Abstract
目的
情景模拟北京市分别作为疫情传播和暴发城市下新型冠状病毒肺炎不同流行程度，并分析北京市发热门诊医疗资源应对能力，为优化北京市重大疫情下医疗资源的空间布局提供科学依据。
方法
应用广义SEIR(susceptible-exposed-infectious-removed)模型进行情景模拟，根据医疗资源、人口流动以及封禁措施等因素预测北京市的新型冠状病毒肺炎流行情况，并应用改进的两步移动搜寻法计算北京市发热门诊的空间可及性现状。
结果
根据SEIR模型模拟得到低、中、高防控水平下北京市作为疫情传播城市单日最高感染人数分别为8 514、183和68例，作为疫情暴发城市单日最高感染人数分别为22 803、10 868和3 725例。北京市模拟为疫情传播城市时，在全市585个居民点中，低防控水平下有17个居民点(2.91%)发热门诊可及性好，41个居民点(7.01%)的发热门诊可及性较好，56个居民点(9.57%)的发热门诊可及性一般，62个居民点(10.60%)的发热门诊可及性较差，409个居民点(69.91%)发热门诊可及性差；中防控水平下只有房山区西部、门头沟区西部、延庆区北部、怀柔区北部和密云区北部可及性较差；高防控水平下有559个居民点(95.56%)的发热门诊可及性好，24个居民点(4.10%)的发热门诊可及性较好，2个居民点(0.34%)的发热门诊可及性一般，现有发热门诊可以满足需求。北京市模拟为疫情暴发城市时，低防控水平下仅1个居民点(0.17%)的发热门诊可及性好，5个居民点(0.86%)的发热门诊可及性较好，10个居民点(1.71%)的发热门诊可及性一般，12个居民点(2.05%)的发热门诊可及性较差，557个居民点(95.21%)的发热门诊可及性差；中防控和高防控下生态涵养区可及性均较差。
结论
北京市发热门诊资源分布不均。北京市模拟作为疫情传播城市时，高防控水平下可适当减少发热门诊开放数量以避免交叉感染；中等防控水平时开设的发热门诊基本能够满足北京市发热患者的接诊需求，但生态涵养区的发热门诊可及性存在不足，应优先考虑对生态涵养区二级以上公立医院发热门诊进行建设；在防控水平为低时，生态涵养区发热门诊可及性较差，优先考虑生态涵养区发热门诊建设的同时可建立临时发热哨点，缓解门诊压力。北京市模拟作为疫情暴发城市且低防控时由于感染人数较多，需要升级防控水平减少人员流动来遏制疫情发展。
Keywords: 发热门诊, 空间可及性, 两步移动搜寻法, SEIR模型
Abstract
Objective
To simulate the different prevalence of corona virus disease 2019 (COVID-19) in Beijing as the spreading and the outbreak city and analyze the response capacity of its medical resources of fever clinics, and to provide a scientific basis for optimizing the spatial layout in Beijing under severe epidemics.
Methods
The study obtained epidemiological indicators for COVID-19, factors about medical resources and population movement as parameters for the SEIR model and utilized the model to predict the maximum number of infections on a single day at different control levels in Beijing, simulated as an epidemic spreading city and an epidemic outbreak city respectively. The modified two-step floating catchment area method under ArcGIS 10.6 environment was used to analyze spatial accessibility to fever clinics services for the patients in Beijing.
Results
According to the results of the SEIR model, the highest number of infections in a single day in Beijing simulated as an epidemic spreading city at low, medium and high levels of prevention and control were 8 514, 183, and 68 cases, the highest number of infections in a single day in Beijing simulated as an outbreak city was 22 803, 10 868 and 3 725 cases, respectively. The following result showed that Beijing was simulated as an epidemic spreading city: among the 585 communities in Beijing, under the low level of prevention and control, there were 17 communities (2.91%) with excellent accessibility to fever clinics, and that of 41 communities (7.01%) with fever clinics was good. Spatial accessibility of fever clinics in 56 communities (9.57%) was ranked average, and 62 communities' (10.60%) accessibility was fair and 409 communities (69.91%) had poor accessibility; at the medium level of prevention and control, only the west region of Fangshan District and Mentougou District, the north region of Yanqing District, Huairou District and Miyun District had poor accessibility; under the high level of prevention and control, 559 communities' (95.56%) had excellent accessibility. The accessibility in 24 communities (4.10%) was good and in 2 communities (0.34%) was average. In brief, the existing fever clinics could meet the common demand. Beijing was simulated as an outbreak city: under the low level of prevention and control, only 1 community (0.17%) had excellent accessibility to fever clinics, and 5 communities (0.86%) had good accessibility. The accessibility of fever clinics in 10 communities (1.71%) was average and in 12 communities (2.05%) was fair. The accessibility of fever clinics in 557 communities (95.21%), nearly all areas of Beijing, was poor; under the middle and high level of prevention and control, the accessibility of ecological conservation areas was also relatively poor.
Conclusion
The distribution of fever clinic resources in Beijing is uneven. When Beijing is simulated as an epidemic spreading city: under the high level of prevention and control, the number of fever clinics can be appropriately reduced to avoid cross-infection; at the medium level of prevention and control, the fever clinics can basically meet the needs of patients with fever in Beijing, but the accessibility of fever clinics in ecological conservation areas is insufficient, and priority should be given to the construction of fever clinics in public hospitals above the second level in the ecological conservation areas. When the level of prevention and control is low, the accessibility of fever clinics in ecological conservation areas is poor. Priority should be given to the construction of fever clinics in ecological conservation areas, and temporary fever sentinels can be established to relieve the pressure of fever clinics. When Beijing is simulated as an outbreak city and has low prevention and control, due to a large number of infections, it is necessary to upgrade the prevention and control level to reduce the flow of people to curb the development of the epidemic.
Keywords: Fever clinics, Spatial accessibility, Two-step floating catchment area method, SEIR model
发热门诊是完善疫情防控和防止院内感染的重要关口，为传染病的早发现、早诊断、早治疗以及隔离和检疫提供了重要平台[1]，为疫情研判提供了重要依据。发热门诊的医师履行急诊医师的职责, 快速筛查、诊断、评估处置患者，将需要专科治疗的患者转入专科进一步诊治。
北京市发热门诊的分布是否合理，在不同情况下是否能满足接待发热患者的需求以及后续发热门诊该如何优化和建设等问题目前相关研究较为缺乏。本研究情景模拟北京市新型冠状病毒肺炎疫情不同暴发程度并分析北京市医疗资源应对能力，优化北京市重大疫情下医疗资源空间布局和能力提升，为科学应对潜在的疫情暴发做好充分准备，并提供科学依据。
1. 资料与方法
1.1. 资料来源
数据由北京市卫生健康委员会提供，包括2020年1月北京市具有发热门诊的医疗机构中发热门诊的医师数和1—4月各医疗机构发热门诊的就诊人次。2019年的北京市道路网络数据库由中国科学院地理科学与资源研究所提供。人口分布数据爬取自腾讯位置大数据监测的2019年12月北京市25 km2区域人口分布。
北京市城市总体规划(2016—2035年)中划分西城区和东城区为首都功能核心区，东城区、西城区、朝阳区、海淀区、丰台区、石景山区为中心城区，通州新城为北京城市副中心，门头沟区、平谷区、怀柔区、密云区、延庆区，以及昌平区和房山区的山区为生态涵养区。
1.2. 方法
1.2.1. SEIR模型
本研究应用广义的SEIR(susceptible-exposed-infectious-removed)模型，考虑了年龄分层、医疗资源利用率以及封禁措施等因素，以模拟预测不同场景下的新型冠状病毒肺炎流行情况[2]。该模拟模型包括的参数有易感群体(S)、暴露群体(E)、感染群体(I)、住院群体(H)、危重群体(C)、溢出群体(O)、死亡群体(D)和恢复群体(R)[3]。该模型假设该呼吸道传染性疾病发展遵循以下的过程：易感群体S接触已感染群体I而感染该呼吸道病毒，接着进入可传人状态；被感染的人群出现症状进入医院进行治疗，亦或者表现为无症状感染者而自行恢复。住院群体在经过治疗后或者痊愈，或者因为进入危重症状态而进入重症加强护理病房(intensive care unit, ICU)；当ICU的床位满足危重症患者的数量的时候可以进行治疗，否则则需被分配入等待治疗的溢出群体；最终所有未死亡的个体均进入康复状态，假定不会被再次感染[4]。相应的过程见图 1。
图 1.
模型示意图
Diagram of model
S, susceptible group; E, exposed group; I, infected group; H, hospita-lized group; C, critical group; O, overflow group; D, death group; R, recovery group.
在不同的假设情境下根据已有的感染情况数据进行模拟，得到北京市在不同防控措施下的感染人数。我们分别模拟北京市作为疫情传播城市和疫情暴发城市的感染情况。模拟模型患者纳入疫情传播的基本参数，如基本再生数R0采用3.77[5]；潜伏期采用7.76 d[6]；住院天数采用新型冠状病毒肺炎患者平均住院天数9 d[7]。除此之外，模型通过对人群的流动和社交距离控制进行建模，通过调节系数人口流动干预指数来量化封禁措施对于传染率的效应，考虑到疫情发生后部分人群会自发减少外出和人员流动，随着政策对人群流动的干预，人口流动会大幅下降直至只有必需人员流动，因此我们根据模型给出的人口流动干预曲线，得到情景模拟下设定的人口流动干预指数分别为0.5、0.75和0.9，对应低、中、高防控水平，在初始感染水平相同下，该指数会直接影响并改变新发病例的数量及其增长速度。
1.2.2. 改进的两步移动搜寻法
改进的两步移动搜寻法是利用地理信息系统对医疗机构的可及性进行计算评估，内容涉及到门诊服务、公共卫生服务、住院服务等多方面[8-9]，在两步移动搜寻法的基础上考虑了医疗机构和居民点之间的距离衰减[10], 对服务水平缺乏地区的识别更为精确[11]，多个研究使用该方法进行医疗服务可及性评估[12-15]。在计算的过程中，首先需要选取相应的阻抗参数，用以限制居民搜索医疗机构的“范围”。很多研究将医疗服务机构的范围设置在60 min[16-18]，因此我们在评价其可及性的时候采用60 min行车时间作为阻抗参数。摩擦系数β通常在1~2之间[11, 19-21]，由于发热门诊就医的紧急程度介于住院服务与胸痛门诊之间，因此本研究采用β=1.5。确定可及性计算公式[11]如下：
 |
1 |
Ai表示居民点i到所有可及的医疗机构的空间可及性，即每千人医师数；Sj表示医疗机构的服务能力，即发热门诊医师数；Dk表示在阈值内的居民点k的就诊人员数量，即居民点k的预计就诊人数；dij表示居民点i到医疗卫生机构j的阻抗，即实际车行时间；d0表示所用时长的阈值，即60 min；n表示目标点的数量，即发热门诊数量；m表示搜索点的数量，即人口点数量；β表示出行摩擦系数，即1.5。
2. 结果
2.1. SEIR模型模拟结果
根据以上参数带入模型计算得到北京市模拟为疫情传播城市和暴发城市下不同防控水平下的感染人数，如表 1所示。
表 1.
北京市模拟作为疫情传播城市和暴发城市不同防控水平下模拟的感染人数
Number of infections in Beijing simulated as an epidemic spreading city and epidemic outbreak city at different levels of prevention and control
| Items | Prevention and control level | Number of people infected 30 days after the outbreak | Number of people infected 120 days after the outbreak | Highest number of infections in a single day | Cumulative number of infections |
| Low | 207 | 2 719 | 8 514 | 79 374 | |
| Epidemic spreading city | Medium | 73 | 133 | 183 | 8 405 |
| High | 56 | 6 | 68 | 328 | |
| Low | 1 073 | 19 591 | 22 803 | 361 624 | |
| Epidemic outbreak city | Medium | 663 | 7 192 | 10 868 | 109 478 |
| High | 474 | 2 335 | 3 725 | 40 441 |
2.2. 北京市发热医疗资源总量及应对能力
从总量来看，北京市发热门诊医师共680名，占所在医院总医师数比例的平均水平为2.12%，因发热门诊配备的医师数很多与肠道门诊共用，故按500名发热门诊医师上岗考虑，根据医院发热门诊最大单日接诊人数和单日最高感染人数关系估计医院应对疫情的门诊接诊能力。通过估算可知，北京最高单日感染人数8 514例，北京市2020年1—4月发热门诊接诊人次与北京市新型冠状病毒肺炎确诊患者按照5︰1的比例，计算得到总发热人数约42 570例。通过实地调研与发热门诊工作人员的访谈了解到，每个发热门诊每天24 h最多可诊治150例患者。医生工作8 h可看50例患者，工作12 h可看75例患者，因此发热门诊最大单日接诊人数为25 000(按每天工作8 h接诊50人次/医师估算)~75 000(按每天工作24 h接诊150人次/诊室估算)，医院发热门诊24 h接诊基本可以应对疫情，但总体来看医师数仍然偏低，且各区资源配置存在结构性失衡。
2.3. 模拟北京市为疫情传播城市不同防控水平下发热门诊服务可及性
两步移动搜寻法计算得到的结果通过换算得到每位医生平均每日接诊患者数超过100例，即为可及性差，依此类推75~100例为较差，50~75例为可及性一般，30~50例为可及性较好，30例以下为可及性好地区。
模拟模型得到的北京市低防控水平下发热门诊可及性结果如图 2A所示[使用的地图按审图号为京S(2016)024号的北京市标准地图制作，底图无修改，后同]。在北京市585个居民点中，有17个居民点(2.91%)的发热门诊可及性为好，41个居民点(7.01%)的发热门诊可及性较好，56个居民点(9.57%)的发热门诊可及性一般，62个居民点(10.60%)的发热门诊可及性较差，409个居民点(69.91%)的发热门诊可及性差，说明北京市总体可及性均较差，且分布存在不均衡。有较小部分区域可及性较好，可及性较差的区域均处于北京市生态涵养区，距离区域中心越近可及性越高。
图 2.
北京市模拟作为疫情传播城市低、中、高防控水平下发热门诊可及性示意图
Spatial accessibility of fever clinics in Beijing simulated as an epidemic spreading city at low, medium and high levels of prevention and control
A, low level of prevention and control; B, medium level of prevention and control; C, high level of prevention and control.
根据图 2B的结果，可以发现中防控水平下东城区、西城区、朝阳区、石景山区、丰台区和海淀区的南部都属于可及性好的区域，大兴区、昌平区、顺义区、通州区和房山区东部可及性水平都在一般水平以上，只有房山区西部、门头沟区西部、延庆区北部、怀柔区北部和密云区北部可及性较差。可以发现北京市整体可及性分布不均，但总体水平尚可。
模型模拟北京市高防控水平下发热门诊可及性如图 2C所示，北京市共585个居民点，有559个居民点(95.56%)的发热门诊可及性为好，24个居民点(4.1%)的发热门诊可及性较好，2个居民点(0.34%)的发热门诊可及性一般，说明在北京市模拟疫情传播城市且高防控水平时，疫情能够得到及时控制，感染人数较少。很多区域每日医生接待不足10例患者，在这种情况下，可以考虑关闭城区距离较近的一些发热门诊，在保证医疗服务可以满足需要的前提下，减少开放发热门诊数量，更好地避免交叉感染。
2.4. 模拟北京市为疫情暴发城市不同防控水平下发热门诊服务可及性
模拟北京市为疫情暴发城市且低防控水平时可及性如图 3A所示，在北京市585个居民点中，仅1个居民点(0.17%)的发热门诊可及性为好，5个居民点(0.86%)的发热门诊可及性较好，10个居民点(1.71%)的发热门诊可及性一般，12个居民点(2.05%)的发热门诊可及性较差，557个居民点(95.21%)的发热门诊可及性差。除西城区处于可及性较好的区域，东城区、朝阳区西部、海淀区南部、石景山区东部和丰台区北部可及性一般外，其余区域发热门诊可及性均较差，因感染人数过多，整个北京市的发热门诊系统都处于超负荷运转。
图 3.
北京市模拟作为疫情暴发城市低、中、高防控水平下发热门诊可及性示意图
Spatial accessibility of fever clinics in Beijing simulated as an epidemic outbreak city at low, medium and high levels of prevention and control
A, low level of prevention and control; B, medium level of prevention and control; C, high level of prevention and control.
模拟北京市作为疫情暴发城市且中防控水平时疫情较为严重，只有东城区、西城区、丰台区北部和海淀区东南部可及性较好，整个生态涵养区可及性较差。发热门诊医疗资源分配明显不均，此时可及性与模拟北京市作为疫情传播城市且低防控水平下的相似，如图 3B所示。
模拟北京市作为疫情暴发城市且高防控水平下可及性如图 3C所示，东城区、西城区、朝阳区、丰台区、石景山区、海淀区东南部可及性好，昌平区、顺义区、大兴区、通州区、房山区东部、门头沟区东部可及性一般，生态涵养区发热门诊可及性表现仍差。
3. 讨论
本研究对北京市模拟疫情下当前发热门诊资源的空间可及性和布局合理性进行了定量分析，结果发现在中、高防控水平下，北京市的发热门诊资源基本充足，但是布局存在不合理的情况，主要表现为中心高、四周低且衰减迅速，生态涵养区的可及性需要进一步提升等特征，在低防控水平时全市的发热门诊资源总体可及性较差，为了防止疫情的大规模暴发，应当对散发点病例进行高强度的监控，因此应根据疫情来源、发展和防控水平等级等不同情况，制定针对性的发热门诊空间布局优化策略。
3.1. 根据疫情动态调整发热门诊空间布局优化策略
模拟北京市作为疫情传播城市时，在防控水平较低时感染人数过多，需要增加发热门诊的建设，优先考虑生态涵养区等发热门诊可及性较差的区域，并考虑在社区卫生服务中心建立临时发热哨点，分担首诊压力，提升筛查能力。在中防控水平下，目前开设的发热门诊总量能够满足北京市发热患者的接诊需求，但发热门诊资源分布明显不均，因此应提高向生态涵养区发热门诊的资源倾斜力度，考虑在生态涵养区内未开设发热门诊的市属二级以上医院增设发热门诊。高防控水平下，应在保证医疗服务可以满足需要的前提下，有序关闭城区距离较近的、分布较为集中的发热门诊，减少开放发热门诊的数量，更好地避免交叉感染。
模拟北京市作为疫情暴发城市时，在防控水平较低的情况下，感染人数呈指数级增长，呼吸道系统传染病在接触中广泛传播，只有通过减少人员流动和接触、升级防控水平来缓解对发热门诊资源的挤兑效应，才能从根本上遏制疫情的发展，而不能仅仅靠增加发热门诊的数量来完全满足人们的需求。同时需要在全市新增临时疫情筛查点或移动疫情筛查点，并且优先考虑石景山区、房山区、门头沟区、昌平区、延庆区、怀柔区、密云区、顺义区及平谷区等可及性差的地区。中防控水平和高防控水平时均存在明显的发热门诊资源分布不均，应将资源优先向生态涵养区倾斜。
3.2. 制定公共建筑应急预案
根据本研究模拟的情景及对可及性计算的结果，北京市亟需制定大型公共建筑转换为应急设施预案，并列出临时可征用的公共建筑储备清单，确保公共建筑在突发公共卫生事件发生时，依法可临时征用为发热门诊、集中医学隔离观察点等场所。
3.3. 开展发热门诊标准化建设
为提升北京市应对突发公共事件的能力，改善发热门诊空间可及性，需要对市属医院的发热门诊进行进一步建设。北京市人民政府已出台《加强首都公共卫生应急管理体系建设三年行动计划(2020—2022年)》[22]，要求开展医疗机构发热、呼吸和肠道门诊等标准化建设，要求到2021年底全市二级以上公立医疗机构发热门诊均设置具备为发热患者及时开展传染病筛查的能力。根据本研究结果，建议首都功能核心区原则上不需要新建或改造发热门诊，新建或改造发热门诊项目应向生态涵养区以及城市副中心倾斜，首先考虑建设可及性相对较差的昌平区、大兴区、房山区、怀柔区、门头沟区、密云区、平谷区、顺义区和延庆区的28所二级以上公立医院，对于儿科、妇产科等专科类医疗机构的发热门诊建设也应优先考虑。
3.4. 完善发热筛查哨点布局
应加强基于社区卫生服务中心的发热哨点建设，以期投入较小的成本即可达到对于新发病例有效的监控，有效提升基层医疗机构传染病预警报告能力，加强发热患者的源头管理，降低传播风险，避免群众聚集前往综合医院发热门诊，有效缓解集中暴发情形下各医疗机构发热门诊的压力。此外，也可考虑建设移动发热哨点，对于某些地区疫情突然暴发可以起到及时增援的作用，尤其是在北京市北部地区发热门诊可及性一直较低的区域。
3.5. 构建发热门诊信息网络
充分利用“互联网+医疗”，提高发热门诊数字化建设水平[23]，构建覆盖全市传染病专科医院、二级以上医疗机构发热门诊以及社区卫生服务中心发热筛查哨点的传染病动态监测系统，完善发热门诊信息报送相关标准，有效实现病例监测信息实时汇集，开展系统化分析并及时预警，对疫情起到“防患于未然”的作用。
本研究存在局限性，主要针对发热门诊的空间布局进行研究，未考虑发热门诊内部能力建设，也未考虑到其他影响发热门诊服务需求的因素(例如疫情暴发时外地人口进京就诊受限)，也未考虑到建设方舱医院等影响到发热门诊服务供给的因素，因此在后续的研究中可以纳入上述影响因素进行深入探究。
Funding Statement
国家自然科学基金(71673004、71911530221)
Supported by the National Natural Science Foundation of China (71673004, 71911530221)
References
- 1.陈 慧, 姜 淮芜, 刘 静梅. 传染病定点医院新冠肺炎疫情期间发热门诊分区分级接诊策略. 寄生虫病与感染性疾病. 2020;18(3):141–144. [Google Scholar]
- 2.Noll NB, Aksamentov I, Druelle V, et al. COVID-19 scenarios: an interactive tool to explore the spread and associated morbidity and mortality of SARS-CoV-2[J]. (2020-05-12)[2020-12-20]. https://doi.org/10.1101/2020.05.05.20091363.
- 3.Li Q, Guan X, Wu P, et al. Early transmission dynamics in Wuhan, China, of Novel Coronavirus-Infected Pneumonia. N Engl J Med. 2020;382(13):1199–1207. doi: 10.1056/NEJMoa2001316. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 4.中国疾病预防控制中心 新型冠状病毒肺炎流行病学特征分析. 中华流行病学杂志. 2020;41(2):145–151. doi: 10.3760/cma.j.issn.0254-6450.2020.02.003. [DOI] [Google Scholar]
- 5.Yang Y, Lu QB, Liu MJ, et al. Epidemiological and clinical features of the 2019 novel coronavirus outbreak in China[J]. (2020-02-21)[2020-11-21]. https://doi.org/10.1101/2020.02.10.20021675.
- 6.Qin J, You C, Lin Q, et al. Estimation of incubation period distribution of COVID-19 using disease onset forward time: A novel cross-sectional and forward follow-up study. Sci Adv. 2020;6(33):1202. doi: 10.1126/sciadv.abc1202. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 7.Pan A, Liu L, Wang C, et al. Association of public health interventions with the epidemiology of the COVID-19 outbreak in Wuhan, China. JAMA. 2020;323(19):1915–1923. doi: 10.1001/jama.2020.6130. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 8.Wang F. Why public health needs GIS: a methodological overview. Ann GIS. 2020;26(1):1–12. doi: 10.1080/19475683.2019.1702099. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 9.Mcgrail MR. Spatial accessibility of primary health care utilising the two step floating catchment area method: an assessment of recent improvements. Int J Health Geogr. 2012;11:50. doi: 10.1186/1476-072X-11-50. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 10.Luo W, Qi Y. An enhanced two-step floating catchment area (E2SFCA) method for measuring spatial accessibility to primary care physicians. Health Place. 2009;15(4):1100–1107. doi: 10.1016/j.healthplace.2009.06.002. [DOI] [PubMed] [Google Scholar]
- 11.陶 卓霖, 程 杨. 两步移动搜寻法及其扩展形式研究进展. 地理科学进展. 2016;35(5):589–599. [Google Scholar]
- 12.Wang X, Yang H, Duan Z, et al. Spatial accessibility of primary health care in China: a case study in Sichuan Province. Soc Sci Med. 2018;209:14–24. doi: 10.1016/j.socscimed.2018.05.023. [DOI] [PubMed] [Google Scholar]
- 13.Wang X, Pan J. Assessing the disparity in spatial access to hospital care in ethnic minority region in Sichuan Province, China. BMC Health Serv Res. 2016;16(1):399. doi: 10.1186/s12913-016-1643-8. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 14.Vadrevu L, Kanjilal B. Measuring spatial equity and access to maternal health services using enhanced two step floating catchment area method (E2SFCA): a case study of the Indian Sundarbans. Int J Equity Health. 2016;15(1):87. doi: 10.1186/s12939-016-0376-y. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 15.Nakamura T, Nakamura A, Mukuda K, et al. Potential accessibi-lity scores for hospital care in a province of Japan: GIS-based ecological study of the two-step floating catchment area method and the number of neighborhood hospitals. BMC Health Serv Res. 2017;17(1):438. doi: 10.1186/s12913-017-2367-0. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 16.Tao Z, Cheng Y, Zheng Q, et al. Measuring spatial accessibility to healthcare services with constraint of administrative boundary: a case study of Yanqing District, Beijing, China. Int J Equity Health. 2018;17(1):7. doi: 10.1186/s12939-018-0720-5. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 17.陶 卓霖, 程 杨, 戴 特奇, et al. 公共服务设施布局优化模型研究进展与展望. 城市规划. 2019;43(8):60–68, 88. [Google Scholar]
- 18.程 敏, 黄 维维. 基于高斯两步移动搜索法的上海市养老设施空间可达性评价. 复旦学报(自然科学版) 2020;59(2):129–136. [Google Scholar]
- 19.Cheng G, Zeng X, Duan L, et al. Spatial difference analysis for accessibility to high level hospitals based on travel time in Shenzhen, China. Habitat Int. 2016;53:485–494. doi: 10.1016/j.habitatint.2015.12.023. [DOI] [Google Scholar]
- 20.Peeters D, Thomas I. Distance predicting functions and applied location-allocation models. J Geogr Syst. 2000;2(2):167–184. doi: 10.1007/PL00011453. [DOI] [Google Scholar]
- 21.Siegel M, Koller D, Vogt V, et al. Developing a composite index of spatial accessibility across different health care sectors: A German example. Health Policy. 2016;120(2):205–212. doi: 10.1016/j.healthpol.2016.01.001. [DOI] [PubMed] [Google Scholar]
- 22.中共北京市委办公厅, 北京市人民政府办公厅 关于印发《加强首都公共卫生应急管理体系建设三年行动计划(2020—2022年)》的通知. 北京市人民政府公报. 2020;(32):26–47. [Google Scholar]
- 23.左 克强, 金 逸, 焦 岳龙, et al. 新冠肺炎疫情后发热门诊及门急诊诊疗流程优化之策. 中国医院院长. 2020;16(21):81–83. [Google Scholar]