ارزیابی رفتار دور زدن بیمار با استفاده از داده‌های مبدا-مقصد سفر تاکسی (OD)

خلاصه

بسیاری از بیماران ترجیح می دهند از بهترین بیمارستان ها استفاده کنند، حتی اگر یک یا چند بیمارستان دیگر در نزدیکی خانه آنها وجود داشته باشد. این رفتار “رفتار بای پس بیمارستان” نامیده می شود. از آنجایی که این رفتار در مناطق شهری می تواند مشکل ساز باشد، کاهش آن ضروری است. در این مقاله، از داده‌های GPS تاکسی پکن و سوژو برای اندازه‌گیری رفتار بای پس بیمارستان استفاده شد. “شاخص رفتار بای پس” (BBI) نشان دهنده رفتار بای پس برای هر بیمارستان است. نتایج نشان داد که میانگین مقدار مسافت سفر بای پس بیمارستان از 5.988 کیلومتر تا 9.754 کیلومتر در پکن و از 4.168 کیلومتر تا 10.283 کیلومتر در سوژو متغیر است. به طور کلی، سهام بای پس هر دو منطقه روند افزایشی تدریجی را نشان می دهد. بیمارستان های زیر رفتار بای پس قابل توجهی از بیمار را نشان دادند: بیمارستان 301، بیمارستان کودکان پکن، دومین بیمارستان وابسته دانشگاه سوچو و بیمارستان طب سنتی چینی سوژو. شهرت بیمارستان ها، دسترسی به حمل و نقل و توزیع فضایی عوامل اصلی موثر بر رفتار بای پس بیمار هستند. اگرچه پدیده بای پس بیمارستانی به طور کلی در پکن بارزتر به نظر می رسد، فاصله سفر بای پس بین بیمارستان ها در سوژو قابل توجه تر است.

کلید واژه ها:

رفتار دور زدن ناهمگونی فضایی ; بیمارستان خوب ؛ داده های GPS تاکسی ; OD

1. معرفی

یک پدیده گسترده و غیرمعمول در مراقبت های بهداشتی چین وجود دارد که برای سال ها رخ داده است که در آن بیماران منابع پزشکی با کیفیت بالا (بیمارستان های بزرگ) را صرف نظر از داشتن یک بیماری جزئی یا یک بیماری جدی ترجیح می دهند. هرکسی می‌تواند یک بیمارستان نزدیک را دور بزند و از یک بیمارستان بزرگ واقع در دورتر استفاده کند، حتی اگر آن فرد به سادگی سرماخوردگی داشته باشد که می‌توان آن را مستقیماً در هر بیمارستان معمولی نزدیک درمان کرد. تصمیم به نادیده گرفتن بیمارستان های نزدیکتر برای مراجعه به پزشک با کیفیت بالا که دورتر است، رفتار بای پس بیمارستان نامیده می شود [ 1]]. رفتار بای پس بیمارستانی در بسیاری از کشورها وجود دارد، اما در چین، وضعیت متفاوت است. با شهرنشینی سریع در چین در سال های اخیر، جمعیت شهری منفجر شده است. به عنوان مثال، کسری از جمعیت کشور ساکن در شهرها از 17.9٪ به 52.6٪ بین سال های 1978 و 2012 افزایش یافته است [ 2] .]. با این حال، بر اساس پایگاه داده WDI بانک جهانی، نسبت هزینه های دولت چین برای سلامت تنها 5.4 درصد از تولید ناخالص داخلی تا سال 2012 بود که بسیار کمتر از سطح متوسط جهان (10.2 درصد) است. بنابراین تخصیص منابع پزشکی همسو با نیازهای درمانی جمعیت شهری نبوده است. علاوه بر این، منابع پزشکی ممکن است به طور همگن با روند گسترش زمین شهری گسترش نیافته باشد. اگرچه بیمارستان‌های جدید در مناطق شهری جدید ساخته می‌شوند، منابع پزشکی برتر هنوز در مناطق درون شهری باقی مانده‌اند [ 3]. این الگوهای ناهمگونی که منجر به عدم تطابق بین عرضه و تقاضای خدمات پزشکی می شود، رفتار بای پس بیمارستان را ترویج می کند. رفتار بای پس بیمارستان باعث ایجاد مشکلات زیادی مانند شلوغی بیش از حد در بیمارستان‌های با کیفیت بالا با تعداد کمی از بیماران در بیمارستان‌های معمولی شده است که منجر به استفاده ناکارآمد از منابع پزشکی، مشکل در ثبت نام به دلیل زمان انتظار طولانی و ترافیک در اطراف بیمارستان‌های با کیفیت می‌شود [4، 5 ] .]. بر این اساس، رفتار بای پس بیمارستان دلیل مهمی برای “دریافت مراقبت های بهداشتی مناسب دشوار است” در چین بوده است. بنابراین، باید از رفتار دور زدن جلوگیری کرد. برای تحقق این هدف، ما روندهای رفتار دور زدن را کمی سازی می کنیم و سعی می کنیم علل آن را از نظر ناهمگونی منابع پزشکی در شهرها شناسایی کنیم. این تجزیه و تحلیل باید راهنمایی در مورد تخصیص معقول منابع پزشکی ارائه دهد، که می تواند به افراد کمک کند تا مراقبت های پزشکی مناسب را با موفقیت دریافت کنند.

مطالعات روی رفتار بای پس بیمارستان عمدتاً بر دو جنبه متمرکز شده است: توصیف الگو و تجزیه و تحلیل عوامل مؤثر. ویژگی های آماری از نظر درصد دور زدن [ 6 ]، میانگین مسافت های سفر [ 7 ]، دوره های زمانی [ 8 ] و هزینه ها [ 9 ] ارزیابی شده است. نرخ دور زدن در مناطق متفاوت است. به عنوان مثال، در مناطق روستایی آمریکا، نرخ بای پس به طور کلی کمتر از 40٪ بود [ 6 ، 10 ، 11 ]، در حالی که این تعداد در برخی از کشورهای توسعه نیافته بسیار بیشتر بود [ 9 ، 12 ، 13]]. بیماران بای‌پس هزینه‌ها را بر حسب مسافت‌های سفر اضافی، زمان سفر و هزینه‌های مالی اضافی پرداخت می‌کنند، و بیشتر مطالعات نشان داده‌اند که چرا آنها مایل به پرداخت این هزینه‌ها هستند [ 14 ]. عواملی که بر رفتار بای پس تأثیر می‌گذارند، عمدتاً شامل سن، جنسیت، درآمد و تجربیات بیمار یا ارتباط با ویژگی‌های بیمارستان، یعنی نوع، اندازه، کیفیت، دسترسی و غیره است. احتمال بیشتری برای دور زدن بیمارستان های محلی نسبت به افراد بدون بیمه وجود دارد [ 15 ]. با استفاده از یک مدل پروبیت باینری و یک مدل لاجیت شرطی، او [ 16] دریافت که شدت بیماری و کیفیت خدمات پزشکی به طور مثبت بر رفتار بای پس تأثیر می گذارد، در حالی که رضایت از بیمارستان محلی آن را کاهش می دهد. زمان انتظار معقول در نزدیکترین بیمارستان نیز احتمال رفتار بای پس را کاهش می دهد [ 17]. اگرچه بهبودهای خاصی در مورد رفتار بای پس انجام شده است، مطالعات قبلی دارای نقاط ضعفی هستند. اول، اگرچه مطالعات قبلی عمدتاً تحلیل‌های توصیفی از رفتار دور زدن ارائه کرده‌اند، مطالعات کمی ویژگی‌های فضایی را که به الگوهای ناهمگنی مربوط می‌شوند، بررسی کرده‌اند. این نقص به این دلیل است که گزارش‌ها و آمار رسمی در مورد استفاده عمومی، پرسشنامه‌ها، مصاحبه‌ها و سوابق ثبت نام بیمار معمولاً برای نشان دادن رفتارهای بستری در بیمارستان استفاده می‌شوند. این رکوردها ممکن است حاوی اطلاعات مکانی نباشند و بنابراین نمی توانند برای نشان دادن ناهمگونی فضایی پدیده مورد استفاده قرار گیرند. دوم، داده هایی که مورد استفاده قرار گرفته اند برای نمونه کوچکی از بیماران هستند و ممکن است روند کلی یک شهر را آشکار نکنند. برای رفع این محدودیت ها، این مطالعه اولین مطالعه ای است که رفتار بای پس بیمار را با استفاده از داده های GPS تاکسی ارزیابی می کند. تاکسی‌های مجهز به GPS را می‌توان به عنوان حسگرهای متحرکی در نظر گرفت که به طور مداوم مکان‌های لحظه‌ای رانندگان و مسافران را ردیابی می‌کنند.18 ، 19 ، 20 ]. نقاط تحویل و خروج مسافر که از مسیرهای تاکسی استخراج می شوند می توانند مبدا مسافر و مقصد سفر را نشان دهند [ 21 ، 22 ]. داده‌های GPS تاکسی همراه با سایر داده‌ها (به عنوان مثال، داده‌های POI) می‌توانند به روش‌های مختلفی برای شناسایی فعالیت‌های افراد مورد استفاده قرار گیرند و به سرعت بررسی شوند. دو نوع اصلی شناسایی عبارتند از نوع سفر (به عنوان مثال، کار، و خرید) از دیدگاه کلان [ 23 ، 24 ] و مکان مقصد (شامل نوع کاربری زمین [ 25 ] و POI خاص [ 26 ، 27 ]) از دیدگاه کیهانی خرد. برای شناسایی مکان خاص، Si et al. [ 23] به طور مشخص سه نوع POI (مثلا رستوران ها) و الگوهای سفر مربوط به آنها (مثلاً غذاخوری) را قبل از تعیین POI کاندید از پیش تعریف کرد. سپس وزن هر نوع POI با در نظر گرفتن توزیع احتمال الگوی سفر برای دوره های زمانی مختلف محاسبه شد. POI نامزد با بیشترین وزن می تواند مقصد شناسایی شده باشد. ژانگ و همکاران [ 26 ] از مسیرهای گزارش شده از ناوگان تاکسی‌های مجهز به GPS برای شناسایی بازدیدهای پمپ بنزین (یعنی رویدادهای سوخت‌گیری) با در نظر گرفتن تحرک و محدودیت‌های جغرافیایی استفاده کرد. بر این اساس، الگوی فعالیت راننده تاکسی (سوخت‌گیری) و مقصد (پمپ بنزین) قابل شناسایی است. علاوه بر این، یو و همکاران. [ 27] یک شعاع بافر 500 متری را بر اساس یک مرکز خرید تعریف کرد. در مطالعه آنها، نقاط خروج مسافران تاکسی در بافر را می توان برای اهداف خرید در نظر گرفت. بنابراین، داده‌های GPS تاکسی می‌تواند فعالیت‌های خاص افراد را در سطوحی نشان دهد و بنابراین به نظر می‌رسد یک منبع داده جدید برای نشان دادن رفتار در مورد بازدید از بیمارستان باشد. این مجموعه نسبتاً بزرگ از داده های نمونه در تحقیق ما استفاده شد. بنابراین، بسیاری از این مقاله رفتار دور زدن را از منظر جغرافیایی ارزیابی می‌کند.

هدف از این مطالعه تعیین سطح ناهمگونی فضایی برای بیمارستان های با کیفیت بالا در منطقه مورد مطالعه است. علاوه بر این، این مقاله اطلاعاتی را در مورد تخصیص معقول خدمات بیمارستانی با کیفیت و راهنمایی برای افرادی که به دنبال مراجع پزشکی مناسب هستند ارائه می دهد. ادامه مقاله به شرح زیر تدوین شده است. پس از توضیح مختصری از مجموعه داده ها و منطقه مورد مطالعه استفاده شده، روش های تجزیه و تحلیل مورد استفاده برای ارزیابی داده ها ارائه شده است. سپس نتایج تجربی گزارش می شود. در نهایت، یافته‌های کلیدی نشان داده شده و راه‌هایی برای تحقیقات آتی شرح داده شده است.

2. روش ها

2.1. مجموعه داده ها و منطقه مطالعاتی

داده های GPS تاکسی مورد استفاده در این مطالعه از 15 آوریل 2011 تا 19 آوریل 2011 برای پکن و از 21 آوریل 2014 تا 22 آوریل 2014 برای سوژو جمع آوری شد. مجموعه داده پکن حاوی سوابق GPS برای بیش از 10000 تاکسی است، در حالی که مجموعه داده سوژو شامل داده های تقریباً 4300 تاکسی محلی است. هر مجموعه داده فرمت ها و محتوای متفاوتی را ارائه می دهد. رکوردهای GPS برای هر دو مجموعه داده شامل فیلدهای مشترک زیر است:

PointID: شناسایی رکورد.
TaxiID: شناسه تاکسی نمونه.
طول جغرافیایی: اطلاعات طول جغرافیایی یک تاکسی در طول دوره ضبط.
عرض جغرافیایی: اطلاعات عرض جغرافیایی برای یک تاکسی در طول دوره ضبط.
زمان: زمان ضبط؛ و
حالت: آیا تاکسی با (1) یا بدون (0) مسافر باشد.

از آنجایی که تمرکز ما به رابطه بین مبدأ و مقصد (OD) سفرهای مسافری تاکسی است، مسیرهای تاکسی به نقاط تحویل و تحویل (داده‌های OD سفر تاکسی) ساده شده است، یعنی زمانی که “وضعیت” از 0 به 1، یک رویداد برداشت رخ داده است. به طور مشابه، انتقال از 1 به 0 نشان می دهد که یک رویداد رها کردن رخ داده است. ما از OD برای نشان دادن رویدادهای حمل و نقل تاکسی در آینده استفاده کردیم. بنابراین می توان از این معیار برای شناسایی سفرهای فردی به یک بیمارستان خاص استفاده کرد.

دو منطقه مورد مطالعه زیر مورد استفاده قرار گرفت: منطقه ای که در منطقه جاده حلقه پنجم در پکن و منطقه ای در منطقه جاده حلقه ای شهر در سوژو واقع شده است. هر دو مناطق شهری معمولی دو شهر هستند. پکن، پایتخت چین، مساحتی به وسعت 16410.54 کیلومتر ^مربع را پوشش می دهد و بیش از 20 میلیون ساکن را شامل می شود [ 28 ]. پکن به عنوان مرکز سیاسی و فرهنگی کشور، منابع اجتماعی فراوانی را ارائه می دهد. این شهر شامل 88 بیمارستان سطح سوم (سطح بالا) [ 29 ] است که 61 بیمارستان در منطقه کمربندی پنجم قرار دارند ( شکل 1) .آ). سوژو، که در منطقه جنوبی استان جیانگ سو واقع شده است، یک مرکز فرهنگی، تاریخی و گردشگری مشهور است. سوژو به عنوان یکی از شهرهای بزرگ در دلتای یانگ تسه، مساحتی معادل 8488.42 کیلومتر ^مربع را پوشش می‌دهد و مساحت شهر به‌طور مناسب 2743 کیلومتر ^مربع را پوشش می‌دهد . جمعیت این شهر 1057.87 میلیون نفر است و 546.83 میلیون نفر در این شهر زندگی می کنند. سوژو همچنین منطقه ای است که به دلیل کانال هایش معروف است و منطقه آبی آن (که شامل دریاچه های تایهو و یانگ چنگ می شود) 42.5٪ از کل آب چین را در بر می گیرد [ 30 ، 31 ]. چهارده بیمارستان ثالث (سطح بالا) و 29 بیمارستان ثانویه (سطح متوسط) در منطقه شهری سوژو یافت می شوند [ 32 ]. 37 مورد از این بیمارستان ها در منطقه جاده کمربندی شهر-گردی واقع شده اند ( شکل 1ب). منابع پزشکی (از نظر کمیت و توزیع) به دلیل وجود درجه های مختلف شهر متفاوت است.

ما 20 بیمارستان عالی در منطقه مورد مطالعه پکن و 22 بیمارستان (10 بیمارستان سوم، 12 ثانویه) در منطقه مورد مطالعه سوژو را برای تحقیق در مورد رفتار بای پس بیمار انتخاب کردیم. هنگام انتخاب آن بیمارستان های نمونه، شرایطی در نظر گرفته شد. ابتدا باید مشخص شود که آیا سفرهای تاکسی به بیمارستان انتخابی انجام می شود یا خیر. دو موقعیت پیرامون دروازه‌های بیمارستان‌های نمونه انتخابی ما وجود دارد: هیچ POI دیگری (به عنوان مثال، فقط دیوارهای بیمارستان) و برخی از افراد POI بعید است که با تاکسی به آنجا بروند (مثلاً ویترین فروشگاه‌های کوچک). دوم، بیمارستان باید در منطقه مورد مطالعه با کیفیت نسبتاً بالا باشد. و سوم، توزیع بیمارستان های نمونه باید منطقه مورد مطالعه را پوشش دهد. ما آن بیمارستان های نمونه واجد شرایط و نمونه را برای دو شهر بر اساس معیارهای فوق انتخاب کردیم. همه داده های GPS تاکسی، داده های بیمارستان و شبکه های جاده ای [33 ] در یک پایگاه داده فضایی ذخیره شدند.

2.2. دور زدن شاخص های ارزیابی رفتار

قبل از ارائه شاخص‌های مورد استفاده برای اندازه‌گیری ناهمگونی فضایی رفتار بای‌پس، ما مشخص می‌کنیم که آیا مسافران با استفاده از داده‌های OD سفر تاکسی از بیمارستان‌ها بازدید می‌کردند یا ترک می‌کردند. این داده ها در بخش زیر ارائه شده است. توجه به این نکته مهم است که ما از طول مسیر واقعی به جای فاصله اقلیدسی هنگام محاسبه مسافت سفر استفاده کردیم. هنگامی که یک بازدید کننده از بیمارستان به نزدیکترین بیمارستان خود نمی رفت، این سفر یک سفر بای پس بیمارستان در نظر گرفته می شد. یک استثنا وجود دارد که اگر بیمارستان کودکان نزدیک‌ترین بیمارستان به یک بیمار خاص باشد، تنها پس از دور زدن نزدیک‌ترین بیمارستان عمومی (احتمالاً دومین بیمارستان نزدیک به بیمار) به عنوان موضوع مطالعه ما (بیمار بای‌پس) در نظر گرفته می‌شود. او).

برای اندازه گیری رفتار بای پس بیمارستان های نمونه، از «شاخص رفتار بای پس» (BBI) استفاده شد. هنگامی که BBI بالاتر باشد، رفتار بای پس بیمار برای بیمارستان نمونه برداری مهم تر است. داده های BBI با سه شاخص ادغام شدند: رتبه بندی مسافت سفر بای پس بیمارستان، نقاط منبع نسبت بای پس بیمارستان در بین بیمارستان های نمونه (سهم بای پس بیمارستان، بعد از آن)، نقاط منبع نسبت بای پس بیمارستان برای یک بیمارستان واحد (نسبت بای پس بیمارستان، بعد از آن).

دور زدن شاخص رفتار

برای تعیین سطوح رفتار بای پس بیمار برای موسسات پزشکی با کیفیت بالا، BBI به عنوان یک شاخص استفاده شد. BBI به عنوان میانگین سه عامل بر اساس استانداردسازی مقادیر خام در مقیاس 1 تا 100 تعریف شده است. فرمول ها به صورت زیر نوشته شده است:

پj=∑من=13افمنj3

(1)

افمنj=[99∗fمنj–مترمنnمنمترآایکسمن–مترمنnمن]+1

(2)

جایی که پjBBI بیمارستان j از معادلات (1) و (2) تعیین می شود. افمنj مقدار نهایی مقیاس شده بیمارستان j برای شاخص i است ( i = 1، 2، 3، از این پس)، fمنjمقدار خام بیمارستان j برای شاخص i است ، مترآایکسمنحداکثر مقدار برای شاخص i ، و است مترمنnمنحداقل مقدار برای شاخص i است . چندین مطالعه شاخص های ارزیابی رتبه بندی شده را ارائه می دهند [ 34 ، 35 ، 36 ، 37 ، 38 ] (به عنوان مثال، روش PROMETHEE). با این حال، این شاخص‌ها عمدتاً با تمایل سیاست‌گذار به استفاده از کارکردهای مبتنی بر ترجیح شخصی و پارامترهای معیارهای مختلف تعیین می‌شوند. رویکرد توصیه شده توسط [ 34 ، 35 ] برای محاسبه شاخص و رتبه بندی استفاده شد زیرا درک، عینی و کاربردی بودن آن آسان است.

شاخص 1: رتبه بندی مسافت سفر بای پس بیمارستان

این شاخص به عنوان معادله (3) تعریف شده است. بر اساس مسافت سفر به همه بیمارستان‌ها، بیمارستان‌های مورد استفاده افراد نمونه را رتبه‌بندی کردیم. بنابراین، به هر نقطه منبع بای پس بیمارستان، یک ویژگی رتبه بیمارستان هدف بر اساس مسافت طی شده داده شد، و ما میانگین همه رتبه‌بندی‌های مرتبط را برای بیمارستان مورد نظر محاسبه کردیم. عبارت به صورت معادله (3) نشان داده شده است.

f1j=آرپ1+آرپ2+آرپ3+…+آرپnنj

(3)

جایی که f1jنشان دهنده ضریب رتبه فاصله سفر بای پس بیمارستان نمونه j است . آرپnنشان دهنده رتبه فاصله بیمارستان نمونه j برای نقطه منبع pn است. نjتعداد تمام نقاط منبع بای پس بیمارستان برای نمونه بیمارستان j را نشان می دهد . این عامل به طور کلی نشان می دهد که بیماران چقدر مسافت را طی کرده اند تا به یک بیمارستان خاص برسند.

شاخص 2: سهم بای پس بیمارستان

این شاخص به عنوان معادله (4) تعریف شده است. سهم بای پس بیمارستان نشان دهنده درصد نقاط منبع بای پس بیمارستانی است که یک بیمارستان خاص در بین تمام نقاط منبع بای پس برای همه بیمارستان های نمونه گیری شده اشغال می کند. این عامل نشان می دهد که جذابیت نسبی یک بیمارستان برای بیماران بای پس بیمارستانی که بسیار قوی است، یعنی اگر بیمارستان های دیگر به نمونه اضافه شوند، رتبه نسبی این شاخص تغییر نمی کند. عبارت به صورت معادله (4) نشان داده شده است.

f2j=نj∑j=1مترنj

(4)

جایی که f2jنشان دهنده نسبت بای پس بیمارستان نمونه j برای تمام بیمارستان های نمونه است. نjتعداد نقاط منبع بای پس بیمارستان را برای بیمارستان نمونه j نشان می دهد . ∑j=1مترنjنشان دهنده مجموع نقاط منبع بای پس بیمارستان برای همه بیمارستان های نمونه برداری شده است. m = 20 در منطقه مورد مطالعه پکن، در حالی که m = 22 در منطقه مطالعه سوژو.

شاخص 3: نسبت بای پس بیمارستان

این شاخص به صورت معادله (5) تعریف شده است. نسبت بای پس بیمارستان، درصد بیماران بای پس بیمارستانی را برای یک بیمارستان نشان می دهد. این شاخص میزان تقاضای بای پس بیمارستان بیمار را بر اساس ترجیح بیماران غیر همسایه آن بیمارستان خاص و به اشتراک گذاری منابع پزشکی با بیمارانی که در نزدیکی زندگی می کنند، نشان می دهد. عبارت به صورت معادله (5) نشان داده شده است.

f3j=نjاسj

(5)

جایی که f3jنشان دهنده نسبت نقاط منبع بای پس بیمارستان برای بیمارستان نمونه j است . نjتعداد نقاط منبع بای پس بیمارستان را برای بیمارستان نمونه j نشان می دهد . اسjتعداد نقاط منبع برای بیمارستان نمونه j را نشان می دهد .

2.3. تشخیص نقطه منبع

رفتارهای حضور و غیاب مسافران تاکسی را می توان بر اساس نقاط تحویل و خروج تعیین کرد. هر نقطه تحویل و تحویل در یک فاصله فضایی مشخص در اطراف دروازه بیمارستان که به عنوان یک “نقطه هدف” تعریف شده است. نقاط رها کردن یا تحویل مربوطه آنها به عنوان “نقاط منبع” در پایگاه داده بارگذاری شد. از این رو، هر نقطه هدف و نقطه مبدا مرتبط با آن، مبدأ یا نقطه مقصد مسافر تاکسی را برای یک سفر تاکسی معین (داده‌های OD) تشکیل می‌دهد. بنابراین، مسافت یا زمان سفر را می‌توان بر اساس نقاط هدف و ویژگی‌های نقاط منبع مرتبط تعیین کرد.

برای به دست آوردن اطلاعات OD سفر تاکسی با اطلاعات موقعیت مکانی دقیق (طول و عرض جغرافیایی)، ابتدا تمیز کردن داده ها را انجام دادیم تا اطلاعات دقیق موقعیت مکانی GPS تاکسی را جمع آوری کنیم. برای مثال، ما سفرهای غیرمنطقی را حذف کردیم (مثلاً طول سفر کمتر از 10 متر، دوره سفر 0S). سپس، بر اساس برنامه ای که توسط GraphHopper برای ردیابی تاکسی ها در جاده ارائه شده بود، کار تطبیق نقشه را انجام دادیم. همانطور که در بخش 2.1 ذکر شد، مسیرهای تاکسی به نقاط تحویل و خروج (داده های OD) ساده شد.. همزمان با موارد فوق، از داده‌های موقعیت مکانی بیمارستان برای گرفتن تصویر Google Maps مربوطه استفاده شد. سپس منطقه بافر هر بیمارستان را بر اساس شبکه‌های جاده‌ای پس از ارجاع جغرافیایی تصویر از طریق ArcGIS 10.1 شناسایی کردیم. سپس نقاط هدف بیمارستان پس از پردازش اتصال فضایی استخراج شد و نقاط منبع متناظر آنها (نقاطی که متعلق به همان سفر هستند) در پایگاه داده به دست آمد. کل گردش کار را می توان در شکل 2 مشاهده کرد .

با استفاده از آکادمی علوم پزشکی چین بیمارستان سرطان (ZL در پینیین چینی و بعد از آن) به عنوان مثال، فرآیند گام به گام زیر برای تعیین منشاء نقطه منبع بیمارستان استفاده شد (شکل 3 ) .

مرحله 1: مطابق با Google Earth، تصویر را با منطقه اطراف ZL استخراج کنید و سپس تصویر را به سیستم مختصات نقشه شبکه جاده موجود در ArcGIS 10.1 همانطور که در شکل 3 a نشان داده شده است ارجاع دهید ( خط قرمز نشان دهنده شبکه جاده است).
گام 2: یک طرح کلی از ZL از طریق تفسیر تصویر ایجاد کنید و دروازه غربی و جنوبی آن را همانطور که در شکل 3 ب نشان داده شده است بیابید (چند ضلعی آبی شفاف محیط فضایی ZL را نشان می دهد).
مرحله 3: روی دو دروازه تمرکز کنید. منطقه نقطه هدف بالقوه (تقریباً 50 متر در امتداد جاده) را جداگانه ترسیم کنید. هنگامی که با مشکلات خطای موقعیت یابی GPS مواجه می شوید، می توان منطقه بالقوه را پوشش داد. چند ضلعی زرد در شکل 3 c، ناحیه پتانسیل ZL را نشان می دهد. بنابراین، نقاط مبدا و مقصد در چند ضلعی زرد به عنوان نقاط هدف ZL عمل می کنند.
مرحله 4: نقطه منبع متناظر هر نقطه هدف را در پایگاه داده (نقاطی که متعلق به همان سفر هستند) شناسایی کنید. شکل 3 d برخی از نقاط منبع ZL را بر روی نقشه نشان می دهد.

3. نتایج

روش تجزیه و تحلیل شامل چهار مرحله است. ابتدا، هر نقطه منبع بیمارستانی نمونه که نشان دهنده خدمات رسانی به بیماران بود، شناسایی شد. مسافت سفر بر اساس شبکه‌های جاده‌ای بین نقاط مبدا و بیمارستان‌های منطقه مورد مطالعه محاسبه شد و نقاط مبدا بای پس بیمارستانی بر اساس رتبه‌بندی مسافت سفر استخراج شد. سپس نسبت نقطه منبع بای پس بیمارستان و رتبه بندی فاصله برای هر نقطه منبع بای پس بیمارستان تعیین شد. در نهایت، ارزش BBI هر بیمارستان نمونه با استفاده از سه عامل ذکر شده در بالا سنتز شد. برای وضوح بیشتر از اختصارات هر بیمارستان در بخش های بعدی استفاده خواهد شد. فهرستی از اختصارات مورد استفاده برای اشاره به بیمارستان های نمونه در ضمیمه A ، جدول A1 ارائه شده است .

3.1. مشخصات آماری فاصله بای پس بیمارستانی

شکل 4 آمار توصیفی (میانگین و حداکثر مقدار) را برای دو نوع مسافت سفر بای پس بیمارستانی به ترتیب برای بیمارستان های پکن و سوژو که مورد بررسی قرار گرفتند، فهرست می کند. انحراف معیار و واریانس به ترتیب در پیوست B ، جدول B1 و جدول B2 ارائه شده است . در مورد سفرهای تاکسی، مناطق تاکسی‌گیری بر اساس فاصله 3 کیلومتری انجام شد. ما همچنین سفرهای بای پس بیمارستان غیر همسایه بیش از 3 کیلومتر را برای کل نمونه بررسی کردیم. برای بیمارستان های پکن ( شکل 4a)، مقادیر میانگین فاصله سفر بای پس بیمارستان از 5.988 کیلومتر (YY) تا 9.754 کیلومتر (MH) و حداکثر مقادیر فاصله سفر بای پس بیمارستان از 26.645 کیلومتر (H306) تا 78.855 کیلومتر (H301) یافت شد. مقادیر انحراف استاندارد بیمارستان تفاوت قابل توجهی پیدا نکرد. برای بیمارستان‌های سوژو ( شکل 4 ب)، مقادیر میانگین فاصله سفر بای پس بیمارستان از 4.168 کیلومتر (XF) تا 10.283 کیلومتر (JL) و حداکثر مقادیر فاصله سفر بای پس بیمارستان در محدوده 16.283 کیلومتر (BBY) یافت شد. ) تا 50.559 کیلومتر (JL). علاوه بر این، مقادیر انحراف معیار بیمارستان تغییرات جزئی را نشان داد. به طور کلی، میانگین و حداکثر مسافت سفر بای پس بیمارستانی برای پکن بزرگتر از مسافت برای سوژو بود. شکل 4تقریباً همین روند را برای سفرهای بای پس بیمارستانی غیر همسایه در تمام مسافت ها در پکن و سوژو نشان می دهد.

3.2. ویژگی های رتبه بندی از راه دور

شکل 5 ، شکل 6 ، شکل 7 و شکل 8 هیستوگرام رتبه فاصله بای پس بیمارستان را برای بیمارستان های مورد بررسی در دو منطقه مورد مطالعه تحت دو شرایط نشان می دهد. در هر نمودار، محور پایین ( محور X ) رتبه‌بندی مسافت سفر یک بیمارستان معین را نشان می‌دهد، در حالی که محور عمودی ( محور Y ) فراوانی هر رتبه را نشان می‌دهد. خط قرمز به عنوان منحنی چگالی احتمال عمل می کند.

همانطور که در شکل 5 نشان داده شده است، هیستوگرام های رتبه فاصله برای بیمارستان های پکن بررسی شده را می توان با توجه به ویژگی های توزیع فرکانس رتبه در سه کلاس زیر گروه بندی کرد:

نقاط منبع بای پس بیمارستانی عمدتاً بین بخش‌های رتبه‌بندی 2 و 10 یافت می‌شوند که شامل YY، XW، EYSET، BDDS، GAM، H306، WJ، و H301 می‌شود.
توزیع نقطه منبع بای پس بیمارستانی بین بخشهای رتبه 2 و 30، که شامل BDRM، TR، ZY، XH، BDDY، ET، و JST هستند، نسبتا یکنواخت است.
نقاط منبع بای پس بیمارستان الگوهای توزیع واضحی را در بخش‌های رتبه‌بندی 30 تا 50 نشان می‌دهند که شامل ZL، H307، MH، YA، و BDKQ است.

به طور کلی، فاصله سفر بای پس بیمارستان غیر همسایه (بیش از 3 کیلومتر) هیستوگرام رتبه ای بیمارستان های پکن بررسی شده نشان داده شده در شکل 6 مشابه هیستوگرام در شکل 5 است . تفاوت های جزئی را می توان بین بیمارستان ها مشاهده کرد، به عنوان مثال، GAM، و توزیع نقطه منبع بای پس بیمارستان برای این دوره نسبتا یکنواخت است.

شکل 7 یک هیستوگرام رتبه فاصله سفر بای پس بیمارستان غیر همسایه را برای بیمارستان های سوژو بررسی شده نشان می دهد. مقادیر را می توان بر اساس ویژگی های توزیع فرکانس رتبه بندی زیر به سه کلاس گروه بندی کرد:

نقاط منبع بای پس بیمارستانی عمدتاً بین بخش‌های رتبه‌بندی 2 و 15 یافت می‌شوند که شامل XF، WZRM، TJ، SZET، SLDQ، SLBQ، SLBB، SDDY، LF، KQ، JC، H100، و BBY می‌شوند.
توزیع نقطه منبع بای پس بیمارستان نسبتاً یکنواخت از بخش‌های رتبه‌بندی 2 تا 30 است که شامل SZZY، SDYK، SDDE و DWZXY می‌شود.
نقاط منبع بای پس بیمارستان یک الگوی توزیع واضح را از بخش 30 تا انتها نشان می‌دهند که XCRM، SA، MDRM، GXQRM و JL را شامل می‌شود.

مشابه پکن، دورترین فاصله سفر بای پس بیمارستانی (بیش از 3 کیلومتر) هیستوگرام رتبه ای برای بیمارستان های سوژو بررسی شده در شکل 8 به طور کلی مشابه هیستوگرام نشان داده شده در شکل 7 است ، به استثنای XF. برای XF در شکل 8 ، نقاط منبع بای پس بیمارستان عمدتاً در بخش های 5-20، به ویژه در بخش های 15-20 متمرکز شده اند.

3.3. اشتراک بای پس بیمارستان

شکل 9 نسبت نقاط منبع بای پس بیمارستان را برای دو منطقه مورد مطالعه در دو شرایط برای همه سفرهای بای پس بیمارستان غیر همسایه و برای مسافت های سفر بیش از 3 کیلومتر نشان می دهد. بیمارستان های فهرست شده در امتداد محور افقی بر اساس مقادیر نقطه منبع مرتب شده اند. شکل به وضوح نشان می‌دهد که نسبت‌های یافت شده در دو شرایط تقریباً یکسان هستند، با تفاوت‌های بسیار کم در دو منطقه مورد مطالعه. برای بیمارستان های پکن مورد بررسی ( شکل 9 الف)، نسبت ها به تدریج با مقادیر نقطه منبع افزایش می یابد و به حداکثر مقدار 12.38٪ / 11.87٪ (BDDS) می رسد. این روند مشهود است. با این حال، یک استثنا قابل توجه در سوژو یافت می شود ( شکل 9ب). JL شامل دومین تعداد کل نقاط منبع است. با این حال، نسبت مربوطه بسیار کوچکتر است. این یافته به این واقعیت مربوط می شود که JL منطقه وسیعی را در شرق منطقه شهری سوژو اشغال می کند. بنابراین، ساکنان همسایه و ساکنان دورتر ترجیح می دهند از JL استفاده کنند، زیرا نزدیک ترین بیمارستان با کیفیت بالا است. بنابراین، در حالی که تعداد کل نقاط منبع در JL زیاد است، نسبت کم است (فقط تقریباً 4٪). بالاترین نسبت یافت شده در سوژو 18.72٪ / 18.01٪ (SLBB) است. ویزیت روزانه سرپایی از بیمارستان‌هایی که نسبت بالا در هر دو شهر مشترک است در بین بیمارستان‌های محلی جلوتر بود. برای مثال، تعداد بیمارستان‌های نمونه با نسبت بالا در پکن (به عنوان مثال، BDDS، H301، YY، و XH) بیش از 3500 بود. این بیمارستان‌ها دارای ویژگی‌های پزشکی منحصربه‌فردی هستند و تمایل به جذب مراجعات سرپایی و حتی بیشتر بیماران بای‌پس دارند. به عنوان مثال، BDDS دارای شهرت در سراسر کشور است زیرا برخی از اولین بخش های پزشکی تاسیس شده در چین مانند بخش جراحی ستون فقرات و مرکز پزشکی تولید مثل را در خود جای داده است. روندهای مشابهی در سوژو یافت شد، جایی که SLBB دارای بزرگترین مؤسسه زایمان و مراقبت از کودکان در جنوب جیانگسو است و بیش از 60 سال است که یک خدمات پزشکی قابل اعتماد توسط بومیان سوژو بوده است.

3.4. نسبت بای پس بیمارستان

شکل 10 نسبت نقاط منبع بای پس بیمارستانی را نشان می دهد که برای هر بیمارستان مورد بررسی قرار گرفته است. شکل 10 a,b توزیع متناسب تمام سفرهای بای پس بیمارستان غیر همسایه انجام شده به بیمارستان های پکن را نشان می دهد. شکل 10 c,d داده های مشابهی را برای بیمارستان های سوژو مورد بررسی قرار می دهد. هر چه این نسبت بیشتر باشد، تقاضا برای بیمارستان مربوطه بیشتر است. برای بیمارستان‌های پکن مورد بررسی، بیمارستان‌هایی با نسبت‌های بالاتر (> 0.8) به طور کلی در اطراف مرکز منطقه شهری پکن و در اطراف جاده کمربندی 4 یافت شدند (H301، WJ و BDDS؛ شکل 10 a ) . شکل 10b توزیع متناسب نسبت بای پس بیمارستان غیر همسایه (فاصله سفر بیش از 3 کیلومتر) را نشان می دهد، که مشخص شد با آنچه برای همه سفرهای ترکیبی یافت شده متفاوت است. علاوه بر این، نسبت به طور کلی نزولی بود. با این حال، چندین بیمارستان تقریباً همان نسبت‌ها را حفظ کردند (H307، YA و ZL)، که نشان می‌دهد فاصله سفر بای پس بیمارستان غیرهمسایه به این بیمارستان‌ها حداقل بیش از 3 کیلومتر است. بیمارستان‌هایی با نسبت‌های دیگر در سراسر مناطق شهری پراکنده بودند، با MH کمترین نسبت را در هر دو شرایط ارائه می‌کرد. برای بیمارستان‌های سوژو مورد بررسی، سفرهای بای‌پس بیمارستانی غیر همسایه ( شکل 10 ج) الگوهای مشابهی را با آنچه برای پکن یافت شد نشان داد ( شکل 10).الف)، اما با درجه بالاتری از ناهمگونی جغرافیایی. به عنوان مثال، JL، که در منطقه شهری سوژو شرقی واقع شده است، دارای نسبت 0.181 است، در حالی که SLBQ، واقع در نزدیکی مرکز سوژو، دارای بالاترین نسبت با 0.985 است. به طور مشابه، نسبت سفر بای پس بیمارستان غیر همسایه (فاصله سفر بیش از 3 کیلومتر) تمایل به پایین‌تر داشت، که بیشتر آنها بین 0.4 و 0.6 ثبت شده‌اند. هیچ روند توزیع متناسب قابل تشخیصی از نقشه مربوطه مشاهده نشد ( شکل 10 د).

3.5. دور زدن ارزیابی رفتار

تمام دومین سفرهای بای پس بیمارستانی نزدیک به بیمارستان های مورد بررسی در دو منطقه اندازه گیری شد. میانگین مسافت 2.94 کیلومتر (پکن) و 2.74 کیلومتر (سوژو) یافت شد. برای جلوگیری از جمع‌آوری تفاوت‌های فاصله مبهم به هویت‌های مقیم نزدیک‌ترین بیمارستان‌ها، نتایج مسافت سفر بای پس بیمارستان غیرهمسایه (بیش از ۳ کیلومتر) در اینجا برای ارزیابی رفتار بای‌پس بیمارستان هر بیمارستان مورد بررسی استفاده شد.

شکل 11 توزیع BBI را برای هر بیمارستان پکن بررسی شده نشان می دهد. همانطور که در شکل نشان داده شده است، H301، ET، XH، BDDS، و ZL به ترتیب پنج جایگاه اول را اشغال می کنند (مقدار BBI > 66)، در حالی که GAM، H306، EYSET، XW و MH به ترتیب در پنج موقعیت آخر قرار دارند. مقدار BBI < 32). بیمارستان های هر رتبه به طور کلی در سراسر منطقه مورد مطالعه پکن پراکنده هستند. توزیع های سوژو در شکل 12 نشان داده شده است . SDDE، SZZY، SLBB، ET و SA به ترتیب در پنج جایگاه برتر قرار دارند (مقدار BBI > 66) و SLBQ، H100، JC، BBY، SLDQ، KQ و XF به ترتیب در هفت موقعیت آخر قرار دارند (BBI ارزش < 29)، که اکثر آنها در منطقه قدیمی مرکز شهر سوژو قرار دارند. با این حال، بیمارستان های متوسط در درجه اول در مناطق اطراف یافت می شوند.

4. بحث

4.1. تجزیه و تحلیل رفتار دور زدن

این مطالعه رفتار بای پس بیمار را در رابطه با بیمارستان‌های با کیفیت بالا در پکن و سوژو با استفاده از داده‌های OD سفر تاکسی ارزیابی می‌کند. پنج مقدار برتر BBI برای پکن برای بیمارستان‌های زیر یافت شد: H301، ET، XH، BDDS، و ZL. از این بیمارستان ها، ET، XH و ZL در داخل یا در کنار جاده کمربندی 2 و H301 و BDDS در کنار جاده کمربندی 4 قرار دارند. به نظر می رسد پدیده بای پس بیمار در اینجا بیشتر از سایر بیمارستان های پکن بررسی شده است. پایین ترین مقادیر BBI رتبه بندی شده (GAM، XW و EYSET) در کنار جاده حلقه دوم یافت می شود. H306 و MH به ترتیب در نزدیکی جاده های کمربندی 4 و 5 قرار دارند. بیمارستان هایی با ارزش های دیگر در سراسر مناطق جاده کمربندی پراکنده هستند. این روند تا حدودی به تخصص های بیمارستانی نسبت داده می شود. در پکن، اکثر بیمارستان های مورد بررسی، بخش های تخصصی را مدیریت می کنند که در بین بهترین های کشور قرار دارند. برخی بیمارستان ها چندین بخش تخصصی را مدیریت می کنند، مانند H301 و XH. با این حال، بیمارستان هایی که فاقد بخش های رده بالا هستند، مقادیر BBI پایین تری را نشان می دهند، به عنوان مثال، MH و H306. وجود امکانات پزشکی برجسته، بیماران بای پس بیمارستانی را تشویق می کند تا با تاکسی به چنین خدماتی دسترسی داشته باشند. با این حال، استثناهای خاصی یافت می شود. به عنوان مثال، بخش چشم پزشکی TR یکی از بهترین بخش ها در چین است [ استثناهای خاصی یافت می شود. به عنوان مثال، بخش چشم پزشکی TR یکی از بهترین بخش ها در چین است [ استثناهای خاصی یافت می شود. به عنوان مثال، بخش چشم پزشکی TR یکی از بهترین بخش ها در چین است [39 ]، و بیماران از تمام نقاط کشور سفر می کنند و هنگام بازدید از پکن در نزدیکی TR می مانند. در این مورد، نقاط منبع تاکسی کمتری دورتر یافت می شود. بنابراین، TR در بین مسافران تاکسی بای پس بیمارستانی محبوبیت خاصی ندارد. به طور مشابه، EYSET با کودکان رفتار می کند و جاده مقابل ورودی اصلی آن (نزدیک دروازه غربی پارک ریتان) یک خیابان یک طرفه است که منجر به ایجاد ترافیک دائمی می شود. بنابراین، بیماران تمایل بیشتری به استفاده از وسایل حمل و نقل عمومی برای دسترسی به این تسهیلات دارند.

در منطقه مورد مطالعه سوژو، بیمارستان‌هایی با مقادیر BBI بالاتر و پایین‌تر در داخل و اطراف مناطق باستانی قرار دارند. این احتمالاً به دلیل توزیع فضایی بیمارستان‌های سوژو و تفاوت‌های عمده بین آنهاست. به عنوان مثال، در حالی که SLBB و XF نزدیک به یکدیگر قرار دارند، SLBB تعداد نقاط منبع بای پس بیمارستانی کاملاً متفاوتی نسبت به XF دارد (2693 برای SLBB، 145 برای XF). این تفاوت به این دلیل است که SLBB شهرت بسیار بهتری نسبت به XF دارد و دارای امکانات پزشکی و کادر پزشکی برتر است. علاوه بر این، SLBB با وسیله نقلیه، به عنوان مثال، تاکسی بیشتر قابل دسترسی است. SA، که تعداد کمی از بیماران بای پس بیمارستانی دارد اما در BBI رتبه بالایی دارد، به عنوان یک مورد خاص عمل می کند. بیمارانی که مایلند با متخصصان تغییر شکل ملاقات کنند و به دنبال دسترسی به خدمات جراحی زیبایی هستند، برای استفاده از SLBB مسافت های طولانی را طی می کنند. بیمارستان‌های متوسط BBI در مناطق وسیع اطراف منطقه باستانی توزیع شده‌اند.

4.2. مقایسه بین دو حوزه مطالعاتی

ما یک منطقه را در جاده حلقه پنجم در پکن و یک منطقه را در جاده کمربندی شهر در سوژو بررسی کردیم، و 20/22 بیمارستان برای مطالعه پدیده‌های بای پس بیمارستان بیمار مورد بررسی قرار گرفتند. در اینجا شایان ذکر است که برخی از بیماران در پکن به دلیل محدودیت های بیمه پزشکی باید به پزشکان چندین بیمارستان مراجعه کنند. برای کاهش اثرات این محدودیت‌ها، 16 بیمارستان پکن مورد بررسی، سازمان‌های پزشکی تعیین‌شده در کلاس A هستند که بیمه پزشکی پایه را می‌پذیرند [ 40 ]. WJ یک بیمارستان تعیین شده نیست. بنابراین، از بیماران بیمارستانی مورد مطالعه، 85 درصد تحت تأثیر محدودیت های بازپرداخت قرار نگرفتند. در سوژو، هیچ محدودیتی برای تعداد بیمارستان‌های تعیین‌شده برای اهداف بیمه پزشکی فردی وجود ندارد.

تفاوت در پدیده بای پس بیمارستان برای دو منطقه مورد مطالعه عمدتا به دو عامل مربوط می شود. اولاً، مسافت سفرهای بای پس بیمارستانی در پکن بیشتر از سوژو است. مقادیر میانگین، حداکثر فاصله سفر بای پس و نسبت بای پس بیمارستان برای پکن بیشتر از سوژو است. این یافته ممکن است نشان دهد که پدیده بای پس بیمارستان بیمار احتمالاً در پکن جدی تر به نظر می رسد. علاوه بر این، سطوح بای پس بیمارستانی یافت شده برای بیمارستان‌های مورد بررسی در سوژو بسیار متفاوت است، در حالی که تغییرات در پکن نسبتاً کمتر است. در نتیجه، سطوح ناهمگونی فضایی برای بیمارستان‌های سوژو نسبت به پکن قابل توجه‌تر به نظر می‌رسد.

هنگام تفسیر تفاوت بین دو شهر باید سه تفاوت منطقه ای در نظر گرفته شود. اول، الگوهای توزیع فضایی منابع پزشکی با کیفیت در پکن و سوژو کاملاً متفاوت است. مقایسه بین نقشه های نشان داده شده در شکل 1نشان می دهد که بیمارستان های پکن پراکنده تر از بیمارستان های سوژو هستند. بیمارستان های درجه سوم در پکن به طور نسبتاً یکنواخت در جاده حلقه پنجم توزیع شده اند. با این حال، بیمارستان‌ها در سوژو عمدتاً در مناطق باستانی قرار دارند که تقریباً 5 درصد از مساحت شهر سوژو را تشکیل می‌دهند. دوم، در پکن، منابع پزشکی به طور کلی بهتر از منابع در سوژو هستند. این تمایز بین یک کلان شهر معمولی و یک شهر ثانویه توسعه یافته اقتصادی مشترک است. تقریباً شش برابر بیمارستان های عالی در پکن نسبت به 10 بیمارستان عالی واقع در سوژو وجود دارد. پکن همچنین دارای بیمارستان‌های معروف متعددی است که دارای ویژگی‌های پزشکی برجسته نسبت به تعداد کمی از امکانات معروف در سوژو هستند. این دو عامل منجر به تفاوت‌های کمتر معنی‌دار در میزان رفتار بای پس بیمارستانی در بین بیمارستان‌های پکن می‌شود و نشان می‌دهد که بیماران در سوژو بیشتر به استفاده از بهترین بیمارستان‌ها عادت کرده‌اند. سوم، شرایط حمل و نقل اطراف بیمارستان ها ممکن است تأثیر داشته باشد. پکن دارای شبکه های ترافیکی نسبتاً کاملی است و بیمارستان های زیادی در نزدیکی ایستگاه های مترو قرار دارند. با این حال، اکثر بیمارستان‌ها در سوژو در مناطق باستانی واقع شده‌اند، جایی که ترافیک اغلب اتفاق می‌افتد. چنین عواملی ممکن است تا حدی بر رفتارهای انتخاب بیمارستان تأثیر بگذارد. اکثر بیمارستان‌ها در سوژو در مناطق باستانی قرار دارند، جایی که ترافیک اغلب در آن رخ می‌دهد. چنین عواملی ممکن است تا حدی بر رفتارهای انتخاب بیمارستان تأثیر بگذارد. اکثر بیمارستان‌ها در سوژو در مناطق باستانی قرار دارند، جایی که ترافیک اغلب در آن رخ می‌دهد. چنین عواملی ممکن است تا حدی بر رفتارهای انتخاب بیمارستان تأثیر بگذارد.

این مطالعه محدودیت های خاصی را ارائه می کند. اول، به عنوان داده های جدید، OD سفر تاکسی تنها می تواند رفتارهای مراقبت پزشکی را تا حدی منعکس کند، زیرا آنها فاقد اطلاعات در مورد ویژگی های بیمار هستند. متغیرهای خاصی، به عنوان مثال، سن و شغل، در ارزیابی در نظر گرفته نشد. داده های ثبت نام اضافی در مورد ویژگی های بیمار، دقت یافته ها را بهبود می بخشد. دوم، پکن و سوژو به عنوان مناطق مورد مطالعه انتخاب شدند و تنها بیمارستان های خاصی در شهرها مورد بررسی قرار گرفتند. حجم نمونه نسبتاً کوچک مورد استفاده (به ترتیب 22/20 برای پکن و سوژو) نمی تواند همه الگوهای معنی دار موجود در اطراف هر دو شهر را منعکس کند. بنابراین، نتایج باید مقدماتی و اکتشافی در نظر گرفته شود. این گونه مسائل مربوط به جمع آوری داده ها و نمونه گیری باید در مطالعات آتی حل شود.

5. نتیجه گیری ها

این مقاله دیدگاه جدیدی را در مورد رفتار بای پس بیمار، به عنوان مثال، رفتار بای پس بیمار مربوط به انتخاب منابع پزشکی با کیفیت بالا و بر اساس داده‌های GPS تاکسی ارائه می‌کند. سطوح تنوع فضایی و توزیع نابرابر بیمارستان‌های با کیفیت بالا در پکن و سوژو مورد بررسی قرار گرفت. با توجه به دو حوزه مطالعاتی می توان نتیجه گیری خاصی کرد:

برای بیمارستان‌های پکن مورد بررسی، H301، ET، XH، BDDS، و ZL پنج رتبه برتر BBI را اشغال می‌کنند. برای بیمارستان های سوژو مورد بررسی، SDDE، SZZY، SLBB، ET، و SA پنج رتبه برتر BBI را اشغال می کنند.
شهرت بیمارستان، ملاحظات حمل و نقل و توزیع فضایی ممکن است بر تغییرات BBI تأثیر بگذارد. وجود بخش‌های تخصصی، دسترسی راحت حمل‌ونقل، و ویژگی‌های موقعیت عالی، سطح بای پس بیمارستان را افزایش می‌دهد.
به طور کلی، پدیده‌های بای‌پس بیمارستانی بیماران احتمالاً در پکن بارزتر است. تفاوت در مسافت سفر بای پس بین بیمارستان ها در سوژو بیشتر است. این نتایج احتمالاً به تفاوت در الگوهای توزیع بیمارستانی و سطوح کیفیت بین دو شهر نسبت داده می شود.

پیوست اول

جدول A1. اختصارات نام کامل بیمارستان های نمونه در پکن و سوژو.

ضمیمه B

جدول B1. آمار توصیفی مسافت سفر برای بیمارستان های نمونه پکن.

جدول B2. آمار توصیفی مسافت سفر برای بیمارستان های نمونه سوژو.

منابع

ژانگ، ی. وانگ، ایکس. چی، دبلیو. وانگ، جی. بررسی ادبیات در مورد مشکلات داخلی درمان پزشکی. چین مد. پزشکی 2013 ، 20 ، 14-16. [ Google Scholar ]
بای، ایکس. کشتی.؛ Liu, Y. Society: تحقق رویای شهری چین. طبیعت 2014 ، 509 ، 158-160. [ Google Scholar ] [ CrossRef ] [ PubMed ]
منگ، اچ. مطالعه در مورد وضعیت فعلی، مشکلات و اقدامات متقابل پراکندگی عملکرد پزشکی در ناحیه مرکزی پکن . دانشگاه اقتصاد و تجارت پایتخت: پکن، چین، 2014. [ Google Scholar ]
Chen, J. راه حل مشکلات “دریافت مراقبت های بهداشتی مناسب دشوار است” توسط خدمات پزشکی سیار. گوانگژو مد. J. 2015 ، 46 ، 93-95. [ Google Scholar ]
لی، دی. ممکن است.؛ او، س. یانگ، ایکس. Qi، Y. تأثیر سیاست اصلاحات پزشکی جدید بر دسترسی به خدمات پزشکی. جی. بنگبو مد. Coll. 2015 ، 40 ، 305-308. [ Google Scholar ]
لیو، جی جی. بلامی، جی. بارنت، بی. ونگ، اس. دور زدن مراقبت های اولیه محلی در شهرستان های روستایی: تأثیر ویژگی های بیمار و جامعه. ان فام. پزشکی 2008 ، 6 ، 124-130. [ Google Scholar ] [ CrossRef ] [ PubMed ]
سندرز، اس آر. اریکسون، LD; تماس، VR؛ Mcknight، ML انتخاب مراقبت های بهداشتی میانسال و مسن: رفتار دور زدن مراقبت های بهداشتی در جوامع روستایی در مونتانا. J. Appl. جرونتول. 2015 . [ Google Scholar ] [ CrossRef ] [ PubMed ]
لیو، جی. بلامی، GR; McCormick، M. رفتار بای پس بیمار و بیمارستان های دسترسی بحرانی: پیامدهایی برای حفظ بیمار. J. Rural Health 2007 ، 23 ، 17-24. [ Google Scholar ] [ CrossRef ] [ PubMed ]
گوتیه، بی. Wane, W. دور زدن ارائه دهندگان سلامت: تلاش برای قیمت و کیفیت بهتر مراقبت های بهداشتی در چاد. Soc. علمی پزشکی 2011 ، 73 ، 540-549. [ Google Scholar ] [ CrossRef ] [ PubMed ]
سندرز، اس آر. اریکسون، LD; تماس، VR؛ مک نایت، ام ال. Hedges، DW رفتار دور زدن مراقبت های بهداشتی روستایی: چگونه ویژگی های جامعه و فضایی بر انتخاب مراقبت های بهداشتی اولیه تأثیر می گذارد. J. Rural Health 2014 ، 31 ، 146-156. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Roh, CY; لی، KH; فاتلر، MD عوامل تعیین کننده انتخاب بیمارستان بیماران بیمارستان روستایی: تأثیر شبکه ها، دامنه خدمات و رقابت بازار. جی. مد. سیستم 2008 ، 32 ، 343-353. [ Google Scholar ] [ CrossRef ] [ PubMed ]
کرکی، آر. لی، ق. Binns، CW دور زدن مراکز تولد برای زایمان: تجزیه و تحلیل داده های یک مطالعه کوهورت آینده نگر مبتنی بر جامعه در نپال. طرح سیاست سلامت 2015 ، 30 ، 1-7. [ Google Scholar ] [ CrossRef ] [ PubMed ]
کروک، من؛ امباروکو، جی. مک‌کورد، سی دبلیو؛ موران، م. راکر، کامپیوتر; Galea، S. دور زدن امکانات مراقبت اولیه برای زایمان: یک مطالعه مبتنی بر جمعیت در روستاهای تانزانیا. طرح سیاست سلامت 2009 ، 24 ، 279-288. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ویکتور، ا. دلنویج، دی.م. Friele، RD; Rademakers، JJ عوامل تعیین کننده انتخاب بیمار از ارائه دهندگان مراقبت های بهداشتی: بررسی محدوده. سرویس بهداشتی BMC Res. 2012 ، 12 ، 272. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Drph، RLG؛ فالکون، دی جی; برویلز، RW; گلدستین، ک. ریلی، BJ عوامل محلی مؤثر بر تمایل به دور زدن بیمارستان‌های محلی برای مراقبت از سلامت روان بستری: یک تحلیل اکتشافی. J. Rural Health 1994 ، 10 ، 89-97. [ Google Scholar ]
او، X. عوامل مؤثر بر انتخاب بیمارستان و رفتار بای پس بیماران روستایی کنتاکی. پایان نامه کارشناسی ارشد، دانشگاه کنتاکی، لکسینگتون، KY، ایالات متحده آمریکا، 2011. [ Google Scholar ]
وارکویسر، م. Geest، SAVD چرا بیماران نزدیکترین بیمارستان را دور می زنند؟ تجزیه و تحلیل تجربی برای مراقبت های ارتوپدی و جراحی مغز و اعصاب در هلند یورو جی. اقتصاد سلامت. 2006 ، 8 ، 287-295. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ژنگ، ی. کاپرا، ال. ولفسون، او. یانگ، اچ. محاسبات شهری: مفاهیم، روش‌شناسی و کاربردها. ACM Trans. هوشمند سیستم تکنولوژی 2014 ، 5 ، 222-235. [ Google Scholar ] [ CrossRef ]
کاسترو، PS; ژانگ، دی. چن، سی. لی، اس. Pan, G. از ردیابی GPS تاکسی تا پویایی اجتماعی و جامعه: یک نظرسنجی. کامپیوتر ACM. Surv. 2013 ، 46 ، 1167-1182. [ Google Scholar ] [ CrossRef ]
ولوسو، ام. Phithakkitnukoon، S. بنتو، سی. سنجش تحرک شهری با جریان تاکسی. در مجموعه مقالات سومین کارگاه بین المللی ACM SIGSPATIAL در مورد شبکه های اجتماعی مبتنی بر مکان، شیکاگو، IL، ایالات متحده، 1-4 نوامبر 2011. ص 41-44.
جیانگ، بی. یین، جی. چن، ز. ژائو، اس. مشخص کردن الگوی تحرک انسان در یک شبکه خیابانی بزرگ. فیزیک Rev. E 2009 , 80 , 1711-1715. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ژانگ، دبلیو. لی، اس. Pan, G. استخراج معنایی جریان های مبدا-مقصد با استفاده از ردیابی تاکسی . UbiComp: Pittsburgh, PA, USA, 2012. [ Google Scholar ]
سی، ی. ونگ، جی. چن، ز. Wang, Y. برآورد هدف سفر تاکسی و تجزیه و تحلیل مشخصه بر اساس داده‌های چند منبعی و استدلال معنایی-مطالعه موردی پکن . Springer: برلین، آلمان، 2014. [ Google Scholar ]
پنگ، سی. جین، ایکس. وانگ، کی سی. شی، م. لیو، ص. الگوی تحرک جمعی انسان از سفرهای تاکسی در منطقه شهری. PLoS ONE 2012 ، 7 ، e34487. [ Google Scholar ] [ CrossRef ]
نیبرگ، جی. کایدال، ک. خاریتونوا، ن. Petersson, A. U 2 Sod-db: یک سیستم پایگاه داده برای مدیریت داده های مبدأ-مقصد سنجشگر شهری در مقیاس بزرگ . کارگاه بین المللی ACM SIGKDD در مورد محاسبات شهری: پکن، چین، 2012. [ Google Scholar ]
ژانگ، اف. ویلکی، دی. ژنگ، ی. Xie, X. احساس نبض رفتار سوخت‌گیری شهری. Acm Trans. هوشمند سیستم تکنولوژی 2013 ، 6 ، 13-22. [ Google Scholar ]
یو، ی. وانگ، اچ. هو، بی. لی، کیو. لی، ی. بله، الف. کالیبراسیون اکتشافی یک مدل تعامل فضایی با استفاده از مسیرهای GPS تاکسی. محاسبه کنید. محیط زیست سیستم شهری 2012 ، 36 ، 140-153. [ Google Scholar ] [ CrossRef ]
Ebeijing، وب سایت رسمی دولت پکن. در دسترس آنلاین: http://www.ebeijing.gov.cn/ (در 1 دسامبر 2015 قابل دسترسی است).
پلت فرم یکپارچه پکن برای ثبت قرار ملاقات. در دسترس آنلاین: http://www.bjguahao.gov.cn/index.htm (در 2 دسامبر 2015 قابل دسترسی است).
سوژو، چین در دسترس آنلاین: http://www.suzhou.gov.cn/zgszeng/ (دسترسی در 5 دسامبر 2015).
اداره آمار سوژو سالنامه آماری سوژو ; انتشارات آمار چین: پکن، چین، 2014.
12320 خط تلفن سلامت سوژو. در دسترس آنلاین: http://www.szws.net/index.asp (دسترسی در 5 دسامبر 2015).
آخرین شبکه جاده ای در پکن. در دسترس آنلاین: http://www.datatang.com/data/43855 (در 15 اوت 2015 قابل دسترسی است).
Cavusgil، ST اندازه گیری پتانسیل بازارهای در حال ظهور: یک رویکرد نمایه سازی. اتوبوس. هوریز. 1997 ، 40 ، 87-91. [ Google Scholar ] [ CrossRef ]
Cavusgil، ST; کیاک، تی. Yeniyurt، S. رویکردهای تکمیلی برای ارزیابی اولیه فرصت بازار خارجی: خوشه بندی کشور و رتبه بندی کشورها. علامت گذاری داخلی مدیریت 2004 ، 33 ، 607-617. [ Google Scholar ] [ CrossRef ]
روسی، ای. Kuitunen، M. رتبه بندی زیستگاه ها برای ارزیابی تأثیرات اکولوژیکی در برنامه ریزی کاربری زمین. Biol. حفظ کنید. 1996 ، 77 ، 227-234. [ Google Scholar ] [ CrossRef ]
محمدآبادی، ح.س. تیچکوفسکی، جی. کومار، الف. توسعه یک مدل ارزیابی چند معیاره برای رتبه بندی وسایل نقلیه سوخت حمل و نقل تجدیدپذیر و غیر قابل تجدید. انرژی 2009 ، 34 ، 112-125. [ Google Scholar ] [ CrossRef ]
توکوناگا، م. سانومیا، ک. واتانابه، اس. ناکانیشی، ر. یاماناگا، اچ. یونمیتسو، اچ. تراساکی، تی. میتا، س. کاوانو، اس. هیراتا، ی. رابطه بین رتبه‌بندی بیمارستان بر اساس کارایی اندازه‌گیری استقلال عملکردی (FIM) و عوامل مرتبط با سیستم توانبخشی برای بیماران سکته مغزی – مطالعه سه بیمارستان شرکت‌کننده در مسیر حیاتی ارتباط سکته مغزی کوماموتو. Jpn. J. Compr. توانبخشی. علمی 2012 ، 3 ، 51-58. [ Google Scholar ]
خو، X. لی، بی. سان، ایکس. لی، ال. رن، آر. گائو، اف. جوناس، نئوپلاسم های پلک JB در مرکز چشمی پکن تانگرن بین سال های 1997 و 2006. Ophthalmic Surg. Lasers Imaging Retina 2008 , 39 , 367-372. [ Google Scholar ] [ CrossRef ]
پکن 19 سازمان پزشکی تعیین‌شده کلاس A در سال 2011. در دسترس آنلاین: http://www.gov.cn/gzdt/2011-10/29/content_1981168.htm (در 1 فوریه 2016 قابل دسترسی است).

شکل 1. توزیع منابع پزشکی با کیفیت بالا در منطقه مورد مطالعه: ( الف ) منطقه مطالعاتی پکن. ( ب ) منطقه مطالعه سوژو.

شکل 2. گردش کار تشخیص نقطه منبع.

شکل 3. نمونه ای از فرآیند تعیین نقطه منبع: ( الف ) استخراج تصویر و ارجاع جغرافیایی. ( ب ) تشخیص مقصد؛ ( ج ) تولید ناحیه بافر و اتصال فضایی ( د ) شناسایی نقطه منبع.

شکل 4. میانگین و حداکثر مقدار فاصله سفر برای بیمارستان های نمونه در دو شهر: ( الف ) بیمارستان های نمونه پکن. ( ب ) بیمارستان های نمونه سوژو.

شکل 5. هیستوگرام رتبه فاصله بیمارستان های پکن مورد بررسی – سفرهای بای پس بیمارستانی غیر همسایه.

شکل 6. هیستوگرام رتبه فاصله بیمارستان های پکن بررسی شده – سفرهای بای پس بیمارستانی غیر همسایه و مسافت های سفر بیش از 3 کیلومتر.

شکل 7. هیستوگرام رتبه فاصله بیمارستان های سوژو مورد بررسی – سفرهای بای پس بیمارستانی غیر همسایه.

شکل 8. هیستوگرام رتبه فاصله بیمارستان های سوژو مورد بررسی – سفرهای بای پس بیمارستانی غیر همسایه و مسافت های سفر بیش از 3 کیلومتر.

شکل 9. مقادیر سهم بای پس بیمارستان برای بیمارستان های مورد بررسی در دو منطقه مورد مطالعه: ( الف ) بیمارستان های نمونه پکن. ( ب ) بیمارستان های نمونه سوژو.

شکل 10. نقاط منبع نسبت بای پس بیمارستانی برای بیمارستان های مورد بررسی: ( الف ) توزیع متناسب نسبت بای پس بیمارستان غیر همسایه در پکن. ( ب ) توزیع متناسب نسبت بای پس بیمارستان غیر همسایه (مسافت سفر بیش از 3 کیلومتر) در پکن. ( ج ) توزیع متناسب نسبت بای پس بیمارستان غیر همسایه در سوژو. ( د ) توزیع متناسب نسبت بای پس بیمارستان غیر همسایه (فاصله سفر بیش از 3 کیلومتر) در سوژو.

شکل 11. توزیع مقادیر BBI برای بیمارستان های پکن مورد بررسی قرار گرفته است.

شکل 12. توزیع مقادیر BBI برای بیمارستان های سوژو بررسی شده.

© 2016 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