LSCP模型和MCLP模型：基于心梗风险和医疗资源优化的自动体外除颤器（AED）位置选址

心肌梗死（ MI ）是院外心脏骤停（ OHCA ）的主要原因之一，对人类健康构成了重大威胁。作为应对心脏骤停的重要设施，自动体外除颤器（ AED ）在公共卫生系统中发挥着关键作用。为了在心肌梗死发生后的 “ 黄金四分钟 ” 内提供有效的急救，各国政府已经开始制定并实施 AED 部署策略，以降低心脏急症的死亡率。然而，与发达国家相比，发展中国家的 AED 普及率较低，且城市或地区之间的部署不均衡。这种滞后与快速城市化进程不匹配，突显了社会意识不足、医疗资源有限以及缺乏科学和实用选址规划的问题。因此，迫切需要优化 AED 的布局，以减少 OHCA 导致的死亡风险，尤其是针对心肌梗死引发的高死亡率患者。

在政府预算有限的情况下，如何更加合理地部署和优化急救医疗系统成为关键挑战。 AED 的选址主要受风险暴露和医疗可及性这两个因素的影响，特别是在高风险地区， AED 应优先部署。风险的空间分布对 AED 的选址至关重要。然而，由于空间和时间因素的复杂性，以及不同地区资源可用性的差异，在 AED 选址过程中全面考虑 MI 风险和医疗可及性存在数据获取和方法整合的困难。此外，单纯基于 MI 风险进行选址而不考虑社区可及性，可能导致选址结果与实际需求不匹配，难以有效覆盖高风险区域。

同时， AED 设备的时空可及性对其空间布局和服务覆盖范围有着重要影响。由于 OHCA 的突发性（可能由心肌梗死或其他原因引发）， “ 黄金四分钟 ” 的有效治疗时间成为 AED 部署的关键参考标准。为此，学者们提出了 “15 分钟社区生活圈 ” 的概念，旨在通过多源时空数据和供需匹配来指导城市规划。这一理念在医疗保健领域得到了广泛应用，并为验证 AED 选址的合理性提供了重要参考。然而，现有的研究在评估 AED 可及性时仍存在空间细节不足和计算效率低的问题，需要进一步优化。

为了解决上述挑战，本研究提出了一个基于多源时空数据驱动的 AED 选址模型。该模型通过结合自动化机器学习框架和两步移动搜索区域（ 2SFCA ）方法，评估心肌梗死的空间风险和医疗资源的可及性，并在多种情景下探索 AED 的最佳选址。研究选取湖北省武汉市作为案例分析，通过比较位置集覆盖问题（ LSCP ）模型和最大覆盖位置问题（ MCLP ）模型，验证了模型的有效性，并为中国城市的 AED 部署提供了理论参考和实际建议。通过这些研究，本研究旨在为城市规划和急救医疗系统的优化提供更为科学的依据，有助于提高心肌梗死患者的生存率。

本研究选取湖北省武汉市作为研究区域，武汉市是一座人口超过千万的特大中心城市，是中国中部的经济和地理中心。武汉市下辖 13 个行政区，包括人口密度高的商业和金融中心汉口区、聚集了大量高校的教育中心武昌区和洪山区，以及以能源工业为主的工业区青山区等。 2020 年，武汉市共有 362 家医院和 3 个急救中心，但与其庞大的城市面积和高人口密度相比，急救医疗系统仍显不足，社区可用的 AED 数量不足 1000 台，特别是在偏远地区，急性心肌梗死的死亡率较高。因此，研究武汉市的医疗可及性和 AED 的优化选址，对于中国特大城市中新增 AED 设备的合理布局和有效疾病预防具有重要意义。

本研究使用了 2016 年至 2019 年间在武汉某三级医院就诊的心肌梗死患者数据，数据经过隐私保护处理，不涉及患者身份信息。为了评估社区尺度的 MI 风险，本研究还收集了多源地理数据，包括 OpenStreetMap （ OSM ）路网数据、 377,000 个兴趣点（ POI ）数据、腾讯 2019 年时间序列人口密度数据、气象数据以及街道级环境数据。这些数据综合反映了城市的交通、医疗、经济和人口分布情况，有助于分析心肌梗死风险的空间特征，并预测各社区的 MI 风险水平，为优化 AED 选址提供数据支持。

本研究提出了一种基于心肌梗死（ MI ）风险和医疗资源可及性的 AED 选址综合方法。首先，运用空间自相关分析方法来表征 MI 风险的空间聚集性，探讨 MI 风险分布的整体空间特征与局部差异。接着，采用 FLAML 自动化机器学习框架，构建社区尺度的心肌梗死风险预测模型，以补充并增强稀疏数据的空间覆盖，为更准确的风险评估提供基础。随后，通过高斯衰减的两步浮动捕获区域（ 2SFCA ）方法评估现有医疗资源的可及性，以此为基础确定 AED 设备的合理布局。最后，利用位置集覆盖问题（ LSCP ）模型和最大覆盖位置问题（ MCLP ）模型，在综合考虑人口密度、心肌梗死风险等因素的基础上，优化 AED 选址，力求在不同资源条件下提高服务覆盖率和效率，合理配置有限资源。这一研究方法旨在为中国大城市的 AED 选址提供科学依据，有助于在紧急医疗服务中更好地预防心脏骤停事件的发生。

4.1 心肌梗死风险空间分布

通过对武汉市心肌梗死（ MI ）风险的空间自相关分析，我们发现全球莫兰指数（ Moran's I ）为 0.466 ，表明武汉市的 MI 风险在空间上存在显著的正相关性。具体来看，武汉市中心城区，如武昌、江岸和汉阳区， MI 风险较高，而郊区，如蔡甸、黄陂和新洲区，患者分布不均，数据稀疏，难以揭示有意义的空间模式。为了应对这一挑战，我们采用了基于多源时空数据的风险预测模型，该模型有效减少了由于单一数据来源所带来的误差，生成了一张覆盖更广、更加代表性的 MI 风险地图（图 2 ）。模型验证显示， LightGBM 算法在验证集上的整体准确率达到 71.7% ，并使社区覆盖范围增加了 24.9% 。通过对比风险分布的调整前后变化，我们发现中心城区有 35.4% 的社区 MI 风险有所增加，特别是在郊区和农村地区，由于医疗资源和交通设施的相对匮乏，这些地区的 MI 风险需要进一步关注和优化。

图 2 武汉市心肌埂塞风险空间分布：（ A ）新洲区、（ B ）中心城区、（ C ）东西湖区、（ D ）蔡甸区、（ E ）黄陂区、（ F ）江夏区

4.2 心肌梗死医疗可及性评估

4.3 AED 选址结果

在 AED 选址的研究中，我们首先基于位置集覆盖问题（ LSCP ）模型进行了初步选址（图 4 ）。以 15 分钟的可达性为阈值，筛选出 2071 个候选站点，其中包括地铁站、公交站和体育设施等人流密集的公共场所。最终确定了 207 个 AED 站点，这些站点覆盖了武汉市中心城区 74.0% 的社区，并达到了 15 分钟内的紧急响应要求。然而，由于医疗资源的限制，进一步提高 AED 的覆盖率成为关键目标。为此，我们扩大了候选站点的数量，将可达性阈值设定为黄金救援时间 4 分钟，最终确定了 1015 个 AED 站点，使 15 分钟可达性覆盖率提升至 96.4% ， 4 分钟可达性覆盖率则达到了 55.4% 。

图 4 基于 LSCP 模型的 AED 放置地点选择：（ A ） 15 分钟可达性，（ B ） 4 分钟可达性

表 1 不同模型的 AED 选址结果对比

应对中国特大城市中 AED （自动体外除颤器）严重短缺的问题，本研究从多角度探讨了 AED