鐘熾輝　梁自領(lǐng)　陳少彬　葉群弟　何子毅　郭鵬豪　陳慶愷

【摘要】?目的?通過(guò)挖掘某市獻(xiàn)血者的基本信息，轉(zhuǎn)化為“可視化”的人口學(xué)特征，為制訂個(gè)性化的獻(xiàn)血者招募策略提供參考依據(jù)。方法?整理2018年1月至2020年6月共125 459名血液檢測(cè)合格的獻(xiàn)血者信息，將不同年齡、性別、職業(yè)、獻(xiàn)血次數(shù)和獻(xiàn)血地點(diǎn)等數(shù)據(jù)轉(zhuǎn)化為“可視化”的圖表加以分析。結(jié)果?125 459名合格的獻(xiàn)血者中，男性與女性獻(xiàn)血者在年齡分布上不同（P<0.01），重復(fù)獻(xiàn)血者在34～42歲年齡段的比例最高;不同職業(yè)的獻(xiàn)血者以普通員工的比例最高，且“80后”的普通員工最多;該市各行政區(qū)域的獻(xiàn)血人數(shù)不同，其中水鄉(xiāng)片區(qū)最少，獻(xiàn)血者主要分布在濱海片區(qū)、城區(qū)片區(qū)、東南部片區(qū)及松山湖片區(qū)，獻(xiàn)血1次的普通員工最多。結(jié)論?“可視化”圖表分析可直觀明了概括該市獻(xiàn)血人群的基本特點(diǎn)，通過(guò)對(duì)獻(xiàn)血者不同特征指標(biāo)分析，為挖掘“潛在獻(xiàn)血者”和制訂個(gè)性化精準(zhǔn)招募對(duì)策提供直觀的參考依據(jù)。

【關(guān)鍵詞】?獻(xiàn)血者;可視化;人口學(xué)特征;熱力圖

中圖分類號(hào)：R193.3???文獻(xiàn)標(biāo)志碼：A???DOI：10.3969/j.issn.1003-1383.2021.02.008

【Abstract】?Objective?To provide reference for the development of personalized blood donor recruitment strategy by mining the basic information of blood donors in a city and transforming it into visualized demographic characteristics. Methods?From January 2018 to June 2020， the information of 125 459 blood donors who passed the blood test were collected， and the data of different ages， genders， occupations， blood donation times and blood donation locations were transformed into visualized charts for analysis. Results?Among 125 459 qualified blood donors， male and female donors were different in age distribution （P < 0.05）. Repeated donors had the highest proportion in the age group from 34 to 42 years. Ordinary employees had the highest proportion in the donors of different occupations， and most of them were the post-80s. The number of blood donations were different among different administrative areas in this city. Among them， blood donors in Shuixiang area was the least. Donors were mainly distributed in coastal area， urban area， southeast area， and Songshan Lake area， and ordinary employees who donated blood once were the most. Conclusion?Visualized chart analysis can intuitively summarize the basic characteristics of donors in this city. Through the analysis of different characteristic indicators of blood donors， it can provides an intuitive reference for mining potential blood donors and formulating personalized and precise recruitment strategies.

【Key words】?blood donors; visualization; demographic characteristics; thermodynamic diagrams

“可視化”在現(xiàn)代化的大數(shù)據(jù)信息技術(shù)轉(zhuǎn)化成果中應(yīng)用廣泛[1]。近年來(lái)，綜合分析采供血過(guò)程中形成的大量數(shù)據(jù)并進(jìn)行整理，從中找出有意義的指標(biāo)，轉(zhuǎn)化為“可視化”的圖形或指標(biāo)已成為大型血站數(shù)據(jù)分析和應(yīng)用的發(fā)展趨勢(shì)。本站利用大數(shù)據(jù)分析等手段在制訂獻(xiàn)血者精準(zhǔn)招募策略方面有一定基礎(chǔ)，但應(yīng)用效果還需加強(qiáng)。為了掌握不同類型獻(xiàn)血者的基本特征，提高獻(xiàn)血者的招募效率，解決季節(jié)性、結(jié)構(gòu)性和緊急性的供血緊張問(wèn)題，利用數(shù)據(jù)分析和圖表制作技術(shù)分析了2018年以來(lái)血液檢測(cè)合格的獻(xiàn)血者在年齡、性別、職業(yè)、獻(xiàn)血次數(shù)及獻(xiàn)血地點(diǎn)等方面的特征，直觀地顯示分析結(jié)果，為制訂個(gè)性化的招募策略提供參考，現(xiàn)將結(jié)果報(bào)道如下。

1?對(duì)象與方法

研究對(duì)象?選取本站2018年1月至2020年6月血液檢測(cè)結(jié)果為“合格”的獻(xiàn)血者125 459名，其中男性78 939人， 平均年齡（35.81±9.15）歲，女性46 520人，平均年齡（33.88±9.27）歲。

1.2?資料來(lái)源?通過(guò)“現(xiàn)代血站信息管理系統(tǒng) SHINOW 9.0”查詢?cè)摬糠肢I(xiàn)血者的基本數(shù)據(jù)信息，包括年齡、性別、職業(yè)、獻(xiàn)血次數(shù)和獻(xiàn)血地點(diǎn)等。

1.3?方法?采用SPSS 19.0軟件統(tǒng)計(jì)描述性分析不同年齡、性別、職業(yè)、獻(xiàn)血次數(shù)和獻(xiàn)血地點(diǎn)等數(shù)據(jù)特征;可視化圖表（熱力圖）制作采用Microsoft Office Excel軟件的色階進(jìn)行制作（紅色表示獻(xiàn)血人數(shù)最大值，黃色表示50%中間值，綠色表示獻(xiàn)血人數(shù)最小值）;不同組間分布的比較采用Kolmogorov-Smirnov秩和檢驗(yàn)，檢驗(yàn)水準(zhǔn)：α=0.05，雙側(cè)檢驗(yàn)。

2?結(jié)??果2.1?2018～2020年獻(xiàn)血者的年齡及性別特征?125 459名合格獻(xiàn)血者（其中初次獻(xiàn)血者64 087人，重復(fù)獻(xiàn)血者61 372人）性別和年齡的分布情況不同（Z=0.590，P<0.01），分別在22～24歲和31～42歲年齡段出現(xiàn)了峰值，見(jiàn)圖1;初次獻(xiàn)血者年齡峰值出現(xiàn)在21～24歲年齡段，見(jiàn)圖2;而重復(fù)獻(xiàn)血者的年齡峰值則出現(xiàn)34～42歲年齡段，見(jiàn)圖3。

2.2?不同性別、年齡、職業(yè)、獻(xiàn)血地點(diǎn)和不同獻(xiàn)血次數(shù)的熱力圖分布?按不同職業(yè)和年齡段分布顯示，男、女性獻(xiàn)血者主要以“80后”的普通員工為主（紅色部分），“90后”的普通員工次之;在學(xué)生群體中，“90后”的獻(xiàn)血者居多;不同性別獻(xiàn)血者在不同職業(yè)的分布差異無(wú)統(tǒng)計(jì)學(xué)意義（Z=0.300，P=0.759），見(jiàn)圖4;不同職業(yè)的獻(xiàn)血者在不同獻(xiàn)血地點(diǎn)的分布仍然以普通員工為主（紅色部分），但不同性別獻(xiàn)血者在獻(xiàn)血地點(diǎn)的分布差異無(wú)統(tǒng)計(jì)學(xué)意義（Z=0.500，P=0.474），見(jiàn)圖5;按職業(yè)和性別分類，不同職業(yè)的初次和重復(fù)獻(xiàn)血者人數(shù)分布不同，但均以普通員工的人數(shù)最多（紅色部分），不同性別的獻(xiàn)血者，其獻(xiàn)血次數(shù)的分布差異無(wú)統(tǒng)計(jì)學(xué)意義（Z=0.429，P=0.153），見(jiàn)圖6。

3?討??論

采供血作為無(wú)償獻(xiàn)血主要業(yè)務(wù)工作，在工作中產(chǎn)生大量的原始數(shù)據(jù)或資料。這些數(shù)據(jù)資料包括了獻(xiàn)血者與血站業(yè)務(wù)相關(guān)的各類信息，這些數(shù)據(jù)的結(jié)構(gòu)復(fù)雜、信息量大、產(chǎn)生和疊加速度快，具有一定的潛在利用價(jià)值，但目前國(guó)內(nèi)尚未大規(guī)模地進(jìn)行針對(duì)性的研究和利用，也沒(méi)有建立一種標(biāo)準(zhǔn)的數(shù)據(jù)模型。國(guó)內(nèi)血站的信息管理系統(tǒng)多種多樣，造成數(shù)據(jù)結(jié)構(gòu)和類型的復(fù)雜化，使得全國(guó)血站的大數(shù)據(jù)分析應(yīng)用較難鋪開?？梢暬治鍪墙陙?lái)興起的利用人類視覺(jué)感知能力，交互式探索的方式來(lái)分析數(shù)據(jù)的一種手段，可以在大規(guī)模、高維度且信息密度稀疏的數(shù)據(jù)分析過(guò)程中融入人的認(rèn)知能力[2]。它通過(guò)一定的算法或模型進(jìn)行聚類分析、數(shù)據(jù)挖掘和結(jié)果輸出圖形的呈現(xiàn)，為決策者提供直接的參考依據(jù)[3～4]。因此，如何通過(guò)數(shù)據(jù)可視化技術(shù)對(duì)獻(xiàn)血者的信息進(jìn)行分析和應(yīng)用，是開展無(wú)償獻(xiàn)血者精準(zhǔn)招募的一種應(yīng)用趨勢(shì)，具有很好的研究?jī)r(jià)值。本研究嘗試?yán)靡欢螘r(shí)間內(nèi)的無(wú)償獻(xiàn)血者的人口學(xué)信息，進(jìn)行數(shù)據(jù)的分類和比較，制作簡(jiǎn)單的柱狀圖和熱力圖，直觀地呈現(xiàn)出獻(xiàn)血者的基本特征，為本地區(qū)制訂無(wú)償獻(xiàn)血者的精準(zhǔn)招募策略提供參考信息。有研究表明，熱力圖可視化分析方法能實(shí)時(shí)對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析，得到對(duì)應(yīng)數(shù)據(jù)的實(shí)時(shí)分布情況，能更形象、快速、直觀地展示宏觀的變化趨勢(shì)[5]。

從圖1、圖2、圖3的數(shù)據(jù)結(jié)構(gòu)及分布趨勢(shì)來(lái)看，不同性別和年齡的獻(xiàn)血者分布情況不同，圖1包括了本研究所選擇的所有獻(xiàn)血者年齡及性別的特征信息，在22～24歲和31～42歲年齡段出現(xiàn)了兩個(gè)峰值;圖2、圖3則顯示初次獻(xiàn)血者和重復(fù)獻(xiàn)血者的年齡峰值則分別出現(xiàn)在21～24歲和34～42歲，說(shuō)明了初次獻(xiàn)血者以年輕人為主，而重復(fù)獻(xiàn)血者以青壯年為主，出現(xiàn)了年齡結(jié)構(gòu)化不平衡的現(xiàn)象，提示了在年輕的重復(fù)獻(xiàn)血者招募方面存在較大的提升空間，需要格外重視，要充分挖掘年輕獻(xiàn)血者的潛力，特別是注意新增獻(xiàn)血者隊(duì)伍特征的分析[6]，以促進(jìn)重復(fù)獻(xiàn)血者隊(duì)伍的年輕化和不斷壯大。圖4顯示：不同性別、職業(yè)和年齡段分布的獻(xiàn)血者，以“80后”的普通員工為主，“90后”的普通員工次之;在學(xué)生獻(xiàn)血者群體中，以“90后”為主。隨著近年來(lái)無(wú)償獻(xiàn)血進(jìn)企業(yè)、進(jìn)高校、進(jìn)社區(qū)工作的穩(wěn)步推進(jìn)，企業(yè)員工及高校學(xué)生已成為我市無(wú)償獻(xiàn)血的主力軍，每年的獻(xiàn)血人數(shù)占全市獻(xiàn)血總?cè)藬?shù)50%以上，是需要高度重視的兩個(gè)群體。從圖5、6可以看出，本地區(qū)的重復(fù)獻(xiàn)血者比例（48.92%）略低于初次獻(xiàn)血者比例（51.08%），不同獻(xiàn)血區(qū)域和不同職業(yè)的分布也有所不同，在本市各行政區(qū)域內(nèi)，水鄉(xiāng)片區(qū)的獻(xiàn)血者人數(shù)最少，獻(xiàn)血者主要分布在濱海片區(qū)、城區(qū)片區(qū)、東南部片區(qū)及松山湖片區(qū)，獻(xiàn)血1次的普通員工最多，初次獻(xiàn)血者和重復(fù)獻(xiàn)血者均以普通員工為主，說(shuō)明了我市在獻(xiàn)血者招募方面存在區(qū)域發(fā)展不平衡的情況，這可能與本地區(qū)的經(jīng)濟(jì)發(fā)展和社會(huì)人口結(jié)構(gòu)因素有關(guān)[7]。

因此，不同的年齡段、不同職業(yè)、不同行政區(qū)域均是目前本地區(qū)獻(xiàn)血者構(gòu)成差異的重要因素，這提示我們，在無(wú)償獻(xiàn)血工作中，應(yīng)當(dāng)創(chuàng)新宣傳模式，拓寬宣傳途徑，營(yíng)造良好的社會(huì)氛圍，根據(jù)不同職業(yè)、不同的群體特點(diǎn)制訂針對(duì)性的招募策略，為獻(xiàn)血者提供優(yōu)質(zhì)服務(wù)，除了鞏固發(fā)展好濱海片區(qū)、城區(qū)片區(qū)、東南部片區(qū)及松山湖片區(qū)獻(xiàn)血者隊(duì)伍的以外，還可以針對(duì)性的為水鄉(xiāng)片區(qū)制訂適宜的招募方式，并把全市“90后”及“00后”年輕獻(xiàn)血者作為提升重復(fù)獻(xiàn)血率的重點(diǎn)招募的對(duì)象，最大限度減少獻(xiàn)血者流失，保留獻(xiàn)血者[8]。

綜上，初步探討大數(shù)據(jù)分析和可視化方法在無(wú)償獻(xiàn)血者招募中的應(yīng)用，通過(guò)“可視化”圖表分析可直觀明了概括本市合格獻(xiàn)血人群的基本特點(diǎn)及存在的問(wèn)題，通過(guò)對(duì)獻(xiàn)血者不同特征指標(biāo)分析，可以為挖掘“潛在獻(xiàn)血者”和制訂個(gè)性化精準(zhǔn)招募對(duì)策提供直觀的參考依據(jù)。不足之處是僅分析了血液檢測(cè)合格的獻(xiàn)血者人群，有待今后對(duì)全部獻(xiàn)血者進(jìn)行可視化研究。

參 考 文 獻(xiàn)

[1]姜趙，謝曉偉.基于Python的數(shù)據(jù)可視化應(yīng)用與研究[J].科學(xué)技術(shù)創(chuàng)新，2020（30）：88-89.

[2] ?張雨薇.基于學(xué)生行為的成績(jī)變化可視化分析與研究[D].成都：電子科技大學(xué)，2020.

[3] ?劉立斌.大數(shù)據(jù)的研究及其應(yīng)用[J].江蘇通信，2017，33（4）：63-65.

[4] ?蔡江輝，楊雨晴.大數(shù)據(jù)分析及處理綜述[J].太原科技大學(xué)學(xué)報(bào)，2020，41（6）：417-424.

[5] ?詹顯軍，裴濤濤，周濟(jì)兵.基于熱力圖的地鐵車站變形可視化分析[J].現(xiàn)代隧道技術(shù)，2020，57（1）：65-69.

[6] ?林彩霞，孔福仙，馮晴，等.新增成分獻(xiàn)血人群獻(xiàn)血行為特征分析及有效保留[J].中國(guó)輸血雜志，2018，31（7）：782-784.

[7] ?杜志威，李郇.基于人口變化的東莞城鎮(zhèn)增長(zhǎng)與收縮特征和機(jī)制研究[J].地理科學(xué)，2018，38（11）：1837-1846.

[8] ?褚曉凌.福州地區(qū)獻(xiàn)血者重復(fù)獻(xiàn)血行為特性研究[J].中國(guó)輸血雜志，2020，33（9）：956-959.

（收稿日期：2020-11-18?修回日期：2021-01-31）

（編輯：梁明佩）