مکان یابی دفیبریلاتورهای خارجی خودکار در یک محیط شهری پیچیده با در نظر گرفتن یک شبکه قابل دسترسی برای عابران پیاده که بر ایست قلبی خارج از بیمارستان تمرکز دارد

خلاصه

دفیبریلاتورهای خارجی خودکار (AEDs) دستگاه های قابل حملی هستند که بیماران مبتلا به ایست قلبی ناگهانی را دفیبریلاسیون و تشخیص می دهند. بنابراین AED در مکان های عمومی مانند فرودگاه ها، مدارس، مجموعه های ورزشی و … به طور گسترده نصب می شود و نصب AED طبق قانون در این مکان ها الزامی است. با این حال، با وجود مفید بودن، AED ها بیشتر در داخل خانه با پوشش محدود در فضای باز نصب می شوند. از این رو، این مطالعه تحقیقاتی را در مورد قرار دادن AED ها در مکان های بیرونی انجام می دهد. این مطالعه یک محیط شهری پیچیده را با استفاده از مجموعه داده شبکه عابر پیاده و موانع شبکه در نظر می‌گیرد. ما از روش اکتشافی Teitz و Bart (1968) استفاده می کنیم که در حل کننده مکان-تخصیص در ArcMap ساخته شده است. نتایج این مطالعه نشان داد که در مجموع 455 AED شامل 227 AED از پیش نصب شده، می تواند در منطقه مورد مطالعه قرار گیرد. بنابراین 228 دستگاه اضافی را فراهم می کند. در مقایسه با 10 روش نصب مختلف که به‌عنوان گروه‌های آزمایشی تنظیم شده بودند، نتایج آزمایش ما نشان داد که نصب‌های اضافی می‌توانند 10 تا 30 درصد موارد واقعی ایست قلبی خارج از بیمارستان را پوشش دهند. سهم اصلی این مطالعه پیشنهاد روشی جدید در مکان یابی AED ها در مناطق بهینه با در نظر گرفتن محیط های شهری پیچیده است. ما پیش بینی می کنیم که میزان مرگ و میر مربوط به ایست قلبی با اجرای یافته های این مطالعه کاهش می یابد. سهم اصلی این مطالعه پیشنهاد روشی جدید در مکان یابی AED ها در مناطق بهینه با در نظر گرفتن محیط های شهری پیچیده است. ما پیش‌بینی می‌کنیم که با اجرای یافته‌های این مطالعه، میزان مرگ و میر مرتبط با ایست قلبی کاهش می‌یابد. سهم اصلی این مطالعه پیشنهاد روشی جدید در مکان یابی AED ها در مناطق بهینه با در نظر گرفتن محیط های شهری پیچیده است. ما پیش‌بینی می‌کنیم که با اجرای یافته‌های این مطالعه، میزان مرگ و میر مرتبط با ایست قلبی کاهش می‌یابد.

کلید واژه ها:

AED ; ایست قلبی ؛ GIS ; مکان – تخصیص ; OHCA

1. معرفی

به دلیل پدیده پیری سریع جمعیت، هر ساله تعداد بیماران مبتلا به بیماری های قلبی عروقی که دچار ایست حاد قلبی شده اند، افزایش می یابد. در همین حال، تحقیقات مختلف نشان داده است که بیمارانی که احیای قلبی ریوی (CPR) دریافت می‌کنند نسبت به بیمارانی که CPR دریافت نمی‌کنند، میزان بقا یا ترشح زنده بالاتری دارد [1 ، 2 ، 3 ، 4 ، 5 ، 6 ] . بنابراین، میزان بقای بیماران مبتلا به ایست قلبی حاد ارتباط نزدیکی با کمک های اولیه دارد [ 7]] که در افزایش میزان بقا مهم است. علیرغم این واقعیت، میزان CPR تماشاچی در کره جنوبی پایین است زیرا مردم نگران آسیب رساندن به دیگران با انجام CPR ناکافی هستند [ 8 ، 9 ]. در این حالت بیماران چاره ای جز انتظار برای آمدن خدمات فوریت های پزشکی (EMS) ندارند. با این حال، مطالعات نشان داده‌اند که تأخیر رسیدن EMS به محل حادثه به دلیل ترافیک [ 10 ] می‌تواند کشنده باشد. به دلیل دلایل مختلفی که در بالا ذکر شد، میزان بقای بیماران خارج از بیمارستان-ایست قلبی (OHCA) تقریباً 3٪ باقی می ماند [ 9 ].

دفیبریلاتورهای خارجی خودکار (AEDs) با وارد کردن شوک الکتریکی به قلب قربانی برای بازگرداندن ریتم طبیعی خود، قربانیان ایست قلبی را نجات می دهند [ 11 ]. تحقیقات نشان داده است که امدادگران غیرپزشکی (حتی کودکان) بدون هیچ راهنمایی توانستند به درستی از دستگاه استفاده کنند [ 12 ]. جورجنسون و همکاران (2013) همچنین نشان داد که افراد آموزش ندیده می توانند با موفقیت از AED در شرایط اضطراری بدون هیچ گونه مشکل ایمنی استفاده کنند [ 13 ]. یکی از دلایل پایین بودن میزان CPR نگرانی از آسیب اسکلتی قفسه سینه است [ 14] و درصد پایین درصد بقا به دلیل تاخیر EMS است. استفاده از AED ها می تواند برای غلبه بر مشکلات فوق الذکر که محدودیت های ارائه CPR و EMS از آن رنج می برد، استفاده شود. بنابراین، دولت کره جنوبی به طور فعال در حال گسترش عرضه AEDs [ 15 ] است.

طبق قانون اصلاح شده EMS 38-2 که در سال 2008 در کره جنوبی تصویب شد، بیشتر AED ها باید در مکان هایی مانند مجتمع های ورزشی، فرودگاه ها و پایانه های اتوبوس قرار گیرند. تعداد فزاینده ای از AED مطابق با این قانون در حال نصب هستند. با این حال، این قانون دسترسی AED ها را محدود می کند زیرا افرادی که در این امکانات خاص نیستند، دسترسی کمتری به دستگاه ها دارند. تقریباً 70٪ از OHCA ها در مناطق مسکونی رخ می دهند [ 16 ، 17 ]، در حالی که 20٪ در خارج از خانه رخ می دهند [ 1 ، 3]]، منجر به عدم هماهنگی بین مکان های AED و OHCA می شود. نصب AED در هر خانواده و در هر نقطه قابل توجه در یک فضای باز بهترین روش برای افزایش میزان بقای بیماران OHCA است. با این حال، این واقع بینانه نیست. بنابراین، تمرکز این مطالعه پیشنهاد مکان‌هایی برای AEDها در فضاهای باز است تا بتوانند منطقه وسیع‌تری را که احتمال وقوع موارد OHCA در آن وجود دارد، پوشش دهند.

در همین حال، میتامورا (2008) دریافت که افراد نمی توانند به راحتی به AED ها دسترسی داشته باشند، حتی اگر AED ها به طور گسترده ای قرار داشته باشند، زیرا آنها از محل قرارگیری این دستگاه ها آگاه نیستند [ 18 ]. ساکای و همکاران (2011) همچنین اصرار داشت که AED ها به سختی یافت می شوند. بنابراین، دانستن محل نصب AED برای عموم مهم است [ 19 ]. حتی اگر این دستگاه ها نصب و توزیع شده باشند، استفاده از آنها همچنان کم است [ 18 ]. برخی از محققان اصرار داشتند که مطالعات بر روی مکان های AED باید ادامه یابد [ 13 ، 15 ] زیرا AED ها اگر افراد نتوانند مکان آن ها را پیدا کنند، ارزشی ندارند [ 20 ]. با این حال، تنها چند کار تحقیقاتی که مکان‌های AED را از منظر جغرافیا مطالعه می‌کنند در دسترس هستند [21 ]. با در نظر گرفتن تمام این مطالعات قبلی، مطالعه ای در مورد مکان یابی AED با در نظر گرفتن محیط های شهری پیچیده از دیدگاه GIS در اینجا اعمال می شود.

یکی از رویکردهای رایج برای مکان یابی یک تسهیلات، انتخاب تعداد p امکانات از n تعداد سایت تسهیلات بالقوه یا گره های کاندید است (این دو عبارت در این مقاله به جای یکدیگر استفاده می شوند). بنابراین، انتخاب نه تنها مکان بهینه تاسیسات، بلکه مکان گره های کاندید نیز حائز اهمیت است. علیرغم اهمیت مکان ها، در مطالعات قبلی مانند مشکل مکان ایستگاه آتش نشانی فرودگاه توسط Tzeng و Chen (1999) [ 22 ]، مشکل مکان ایستگاه آتش نشانی توسط لیو و همکاران. (2006) [ 23 ]، و مکان یابی شبکه های پهن باند بی سیم توسط لی و موری (2010) [ 24 ]، گره های کاندید انتخاب شده معمولاً نقاط مرکزی شبکه ها هستند.شکل 1 الف) که به دلایل زیر روشی نامناسب است:

·: همانطور که در شکل 1 ب نشان داده شده است، در نظر گرفتن ویژگی های جغرافیایی یک منطقه مورد مطالعه غیرممکن است، مگر اینکه اندازه شبکه به اندازه کافی کوچک باشد تا ویژگی ها را از منظر عابر پیاده متمایز کند.
·: اگر گره‌های کاندید صرفاً مرکز شبکه‌ها یا مرزهای مدیریت باشند، می‌توان نتایج تحریف‌شده را به‌دست آورد، زیرا اندازه شبکه تغییر می‌کند (یعنی مشکل واحد منطقه‌ای قابل تغییر).
·: موانع عابر پیاده مانند معابر و ساختمان‌ها که اجزای مهم در محیط‌های پیچیده شهری هستند و همچنین زیرگذرها و روگذرها یا سازه‌های شبکه‌ای مشابه، دارای اطلاعات سه بعدی هستند که با استفاده از مرکز شبکه‌ها یا مرزهای مدیریتی قابل نمایش نیستند.

از نظر تئوری، ایجاد بسیاری از شبکه‌های با اندازه کوچک امکان تشخیص ویژگی‌های جغرافیایی را فراهم می‌کند. با این حال، این همچنین شبکه های زیادی ایجاد می کند (یعنی تعداد سایت های بالقوه تسهیلات افزایش می یابد). تعداد کل ترکیب ها (یعنی انتخاب p تعداد امکانات از n تعداد سایت امکانات بالقوه) به طور تصاعدی بزرگتر می شود. از آنجایی که هدف از مطالعه حاضر بهبود دسترسی به AED با نصب AED های اضافی بر اساس در نظر گرفتن توزیع جمعیت و سایر عوامل واقعی است، به نظر می رسد که دستگاه های اضافی در گوشه بلوک ها یا اتصالات شبکه های جاده ای که در آنها قرار دارند بهتر است. آنها را می توان به راحتی دید، نه در مرکز شبکه.

بنابراین، انتظار می رود AED های نصب شده اضافی با مکان یابی آنها با استفاده از یک مجموعه داده شبکه شهری پیچیده ساخته شده توسط کیم و همکاران، به صورت عمومی قابل مشاهده و در دسترس تر باشند. (2015) [ 25 ] و در سئول، کره جنوبی توسعه یافته است. با استفاده از این مجموعه داده، AED ها را می توان از منظر یک تماشاگر مکان یابی کرد، علاوه بر اینکه می تواند ویژگی های جغرافیایی را در نظر بگیرد. نرخ پوشش با استفاده از موارد واقعی OHCA در سال 2014 برای تعیین اثربخشی و اعتبار مکان AED در این کار استفاده شد.

2. منطقه مطالعه، داده ها، و روش

2.1. منطقه مطالعه

Yeongdeungpo-gu و Dongjak-gu (“gu” معادل سطح شهری از “مناطق” در غرب است) در سئول به عنوان مناطق مورد مطالعه انتخاب شدند ( شکل 2 ). در سمت چپ Yeungdeunpo-gu منطقه تجاری Yeoeuido (YBD) قرار دارد که بزرگترین منطقه مالی در سئول است. از این رو توزیع جمعیت نابرابر است. در مقابل، Dongjak-gu به سادگی یک گو معمولی در سئول است که یک منطقه مسکونی در نظر گرفته می شود. بنابراین، جمعیت به جز جایی که گورستان ملی قرار دارد، کاملاً برابر است.

بر اساس آمار کره، که معادل اداره سرشماری ایالات متحده است، کل جمعیت Yeongdeungpo-gu و Dongjak-gu در سال 2010 به ترتیب 703,845 و 740,785 بوده است. در همین حال، جمعیت سالمندان (یعنی کسانی که بیش از 60 سال سن دارند و در برابر ایست قلبی ناگهانی آسیب پذیر هستند) در Yeongdeungpo-gu و Dongjak-gu به ترتیب 54280 و 56521 بودند (شکل 3) [ 25 ] .

2.2. فرآیند و روش های داده

این بخش مجموعه داده را برای شبیه سازی شرایط پیچیده دنیای واقعی و ملاحظات مورد نیاز برای نصب AED های اضافی ارائه می دهد. شکل 4 گردش کار مطالعه را نشان می دهد.

گردش کار را می توان به طور کلی به صورت زیر توضیح داد:

·: تحلیلگر شبکه در پلتفرم ArcMap برای مکان یابی AED ها استفاده می شود.
·: نوع تجزیه و تحلیل در حل کننده تخصیص مکان در Network Analyst of ArcMap با روش “سهم بازار هدف” تنظیم می شود تا رابطه بین AED های از پیش نصب شده و نصب شده اضافی را در نظر بگیرد.
·: پوشش موثر AED (طول قطع) با در نظر گرفتن سرعت نرمال پیاده روی عابران پیاده محاسبه می شود.
·: گره های نامزد و تقاضا بر اساس شبکه عابر پیاده و مجموعه داده های سرشماری (یعنی جمعیت شناور) استخراج می شوند. جزئیات گره های نامزد و تقاضا در بخش بعدی توضیح داده شده است.
·: موانع روانی در شرایط اضطراری (به عنوان مثال، تونل، گذرگاه عابر پیاده، و پل هوایی) در شبکه جاده تعیین می شوند تا وضعیت دنیای واقعی را منعکس کنند.

2.2.1. شرح داده ها و فرآیند

در این بخش، داده های مورد استفاده در این تحقیق برای درک بیشتر و توضیح در مورد چگونگی اصلاح داده ها برای تجزیه و تحلیل بیشتر معرفی می شوند.

داده‌های خام برای تجزیه و تحلیل و کاربرد بیشتر باید پردازش شوند (فیلتر، تجمیع مجدد، و کدگذاری جغرافیایی) زیرا اکثر آنها در قالب‌های جدول و در پیش‌بینی‌های مختلف ارائه شده‌اند. داده های مورد استفاده در این مطالعه به شرح زیر بود: مکان AED از پیش نصب شده، مکان بخش آتش نشانی، مکان بیمارستان، جمعیت شناور، مجموعه داده شبکه، موانع و سوابق OHCA.

مکان های AED از پیش نصب شده، مکان های آتش نشانی، مکان های بیمارستان، و داده های شبکه از وب سایت های مختلف دولتی دانلود شدند. داده‌های سرشماری در ابتدا توسط یک شرکت مخابراتی در کره جنوبی ایجاد شد و می‌توان آن‌ها را از انبار داده‌های GIS شهر سئول استخراج کرد. داده های شبکه توسعه یافته توسط کیم و همکاران. (2015) نیز از وب سایت دولتی اخذ شد. موانع شبکه از مجموعه داده شبکه با استفاده از ویژگی آن استخراج شد. در همین حال، داده های OHCA از وزارت امنیت عمومی و امنیت تحت یک توافق نامه عدم افشای اطلاعات به دست آمده است.

شکل 5 جریان پردازش داده را در این مطالعه نشان می دهد.

هنگامی که OHCA رخ می دهد، AED ها پتانسیل قابل توجهی برای نجات بیماران ارائه می دهند [ 26 ]. با این حال، AED ها به ندرت مورد استفاده قرار می گیرند. لئونگ و همکاران (2013) توضیح داد که عدم استفاده به این دلیل است که افراد نمی توانند آنها را در مواقع اضطراری پیدا کنند، یا در برخی موارد، هیچ AED در نزدیکی نصب نشده است [ 27 ]. بنابراین، دانستن محل قرارگیری AED ها و امکانات اورژانس (آتش نشانی و بیمارستان ها) در نصب AED های اضافی در مکان های بهینه، به ویژه در فضای باز، بسیار مهم است.

در میان 432 دستگاه AED از پیش نصب شده در منطقه مورد مطالعه، AEDهایی را که فقط در فضای داخلی موجود هستند بر اساس ویژگی آنها فیلتر کردیم. در نتیجه، 227 AED به عنوان AED قابل استفاده برای موارد OHCA در فضای باز تعیین شد. منطقه مورد مطالعه شامل 11 آتش نشانی و 9 بیمارستان بود. از آنجایی که این دو مرکز دارای AED و متخصصانی هستند که می توانند به بیماران OHCA کمک کنند، ما آنها را به عنوان امکانات اضافی در نظر گرفتیم که می توان در مواقع اضطراری از آنها استفاده کرد. این داده ها در شکل 6 نشان داده شده است .

داده‌های جمعیتی شناور به‌جای جمعیت‌شناسی مسکونی یا دیگر انواع داده‌های سرشماری مورد استفاده قرار گرفت. داده های جمعیت شناور بر اساس ترافیک تماس یک حامل شبکه تلفن همراه بود که در بیش از 10 میلیارد تماس در ماه وجود داشت و به عنوان نقاط در نظر گرفته شد [28 ] . هر نقطه مرکز یک شبکه تور ماهی بود که حاوی ویژگی های جمعیت شناور (مانند سن و جنس) بود. این داده ها بر اساس ترافیک تماس ایجاد شده اند. از این رو مکان هایی مانند رودخانه ها و کوه ها که افراد نمی توانند به آنها دسترسی فیزیکی داشته باشند هیچ اطلاعاتی نداشتند. شکل 7 یک منطقه نمونه از جمعیت شناور را نشان می دهد.

در همین حال، مجموعه داده شبکه عابر پیاده که توسط کیم و همکاران توسعه یافته است. (2015) برای تجزیه و تحلیل دقیق تر استفاده شد. دقت، که با یک شبکه عابر پیاده در دنیای واقعی مقایسه شد، از F-Measure محاسبه شد 0.991 بود که تقریباً همه پیاده‌روهای دنیای واقعی را منعکس می‌کند [ 29 ].

این شبکه شامل تمام جاده‌هایی بود که عابران پیاده می‌توانند به آن‌ها دسترسی داشته باشند، از جمله زیرگذرها، پل‌ها، کوچه‌ها، روگذرهای عابر پیاده و گذرگاه‌ها. این داده های اضافی می توانند دقت نتیجه را افزایش دهند زیرا برخی از پیوندها را می توان به عنوان امپدانس شبکه در نظر گرفت که حرکت عابر پیاده را به تاخیر می اندازد. امپدانس های شبکه مانند گذرگاه ها، زیرگذرها و روگذرها به عنوان پیوندهایی تعریف می شوند که از عبور وسایل نقلیه یا عابران پیاده جلوگیری می کنند [ 30 ]. در شرایط عادی، تاخیر زمانی مشخصی به این امپدانس های شبکه اضافه می شود. با این حال، در شرایط اضطراری، این امپدانس های شبکه را می توان به عنوان موانع روانی در نظر گرفت که حرکت عابر پیاده را مسدود می کند. بنابراین، در مطالعه حاضر، این امپدانس های شبکه را به عنوان موانع شبکه روانی تعریف کردیم.

مقایسه بصری بین مجموعه داده شبکه وسایل نقلیه (معمولی) ارائه شده توسط پایگاه داده حمل و نقل کره (KTDB) [ 31 ] و مجموعه داده شبکه عابر پیاده، جزئیات شبکه جاده را در شکل 8 نشان می دهد .

حساس ترین داده ها (یعنی سوابق OHCA نشان داده شده در شکل 9 ب) از گزارش های تماس اضطراری ( شکل 9 الف) ارائه شده توسط وزارت امنیت عمومی و امنیت استخراج شده است. سوابق شامل آدرس‌ها، انواع حادثه، مختصات حوادث، زمان‌ها، زمان ورود و خروج از بیمارستان، مکان‌های حادثه، بخش‌های آتش‌نشانی، اطلاعات دقیق بیمار و درمان‌های انجام‌شده در حین حمل و نقل و غیره بود. تعداد کل موارد حادثه (یعنی مواردی که آمبولانس ها اعزام شدند و مواردی که اطلاعات علائم را داشتند) در منطقه مورد مطالعه در سال 2014، 26305 مورد بود، همانطور که در شکل 9 الف نشان داده شده است. تعداد رکوردهای OHCA 634 بود که در شکل 9 ب نشان داده شده است.

2.2.2. یافتن مکان های بهینه برای AED های اضافی

جستجو برای مکان های بهینه برای نصب AED های اضافی در پلت فرم ArcGIS انجام شد. حل‌کننده تخصیص مکان در پسوند Network Analyst ArcMap 10.2.2 و ArcGIS ModelBuilder مبتنی بر اسکریپت پایتون استفاده شد.

در همین حال، هدف از تابع هدف اساسی مدل مورد استفاده در این تحقیق، به حداقل رساندن مجموع فواصل وزنی بین گره تقاضا است.

i

و گره کاندید

j

، همانطور که در معادله (1) [ 32 ] بیان شده است.

به حداقل رساندن Z = \sum من \in من \sum j \in J آ من د من ج ایکس من ج

(1)

موضوع به

ایکس من ج \leq ایکس j j \forall من ، ج

(2)

\sum j \in J ایکس من ج = 1 \forall i

(3)

\sum j \in J ایکس من ج = p \forall j

(4)

ایکس من ج = {1 ، 0, \forall من ، ج

(5)

جایی که $I$ مجموعه ای از گره های تقاضا را نشان می دهد و $J$ مجموعه ای از گره های کاندید را نشان می دهد. $a_{i}$ نشان دهنده یک جمعیت وزنی است که در گره تقاضای i ارائه می شود . $d_{i j}$ نشان دهنده فاصله گره i تا گره j است . $p$ نشان دهنده تعداد امکاناتی است که قرار است مستقر شوند. $x_{i j} = 1$ آن گره تقاضا را نشان می دهد $i$ به یک مرکز واقع در گره اختصاص داده شده است $j$ ، و $x_{i j} = 0$ ، در غیر این صورت. معادله (2) تضمین می کند که یک تاسیسات باید با یک گره تقاضای جداگانه قرار گیرد. معادله (3) تضمین می کند که یک تسهیلات باز باید در یک گره تقاضا قرار گیرد. معادله (4) تضمین می‌کند که فقط تعداد p از امکانات باید قرار گیرد.

الگوریتم مورد استفاده در تحلیلگر شبکه ای آرک مپ Esri، اکتشافی جایگزینی راس Teitz و Bart (1968) است [ 33 ]، و این الگوریتم به عنوان یکی از محبوب ترین الگوریتم های اکتشافی برای این مشکل شناخته شده است [ 34] .]. در همین حال، مکان‌های بالقوه AED باید امکانات از پیش موجود (به عنوان مثال، AED‌های از پیش نصب‌شده، بیمارستان‌ها و بخش‌های آتش‌نشانی) را در نظر بگیرند، زیرا به دلیل قانون EMS 38-2 نمی‌توان امکانات از پیش موجود را حذف کرد. علاوه بر این، AED های اضافی و از پیش نصب شده قرار است مکمل یکدیگر باشند تا پوشش را افزایش دهند. با این حال، پوشش AED از پیش نصب شده کوچکتر از پوشش اضافی AED در دنیای واقعی است، زیرا آنها کاملاً در فضای باز قرار ندارند (به عنوان مثال، اکثر آنها در مقابل آسانسور، لابی و مکان های مشابه قرار دارند). ما فرض کردیم که AED های از پیش نصب شده می توانند نیمی از نیاز اضافی AED را پوشش دهند.

از این منظر، سهم بازار هدف در این مطالعه انتخاب می‌شود تا حداقل p تعداد AEDهای اضافی و مکان‌های بهینه آن‌ها را زمانی که k تعداد امکانات از قبل موجود اضافه می‌شود، همراه با گره‌های تقاضا، در فاصله امپدانس از امکانات [ 35 ].

پارامترهای زیر باید پس از تعیین نوع تحلیل (سهم بازار هدف) تعیین شوند:

·: قطع امپدانس (تا چه اندازه یک تاسیسات می تواند موثر باشد)
·: گره های تقاضا (جایی که نیازها باید برآورده شوند و مقدار معینی از نیازهای خدماتی را شامل شوند)
·: گره های کاندید (مکان های احتمالی برای تاسیسات جدید)
·: موانع شبکه

قطع امپدانس به عنوان موثرترین فاصله تا یک تاسیسات تعریف می شود. به عبارت دیگر، برش حداکثر فاصله ای است که افراد (گره های تقاضا) برای دسترسی به تسهیلات مایل به طی کردن آن هستند [ 36 ]. فاصله قطع امپدانس برای این تحلیل 345 متر تعیین شد. فاصله به صورت زیر با استفاده از رابطه (6) اندازه گیری شد:

f ( s p e e d ) \times f “ ( من من هستم ) _ تعداد رفت و برگشت _،

(6)

جایی که $f (s p e e d)$ سرعت ثابت دویدن یا راه رفتن یک فرد در شرایط اضطراری و $f^{'} (t i m e)$ زمان طلایی احیای بیماران OHCA است (یعنی حداکثر زمان قبل از بروز آسیب های مغزی). بر این اساس، یک نفر در صورت یافتن بیمار OHCA به محل نصب AED ها می رود و به جایی که بیمار است باز می گردد. به عبارت دیگر، رهگذر باید یک سفر رفت و برگشت انجام دهد. بنابراین، حداکثر فاصله باید بر دو تقسیم شود.

با توجه به Im و همکاران. (2006)، میانگین سرعت راه رفتن جوانان در کره جنوبی 1.175 متر بر ثانیه است [ 36 ]. بنابراین، 1.175 متر بر ثانیه با این فرض که افراد احتمالاً در مواقع اضطراری می دوند، در دو ضرب شد. سرعت بر این فرض استوار بود که افراد می توانند به طور مداوم بدون از دست دادن سرعت بدود. از این رو،

f (s p e e d)

با استفاده از رابطه (7) قابل محاسبه است.

f (s p e e d) = 1.175 m / s \times 2 = 2.35 m / s

(7)

در همین حال، جود و همکاران. (1961) پیشنهاد کرد که احیای قلبی در عرض 3 تا 5 دقیقه بلافاصله قبل از آسیب دائمی مغز لازم است [ 37 ]. از این رو

f^{'} (t i m e)

مقدار توسط رابطه (8) ارائه می شود و طول قطع امپدانس نهایی با استفاده از رابطه (9) محاسبه می شود.

f “ (t i m e) = 5 دقیقه

(8)

2.35 متر بر ثانیه \times 5 دقیقه 2

(9)

مکان تقاضا نشان دهنده نقاطی است که امکانات درخواست مورد نیاز است. در دنیای واقعی، مکان های تقاضا برای AED باید در زمان واقعی افراد در حال حرکت باشد. با این حال، جمع آوری داده ها و مدل سازی آنها دشوار است. از این رو، داده های جمعیت شناور انباشته شده به جای آن اعمال شد. بیماران بالای 60 سال در معرض خطر بالای تجربه ایست قلبی حاد هستند [ 3 ، 38 ]. بنابراین، نقاط جمعیت شناور ایست قلبی پرخطر به عنوان گره های تقاضا تعریف شدند. درصد جمعیت در منطقه مورد مطالعه با خطر بالای ایست قلبی بسته به موقعیت جغرافیایی آن بین 35/3 تا 28/45 درصد بود. سپس این نسبت به عنوان وزن گره های تقاضا تعیین شد.

یک مشکل مکان تسهیلات معمولاً شامل چندین گره کاندید است. به عبارت دیگر، حل‌کننده‌های تخصیص مکان (یعنی برنامه‌های بهینه‌سازی) بهینه‌ترین مکان‌های یک تسهیلات را بدون توجه به ویژگی آن با جستجوی رابطه بین گره‌های تقاضا و کاندید انتخاب می‌کنند. بنابراین، گره های کاندید در این مطالعه نیز باید برای تجزیه و تحلیل بیشتر تعیین شوند. ما گره های کاندید را به عنوان یک اتصال شبکه انفرادی در نظر گرفتیم زیرا AED ها باید در یک فضای باز در امتداد شبکه های جاده ای قرار گیرند تا همه بتوانند دستگاه ها را ببینند و به آنها دسترسی داشته باشند. تعداد کل تقاطع های بررسی شده 23546 بود.

سپس محدودیت های شبکه به شبیه سازی اضافه شد. محدودیت ها به دو نوع مختلف تقسیم شدند: چند ضلعی و خط. موانع چند ضلعی بزرگراه ها و رودخانه ها هستند، در حالی که موانع خط نشان دهنده تونل ها، گذرگاه ها و زیرگذرها هستند. همانطور که قبلا ذکر شد، این محدودیت ها موانع روانی شبکه ای هستند که حرکت عابر پیاده را به تاخیر می اندازد. ما با افزودن این داده های فراوان توانستیم واقعیت بیشتری را به این تحلیل اضافه کنیم.

در همین حال، 12 رویکرد مختلف برای تأیید اینکه آیا پوشش نتایج مطالعه واقعاً مؤثر بوده است، استفاده شد. از آنجا که مکان یابی AED ها در شبکه های عابر پیاده در مطالعات قبلی به اندازه کافی انجام نشده است، ما به طور تصادفی AED ها را برای مقایسه پوشش تحت چهار سناریو مختلف توزیع کردیم. اینها AEDهای تصادفی در کل منطقه مورد مطالعه ( شکل 10 الف)، AEDهای تصادفی در بخشهای جاده (زیرا این مطالعه بر موارد OHCA در فضای باز متمرکز است)، همانطور که در شکل 10 ب نشان داده شده است، AEDهای تصادفی در مرکز یک شبکه (که توسط بیشتر استفاده می شود) مطالعات مکان-تخصیص)، همانطور که در شکل 10c نشان داده شده است، و AED های تصادفی در اتصالات شبکه (با استفاده از گره های کاندید مشابه در مطالعه حاضر)، همانطور که در شکل 10 نشان داده شده است.د

یک آزمایش توزیع تصادفی AED می تواند نتیجه را تغییر دهد. بنابراین، نصب AED تصادفی در جاده و در کل منطقه مورد مطالعه (آزمون شماره 3، 3، 4، و 4) 100 بار انجام شد. از سوی دیگر، ما این فرآیند را 1000 بار در آزمایش‌های تخصیص AED مبتنی بر اتصال شبکه و شبکه (تست شماره‌های 5، 5، 6، و 6) تکرار کردیم تا نتایج بتوانند احتمالات نزدیکی را به دست آورند که می‌توانند نیز باشند. با استفاده از روش الگوریتمی به دست آمد.

ما سناریوها را به دو دسته تقسیم کردیم: همه موارد OHCA و موارد OHCA در فضای باز در یک دوره زمانی یکسان ( جدول 1 ). از آنجا که این مطالعه بر نصب AED در فضای باز متمرکز است، دو رویکرد مختلف بینش خوبی در مورد ویژگی‌های موارد OHCA ارائه می‌دهند.

3. نتایج و تجزیه و تحلیل

شکل 11 مکان های بهینه AED ها را بر اساس فرآیند آزمایش مطابق با مجموعه داده های پردازش شده و روش ما نشان می دهد.

تعداد کل موارد ایست قلبی در Yeongdeungpo-gu و Dongjak-gu در سال 2014 به ترتیب 348 و 286 (در مجموع 634 مورد) بود.

جدول 2 و جدول 3 نسبت پوشش موارد OHCA را فهرست می کنند.

جدول 2 نتایج نسبت پوشش همه موارد OHCA را فهرست می کند. اولین ارزیابی برای تعیین پوشش موارد OHCA از AEDهای از قبل موجود و نصب شده اضافی انجام شد. از میان 634 مورد OHCA در منطقه مورد مطالعه، 516 مورد در داخل پوشش AEDs قرار داشتند. ارزیابی اول نشان دهنده هدف این مطالعه بود و به عنوان گروه کنترل انتخاب شد.

ارزیابی دوم فقط برای تعیین نسبت پوشش AED های از پیش نصب شده انجام شد. در مجموع 221 مورد OHCA از 634 مورد (تقریباً 35٪) در پوشش AED های موجود بودند. نسبت پوشش در آزمایش اول به دلیل عدم وجود تعداد کافی AEDهای نصب شده بسیار کمتر از آن بود.

در ارزیابی سوم و چهارم، تعداد AEDهای نصب شده در گروه کنترل را به همان اندازه در منطقه مورد مطالعه برنامه ریزی کردیم. بر اساس این مطالعه، 71٪ موارد OHCA می تواند توسط AED های موجود و تصادفی تحت پوشش قرار گیرد، در حالی که 60٪ موارد OHCA در بخش های جاده رخ داده است. درصد پوشش AEDها در ارزیابی چهارم 10 درصد کمتر بود زیرا شبکه جاده به اندازه کافی متراکم نبود. بنابراین، AED ها به احتمال زیاد در جایی که موارد OHCA رخ داده است، قرار نمی گیرند.

مکان‌های تأسیسات بالقوه در مرکز شبکه تنظیم شده‌اند، زیرا بسیاری از مطالعات قبلی گره‌های کاندید خود را در مرکز شبکه‌ها یا مرزهای مدیریتی تنظیم کرده‌اند. ما همان تعداد AED را بین مرکز شبکه ها برای 1000 بار اختصاص دادیم تا بتوانیم با استفاده از روش الگوریتمی به همان احتمال پوشش دست پیدا کنیم. در نتیجه، تقریباً 57٪ از کل بیماران OHCA داخل پوشش بودند. این نتیجه ثابت کرد که مکان یابی AED ها در پایه شبکه عملی نیست. نسبت پوشش بر حسب تعداد تکرارها به تدریج به 57.40٪ (364 نفر) همگرا شد، همانطور که در شکل 12 الف نشان داده شده است.

در ارزیابی ششم به صورت تصادفی AED را در تقاطع های شبکه عابر پیاده نصب کردیم. بر اساس این ارزیابی، 62 درصد موارد OHCA تحت پوشش قرار گرفتند، در حالی که 81.39 درصد از موارد OHCA تحت پوشش نتیجه این مطالعه قرار گرفتند. از آنجایی که تعداد یکسانی از امکانات را از همان تعداد گره کاندید انتخاب کردیم و زمان کافی برای دستیابی به قابلیت اطمینان را جایگزین کردیم، این ارزیابی به عنوان مهمترین ارزیابی در بین تمام روش ها در نظر گرفته شد. تقریباً 20 درصد بیشتر از موارد OHCA با استفاده از روش مطالعه ما تحت پوشش قرار گرفتند. بنابراین، ما تأیید می کنیم که مطالعه حاضر به مراتب برتر از سایر آزمون های شرح داده شده در این مقاله است. نسبت پوشش بر حسب تعداد تکرار در شکل 12 ب نشان داده شده است.

در نهایت، ما تحقیقاتی را بر اساس این فرض انجام دادیم که “همه AED های از پیش نصب شده (432 AED بدون فیلتر) مجدداً در ورودی ساختمان ها نصب خواهند شد. بنابراین نسبت پوشش آنها محاسبه شد. فقط بیش از 50٪ از کل موارد OHCA در پوشش AED بودند. درصد پوشش تفاوت قابل‌توجهی با AED‌های مبتنی بر شبکه نداشت، زیرا الگوی فضایی AED‌های از پیش نصب‌شده، خوشه‌بندی را نشان می‌داد (میانگین شاخص نزدیک‌ترین همسایه (NN) 0.7038 بود).

آزمایشات قبلی تمام موارد OHCA را در نظر گرفتند. در مطالعه خود، موارد OHCA در فضای باز را نیز در نظر گرفتیم. تعداد کل موارد OHCA در فضای باز 126 مورد از 634 مورد بود ( شکل 13 ).

اولین ارزیابی به عنوان یک گروه کنترل تنظیم شد (گروه کنترل 2 در جدول 3 )، با این تفاوت که موارد OHCA داخلی فیلتر شدند. از بین 126 مورد OHCA در فضای باز، 92 مورد در پوشش AED ها قرار داشتند.

ما فقط نسبت پوشش OHCA در فضای باز AEDهای موجود را در ارزیابی دوم محاسبه کردیم. نسبت پوشش تقریباً 6 درصد کاهش یافته است (از 34.86 درصد به 28.57 درصد). این کاهش به دلیل تعداد کمتر موارد OHCA (634 تا 126) و پوشش ناکارآمد AED های موجود (یعنی AED های موجود در حال حاضر برای موارد OHCA در فضای باز در دسترس نبود) ایجاد شد.

ارزیابی سوم و چهارم انجام شد. همان تعداد AED تصادفی در کل منطقه مورد مطالعه و در جاده ها برای هر 100 بار اختصاص داده شد. نسبت پوشش متوسط موارد OHCA از AEDها در کل منطقه مورد مطالعه (ارزیابی سوم) تقریباً 64٪ بود، در حالی که در بخش جاده (ارزیابی چهارم) تقریباً 52٪ بود. این الگو در آزمون قبلی فهرست شده در جدول 2 نشان داده شده است . نتیجه را می توان به عدم متراکم بودن شبکه راه در منطقه مورد مطالعه نسبت داد.

نتیجه مکان AED مبتنی بر شبکه (ارزیابی پنجم) نشان داد که بیش از نیمی از موارد OHCA در فضای باز با استفاده از این روش حتی پس از 1000 تکرار ذخیره نشدند. نسبت پوشش بر حسب تعداد تکرارها به تدریج به 48.77 درصد همگرا شد همانطور که در شکل 14 الف نشان داده شده است.

علاوه بر این، توزیع تصادفی AED ها در محل اتصال شبکه در ارزیابی ششم انجام شد. تقریباً 48.22٪ از موارد OHCA در فضای باز در داخل پوشش قرار داشتند که در مقایسه با سایر آزمایشات هیچ نتیجه قابل توجهی به ما ارائه نکرد. نسبت پوشش بر حسب تعداد تکرار در شکل 14 ب نشان داده شده است.

ارزیابی هفتم نسبت پوشش قابل توجهی را نشان نداد. توجه داریم که کمترین نسبت پوشش حتی نمی‌تواند نیمی از موارد OHCA در فضای باز را پوشش دهد، حتی اگر دستگاه‌های AED از پیش نصب شده در دسترس عموم باشند.

درصد کلی نسبت پوشش آزمایش دوم (فقط موارد OHCA در فضای باز) کمتر از آزمایش اول (نسبت پوشش برای همه موارد OHCA) بود، زیرا تقریباً 80 درصد موارد OHCA فیلتر شدند (از 634 مورد به 126 مورد). با این حال، پوشش گروه کنترل هنوز 10٪ تا 30٪ بیشتر از زمانی بود که AED ها به طور تصادفی در منطقه مورد مطالعه قرار گرفتند. نتایج آزمون ارزیابی توزیع نابرابر AEDها را در اختیار ما قرار داد که می‌تواند منجر به پوشش کمتر موارد OHCA شود. پوشش موارد OHCA در فضای باز حتی زمانی که AED ها به طور نابرابر توزیع شده اند کمتر می شود.

نقشه های پوشش AED های از پیش نصب شده و نصب شده اضافی ( شکل 15 الف)، AED های از پیش نصب شده فیلتر شده (یعنی AED هایی که می توانند به طور عمومی در بین کل AED های از پیش نصب شده استفاده شوند) ( شکل 15 ب)، و کل دستگاه های از پیش نصب شده AED های نصب شده بدون فیلتر ( شکل 15 ج) در شکل 15 نشان داده شده است .

4. نتیجه گیری

در مجموع 228 مکان جدید به عنوان مکان های بهینه AED تعیین شد. بر این اساس 455 دستگاه AED با 227 دستگاه از پیش نصب شده در منطقه مورد مطالعه نصب شد. میانگین فاصله اقلیدسی و NN محاسبه شد تا مشخص شود آیا AED ها خوشه ای هستند (به طور مساوی توزیع نشده اند) یا پراکنده شده اند (به خوبی توزیع شده اند).

میانگین فاصله بین کل AED ها 281.26 متر اندازه گیری شد. با توجه به محاسبه متوسط NN، نسبت NN 1.12 بود. امتیاز Z NN 3.53 و p -value 0.0004 بود. همچنین میانگین فاصله محل و میانگین فاصله مورد انتظار به ترتیب 26/281 و 60/250 متر بود. به عبارت دیگر، روند مکان های AED به خوبی توزیع شده است. هنگامی که کل AED ها پراکنده شدند، میانگین فاصله بین AED های از قبل موجود 194.60 محاسبه شد. نسبت NN 0.79 بود. امتیاز Z NN 5.89- بود و p-مقدار صفر بود شاخص نسبت NN کمتر از یک بود که می توان آن را به عنوان یک الگوی خوشه بندی تفسیر کرد. میانگین تجزیه و تحلیل NN تأیید کرد که فاصله متوسط بین AED ها کوتاهتر شده است. همچنین می توانیم نتیجه بگیریم که AED های نصب شده پراکنده شده اند.

در شرایط فعلی، اکثر AED ها در داخل ساختمان نصب می شوند. از این رو، دسترسی اولیه به AEDها بسیار محدود است. بر این اساس، دولت محلی کره جنوبی هزینه های خود را در تبلیغات افزایش داده است تا نشان دهد چگونه باید از این AED ها استفاده شود. این نابرابری در صورتی می تواند مشکلات اجتماعی ایجاد کند که تنها چند نفر منتخب بتوانند به AED دسترسی داشته باشند. بنابراین، مشکلات اولیه این است که چگونه می توان دسترسی به AED ها را در مناطق عمومی افزایش داد و چگونه قابلیت استفاده از آنها را در مناطق پرخطر با وقوع ناگهانی ایست قلبی افزایش داد، نه تبلیغ آنها. ما از پارامترهای مختلفی برای حل این مسائل استفاده کردیم و مکان بهینه ای را برای AED ها تنظیم کردیم.

AED ها قابل حمل هستند. بنابراین، اطرافیان باید بتوانند به راحتی آنها را پیدا کنند و به بیماران مبتلا به OHCA کمک کنند. علاوه بر این، AED ها باید در مکان های مناسب برای عابر پیاده قرار گیرند. در مطالعه حاضر، مجموعه داده شبکه عابر پیاده برای مکان یابی AED ها از دیدگاه عابران پیاده استفاده شد. به عبارت دیگر، سایت‌های بالقوه تسهیلات (گره‌های کاندید) AEDها در هر تقاطع شبکه‌های جاده‌ای تنظیم شده‌اند، در حالی که سایر مطالعات امکانات بالقوه خود را در ساختمان‌هایی که اکثر AED‌ها در دسترس عموم نیستند یا در مرکز شبکه‌ای که نادیده می‌گیرند تنظیم می‌کنند. ویژگی های جغرافیایی منطقه مورد مطالعه هر جاده، خیابان و کوچه را می توان با تنظیم گره های شبکه عابر پیاده به عنوان مکان های بالقوه تسهیلات، که عملی تر است، به عنوان یک مکان بهینه AED در نظر گرفت.

مطالعات قبلی از آمارها یا تحلیل‌های فضایی مختلف برای تعریف گره‌های تقاضای تاسیسات استفاده کردند. اما در این مطالعه از جمعیت شناور استفاده شد. به این ترتیب، گره تقاضا می تواند فاکتورهای واقعی تری را در هنگام استفاده از این داده های جمعیت شناور، به جای استفاده از داده های جمعیتی جمع آوری شده در مسیر سرشماری یا اندازه گروه بلوک، حمل کند.

علاوه بر این، پوشش هر AED بر اساس میانگین سرعت راه رفتن یک فرد بود. بنابراین، هر AED می تواند محدوده خاصی از اثربخشی داشته باشد. در مجموع 455 AED در منطقه مورد مطالعه قرار گرفتند، از جمله 227 AED از قبل موجود، که موانع شبکه روانشناختی را که عابران پیاده را در شرایط اضطراری مسدود می‌کنند (به عنوان مثال، گذرگاه‌ها، زیرگذرها، و پل‌های روگذر) در نظر گرفتند.

موارد واقعی OHCA در سال 2014 برای ارزیابی مکان های AED بهینه استفاده شد. نسبت پوشش موارد OHCA از AEDها و AEDهای توزیع شده به طور تصادفی مقایسه شد. هشت روش ارزیابی مختلف برای دقت بیشتر پیشنهاد شد. مکان AED مبتنی بر شبکه (گروه های آزمایشی 1-4 و 2-4 فهرست شده در جدول 2 و جدول 3) هیچ بهبودی در پوشش نشان نداد که به ترتیب 57% و 48% را در تمام موارد OHCA و OHCA در فضای باز پوشش داد. میانگین نسبت پوشش همه موارد OHCA در مکان AED مبتنی بر شبکه کمترین نسبت پوشش را نشان داد. نتایج نشان داد که مکان‌های AED استخراج‌شده توسط این مطالعه 81 درصد از موارد OHCA واقعی و 73 درصد از موارد OHCA در فضای باز را پوشش می‌دهند. نسبت پوشش در این مطالعه در همه سناریوها بالاتر بود. بنابراین، می‌توان فرض کرد که اگر دستگاه‌های AED بر اساس این مطالعه نصب می‌شدند، 45 درصد از موارد OHCA احتمالاً براساس سوابق OHCA سال 2014، در مدت 5 دقیقه کمک‌های اولیه را از AEDها دریافت می‌کردند.

این مطالعه از محدودیت هایی رنج می برد. اول، در میان تمام تماس‌های اضطراری، موارد مرتبط با OHCA تنها 634 (تقریباً 2.5٪) در منطقه مورد مطالعه در سال 2014 را نشان می‌دهند. درصد پایین حجم نمونه می‌تواند منجر به سوء تفاهم از قابلیت اطمینان داده‌ها شود. علاوه بر این، بیشتر موارد OHCA در خانه ها رخ داده است. 20% موارد OHCA در فضای باز برای ارزیابی نتیجه مطالعه کافی بود. با این حال، این همچنین می تواند این تصور را ارائه دهد که داده های ارزیابی فراوان نبودند. بنابراین، موارد انباشته OHCA بیش از یک سال باید برای به دست آوردن حجم نمونه بسیار بزرگتر برای ارزیابی اعتبار مکان های AED مورد استفاده قرار گیرد. در نهایت، داده های AED از پیش نصب شده مورد استفاده در این مطالعه از سیستم AED عمومی ثبت شده در دولت کره به دست آمد. به عبارت دیگر، سایر AED های ثبت نشده در منطقه مورد مطالعه به عنوان AED های از پیش نصب شده در نظر گرفته نشدند زیرا ما نتوانستیم مکان دقیق آنها را بدست آوریم. بنابراین، نسبت پوشش این مطالعه در صورت ثبت و گنجاندن AEDهای ثبت نشده در آینده قابل تغییر است.

در برخی موارد، سازماندهی و تجزیه و تحلیل حجم عظیمی از داده ها می تواند به راحتی مسائل دنیای واقعی را حل کند تا استفاده از الگوریتم های پیچیده. نرخ بقای بیمارانی که از موارد ایست قلبی ناگهانی رنج می‌برند و میزان ترشحات زنده آنهایی که در موارد OHCA هستند، با استفاده از روش پیشنهادی و مجموعه داده‌ها، افزایش می‌یابد.

منابع

Ahn، KO; دو شین، اس. سو، GJ; چا، WC; آهنگ، KJ; کیم، اس جی. لی، ای جی; Ong، اپیدمیولوژی MEH و پیامدهای ایست قلبی غیرتروماتیک خارج از بیمارستان در کره: یک مطالعه مشاهده ای سراسری. احیا 2010 ، 81 ، 974-981. [ Google Scholar ] [ CrossRef ] [ PubMed ]
بکر، LB; اوسترندر، نماینده مجلس؛ بارت، جی. کوندوس، GT نتیجه CPR در یک منطقه بزرگ شهری-بازماندگان کجا هستند؟ ان ظهور. پزشکی 1991 ، 20 ، 355-361. [ Google Scholar ] [ CrossRef ]
هرلیتز، جی. انگدال، ج. اسونسون، ال. انگکوئیست، K.-A.; جوان، م. هولمبرگ، S. عوامل مرتبط با افزایش شانس بقا در میان بیمارانی که از ایست قلبی خارج از بیمارستان رنج می‌برند در دیدگاه ملی در سوئد. صبح. Heart J. 2005 ، 149 ، 61-66. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ریتر، جی. ولف، RA; گلدشتاین، اس. لندیس، جی آر. واسو، سی ام. آچسون، آ. لیتون، آر. مدندروپ، SV اثر CPR تماشاچی بر بقای قربانیان ایست قلبی خارج از بیمارستان. صبح. Heart J. 1985 ، 110 ، 932-937. [ Google Scholar ] [ CrossRef ]
استیل، IG; ولز، GA؛ دمائو، وی جی؛ اسپایت، DW; فیلد، بی جی. Munkley، DP; لیور، مگابایت؛ Luinstra، LG; وارد، آر. گروه، فاکتورهای قابل تغییر سیستم عامل مرتبط با بهبود بقای ایست قلبی در یک سیستم حمایت از زندگی/دفیبریلاسیون اولیه چند مرکزی: نتایج فاز اول مطالعه OPALS. ان ظهور. پزشکی 1999 ، 33 ، 44-50. [ Google Scholar ] [ CrossRef ]
Swor, RA; جکسون، RE; سینار، م. سادلر، ای. باس، ای. بوجی، بی. ریورا-ریورا، ای جی; ماهر، ا. گراب، دبلیو. Jacobson، R. Bystander CPR، فیبریلاسیون بطنی، و بقا در ایست قلبی خارج از بیمارستان شاهد و بدون نظارت. ان ظهور. پزشکی 1995 ، 25 ، 780-784. [ Google Scholar ] [ CrossRef ]
Valenzuela، TD; Roe, DJ; کرتین، اس. اسپایت، DW; لارسن، MP برآورد اثربخشی مداخلات ایست قلبی یک مدل بقای رگرسیون لجستیک. تیراژ 1997 ، 96 ، 3308-3313. [ Google Scholar ] [ CrossRef ] [ PubMed ]
کیم، اچ اس. اوهوم، دی سی؛ هانگ، SW عوامل موثر بر عملکرد احیای قلبی ریوی در یک غریبه. J. کره ای آکادمی. Soc. نورسی. آموزش. 2010 ، 16 ، 339-346. [ Google Scholar ] [ CrossRef ]
Ro، YS; دو شین، اس. آهنگ، KJ; لی، ای جی; کیم، جی. Ahn، KO; چانگ، اس پی. کیم، YT; هنگ، SO; چوی، J.-A. روندی در اپیدمیولوژی و پیامدهای ایست قلبی خارج از بیمارستان بر اساس سطح شهرنشینی: یک مطالعه مشاهده ای سراسری از سال 2006 تا 2010 در کره جنوبی. احیا 2013 ، 84 ، 547-557. [ Google Scholar ] [ CrossRef ] [ PubMed ]
لیون، آر. کاب، اس. بردلی، جی. گراب، ن. زنده ماندن از ایست قلبی خارج از بیمارستان در خانه: قرعه کشی کدپستی؟ ظهور. پزشکی J. 2004 , 21 , 619-624. [ Google Scholar ] [ CrossRef ] [ PubMed ]
وزارت بهداشت و خدمات انسانی ایالات متحده. دفیبریلاتور خارجی خودکار چیست؟ در دسترس آنلاین: https://www.nhlbi.nih.gov/health/health-topics/topics/aed (در 26 نوامبر 2016 قابل دسترسی است).
Gundry، JW; کومس، کا. DeRook، FA; جورجنسون، دی. بردی، GH مقایسه کودکان ساده لوح کلاس ششم با متخصصان آموزش دیده در استفاده از دفیبریلاتور خارجی خودکار. تیراژ 1999 ، 100 ، 1703-1707. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Jorgenson، DB; اسکار، تی. راسل، جی کی. اسنایدر، دی. Uhrbrock، K. Aed در مشاغل، امکانات عمومی و منازل توسط اولین پاسخ دهندگان با حداقل آموزش استفاده می شود. احیا 2003 ، 59 ، 225-233. [ Google Scholar ] [ CrossRef ]
هوک، RS; چمبرلین، دی. آسیب های اسکلتی قفسه سینه ثانویه به احیای قلبی ریوی. احیا 2004 ، 63 ، 327-338. [ Google Scholar ] [ CrossRef ] [ PubMed ]
جین، S.-M. درک عمومی و اهمیت آموزش عمومی و اطلاعات در مورد دفیبریلاتور خارجی خودکار (AED). پایان نامه کارشناسی ارشد، دانشگاه ملی کیونگ پوک، دایگو، کره، 2013. [ Google Scholar ]
فولک، اف. Gislason، GH; لیپرت، FK; Nielsen, SL; هفته، پ. هانسن، ام ال. Fosbøl، EL; اندرسن، اس اس. راسموسن، اس. Schramm، TK تفاوت بین ایست قلبی خارج از بیمارستان در مکان های مسکونی و عمومی و پیامدهای دفیبریلاسیون در دسترس عموم. تیراژ 2010 ، 122 ، 623-630. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Ong، MEH; Tan, EH; یان، ایکس. انوشیا، پ. لیم، SH; لئونگ، BS-H. Ong، VYK؛ تیاه، ال. یاپ، اس. اورتون، جی. یک مطالعه مشاهده‌ای که توزیع زمان جغرافیایی ایست قلبی در سنگاپور را توصیف می‌کند: کاربرد سیستم‌های اطلاعات جغرافیایی برای برنامه‌ریزی دفیبریلاسیون دسترسی عمومی چیست؟ (پدز فاز اول). احیا 2008 ، 76 ، 388-396. [ Google Scholar ] [ CrossRef ] [ PubMed ]
میتامورا، H. دفیبریلاسیون دسترسی عمومی: پیشرفت هایی از ژاپن. نات. کلین. تمرین کنید. قلب و عروق. پزشکی 2008 ، 5 ، 690-692. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ساکائی، ت. ایوامی، تی. کیتامورا، تی. نیشیاما، سی. کاوامورا، تی. کاجینو، ک. تاناکا، اچ. ماروکاوا، اس. تاساکی، او. Shiozaki، T. اثربخشی “نقشه AED موبایل” جدید برای یافتن و بازیابی یک AED: یک کارآزمایی تصادفی کنترل شده. احیا 2011 ، 82 ، 69-73. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Merchant, RM; Asch, DA آیا می توانید یک دفیبریلاتور خارجی خودکار پیدا کنید اگر زندگی به آن بستگی داشته باشد؟ دور قلب و عروق. کیفیت نتایج 2012 ، 5 ، 241-243. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ایمای، ک. فوجی، ا. Nabeshima، K. مکان AED در فضاهای عمومی: مطالعه موردی در پارک ueno با استفاده از نمودارهای voronoi با موانع. J. آرشیت آسیایی. ساختن. مهندس 2008 ، 7 ، 271-278. [ Google Scholar ] [ CrossRef ]
Tzeng، GH; چن، YW مکان بهینه ایستگاه های آتش نشانی فرودگاه: یک برنامه ریزی چندهدفه فازی و رویکرد الگوریتم ژنتیک اصلاح شده. ترانسپ طرح. فنی 1999 ، 23 ، 37-55. [ Google Scholar ] [ CrossRef ]
لیو، ن. هوانگ، بی. چاندرامولی، م. مکان یابی بهینه ایستگاه های آتش نشانی با استفاده از الگوریتم GIS و ANT. جی. کامپیوتر. مدنی مهندس 2006 ، 20 ، 361-369. [ Google Scholar ] [ CrossRef ]
لی، جی. موری، AT پوشش حداکثر با الزامات بقای شبکه در شبکه های مش بی سیم. محاسبه کنید. محیط زیست سیستم شهری 2010 ، 34 ، 49-57. [ Google Scholar ] [ CrossRef ]
آمار کره درخواست داده در دسترس آنلاین: http://sgis.kostat.go.kr/contents/shortcut/shortcut_05.jsp (در 29 ژوئن 2016 دسترسی پیدا کرد).
کرایسینگر، BW; Grossestreuer، AV; لاگونا، ام سی؛ گریفیس، اچ ام. براناس، سی سی; ویبی، دی جی؛ Merchant, RM ویژگی های پوشش خودکار دفیبریلاتور خارجی در فیلادلفیا، PA، بر اساس کاربری زمین و خطر تخمینی. احیا 2016 ، 109 ، 9-15. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Leung، AC; Asch، DA; لوزادا، KN; Saynisch، OB; Asch, JM; بکر، ن. گریفیس، اچ ام. شوفر، اف. هرشی، جی سی. هیل، اس. دفیبریلاتورهای خارجی خودکار نجات دهنده کجا قرار دارند و یافتن آنها در یک شهر بزرگ شهری چقدر سخت است؟ احیا 2013 ، 84 ، 910-914. [ Google Scholar ] [ CrossRef ] [ PubMed ]
SK Telecom. داده های ژئوویژن SK Telecom. در دسترس آنلاین: http://datablog.geovision.co.kr/index.php/data/ (دسترسی در 15 نوامبر 2016).
کیم، جی. ها، ی. کیم، جو. پیشنهاد لی، JB برای تولید داده های شبکه برای عابران پیاده در کره جنوبی با استفاده از نقشه های مقیاس بزرگ. KSCE J. Civ. مهندس 2015 ، 19 ، 1483-1491. [ Google Scholar ] [ CrossRef ]
اوه، ک. جونگ، اس. ارزیابی توزیع فضایی پارک‌های شهری با استفاده از GIS. Landsc. طرح شهری. 2007 ، 82 ، 25-32. [ Google Scholar ] [ CrossRef ]
پایگاه داده حمل و نقل کره دانلود داده ها. در دسترس آنلاین: https://www.ktdb.go.kr/www/index.do (در 12 ژوئیه 2016 قابل دسترسی است).
الشویش، آی. کامبر، ا. Brunsdon, C. مقایسه اکتشافی تخصیص مکان مبتنی بر GIS: به حداقل رساندن امپدانس در مقابل گروه بندی الگوریتم ژنتیک p-median ; تحقیقات GIS انگلستان: لیورپول، انگلستان، 2013. [ Google Scholar ]
اسری. الگوریتم های مورد استفاده توسط پسوند تحلیلگر شبکه ArcGIS. در دسترس آنلاین: http://resources.arcgis.com/en/help/main/10.2/index.html#/Algorithms_used_by_the_ArcGIS_Network_Analyst_extension/004700000053000000/ (در تاریخ 18 نوامبر 20) قابل دسترسی است.
آلپ، او. ارکوت، ای. درزنر، Z. یک الگوریتم ژنتیک کارآمد برای مسئله p-median. ان اپراتور Res. 2003 ، 122 ، 21-42. [ Google Scholar ] [ CrossRef ]
اسری. تجزیه و تحلیل مکان-تخصیص. در دسترس آنلاین: http://desktop.arcgis.com/en/arcmap/latest/extensions/network-analyst/location-allocation.htm (در 13 ژوئیه 2016 قابل دسترسی است).
من، W.-S. چو، H.-S.; جئونگ، ام.-جی. ریو، T.-B. چو، اچ.-یو. مقایسه ویژگی های راه رفتن بین جوانان کره ای و غربی. جی ارگون. Soc. کره 2006 ، 25 ، 33-42. [ Google Scholar ]
جود، جی آر. Kouwenhoven، WB; Knickerbocker، GG ایست قلبی: گزارش استفاده از ماساژ خارجی قلب بر روی 118 بیمار. جاما 1961 ، 178 ، 1063-1070. [ Google Scholar ] [ CrossRef ] [ PubMed ]
اکشتاین، ام. استراتن، اس جی; چان، LS ارزیابی احیای ایست قلبی در لس آنجلس: Care-la. ان ظهور. پزشکی 2005 ، 45 ، 504-509. [ Google Scholar ] [ CrossRef ] [ PubMed ]

شکل 1. نمونه هایی از نقاط تاسیسات بالقوه: ( الف ) کل منطقه; ( ب ) مقیاس بزرگتر.

شکل 2. منطقه مطالعه در یک نماد دریچه شده.

شکل 3. داده های سرشماری منطقه مورد مطالعه. ( الف ) کل جمعیت در منطقه مورد مطالعه. ( ب ) جمعیت سالمند در منطقه مورد مطالعه.

شکل 4. گردش کار. AED ها، دفیبریلاتورهای خارجی خودکار؛ EMS، خدمات پزشکی اورژانس؛ OHCA، ایست قلبی خارج از بیمارستان.

شکل 5. پردازش داده ها.

شکل 6. امکانات در منطقه مورد مطالعه.

شکل 7. جمعیت شناور.

شکل 8. مقایسه شبکه. ( الف ) مجموعه داده شبکه وسایل نقلیه ارائه شده توسط KTDB. ( ب ) مجموعه داده شبکه عابر پیاده.

شکل 9. سوابق رویداد با اطلاعات مناسب در منطقه مورد مطالعه: ( الف ) کل سوابق تماس اضطراری و ( ب ) فقط سوابق OHCA.

شکل 10. نمونه های تصادفی AED: ( الف ) تخصیص تصادفی AED در بخش های جاده. ( ب ) تخصیص تصادفی AED در منطقه مورد مطالعه. ( ج ) تخصیص تصادفی AED بر اساس شبکه. و ( د ) تخصیص تصادفی AED در اتصالات شبکه.

شکل 11. مکان های AED بهینه.

شکل 12. نسبت پوشش بر حسب تعداد جایگشت برای همه موارد OHCA. ( الف ) پوشش مبتنی بر شبکه. ( ب ) پوشش مبتنی بر اتصالات شبکه.

شکل 13. موارد OHCA (کل موارد OHCA در نقاط سیاه، موارد OHCA در فضای باز در نقاط زرد).

شکل 14. نسبت پوشش بر حسب تعداد جایگشت برای موارد OHCA در فضای باز. ( الف ) پوشش مبتنی بر شبکه. ( ب ) پوشش مبتنی بر اتصالات شبکه.

شکل 15. مقایسه منطقه تحت پوشش. ( الف ) AEDهای نصب شده و از پیش نصب شده اضافی (455 AED). ( ب ) AEDهای از پیش نصب شده “فیلتر شده” (227 AED). ( ج ) مجموع AED های از پیش نصب شده (432 AED).

جدول 1. روش های ارزشیابی (گروه های کنترل و آزمایش).

جدول 2. روش های ارزیابی و نتایج تمام موارد OHCA.

جدول 3. روش های ارزیابی و نتایج موارد OHCA در فضای باز.

© 2017 توسط نویسندگان. دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC BY) ( http://creativecommons.org/licenses/by/4.0/ ) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب