面向患有急性冠心病伤员的动态救护车路径问题研究——以圣彼得堡为例外文翻译资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

面向患有急性冠心病伤员的动态救护车路径问题研究——以圣彼得堡为例

摘要：对急性冠脉综合征患者的有效治疗取决于救护车将其送达医院的运输时间。但要在一个大型城市选择目标医院和最优路径却并非易事。它需要考虑城市环境的动态特性。像交通流、动态路网结构、人口流动性和医院可容纳患者数等动态因素在车辆路径决策中属于不确定性的来源，影响着一个城市应急医疗服务的功能性。本文利用统计数据、公共地理信息服务（OpenstreetMap）、实时交通流数据，致力于分析圣彼得堡的救护车车辆路径优化问题。事实表明，动态路况的确影响目标医院的选择和救护车路径决策。本文研究结果一定程度上可以为设计一个更为高效的针对救护服务人员、派遣人员的医疗服务决策系统提供参考。

关键词：应急医疗服务；救护车路径；地理信息系统；冠脉综合征；动态交通流

1 引言

世界卫生组织数据显示，冠心病是导致死亡的最主要原因，每年大约有700万人（死亡总人数的12.8%）死于冠心病（世卫组织，2014）。对于患有急性冠脉综合征以及拥有病理学基础的心肌梗死的患者，他们有极大的概率在发病初期就不幸死亡。因此，在此病症的发病初期以最短的时间延迟提供恰当的医疗救援显得至关重要。由于对治疗结果影响巨大，贯穿从就地应急医疗援助到复健治疗全程的“系统延迟”缩短是一项不可忽视的任务(Steg, et al., 2012)。根据再灌注疗法类型的不同，这种延时不应超过30分钟, 以防纤溶，对原发性冠状动脉的介入治疗（PCI）不超过90分钟。救护车医疗服务在为急性冠状动脉疾病患者的救助上扮演着至关重要的角色。它不仅影响运输时间，而且与初次诊断、治疗息息相关。不同国家应急医疗救援服务组织各不相同。欧洲体制允许医生和相关服务人员在医疗紧急场景下对病人病情进行评估和诊治。如果需要更进一步的治疗，患者需要被送往附近的医院或诊所。

而美国模式则不同，它由急救医疗技师和医护人员的救护车组成，提供基本和先进的生命支持。他们提供院前急救，包括稳定、干预并将病人运送到医院以供急诊医师进一步评估 (Roessler,2006),(Black,2005)。不同模式的元素可以组合在一个特定的区域系统中。EMS模式是地域性STEMI网络的关键因素之一。

EMS管理为决策支持系统的应用提供了一个丰富的领域。在 ACS中, 需要由不同的利益干系人做出一系列决定, 以便提供适当的医疗援助。运输、诊断和治疗的过程包括医生、医院的医护人员、驾驶员、调度员和行政职员。由于城市环境充满复杂性和动态性，因此决策是在高度不确定性的条件下进行的。EMS模式的运行依赖于医疗服务供应和需求端的多种动态因素，如：医院负荷、利益干系人工作时间表、医疗器械、医务人员、城市人口流动性、道路交通、路网动态。为了应对与所有这些因素有关的不确定性, 需要建立一个以实际数据和模型预测为基础的救护车路径决策支持系统。

本文以俄罗斯最大城市之一——圣彼得堡为例。这项研究的全球目标是为所有的利益干系人设计一个基于模型的EMS操作决策支持系统。本文的主要贡献是评估动态路由情况时考虑到圣彼得堡的具体情况，以及评估其对交通变化的影响。本文力求回答以下问题：是否有必要在指派救护车到受灾点事考虑当前交通情况,？整个城市是否有必要分成几个区域连接到特定医院？选择医院的标准如何影响其服务范围的再分配？

2 背景

圣彼得堡是一个拥有超过500万人口的大城市，其机动化率极高，每1000个居民拥有295辆汽车。连同复杂的道路拓扑结构, 这导致上下班高峰期严重的交通拥堵问题，此外, 圣彼得堡有一个吊桥的系统，该系统只在夏季的晚上开放，一定程度上导致城市不同部分通达性的缺失。这个因素使得城市内驾驶情况更加复杂，应该在制定救护车路径方案时加以考虑。

圣彼得堡心血管疾病的死亡率高于俄国平均值。2014年，它占死因的50.6%。这表明EMS模式下的车辆路径优化是一个具有实际意义的任务, 特别是针对急性冠心病患者的情况。在圣彼得堡，急性冠心病诊疗服务可追溯到上世纪八十年代，但相关疾病的应急干预则是近几年才刚刚兴起。自2008年起，俄罗斯政府推出了一个所谓联邦“血管”计划, 创建 '血管中心' ，为全国ACS患者提供急诊PCI。2010年，圣彼得堡被纳入该项目，截止到2011年已经有六家中心建立。在后几年里, 部分其他城市的医院、几个联邦大学诊所也加入该项目 到2014年底，ACS网络包括15所医院，其中10所24小时开放，8所心脏手术部门有能力进行相关手术。

左图表示各医院在圣彼得堡地图上的位置, 人口密度热图使用联邦移民局提供的从人口数据库中提取的统计数据；右图表示2014在圣彼得堡不同医院治疗的ACS患者。

3 相关研究工作

与EMS模式运作相对应的决策任务可分为三级：战略、战术和运作(Kergosien, 2015)。主流EMS决策文献按以上的分类标准分类。

战略层：战略层面涵盖长期解决方案: 车站或紧急呼叫中心选址、集权或分权管理类型、救护车大小、数量、医疗工作人员人数，并将城市范围划分为自治管理区域。最优救护车救援结构的主要任务是决定在一定医疗服务条件下最少需要多少救护车，以及对EMS模式的运行质量进行检测。例如, 使用系统动力学方法，检测救护车上工作人员的数量、急诊室、治疗室和急救室可供排队等候的空地、医疗器械等(Brailsford, 2004)。(ReVelle, 1989)提出经典最优安置问题。在路网的 p 中心搜索的变化由(Huang, 2010)提出，用动态规划方法解决, 考虑到大型灾害场景下相关医疗中心、接受伤员部门的功能丧失。在 (Kergosien, 2015)一文中, 作者将救护车队分成两个独立的部分: 一部分负责已知运输任务，另一部分负责回应动态运输请求。(Chick，2003) 比较集权和分权式管理的效率表现。结果表明, 集权管理、统一规划的效率更高。

战术层：战术层关注中期解决方案，如等候场所的保留、选拔人员管理策略以及救护车任务 的分配（紧急任务或静态任务）、等候区的可能分布。为了最大限度地减少响应时间，事先安排救护车医疗人员的方法进入了人们的研究视野。(Meinzer, 2014) 的文章在救护车每次空车前往受灾点时采用贪心算法，并证明了其算法的有效性。在 (Maxwell, 2010),文章中，同样问题由一个经典的带权重的p-center方法解决。

运作层：运作层包括与管理规则相关的短期解决方案, 如: 分派车辆、选择医院、规划人员休息、寻找最短的路径等。在(Gayathri, 2014)中，作者提出一个基于dijkstra 算法的解决方案，同时考虑到当前的交通状况。在 (Maxwell, 2010) 中，作者使用动态规划方法寻找和确定最短路径。而 (Gendreau, 2001) 则采用了一个带约束的启发式搜索算法。

4 一般问题描述和解决方法

在一个城市，医院有其自身的治疗能力、工作时间表和服务质量。调度员接到病人的电话, 并派遣某一救护车前往(d1)。所选的救护车接收呼叫并前往患者所在地。此时，调度员或救护车本身必须做出走哪条特定路线的决定(d2)。随后，患者的状态和诊断评估 (d3), 患者被分类, 并且决定治疗策略(d4)。这两项决定可能需要支持系统的参与，利用外部专家和远程医疗的能力。其次, 如果病人需要住院,，那么在他/她的诊断和状态的基础上, 由调度员或 EMS人员 (d5)选择决定什么医院。然后, 前往医院需要选择路线 (d6)。最后，病人被送往医院, 救护车变为可用。

在这项工作中, 我们考虑在圣彼得堡的EMS 系统, 并专注于调查与患者运输阶段相对应的问题: 医院选择 (d5) 和路径选择 (d6)。事实上, 在这项工作中, 我们同时评估这两项，且考虑道路图拓扑和交通动态的评估。为此目的以下实体被考虑：大厦、路网、交通动态、 人口密度、营业中的医院。为了创造一个现实的EMS模型，以下道路图取自 OpenStreetMap (https://www.openstreetmap.org)；人口数据来自联邦移民服务；yandex.map用于收集根据城市的当前交通情况建立的最佳路线数据。

数据收集和分析方法：为了从不同角度研究该问题，本文采用具有不同解决能力和限制的几种方法（见图 3）。分析过程的主要意图是获取一些类似“从某一特定地点到医院需要多长时间”的数据，并估算不同交通条件下的最佳选择。

方法一：基于医院系统提供的EMS质量评价，没有考虑城市中交通动态。来自 OpenStreetMap 的数据收集包括图形采集、过滤和处理。数据处理的主要目的是确定基本组成部分并连接它们。通常没有连接是由公共编辑的地图上错误的数据造成的。人口密度数据包括关于有多少人居住在建筑物中 (注册总人数约116000)。用dijkstra 算法估计从某一特定地点到每家医院的时间，并根据一个简单的方法对边缘权重进行评估——行驶时间的公式即距离与速度的比值。

方法二：需要使用Yandex Map地图服务搜集的数据。它包括如下几个步骤：一，为需求模型搜集样本数据，每一地区的样本数据是随机取得的。Yandex Map地图服务能提供考虑了实时交通信息的点到点行驶时间的数据。

方法三：为了评估EMS模式在城市的不同部分的运作质量，本文用几个不同的角度分析和处理了数据。此方法可用于用户最优和系统最优解的建立。运输时间表征到最近的医院的时间。医院服务区域是城市的一个空间区域，在该区域中某家医院被评估为最佳。被定义的区域帮助评估每个医院的负荷人数。决策确定最佳医院时，使用了两个“最接近的医院”标准。第一个最简单，基于最短运输时间 (c1)。但是如果在现实情况下有剩余容纳能力的医院，那么选择最亲密的医院未必是很好的解决办法。在一些情况下，有几条路线的运输时间十分接近，那么此时，更改原定路线无道理可言。此外，车辆行驶路径的改变可能是因为行驶时间评估错误。为了消除该影响，我们提出了另一条标准(c2)。首先评估了住院治疗方向的稳定性。24小时中每小时评估一次c1，然后在24条路线中选取最为稳定的一条。

5 结果分析

结果表明，在夜间只有10家医院经营时运输时间增加。19家医院的平均运输时间为7.94 分钟。在10家医24小时营业的情况下，运输时间变为8.76 分钟。每家医院的服务区域用图4c 中的不同颜色表示。依靠这种划分, 医院负荷被计算为居住在某一地区的人数 (图 4d)。使用这些信息, 可以得出结论:不同医院的负荷不平衡: 位于外围的医院 (如6,18,19) 的病人比其他地区的多。这一事实与统计数字相符。但同时，这些结果不反映交通动态, 只能用于道路情况变动小的情况。例如夜间。交通对行驶时间的影响显著：在有行驶时间甚至超过30分钟的地区，计算平均行驶时间 (见图 5c) 反映了每日人口流动的规律，即上下班的高峰期。

6 结论与展望

利用几种数据来源，STEMI医院网络的服务质量已经被证实。医疗服务供应是由OpenStreetMap 提供的数据和真实场景下的医院网络共同建模，而EMS需求则是使用人口数据和ACS治疗统计数据得到。作为行驶时间数据的一般来源，本文还使用了Yandex.Maps观察实时交通状况。实验结果能得出以下结论：在圣彼得堡，应急医疗救援的医院选择和路径规划需要重视实时交通状态的影响。整个城市不能被静态地分成几个预定义的区域。

未来研究将会聚焦于一个基于模型的EMS决策支持系统的设计和发展，它将使得使用实时地理信息系统的医院选择和最优路径规划工作更加成熟。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[26960]，资料为PDF文档或Word文档，PDF文档可免费转换为Word