکانات فوریت های پزشکی از جمله بهینه سازی چیدمان فضایی تاسیسات فوریت های پزشکی و افزایش معقول تعداد امکانات فوریت های پزشکی، برای به حداقل رساندن زمان سفر دسترسی AMI و بهبود AMI ضروری است. دسترسی به بیمارستان

(۲) ازدحام ترافیک ناشی از شرایط نامناسب جاده عامل مهم دیگری است که بر زمان سفر دسترسی AMI تأثیر می گذارد. به عنوان مثال، بالاترین درصد زمان سفرهای نامطلوب، اوج صبح در روزهای هفته است که به ۵۷٫۲۳ درصد می رسد، در حالی که زمان سفر بدون تأثیر ازدحام ترافیک (یعنی نیمه شب) ۳۱٫۲۷ درصد است، زمان با ۲۵٫۹۶ تاخیر انجام شده است. ٪ از دوره نیمه شب. بهبود دسترسی به حمل و نقل اضطراری و بهینه سازی سیستم حمل و نقل اورژانس شهری برای بهبود دسترسی به بیمارستان AMI اهمیت زیادی دارد.

۴٫۲٫ تفاوت های توزیع زمانی و مکانی دسترسی به بیمارستان AMI

در الگوی زمانی دسترسی به بیمارستان AMI، میانگین کلی زمان سفر دسترسی به بیمارستان AMI در روزهای هفته بیشتر از تعطیلات آخر هفته است. دوره ای که بیشترین تفاوت را بین زمان سفر دسترسی به بیمارستان AMI در روزهای هفته و آخر هفته دارد، دوره اوج صبح است. در طول این بازه زمانی، زمان سفر دسترسی به بیمارستان AMI در روزهای هفته با ۱۳ درصد تاخیر نسبت به تعطیلات آخر هفته بود. در طول دوره اوج صبح در روزهای هفته، نیمی از مناطق در منطقه شیجینگشان نمی‌توانند استاندارد زمان سفر ۳۰ دقیقه‌ای دسترسی به بیمارستان AMI را برآورده کنند. بر اساس الگوی فضایی دسترسی به بیمارستان AMI، توزیع فضایی کلی زمان سفر دسترسی به بیمارستان AMI در تعطیلات آخر هفته در منطقه شیجینگشان اساساً با روزهای هفته یکسان است. رتبه بندی توزیع فضایی دسترسی به بیمارستان AMI در طول تعطیلات آخر هفته در ناحیه شیجینگشان به شرح زیر است: (۱) منطقه جنوب شرقی. (۲) منطقه شمال غرب؛ (۳) منطقه جنوبی؛ (۴) منطقه مرکزی؛ (۵) منطقه شمالی.

۴٫۳٫ مقایسه روشهای تحلیلی با روشهای تحقیق موجود

اندازه گیری دسترسی به بیمارستان در مطالعات قبلی بیشتر بر روی به دست آوردن مسافت و زمان رانندگی از طریق تجزیه و تحلیل ArcGIS متمرکز بود و بیشتر مطالعات بر دسترسی بیمارستان های عمومی یا درمان کلی پزشکی متمرکز بود. هیچ اندازه گیری دقیقی برای دسترسی به بیمارستان AMI وجود ندارد. علاوه بر این، روش‌های تحقیقاتی موجود در زمینه دسترسی به بیمارستان نمی‌توانند داده‌های ترافیک جاده‌ای و ازدحام ترافیک در منطقه مورد مطالعه را به‌موقع و دقیق به دست آورند و نمی‌توانند به طور دقیق و مؤثر دسترسی بیمارستان AMI را که به زمان اضطراری بسیار حساس است اندازه‌گیری کنند. . بر اساس Web Mapping API، این مطالعه روشی سریع و دقیق را برای اندازه‌گیری دسترسی به انواع مختلف امکانات پزشکی پیشنهاد کرد.

۴٫۴٫ محدودیت ها

(۱) در این مطالعه، با توجه به حساسیت زمانی درمان اورژانسی AMI، ما عمدتا دسترسی به بیمارستان را هنگامی که بیمار با آمبولانس تماس می‌گیرد، تجزیه و تحلیل می‌کنیم. در شرایط واقعی، بیماران می توانند از طریق انواع مختلف حمل و نقل، از جمله خودران و حمل و نقل عمومی، به دنبال درمان فوری پزشکی باشند. تحلیل ویژگی‌های دسترسی به بیمارستان تحت شیوه‌های مختلف حمل‌ونقل، کمبود فعلی این مطالعه و جهت‌گیری تحقیقات بیشتر است.

(۲) آمار مربوط به دفعات مراجعه کارکنان پزشکی به کلینیک‌های سرپایی اورژانسی برای انفارکتوس حاد میوکارد نیز می‌تواند به پیشنهاد استراتژی‌های بهینه‌سازی و بهبود مرتبط کمک کند. به دلیل محرمانه بودن داده های پزشکی در موسسات پزشکی چین، داده ها در این مطالعه به دست نیامد.

(۳) با توجه به عدم امکان بدست آوردن زمان بین شروع بیماران AMI و تماس اورژانسی بیمار، این مطالعه فرض کرد که بیمار بلافاصله پس از شروع بیماری تماس اورژانسی برقرار کرده و این تاخیر زمانی در مطالعه.

(۴) این مطالعه فرض می کند که تعداد آمبولانس ها و منابع پزشکی PCI در منطقه مورد مطالعه همیشه کافی و در دسترس است. با این حال، در یک وضعیت واقعی، ازدحام موسسات پزشکی نیز ناشی از تقاضای بیش از حد کمک های اولیه است که باعث طولانی شدن زمان انتظار برای بیمارانی می شود که به دنبال درمان اورژانسی هستند.

(۵) با محدودیت قدرت محاسباتی و منابع داده محدود، این مطالعه فرض می‌کند که دورترین محدوده سفر متقابل منطقه‌ای برای بیماران AMI 2 کیلومتر خارج از منطقه مورد مطالعه (یعنی منطقه حائل) است که یک ضعف در طراحی مطالعه است. . یک راه بهتر، گسترش دامنه مطالعه و تعداد امکانات پزشکی است که امکان محاسبه دقیق‌تر دسترسی را فراهم می‌کند.

۵٫ نتیجه گیری ها

این مطالعه روشی را برای اندازه‌گیری دقیق دسترسی به بیمارستان AMI بر اساس Web Mapping API، منطقه Shijingshan، پکن پیشنهاد کرد و یک مورد تجربی در نظر گرفته شد. نتیجه‌گیری می‌شود که زمان سفر به بیمارستان‌ها و ازدحام ترافیک عوامل مهمی هستند که بر دسترسی به بیمارستان AMI تأثیر می‌گذارند و همچنین از نکات مهم در بهبود دسترسی به بیمارستان AMI هستند. نتایج تحقیق، دسترسی به امکانات پزشکی شهری را از منظر دوگانه زمان و مکان روشن می‌کند و مبنای علمی را فراهم می‌کند که دولت‌های محلی می‌توانند ساختار فضایی امکانات پزشکی، به‌ویژه امکانات درمان اضطراری را بهینه کنند. در تحقیقات آتی، محققان می‌توانند دقت و مناسبت اندازه‌گیری دسترسی به بیمارستان را با مطالعه دسترسی به حالت‌های مختلف حمل‌ونقل (مانند سفر خودران، سفر تاکسی، و حمل‌ونقل عمومی) بهینه‌سازی و بهبود بخشند. روش اتخاذ شده در این مطالعه همچنین می تواند مرجعی برای تحقیقات دسترسی به بیمارستان در سایر بیماری ها (مانند آپوپلکسی حاد مغزی، نارسایی حاد تنفسی و غیره) باشد. علاوه بر این، برخی از روش‌های اندازه‌گیری دسترسی بهبود یافته و بهینه‌شده بر اساس فناوری GIS و فناوری داده‌های بزرگ، مانند روش THE i2SFCA (i2SFCA)، می‌توانند برای تحقیق در مورد دسترسی بیمارستان‌ها برای بهبود بیشتر علمی بودن تحقیق به کار روند. روش اتخاذ شده در این مطالعه همچنین می تواند مرجعی برای تحقیقات دسترسی به بیمارستان در سایر بیماری ها (مانند آپوپلکسی حاد مغزی، نارسایی حاد تنفسی و غیره) باشد. علاوه بر این، برخی از روش‌های اندازه‌گیری دسترسی بهبود یافته و بهینه‌شده بر اساس فناوری GIS و فناوری داده‌های بزرگ، مانند روش THE i2SFCA (i2SFCA)، می‌توانند برای تحقیق در مورد دسترسی بیمارستان‌ها برای بهبود بیشتر علمی بودن تحقیق به کار روند. روش اتخاذ شده در این مطالعه همچنین می تواند مرجعی برای تحقیقات دسترسی به بیمارستان در سایر بیماری ها (مانند آپوپلکسی حاد مغزی، نارسایی حاد تنفسی و غیره) باشد. علاوه بر این، برخی از روش‌های اندازه‌گیری دسترسی بهبود یافته و بهینه‌شده بر اساس فناوری GIS و فناوری داده‌های بزرگ، مانند روش THE i2SFCA (i2SFCA)، می‌توانند برای تحقیق در مورد دسترسی بیمارستان‌ها برای بهبود بیشتر علمی بودن تحقیق به کار روند.

منابع

مرکز ملی بیماری های قلبی عروقی. در دسترس آنلاین: https://www.nccd.org.cn/News/Information/Index/1089 (در ۲۹ نوامبر ۲۰۲۱ قابل دسترسی است).
بوئرسما، ای. مرکادو، ن. پولدرمنز، دی. گاردین، ام. ووس، ج. Simoons، ML انفارکتوس حاد میوکارد. Lancet ۲۰۰۳ ، ۳۶۱ ، ۸۴۷-۸۵۸٫ [ Google Scholar ] [ CrossRef ]
دینگ، اس. چن، ب. ارزیابی عقلانیت توزیع های فضایی تسهیلات پزشکی شهری. J. Geo-Inf. علمی ۲۰۱۷ ، ۱۹ ، ۱۸۵-۱۹۶٫ [ Google Scholar ] [ CrossRef ]
GBD 2016 DALYs و HALE همکاران. سال‌های زندگی جهانی، منطقه‌ای و ملی تعدیل‌شده با ناتوانی (DALYs) برای ۳۳۳ بیماری و آسیب و امید به زندگی سالم (HALE) برای ۱۹۵ کشور و منطقه، ۱۹۹۰-۲۰۱۶: تجزیه و تحلیل سیستماتیک برای مطالعه بار جهانی بیماری ۲۰۱۶٫ Lancet ۲۰۱۷ ، ۳۹۰ ، ۱۲۶۰-۱۳۴۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
جوزپه، دی.ال. هری، اس. Jan، PO; الیوت، MA تأخیر زمانی تا درمان و مرگ و میر در آنژیوپلاستی اولیه برای انفارکتوس حاد میوکارد: هر دقیقه تاخیر به حساب می آید. تیراژ ۲۰۰۴ ، ۱۰۹ ، ۱۲۲۳-۱۲۲۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
گروه اسناد علمی ESC. دستورالعمل های ESC 2020 برای مدیریت سندرم های کرونری حاد در بیمارانی که بدون بالا رفتن مداوم قطعه ST مراجعه می کنند: گروه کاری برای مدیریت سندرم های حاد کرونری در بیمارانی که بدون بالارفتن مداوم قطعه ST از انجمن قلب و عروق اروپا (ESC) مراجعه می کنند. یورو Heart J. ۲۰۲۱ , ۴۲ , ۱۲۸۹-۱۳۶۷٫ [ Google Scholar ] [ CrossRef ]
الیوت، MA دور زدن بخش اورژانس برای بهبود روند مراقبت از انفارکتوس میوکارد با ارتفاع ST: لازم است اما کافی نیست. تیراژ ۲۰۱۳ ، ۱۲۸ ، ۳۲۲-۳۲۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
شن، Y.-C.; Hsia، RY ارتباط بین بسته شدن بخش اورژانس و درمان، دسترسی، و نتایج سلامت در میان بیماران مبتلا به انفارکتوس حاد میوکارد. تیراژ ۲۰۱۶ ، ۱۳۴ ، ۱۵۹۵-۱۵۹۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
تریفان، آل. دراگومیر، ال. آنگله، م. الکان، EM; مونتئانو، اس. مسکو، سی. استویان، V.-I.; تلهوز، ا. زلاتی، ام ال. لونگو، م. و همکاران ارزیابی حمل و نقل هوایی برای بیماران مبتلا به انفارکتوس حاد میوکارد ST-Elevation از مراکز غیر PCI. بهداشت و درمان ۲۰۲۱ ، ۹ ، ۲۹۹٫ [ Google Scholar ] [ CrossRef ]
Hansen, WG چگونه دسترسی به استفاده از زمین شکل می دهد. مربا. Ins. برنامه ریزان ۱۹۵۹ ، ۲۵ ، ۷۳-۷۶٫ [ Google Scholar ] [ CrossRef ]
Geurs، KT; وی، BV ارزیابی دسترسی از راهبردهای استفاده از زمین و حمل و نقل: بررسی و جهت‌های تحقیق. J. Transp. Geogr. ۲۰۰۴ ، ۱۲ ، ۱۲۷-۱۴۰٫ [ Google Scholar ] [ CrossRef ]
وانگ، اف. اندازه‌گیری، بهینه‌سازی و تأثیر دسترسی به مراقبت‌های بهداشتی: بررسی روش‌شناختی. ان صبح. دانشیار Geogr. ۲۰۱۲ ، ۱۰۲ ، ۱۱۰۴-۱۱۱۲٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
دالوی، MQ; مارتین، KM اندازه گیری دسترسی: برخی از نتایج اولیه. حمل و نقل ۱۹۷۶ ، ۵ ، ۱۷-۴۲٫ [ Google Scholar ] [ CrossRef ]
ژنگنا، اس. ون، سی. کیانجین، سی. لی، زی. اندازه‌گیری دسترسی فضایی به امکانات مراقبت‌های بهداشتی و تعریف مناطق کمبود حرفه‌ای سلامت بر اساس مدل بالقوه بهبودیافته – مطالعه موردی شهرستان رودونگ در استان جیانگ سو. Sci.Geogr. گناه ۲۰۱۰ ، ۳۰ ، ۲۱۳-۲۱۹٫ [ Google Scholar ] [ CrossRef ]
پنچانسکی، آر. توماس، JW مفهوم دسترسی: تعریف و رابطه با رضایت مصرف کننده. پزشکی Care ۱۹۸۱ , ۱۹ , ۱۲۷-۱۴۰٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
گری، اچ. بررسی ادبیات استفاده از معیارهای مبتنی بر GIS برای دسترسی به خدمات مراقبت های بهداشتی. سرویس سلامت نتیجه ۲۰۰۴ ، ۵ ، ۱۱۹-۱۳۹٫ [ Google Scholar ] [ CrossRef ]
خان، AA یک رویکرد یکپارچه برای اندازه گیری دسترسی فضایی بالقوه به خدمات مراقبت های بهداشتی. اجتماعی اقتصادی طرح. علمی ۱۹۹۲ ، ۲۶ ، ۲۷۵-۲۸۷٫ [ Google Scholar ] [ CrossRef ]
دیوولف، بی. نویتنز، تی. De Weerdt، Y.; Van De Weghe، N. دسترسی به مراقبت های بهداشتی اولیه در بلژیک: ارزیابی سیاست های اعطای کمک های مالی در مناطق کمبود. BMC Fam. تمرین کنید. ۲۰۱۳ ، ۱۴ ، ۱۲۲٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
لاوت، ا. ساننبرگ، جی. Haynes, R. استفاده از GIS برای ارزیابی دسترسی به خدمات مراقبت های بهداشتی اولیه. عمل بهداشت عمومی Opp. گودال. ۲۰۰۴ ، ۲ ، ۱۸۷-۲۰۴٫ [ Google Scholar ]
Hare, TS; Barcus، H. دسترسی جغرافیایی و خدمات بیمارستانی مرتبط با قلب کنتاکی. Appl. Geogr. ۲۰۰۷ ، ۲۷ ، ۱۸۱-۲۰۵٫ [ Google Scholar ] [ CrossRef ]
تینگ، H.-W. Chien، T.-Y.; لای، KR; پان، R.-H. وو، ک.-اچ. چن، جی.-م. چان، سی.-ال. تفاوت در موارد خونریزی خودبه خودی داخل مغزی بین مناطق شهری و روستایی تایوان: تجزیه و تحلیل داده های بزرگ داده های باز دولتی. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۷ ، ۱۴ ، ۱۵۴۸٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
وانگ، ز. نی، ک. اندازه‌گیری الگوهای فضایی تسهیلات مراقبت‌های بهداشتی و روابط آن‌ها با بیماران بستری پرفشاری خون در یک سیستم شهری محدود به شبکه. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۹ ، ۱۶ ، ۳۲۰۴٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
ابوبکر، م. سمت، ن. Yaacob، NS دسترسی فضایی به خدمات مراقبت های بهداشتی در میان کودکان مبتلا به فلج مغزی در جوهور، شبه جزیره مالزی. ژئوسپات. Health ۲۰۲۱ , ۱۶ , ۹۸۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
Benevenuto، RG; آزودو، ICC; کالفیلد، ب. ارزیابی بار فضایی در دسترسی به مراقبت های بهداشتی خانواده های کم درآمد در روستایی شمال شرقی برزیل. J. Transp. Health ۲۰۱۹ , ۱۴ , ۱۰۰۵۹۵٫ [ Google Scholar ] [ CrossRef ]
سیگل، ام. کولر، دی. فوگت، وی. Sundmacher, L. توسعه یک شاخص ترکیبی از دسترسی فضایی در بخش های مختلف مراقبت های بهداشتی: یک مثال آلمانی. سیاست سلامت ۲۰۱۶ ، ۱۲۰ ، ۲۰۵-۲۱۲٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
Lechowski، Ł. Jasion، A. دسترسی فضایی به مراقبت های بهداشتی اولیه در مناطق روستایی در لهستان. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۲۱ , ۱۸ , ۹۲۸۲٫ [ Google Scholar ] [ CrossRef ]
هانت، جی ال. الزارو، س. حسنا، ف. Alsmeiran, M. ارائه خدمات بهداشتی قابل قبول و قابل قبول در مناطق دور افتاده روستایی و حق سلامت: بادیه نشین در منطقه شمال شرق اردن. Soc. علمی پزشکی ۲۰۱۲ ، ۷۴ ، ۳۶-۴۳٫ [ Google Scholar ] [ CrossRef ]
پینتو، آ. Köptcke، LS; دیوید، آر. Kuper, H. یک ممیزی ملی دسترسی از امکانات مراقبت های بهداشتی اولیه در برزیل – آیا افراد دارای معلولیت از حق سلامتی خود محروم می شوند؟ بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۲۱ ، ۱۸ ، ۲۹۵۳٫ [ Google Scholar ] [ CrossRef ]
چنگ، م. تائو، ال. Huang، YLa اندازه گیری دسترسی فضایی امکانات پزشکی شهری: مطالعه موردی در منطقه Changning شانگهای در چین. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۲۱ , ۱۸ , ۹۵۹۸٫ [ Google Scholar ] [ CrossRef ]
گائو، اف. جافرلوت، م. Deguen، S. اندازه گیری دسترسی فضایی بیمارستان با استفاده از روش افزایش یافته حوضه آبریز شناور دو مرحله ای برای ارزیابی تأثیر دسترسی فضایی به بیمارستان و مراقبت های غیر بیمارستانی بر طول مدت اقامت در بیمارستان. سرویس بهداشتی BMC Res. ۲۰۲۱ ، ۲۱ ، ۱۰۷۸٫ [ Google Scholar ] [ CrossRef ]
وانگ، ایکس. یانگ، اچ. دوان، ز. Pan، J. دسترسی فضایی به مراقبت های بهداشتی اولیه در چین: مطالعه موردی در استان سیچوان. Soc. علمی پزشکی ۲۰۱۸ ، ۲۰۹ ، ۱۴-۲۴٫ [ Google Scholar ] [ CrossRef ]
ژانگ، جی. هان، پی. سان، ی. ژائو، جی. یانگ، ال. ارزیابی دسترسی فضایی به خدمات مراقبت های بهداشتی اولیه در پکن، چین. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۲۱ ، ۱۸ ، ۱۳۱۸۲٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
کوتاوارا، او. نیوالا، ا. لانکیلا، تی. هووتاری، تی. دلمل، ای. Antikainen، H. دسترسی جغرافیایی به مراقبت های بهداشتی اولیه در فنلاند ارزیابی چندوجهی مبتنی بر شبکه. Appl. Geogr. ۲۰۲۱ ، ۱۳۶ ، ۱۰۲۵۸۳٫ [ Google Scholar ] [ CrossRef ]
چن، دبلیو. چنگ، ال. چن، ایکس. چن، جی. کائو، ام. اندازه‌گیری دسترسی به خدمات مراقبت‌های بهداشتی برای مسافران مسن‌تر اتوبوس: وضوح فضایی دقیق‌تر. J. Transp. Geogr. ۲۰۲۱ ، ۹۳ ، ۱۰۳۰۶۸٫ [ Google Scholar ] [ CrossRef ]
کاویگلیا، ام. دل آرینگا، م. پوتوتو، جی. بوسون، آر. پینی، س. یوکی، دی. جامبای، ا. وندی، ام جی. رزی، پ. هابلو، آی. و همکاران بهبود دسترسی به مراقبت های بهداشتی در سیرالئون: نقش خدمات ملی فوریت های پزشکی جدید توسعه یافته. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۲۱ ، ۱۸ ، ۹۵۴۶٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
لنگفورد، ام. هیگز، جی. فرای، آر. تجزیه و تحلیل حوضه آبریز شناور دو مرحله ای چند وجهی دسترسی به مراقبت های بهداشتی اولیه. Health Place ۲۰۱۶ ، ۳۸ ، ۷۰-۸۱٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
اندرسن، آر. مدل رفتاری استفاده خانواده ها از خدمات سلامت. جی. هوم. منبع. ۱۹۶۸ ، ۷ ، ۱۲۵٫ [ Google Scholar ]
یاناکولیاس، ن. بلاند، دبلیو. Svenson، LW برآورد اثر مجازات نوبتی و تراکم ترافیک بر اندازه‌گیری دسترسی فضایی به مراقبت‌های بهداشتی اولیه. Appl. Geogr. ۲۰۱۳ ، ۳۹ ، ۱۷۲-۱۸۲٫ [ Google Scholar ] [ CrossRef ]
رانگ، پی. ژنگ، ز. کوان، م. Qin، Y. ارزیابی برابری فضایی امکانات پزشکی بر اساس مدل پتانسیل بهبود یافته و API خدمات نقشه: مطالعه موردی در ژنگژو، چین. Appl. Geogr. ۲۰۲۰ , ۱۱۹ , ۱۰۲۱۹۲٫ [ Google Scholar ] [ CrossRef ]
Rosenblatt، M. اظهارات در مورد برخی از برآوردهای ناپارامتری یک تابع چگالی. ان ریاضی. آمار ۱۹۵۶ ، ۲۷ ، ۸۳۲-۸۳۷٫ [ Google Scholar ] [ CrossRef ]
یانگ، دی اچ. گورج، آر. Mullner, R. مقایسه روش‌های مبتنی بر GIS برای اندازه‌گیری دسترسی فضایی به خدمات بهداشتی. جی. مد. سیستم ۲۰۰۶ ، ۳۰ ، ۲۳-۳۲٫ [ Google Scholar ] [ CrossRef ]
فن، پ. خو، ال. یو، دبلیو. چن، جی. دسترسی به فضای سبز شهری عمومی در حاشیه شهری: مورد شانگهای. Landsc. طرح شهری. ۲۰۱۶ ، ۱۶۵ ، ۱۷۷-۱۹۲٫ [ Google Scholar ] [ CrossRef ]
وانگ، FH; لو، دبلیو. ارزیابی عوامل فضایی و غیر فضایی برای دسترسی به مراقبت های بهداشتی: به سمت یک رویکرد یکپارچه برای تعریف مناطق کمبود حرفه ای سلامت. Health Place ۲۰۰۵ ، ۱۱ ، ۱۳۱-۱۴۶٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
لو، دبلیو. وانگ، اف. اندازه گیری دسترسی فضایی به مراقبت های بهداشتی در یک محیط GIS: سنتز و مطالعه موردی در منطقه شیکاگو. محیط زیست برنامه ریزی کنید. برنامه ریزی کنید. دس ۲۰۰۳ ، ۳۰ ، ۸۶۵-۸۸۴٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
زینگ، ال. لیو، ی. وانگ، بی. وانگ، ی. لیو، اچ. یک مطالعه عدالت زیست محیطی در مورد دسترسی فضایی به پارک ها برای جوانان با استفاده از روش بهبود یافته ۲SFCA در ووهان، چین. Cities ۲۰۲۰ , ۹۶ , ۱۰۲۴۰۵٫ [ Google Scholar ] [ CrossRef ]
لو، دبلیو. Qi، Y. یک روش حوضه آبریز شناور دو مرحله ای (E2SFCA) برای اندازه گیری دسترسی فضایی به پزشکان مراقبت های اولیه. Health Place ۲۰۰۹ ، ۱۵ ، ۱۱۰۰-۱۱۰۷٫ [ Google Scholar ] [ CrossRef ]
وان، ن. زو، بی. Sternberg، T. روش حوضه آبریز شناور سه مرحله ای برای تجزیه و تحلیل دسترسی فضایی به خدمات بهداشتی. بین المللی جی. جئوگر. Inf. علمی ۲۰۱۲ ، ۲۶ ، ۱۰۷۳-۱۰۸۹٫ [ Google Scholar ] [ CrossRef ]
Delamater، PL دسترسی فضایی در سیستم‌های مراقبت بهداشتی با پیکربندی غیربهینه: یک متریک حوضه آبریز شناور دو مرحله‌ای اصلاح شده (M2SFCA). Health Place ۲۰۱۳ ، ۲۴ ، ۳۰-۴۳٫ [ Google Scholar ] [ CrossRef ]
لو، دبلیو. Whippo، T. اندازه های حوضه آبریز متغیر برای روش حوضه آبریز شناور دو مرحله ای (۲SFCA). Health Place ۲۰۱۲ ، ۱۸ ، ۷۸۹-۷۹۵٫ [ Google Scholar ] [ CrossRef ]
چنگ، جی. زنگ، ایکس. دوان، ال. لو، ایکس. سان، اچ. جیانگ، تی. Li، Y. تجزیه و تحلیل تفاوت فضایی برای دسترسی به بیمارستان های سطح بالا بر اساس زمان سفر در شنژن، چین. Habitat Int. ۲۰۱۶ ، ۵۳ ، ۴۸۵-۴۹۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لیو، ز. یانگ، اچ. Xiong، W. چن، جی. دسترسی‌های فضایی خدمات پزشکی در سطح شهرستان بر اساس روش دو مرحله‌ای بهینه حوضه آبریز شناور. علمی Geogr. گناه ۲۰۱۷ ، ۵ ، ۹۱-۱۰۰٫ [ Google Scholar ] [ CrossRef ]
بله، سی. هو، ال. لی، ام. تغییرات دسترسی فضای سبز شهری در یک شهر با تراکم بالا: مطالعه موردی ماکائو از سال ۲۰۱۰ تا ۲۰۱۵٫ J. Transp. Geogr. ۲۰۱۸ ، ۶۶ ، ۱۰۶-۱۱۵٫ [ Google Scholar ] [ CrossRef ]
ژانگ، اف. لی، دی. شری، ا. ژانگ، جی. ارزیابی تفاوت‌های فضایی دسترسی به منابع خدمات مبتنی بر جامعه برای افراد مسن چینی بر اساس رفتار سفر: یک مطالعه در سطح شهر نانجینگ، چین. Habitat Int. ۲۰۱۹ ، ۸۸ ، ۱۰۱۹۸۴٫ [ Google Scholar ] [ CrossRef ]
وو، اچ.-سی. Tseng، M.-H. ارزیابی نابرابری ها در منابع مراقبت از جامعه سالمندان: با استفاده از شاخص دسترسی و نابرابری جغرافیایی بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۸ ، ۱۵ ، ۱۳۵۳٫ [ Google Scholar ] [ CrossRef ][ Green Version ]
شیائو، ی. چن، ایکس. لی، کیو. جیا، پی. لی، ال. چن، زی. به سوی چین سالم ۲۰۳۰: مدلسازی دسترسی به مراقبت های بهداشتی با ارجاع بیمار. Soc. علمی پزشکی ۲۰۲۱ ، ۲۷۶ ، ۱۱۳۸۳۴٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
نیو، س. وانگ، ی. شیا، ی. وو، اچ. تانگ، ایکس. ارزیابی تفصیلی توزیع فضایی پارک‌های شهری بر اساس روز و حالت سفر بر اساس API نقشه‌برداری وب: مطالعه موردی پارک‌های اصلی در ووهان. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۸ ، ۱۵ ، ۱۷۲۵٫ [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
ژو، ی. لی، ی. هوانگ، ی. گنگ، ای. تحلیل روش‌های طبقه‌بندی و ویژگی‌های فعالیت جمعیت شهری بر اساس داده‌های رسانه‌های اجتماعی. J. Geo-Inf. علمی ۲۰۱۷ ، ۱۹ ، ۱۲۳۸-۱۲۴۴٫ [ Google Scholar ] [ CrossRef ]
وانگ، اف. Xu, Y. برآورد ماتریس زمان سفر OD توسط Google Maps API: پیاده‌سازی، مزایا و مفاهیم. Geogr. Inf. علمی ۲۰۱۱ ، ۱۷ ، ۱۹۹-۲۰۹٫ [ Google Scholar ] [ CrossRef ]
خو، ام. شین، جی. سو، اس. ونگ، ام. Cai، Z. نابرابری‌های اجتماعی دسترسی به پارک در شنژن، چین: نقش کیفیت پارک، حالت‌های حمل‌ونقل، و ویژگی‌های اجتماعی-اقتصادی سلسله مراتبی. J. Transp. Geogr. ۲۰۱۷ ، ۶۲ ، ۳۸-۵۰٫ [ Google Scholar ] [ CrossRef ]
ژنگ، ز. شن، دبلیو. لی، ی. Qin، Y.; وانگ، L. ارزش ویژه فضایی فضای سبز پارک با استفاده از KD2SFCA و API نقشه وب: مطالعه موردی ژنگژو، چین. Appl. Geogr. ۲۰۲۰ , ۱۲۳ , ۱۰۲۳۱۰٫ [ Google Scholar ] [ CrossRef ]
شیا، ن. چنگ، ال. چن، اس. وی، ایکس. زونگ، دبلیو. لی، ام. قابلیت دسترسی بر اساس مدل گرانشی-تابش و Google Maps API: مطالعه موردی در استرالیا. J. Transp. Geogr. ۲۰۱۸ ، ۷۲ ، ۱۷۸-۱۹۰٫ [ Google Scholar ] [ CrossRef ]
ژو، ایکس. کیم، جی. نابرابری های اجتماعی در تاج درخت و دسترسی به پارک: مطالعه موردی شش شهر در ایلینویز با استفاده از GIS و سنجش از دور. شهری برای. سبز شهری. ۲۰۱۳ ، ۱۲ ، ۸۸-۹۷٫ [ Google Scholar ] [ CrossRef ]
ژنگ، ز. شیا، اچ. آمبیناکودیج، اس. Qin، Y.; لی، ی. زی، ز. ژانگ، ال. Gu, H. دسترسی فضایی به بیمارستان ها بر اساس API نقشه برداری وب: یک مطالعه تجربی در کایفنگ، چین. پایداری ۲۰۱۹ ، ۱۱ ، ۱۱۶۰٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
اداره آمار اداره شهرداری پکن در دسترس آنلاین: http://tjj.beijing.gov.cn/tjsj_31433/ (در ۲۹ نوامبر ۲۰۲۱ قابل دسترسی است).
AutoNavi. در دسترس آنلاین: https://report.amap.com/download_city.do (در ۲۹ نوامبر ۲۰۲۱ قابل دسترسی است).
موسسه حمل و نقل پکن در دسترس آنلاین: https://www.bjtrc.org.cn/List/index/cid/7.html (در ۲ فوریه ۲۰۲۲ قابل دسترسی است).
بوندارنکو، م. کر، دی. سوریچتا، ا. Tatem، سرشماری AJ/مجموعه داده‌های جمعیت شبکه‌بندی‌شده با پیش‌بینی برای ۱۸۹ کشور در سال ۲۰۲۰ با استفاده از خروجی‌های مدل رشد اسکان ساخته شده (BSGM) ؛ ورلد پاپ دانشگاه ساوتهمپتون: ساوتهمپتون، بریتانیا، ۲۰۲۰٫ [ Google Scholar ] [ CrossRef ]
دولت مردمی شهرداری پکن. در دسترس آنلاین: http://www.beijing.gov.cn/gongkai/shuju/sjjd/202105/t20210519_2392886.html (در ۲ فوریه ۲۰۲۲ قابل دسترسی است).
آزمایشگاه شهر پکن در دسترس آنلاین: https://www.beijingcitylab.com/ (دسترسی در ۲ فوریه ۲۰۲۲).
پلت فرم پکن برای خدمات مشترک اطلاعات مکانی. در دسترس آنلاین: https://beijing.tianditu.gov.cn/ (دسترسی در ۲ فوریه ۲۰۲۲).
شیائو، اچ. ژانگ، اچ. وانگ، دی. شن، سی. نقوی، م. تأثیر قانونگذاری بدون دود بر انفارکتوس حاد میوکارد و مرگ و میر ناشی از سکته مغزی: تیانجین، چین، ۲۰۰۷-۲۰۱۵٫ تاب Control ۲۰۱۹ , ۲۹ , ۵۴۴۷۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
جیا، EZ; Xu، ZX; Cai، HZ; Guo، CY؛ لی، ال. زو، سل؛ وانگ، LS; کائو، کی جی؛ Ma، WZ; توزیع زمانی یانگ، ZJ شروع درد قفسه سینه در افراد مبتلا به انفارکتوس حاد میوکارد ST-Elevation: یک مطالعه هشت ساله، تک مرکزی در چین. PLoS ONE ۲۰۱۲ , ۷ , ۳۲۴۷۸٫ [ Google Scholar ] [ CrossRef ]
هاپستاک، لس آنجلس؛ ویلزگارد، تی. Njolstad، I. Mannsverk، J. Mathisen, EB; Lochen، ML; Bonaa، KH تغییرات فصلی در بروز انفارکتوس حاد میوکارد در جمعیت زیر قطب شمال: مطالعه ترومز ۱۹۷۴-۲۰۰۴٫ یورو جی. کاردیوف. قبلی توانبخشی. ۲۰۱۱ ، ۱۸ ، ۳۲۰-۳۲۵٫ [ Google Scholar ] [ CrossRef ]
مانفردینی، ر. بواری، بی. اسمولنسکی، MH; سلمی، ر. گالرانی، م. گورزونی، اف. گوئرا، وی. مالاگونی، AM; Manfredini, F. Sesonal Variation in Start of Myocardial Infarction – یک مطالعه ۷ ساله تک مرکزی در ایتالیا. کرونوبیول. بین المللی ۲۰۰۵ ، ۲۲ ، ۱۱۲۱-۱۱۳۵٫ [ Google Scholar ] [ CrossRef ]
مارچانت، بی. رنجدایلان، ک. استیونسون، آر. ویلکینسون، پی. Timmis، AD Circadian و عوامل فصلی در پاتوژنز انفارکتوس حاد میوکارد: تأثیر دمای محیط. Heart ۱۹۹۳ ، ۶۹ ، ۳۸۵-۳۸۷٫ [ Google Scholar ] [ CrossRef ]
مارشال، RJ; رابرت، اس. پال، بی. تجزیه و تحلیل تغییرات فصلی بیماری عروق کرونر قلب و مرگ و میر بیماری های تنفسی در نیوزیلند. بین المللی J. Epidemiol. ۱۹۸۸ ، ۱۷ ، ۳۲۵-۳۳۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
مکلروی، جی. رمینگتون، PL; ترنتهام دیتز، ای. رابرت، SA; آدرس‌های Newcomb، PA Geocoding از یک مطالعه بزرگ مبتنی بر جمعیت: درس‌های آموخته شده. اپیدمیولوژی ۲۰۰۳ ، ۱۴ ، ۳۹۹-۴۰۷٫ [ Google Scholar ] [ CrossRef ]
واتسون، دی اف. فیلیپ، GM پالایش معکوس درون یابی وزنی فاصله. Geoprocessing ۱۹۸۵ , ۲ , ۳۱۵-۳۲۷٫ [ Google Scholar ]
فیلیپ، جنرال موتورز؛ Watson، DF روشی دقیق برای تعیین سطوح شمارش شده. APPEA J. ۱۹۸۲ , ۲۲ , ۲۰۵-۲۱۲٫ [ Google Scholar ] [ CrossRef ]