【《基于系统动力学的应急医疗需求预测分析案例》5900字】

1-基于系统动力学的应急医疗需求预测分析案例目录TOC\o"1-3"\h\u11401基于系统动力学的应急医疗需求预测分析案例 1256431.1系统动力学建模基础 1189971.1.1建模目标 119121.1.2应急医疗需求系统边界 1325081.1.3模型假设 2210451.2系统动力学模型构建 351631.2.1应急医疗需求因果关系图 383461.2.2应急医疗需求模型系统流图 3135141.2.3DYNAMO方程 4313491.2.4主要模型参数标定方法 5221921.3有效性验证方法 7241881.4实例分析 9176781.4.1数据说明 9238461.4.2情景分析 11系统动力学方法是一门专门研究系统信息反馈和系统信息相互交叉的综合性方法，国内学者借助系统动力学方法，解决了许多在城市规划、交通和需求预测方面的问题，并获得了较好的效果。应急医疗需求系统同样是一种复杂的系统，常规预测方法很难对其进行科学预测，同时各种概念模型中的影响因素缺乏理论验证。系统动力学方法可进行单因素情景分析，可以很好地解决传统预测方法的困境。1.1系统动力学建模基础1.1.1建模目标本文从急救车数量、区域职住分布特征、突发事件对医疗机构的救助需求等因素建立应急医疗需求模型。主要有以下几个目标：（1）分析影响应急服务需求的主要因素，梳理各系统要素之间的关联关系，从而测试系统的正负反馈机制；（2）以历史面板数据与分析得到的模型相关参数数据作为输入，借助模型仿真，动态演示应急医疗需求发展状况，并预测未来的应急医疗需求发展趋势；（3）对不同影响因素下的应急医疗需求系统内部变化情况进行仿真模拟，探究单因素或多因素导向所带来的不同实施效果，从而对医院选址方法和原则的制定与实施提供建议，以期帮助政府更加客观、科学的进行决策。1.1.2应急医疗需求系统边界为构建本文应急医疗需求模型，需要划定研究系统的边界，明确系统结构中包含的各个子系统以及要素组成。确定研究系统边界的过程就是得到系统内部要素构成及模拟时间过程的关键步骤。因此，在设定系统行为边界时，本文将应急服务需求系统划分为人口子系统、急救车使用子系统和常发性应急服务子系统和突发性应急服务子系统，各个子系统内部的反馈结构以及子系统之间的关联关系用医疗应急需求链中的概念和变量连接，从而确保系统行为的准确性与完整性。而在设定系统时间边界时，考虑到历史数据的输入以及整个系统对政策因素的充分反应时长，本文将应急医疗需求系统模型的模拟时间确定为2014年到2022年。在建立系统时主要考虑以下因素：（1）区域人口及年龄组成。对应急医疗需求的类型有影响。（2）职住分离程度。表示区域特征，职住比越大，说明区域经济活性越大。对应急医疗需求的类型和伤病人员接受救治前的时间有重要影响。（3）医疗资源。包括在事件发生后的短时间内，医疗机构拥有的急救车数量、能够参与救治的医师人员数量等。反映医疗机构处置突发事件的应急救助能力。（4）区域风险等级，主要根据突发事件发生概率，划分区域风险等级，包含对突发事件发生频次的影响。（5）急救车使用系统，主要包括急救车报废率和增长率。（6）人口经济自然增长系统，主要包括自然增长率、年龄组成、区域经济特性。1.1.3模型假设由于应急服务需求是复杂系统，是多因素参与影响的结果，为了使构建的系统动力学模型更具合理性与逻辑性，本文在对模型中关系及相关参数的设定时提出以下基本假设：（1）应急服务需求是一个动态、复杂、综合、多行业交叉的系统工程，其涉及的影响因素众多，为保证模型的合理性与相关数据的可获取性，在具体的模型构建过程中，某些相关性较弱的影响因素将被排除在模型之外。（2）在模拟时间范围内，人口规模和社会经济平稳发展，研究区域内部医疗服务的发展趋势良好，医护人员的水平较高，同时医院的规模短时间保持不变，长时间有缓慢增长。（3）受政策影响，跟职住分布有关的平衡指数短期内变化不大。1.2系统动力学模型构建1.2.1应急医疗需求因果关系图在系统动力学模型中，因果关系图可以直观、清晰地展现整个模型的结构以及各个变量之间的关联关系。基于前文中对于系统研究边界的划分以及模型基本假设，本文利用Vensim软件对应急医疗需求的因果关系图进行绘制，以便直观了解各个系统要素之间的因果关系及系统反馈回路。由于应急医疗需求预测系统是一个具有多变量、非线性和多重因果关系的复杂系统。应急医疗需求可分为常发性应急医疗需求和突发性应急医疗需求。常发性医疗应急服务需求主要与人口年龄结构，人口规模等因素相关。突发性应急服务需求主要与突发事件的影响，可能在短时间内陡增，甚至发生医疗服务“挤兑”现象。应用系统动力学方法建立因果关系图如下。图3-1应急服务需求系统因果回路图图中的每条链均代表一种独特的因果关系，因果关系中可分为正反馈和负反馈，前者促进箭头所指变量的增大，后者减小。由图可知，在设想条件下控制职住平衡系数可降低区域突发事件影响风险，从而降低该区域应急服务需求。1.2.2应急医疗需求模型系统流图模型系统流图是生成DYNAMO方程的关键步骤，在研究应急医疗需求系统因果回路的基础上，首先根据各个子系统之间的因果关系和反馈回路，将关键变量转化为模型系统流图中的水平变量，同时将其他所有变量按照预设规则，分成速率变量、常量及辅助变量，分别为这些变量确定参数大小或者参数范围。在本文构建的应急医疗需求模型系统流图中，经济总量、常住人口数量、急救车保有量为主要的水平变量；经济总量增长率、人口增长率、急救车增长率等为速率变量；急救车报废率为常量，职住平衡系数等变量则为辅助变量。应急医疗需求模型系统流图如图3-2所示。图3-2应急服务需求系统流图1.2.3DYNAMO方程根据以上对现有的应急服务系统的分析和系统动力学流图可建立以下系统动力学方程。两个状态方程：(3-1)(3-2)辅助方程:(3-3)(3-4)(3-5)(3-6)(3-7)(3-8)速率变量方程：(3-9)(3-10)对应急服务需求反馈回路图和方程中相关参数变量说明如下：状态变量变量名含义单位AP人口增长量/年AA急救车增长量/年速率变量RAP人口增长率/年RAA急救车增长率/年辅助变量TES总应急服务需求量次TUES常发性应急服务需求量次TUET常发性应急物资需求量次TUED常发性应急医疗人员需求量人次SUES突发性应急服务需求量次SUET突发性应急物资需求量次SUED突发性应急医疗人员需求量次/（人×车）RD灾害发生概率/万人RMT医疗物资配备基数4套/车RMD医疗人员配备基数4人/车RSA单次应急任务物资配备基数套/车RSD单次应急任务人员配备基数3人/次JHR平衡系数/RZ地区系数/RS灾害发生频次次/（年×万人）TOP人口规模人TOA急救车车数量辆RAD急救车折损率/年P0初始人口数值8273117人A0急救车初始数量86辆RY年龄比/年DP死亡率/年1.2.4主要模型参数标定方法地区突发事件发生频率本文所研究的突发事件是指火灾事故、公共卫生事故和地质灾害事故，而这类事故的发生受到多种因素的影响，突发事件的发生地点和规模往往无法准确预测，往往只能通过往年的数据进行预测。但实际上突发事件并不能伴随着时间序列的变化呈现出增加或减少的趋势，而是在一段时间内随机发生的。特别是当我们把研究区域划分到交通小区后，通过查看往年历史数据，地区突发事件数量呈现在最大值和零之间的随机分布。地区系数突发事件在某一地区发生，是一个随机事件。但事故一旦发生后，同样等级的事故类型在不同地区造成的影响不同，对应急服务的需求规模也不同。类似于消防站点按照火灾风险大小对辖区内划分火险等级，突发事件也需要对地区进行风险划分。为了能综合反映区域的人口、经济发展状况、土地面积、交通区位条件及防灾减灾设施等对应急物流需求的影响关系的测度指标体系。实现对城市应急服务需求区域的需求的全方位、多角度评估,借鉴地区统计中,将地区生产总值、人均生产总值及产业结构作为衡量地区经济发展水平的一贯做法,提出从危险发生频次、密度及经济强弱系数方面进行城市应急服务区域风险评估。柯布-道格拉斯（C-D）生产函数通常用来确定资本投入和产出的模型，将人口易损性、经济环境易损性和为危险源作为自然灾害的投入，将综合风险作为易损性输出，本文借鉴这一方法，将危险源密度，年龄系数和经济指标作为投入，将风险综合评价作为输出，构建综合易损性评价模型，则用公式（3-11）可得到进行区域事故应急风险综合易损性评价。(3-11)式中——危险源密度；——职住平衡系数；——经济损失占比；——均为弹性系数，建议取值0.5、0.5 ——区域应急风险综合评价值。平衡系数本文中的情景变量，由独立指数来衡量，根据第2章独立指数的计算公式，结合武汉市人力资源保障局发布的各区域就业人口数和工作数进行计算。（4）系数权重的确定权重的确定在多指标综合评价中权重的确定非常重要，权重指某一指标相对于某一事物的重要程度，倾向于贡献度或重要性，权重的差异会影响到决策结果的差异。主观赋权评价法和客观赋权评价法是参数确定中常用的两种方法，主观赋权评价法主要依靠专家的经验和评估，常用的有有层次分析法。这种方法受人为因素干扰较大，主观随意性较大。客观赋权评价法则是根据指标之间的相关关系或各项指标的变异系数来确定权数进行综合评价，如熵值法、变异系数法等，这种方法依靠原始数据，对收集到的数据精度有要求，但是当数据量较少或者精度不够时，计算误差较大。例如本文上面所提到的事故风险评估中，对为危险源密度的分析。本文所研究的应急服务对应的突发事件主要有三个，火灾事故、地质灾害事故、公共卫生事故。在这种情况下采用主观赋权评价法难度较大，决策专家承担较大压力。因此针对本文的研究对象，考虑到数据参数较少，数据量精度高，更适合采用客观赋权评价法。排除主观因素影响，从指标本身入手，使得模型更精确且具有更强的适用性。本文采用变异系数法来计算各指标权重，变异系数法是直接利用收集到的各项指标所包含的信息，通过计算得到指标的权重。是一种客观赋权的方法。此方法的基本做法是：在评价指标体系中，指标取差异越大的指标，也就是越难以精准划定范围的指标，这样的指标权重较大，可以反映评价单位的差距。为了比较各项指标的差别，考虑到评价指标体系中的各项指标的量纲不同，公式（3-11）可得到各项指标的变异系数，其实质是各项指标的标准化，并用其值来衡量各项指标取值的差异程度。确定各项指标变异系数后，则可由公式（3-12）确定各项指标的权重。(3-11)式子中 ——第m项指标的标准差系数——第m项指标的标准差；——第m项指标的平均数。(3-12)1.3有效性验证方法利用Vensim软件完成系统动力学模型的构建，对各种参数和变量的单位和范围进行确定。为了避免模型的系统结构、各变量之间的因果关系、逻辑数量关系存在错误，以致影响到预测结构，需要对模型仿真条件进行验证。（1）内部运行检验Vensim系统自身带有CheckModel和UnitCheck模块，可对所建立的模型和量纲两方面进行检查。该检测目标要求模型中各个变量的量纲合适，且能进行方程运算，保证每一个方程有实际意义。（2）有效性检验模型是否能真实反映建模目标，是重点关注问题。内部检验完成后，我们借用系统模拟将结果与实际历史数据进行比较。由于系统动力学模型许多参数的选取主观性较强，借用灵敏度分析的方法对参数进行校正的同时对模型进行修正。由公式（3-13）克的得到灵敏度。(3-13)式中——敏感度；——L在时刻t的值；——参数U在t时刻的值；——状态变量L参数在t时刻的增长量；——参数U在t时刻的增长。通过调节输出变量的大小，检验参数的变化幅度，当敏感度超过10%时，敏感度较大，即认为该参数对模型影响较大，需要调整模型或者模型参数。当小于这一数值时，我们认为模型是有效且稳定。1.4实例分析1.4.1数据说明为了验证系统动力学模型对应急医疗服务资源需求分析的有效性和适用性，本文以武汉市2014~2019年的数据作为验证，并预测2020~2022年应急医疗服务需求。人口增长率和职住平衡系数分别为表函数。数据来源：武汉市公共数据开放平台、武汉市统计局、极光大数据。由于武汉数据开放平台、湖北省卫生计生综合统计信息平台都只提供汇总数据。其中突发事件伤亡数为火灾事故、交通事故和地质灾害事故造成的总伤亡数[58]。假定各个街道人口出生率和死亡率与全市一致。独立指数为极光大数据发布，具体数据见表3-1.表3-2武汉市2014~2019年历史数据年份独立指数突发事件伤亡数人口规模急救车数量20141.7322680827.318920151.6412293829.2713920161.6382536831.8517320171.6322781851.6321720181.5823390881.7327120191.4613317906.40339由上述建模过程可知，应急服务需求预测系统主要有急救车库存子系统和人口增长子系统。以人口增长子系统为例，对各变量参数进行赋值，其中人口增长率本文视为表函数，按照武汉市近年来人口增长率先快后慢，对各年的增长率进行赋值如图，多次调整参数值的大小，直到满足误差要求为止。图3-3人口规模子系统图3-4增长率表函数依据武汉市发布《武汉市2014—2020年急救发展规划》，城区每五万人配备一辆急救车的发展目标，初始值设定为89辆。急救车增长率为表函数，考虑到武汉市急救发展迫切性大小，表函数数值设置为先大后小。通过运用Vensim对数据进行多次模拟仿真分析，状态变量的误差率都在10%以下，对模型进行20多次运行，误差表如表3-3。从表中可知，大部分变量系统内部误差较小，参数较稳定。表3-3历史值与真实值比较年份201420152016201720182019人口规模827.31829.27831.85851.63881.73906.40预测值827.31831.96835.67850.57889.20908.52误差率(%)0.000.250.220.360.620.23急救车数量89139173217271339预测值89136174225283345误差率(%)0.002.160.581.694.431.771.4.2情景分析（1）对常发型应急医疗需求进行仿真分析，如图3-5。从图中可以看出，常发型应急医疗需求近年来快速提升，这一方