为探究突发公共卫生事件应急能力提升路径,基于应急管理全过程理论,遵循“分析-评价-提升”的逻辑,首先,分析突发公共卫生事件特点与发展变化规律,构建包含预防与准备、监测与预警、处置与救援、恢复与重建4项一级指标,以及23项二级指...为探究突发公共卫生事件应急能力提升路径,基于应急管理全过程理论,遵循“分析-评价-提升”的逻辑,首先,分析突发公共卫生事件特点与发展变化规律,构建包含预防与准备、监测与预警、处置与救援、恢复与重建4项一级指标,以及23项二级指标的评价指标体系;然后结合主成分分析,运用熵权TOPSIS法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)和秩和比法(Rank-Sum Ratio,RSR)构建应急能力评价模型;最后,分析陕西省10个地级市2018-2022年数据,得到各地级市公共卫生事件应急能力评价等级。结果表明:陕西省应急能力分布总体呈现中部高而四周低,北部较高、东南部较低的空间格局;研究期内西安市的应急能力总体表现最优,评分均在0.65以上,其次为榆林、咸阳、铜川和宝鸡;西安市应急能力较为均衡,部分地级市恢复重建能力占比仍有待提升;卫生机构覆盖率、社区卫生服务中心覆盖率和疾病预防控制中心覆盖率为影响突发公共卫生事件管控的最有效因素。研究结果为提升突发公共卫生事件的应对能力提供了一定的实践借鉴。展开更多
目的以新型冠状病毒肺炎(corona virus disease 2019,COVID-19)疫情为例,分析重大突发公共卫生事件对湖南省某医院医疗服务的影响。方法采用中断时间序列分析(interrupted time series,ITS)方法,分析疫情前(2019年1月-2020年1月)与疫情...目的以新型冠状病毒肺炎(corona virus disease 2019,COVID-19)疫情为例,分析重大突发公共卫生事件对湖南省某医院医疗服务的影响。方法采用中断时间序列分析(interrupted time series,ITS)方法,分析疫情前(2019年1月-2020年1月)与疫情后(2020年2月-2020年12月)某医院服务数量、医疗效率、疾病疑难程度、费用水平等指标的变化情况;建立自回归滑动平均混合模型(autoregressive integrated Moving average model,ARIMA)乘积季节模型,假设未发生COVID-19疫情情况下对2020年的出院量和门诊量进行预测,通过对比预测值与实际值的差异,评估COVID-19疫情对医疗服务量的影响。结果COVID-19疫情对医疗服务具有显著的即时影响,该医院医疗服务数量和医疗效率显著下降,疑难危重患者增加,费用水平升高,但后期均逐步恢复。ARIMA模型结果显示,2020年出院量较预测值减少43038人次(25.62%),门诊量减少806337人次(26.93%)。结论突发重大疫情对综合医院医疗服务影响显著,常态化疫情防控背景下全面恢复医疗服务面临挑战。建议医院逐步建立“平急结合”医疗救治体系,大力发展互联网+医疗的线上诊疗体系。展开更多
文摘为探究突发公共卫生事件应急能力提升路径,基于应急管理全过程理论,遵循“分析-评价-提升”的逻辑,首先,分析突发公共卫生事件特点与发展变化规律,构建包含预防与准备、监测与预警、处置与救援、恢复与重建4项一级指标,以及23项二级指标的评价指标体系;然后结合主成分分析,运用熵权TOPSIS法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)和秩和比法(Rank-Sum Ratio,RSR)构建应急能力评价模型;最后,分析陕西省10个地级市2018-2022年数据,得到各地级市公共卫生事件应急能力评价等级。结果表明:陕西省应急能力分布总体呈现中部高而四周低,北部较高、东南部较低的空间格局;研究期内西安市的应急能力总体表现最优,评分均在0.65以上,其次为榆林、咸阳、铜川和宝鸡;西安市应急能力较为均衡,部分地级市恢复重建能力占比仍有待提升;卫生机构覆盖率、社区卫生服务中心覆盖率和疾病预防控制中心覆盖率为影响突发公共卫生事件管控的最有效因素。研究结果为提升突发公共卫生事件的应对能力提供了一定的实践借鉴。
基金国家自然科学基金(the National Natural Science Foundation of Chinaunder Grant No.40471103)北京市自然科学基金(the Natural Science Foundation of Beijing of Chinaunder Grant No.7061005)。
文摘目的以新型冠状病毒肺炎(corona virus disease 2019,COVID-19)疫情为例,分析重大突发公共卫生事件对湖南省某医院医疗服务的影响。方法采用中断时间序列分析(interrupted time series,ITS)方法,分析疫情前(2019年1月-2020年1月)与疫情后(2020年2月-2020年12月)某医院服务数量、医疗效率、疾病疑难程度、费用水平等指标的变化情况;建立自回归滑动平均混合模型(autoregressive integrated Moving average model,ARIMA)乘积季节模型,假设未发生COVID-19疫情情况下对2020年的出院量和门诊量进行预测,通过对比预测值与实际值的差异,评估COVID-19疫情对医疗服务量的影响。结果COVID-19疫情对医疗服务具有显著的即时影响,该医院医疗服务数量和医疗效率显著下降,疑难危重患者增加,费用水平升高,但后期均逐步恢复。ARIMA模型结果显示,2020年出院量较预测值减少43038人次(25.62%),门诊量减少806337人次(26.93%)。结论突发重大疫情对综合医院医疗服务影响显著,常态化疫情防控背景下全面恢复医疗服务面临挑战。建议医院逐步建立“平急结合”医疗救治体系,大力发展互联网+医疗的线上诊疗体系。
