摘要：運(yùn)用2015—2023年的《江西統(tǒng)計(jì)年鑒》《中國(guó)城市統(tǒng)計(jì)年鑒》相關(guān)面板數(shù)據(jù)，從韌性視角出發(fā)，構(gòu)建城市醫(yī)療資源配置系統(tǒng)的評(píng)價(jià)模型，運(yùn)用熵權(quán)法和TOPSIS模型計(jì)算各城市的韌性指數(shù)并運(yùn)用ArcMap 10.8實(shí)現(xiàn)數(shù)據(jù)的可視化進(jìn)行分析。結(jié)果顯示，2015—2022年，江西省各城市醫(yī)療資源配置韌性水平均有較大提高，但是不同城市增長(zhǎng)情況不同，總體呈現(xiàn)北部城市優(yōu)于南部城市趨勢(shì)。江西省各城市的醫(yī)療資源配置系統(tǒng)的韌性發(fā)展程度差異較大，但是都存在提高的空間，應(yīng)強(qiáng)化城市醫(yī)療資源配置系統(tǒng)間的聯(lián)動(dòng)機(jī)制、合理安排城市醫(yī)療資源的布局以及推動(dòng)城市資源保障體系的數(shù)字化轉(zhuǎn)型。

關(guān)鍵詞：突發(fā)性公共事件；醫(yī)療資源配置；韌性評(píng)價(jià)；熵權(quán)法

中圖分類號(hào)：R197.1文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-6916（2024）13-0166-07

Research on the Resilience Evaluation of

Urban Medical Resource Allocation in Jiangxi Province

Sun Wuyue

（School of Emergency Management and Safety Engineering， Jiangxi University of Science and Technology， Ganzhou 341000）

Abstract： Using the panel data from 2015 to 2023 of Jiangxi Statistical Yearbook and China Urban Statistical Yearbook， this paper constructed the evaluation model of urban medical resource allocation system from the perspective of resilience， calculated the resilience index of each city through entropy weight method and TOPSIS model and analyzed it by visualizing the data with ArcMap 10.8. The results show that from 2015 to 2022， the resilience level of urban medical resource allocation in all cities in Jiangxi Province has increased considerably， but the growth of different cities is different， and the overall trend is that the northern cities are better than the southern cities. The degree of development of the resilience of the medical resource allocation system in the cities of Jiangxi Province varies greatly， but there is room for improvement， and the linkage mechanism between the urban medical resource allocation systems should be strengthened， the layout of urban medical resources should be rationally arranged， and the digital transformation of the urban resource protection system should be promoted.

Keywords： public emergencies; medical resource allocation; the resilience evaluation; entropy weight method

2020年初席卷全球的新型冠狀病毒肺炎疫情，成為新中國(guó)成立以來傳播速度最快、感染范圍最廣、防控難度最大的一次重大突發(fā)性公共衛(wèi)生事件［1］。突發(fā)性公共事件給城市這個(gè)復(fù)雜系統(tǒng)帶來了壓力和擾動(dòng)，而醫(yī)療資源配置系統(tǒng)作為城市系統(tǒng)中的一部分發(fā)揮著極為重要的作用。為了保障城市在面對(duì)突發(fā)性公共事件時(shí)仍然能夠正常運(yùn)轉(zhuǎn)，本文以江西省各城市為研究區(qū)域，評(píng)估其醫(yī)療資源配置系統(tǒng)的韌性水平，為預(yù)防和應(yīng)對(duì)突發(fā)性事件給出針對(duì)性建議。

關(guān)于突發(fā)性公共事件，F(xiàn)rancis等［2］從公眾行為角度進(jìn)行了研究，提出在應(yīng)對(duì)突發(fā)性公共事件中要注重信任和合作。Nicole［3］認(rèn)為在災(zāi)害期間，醫(yī)護(hù)人員應(yīng)得到公共衛(wèi)生信息方面的支持。Epke等［4］認(rèn)為需要?jiǎng)?chuàng)造一個(gè)及時(shí)、高效和數(shù)據(jù)驅(qū)動(dòng)的反應(yīng)環(huán)境，在未來突發(fā)性事件發(fā)生時(shí)支持決策。Han等［5］發(fā)現(xiàn)社交機(jī)器人的識(shí)別和防范有助于應(yīng)急管理部門通過干預(yù)穩(wěn)定輿情，促進(jìn)突發(fā)事件中的輿情管理和網(wǎng)絡(luò)秩序的維護(hù)。薛瀾［6］認(rèn)為面對(duì)重大危機(jī)，要建立合理的公共財(cái)政體系、公共資源分配機(jī)制和公共領(lǐng)域決策機(jī)制。

關(guān)于醫(yī)療資源配置，靳淑雁等［7］發(fā)現(xiàn)，深圳的醫(yī)療機(jī)構(gòu)分布狀況存在著空間分配不平衡的現(xiàn)象，這表明其可到達(dá)性還有提升的空間。因此，未來的目標(biāo)應(yīng)該是調(diào)整現(xiàn)有的醫(yī)療設(shè)施布置，以便更有效地利用整個(gè)城市的醫(yī)療資源，同時(shí)也能提供更高質(zhì)量的服務(wù)。馬芳［8］強(qiáng)調(diào)進(jìn)一步改善衛(wèi)生資源的配給方式，構(gòu)建與完善衛(wèi)生資源流通體系的重要性，主張通過優(yōu)化和創(chuàng)新這些系統(tǒng)來使得衛(wèi)生資源的流轉(zhuǎn)變得更為科學(xué)且合理。劉蓮等［9］發(fā)現(xiàn)寧夏醫(yī)療資源分布不均勻，應(yīng)針對(duì)地理和人力兩方面的配置不公平給予相應(yīng)的醫(yī)療、政策、資金等傾斜，促進(jìn)醫(yī)療資源的高質(zhì)量均衡發(fā)展。

關(guān)于韌性評(píng)價(jià)研究，大多聚焦在城市韌性、物流韌性等方面。吳文潔等［10］認(rèn)為生態(tài)系統(tǒng)是未來一段時(shí)期內(nèi)阻礙各中心城市韌性增強(qiáng)的首要障礙，各中心城市應(yīng)根據(jù)發(fā)展階段著力補(bǔ)齊短板。韋莉溫莎［11］認(rèn)為在韌性社區(qū)建設(shè)過程中，需要完善社區(qū)醫(yī)院、超市與物流點(diǎn)等基礎(chǔ)服務(wù)設(shè)施建設(shè)，促進(jìn)生活、居住與工作平衡。劉輝等［12］認(rèn)為在城市消防韌性評(píng)價(jià)工作中，可用定性與定量相結(jié)合的方法確定各項(xiàng)指標(biāo)權(quán)重，并構(gòu)建城市消防韌性的計(jì)算模型定量分析城市消防韌性度，根據(jù)評(píng)價(jià)結(jié)果提出城市消防韌性優(yōu)化策略。王新月［13］認(rèn)為應(yīng)當(dāng)將城市的應(yīng)急物流系統(tǒng)建設(shè)納入省或國(guó)家整體安全發(fā)展戰(zhàn)略體系。

總的來說，研究者對(duì)突發(fā)性公眾危機(jī)事件、醫(yī)療資源配置及城市的適應(yīng)能力有了基本理解，然而針對(duì)更具體的問題——例如城市醫(yī)療資源體系如何有效地處理突發(fā)公共衛(wèi)生事件并在持續(xù)發(fā)展的過程中保持彈性，目前仍處在探究階段，這已成為近期學(xué)界關(guān)注的焦點(diǎn)問題。

一、研究區(qū)域概況與數(shù)據(jù)來源

（一）研究區(qū)域概況

江西簡(jiǎn)稱“贛”，11個(gè)下轄地級(jí)市：南昌市、景德鎮(zhèn)市、萍鄉(xiāng)市、九江市、新余市、鷹潭市、贛州市、吉安市、宜春市、撫州市和上饒市（圖1），其省會(huì)為南昌市。全省面積16.69萬平方公里［14］。截至2022年末，全省地區(qū)生產(chǎn)總值合計(jì)為32 074.72億元，常住人口為4 527.98萬人。本文以江西省11個(gè)地級(jí)市作為研究對(duì)象，對(duì)這些城市醫(yī)療資源配置的韌性水平進(jìn)行評(píng)估和分析。

（二）數(shù)據(jù)來源

本文所研究的地區(qū)為江西省，數(shù)據(jù)來源于2015年至2023年的《江西統(tǒng)計(jì)年鑒》《中國(guó)城市統(tǒng)計(jì)年鑒》以及北京大學(xué)數(shù)字金融研究中心獲取的中國(guó)數(shù)字普惠金融指數(shù)［15］。對(duì)于存在缺失的數(shù)據(jù)，取相鄰年份的均值進(jìn)行補(bǔ)全。

二、城市應(yīng)急醫(yī)療資源配置韌性評(píng)價(jià)指標(biāo)構(gòu)建

構(gòu)建醫(yī)療資源配置韌性評(píng)價(jià)指標(biāo)，應(yīng)結(jié)合醫(yī)療資源配置韌性評(píng)價(jià)的目的，掌握醫(yī)療資源配置的現(xiàn)狀，確定評(píng)級(jí)指標(biāo)體系的構(gòu)建原則。唯有依據(jù)適當(dāng)?shù)脑u(píng)估標(biāo)準(zhǔn)系統(tǒng)建設(shè)準(zhǔn)則，才有可能創(chuàng)建具有針對(duì)性且有效的評(píng)估標(biāo)準(zhǔn)系統(tǒng)。所以本文參考了現(xiàn)存的研究結(jié)果［16-17］，并依照科學(xué)性規(guī)則、全方位的重要性平衡、自主性和實(shí)踐能力的原則來搭建醫(yī)療資源分配彈性評(píng)估標(biāo)準(zhǔn)的系統(tǒng)。

（一）指標(biāo)選取

保障醫(yī)療資源配置的韌性大體包含了魯棒性、冗余性、效率度與適應(yīng)度4個(gè)方面的因素，見表1。

1.魯棒性指系統(tǒng)及其組成部分在不發(fā)生功能退化或損失的情況下，抵抗擾動(dòng)事件的沖擊時(shí)能夠持續(xù)工作的能力。地區(qū)生產(chǎn)總值揭示了一個(gè)地方的經(jīng)濟(jì)增長(zhǎng)狀況，它體現(xiàn)了外部宏觀經(jīng)濟(jì)環(huán)境的基本面貌，被視為正向指標(biāo)；而第三產(chǎn)業(yè)占比則展示了城市的產(chǎn)業(yè)構(gòu)造升級(jí)程度，同樣也被視作正向指標(biāo)。根據(jù)陳奕瑋的研究成果［18］，他認(rèn)為第三產(chǎn)業(yè)占有率和人均GDP（元）都是確保經(jīng)濟(jì)遭受打擊之后能夠迅速?gòu)?fù)蘇的關(guān)鍵要素，它們從經(jīng)濟(jì)角度提升了醫(yī)療系統(tǒng)的穩(wěn)定性和抗壓能力。吳曉凡［19］、錢亞玲［20］等人深入探討了如何保持醫(yī)療服務(wù)體系公正與穩(wěn)定的決定因素，他們選擇以每萬人口擁有的醫(yī)生人數(shù)、醫(yī)院床位數(shù)目及公共醫(yī)療設(shè)施數(shù)量等作為衡量醫(yī)療服務(wù)體系強(qiáng)度的關(guān)鍵參數(shù)。綜合來看，本文確定以下六個(gè)魯棒性指標(biāo)：地區(qū)生產(chǎn)總額（億元）、人均生產(chǎn)總額（萬元 /人）、第三產(chǎn)業(yè)占比（%）、每萬人的衛(wèi)生機(jī)構(gòu)數(shù)、每萬人的住院床位數(shù)目以及每萬人的醫(yī)療技術(shù)人員（人）。

2.當(dāng)系統(tǒng)功能發(fā)生中斷、衰退或失效時(shí)，系統(tǒng)元素和其組成部分的可替換性被稱為冗余性。冗余性越強(qiáng)，系統(tǒng)能承受的外部擾動(dòng)越多。失業(yè)保險(xiǎn)覆蓋率衡量的是城市保護(hù)因疫情影響失去工作的市民的基本生存能力的強(qiáng)度，該指標(biāo)以年終參與失業(yè)保險(xiǎn)的人數(shù)占總?cè)丝诘谋壤齺肀硎尽１壤酱?，意味著失業(yè)者的生計(jì)更能被保證，這有助于減輕醫(yī)療機(jī)構(gòu)的負(fù)擔(dān)并提高其冗余性。同時(shí)，衛(wèi)生和社會(huì)保障行業(yè)的比重體現(xiàn)了該地區(qū)的醫(yī)療與公共衛(wèi)生產(chǎn)業(yè)的發(fā)展?fàn)顩r及其應(yīng)對(duì)突發(fā)事件的能力。最后，醫(yī)保覆蓋率展示了地區(qū)居民加入醫(yī)保的情況，通過這種方式，他們能夠獲取到來自社會(huì)的必要資源支持，從而緩解部分醫(yī)療體系的壓力。因此，醫(yī)保覆蓋率數(shù)值越高，說明醫(yī)療體系的冗余性能越好。綜合以上分析，本文選擇用失業(yè)保險(xiǎn)涵蓋率、衛(wèi)生和社會(huì)工作市場(chǎng)份額及醫(yī)保覆蓋率作為評(píng)估醫(yī)療體系冗余性的參考指標(biāo)。

3.效率度是指系統(tǒng)受到擾動(dòng)事件影響后恢復(fù)到常規(guī)功能水平的速度。城市數(shù)字經(jīng)濟(jì)指數(shù)衡量了一個(gè)地方在工業(yè)生產(chǎn)、政府服務(wù)、日常生活和文化活動(dòng)等方面的數(shù)字化深度［21-22］。這個(gè)數(shù)據(jù)可以揭示出城市信息化對(duì)于醫(yī)療機(jī)構(gòu)的支持和推進(jìn)能力，從而表明該機(jī)構(gòu)的工作效果。醫(yī)療機(jī)構(gòu)的運(yùn)行需要高效的物流網(wǎng)絡(luò)來支撐，因此本文通過計(jì)算運(yùn)輸行業(yè)的市場(chǎng)占有率百分比（%）以評(píng)估當(dāng)?shù)亟煌ㄔO(shè)施的完備情況，這是一個(gè)正向指標(biāo)。另外兩個(gè)關(guān)鍵指標(biāo)分別是平均住院天數(shù)和病床使用率，它們直接展示了醫(yī)療機(jī)構(gòu)應(yīng)對(duì)突發(fā)事件的能力，這是“高效醫(yī)療”的一個(gè)重要表現(xiàn)［23］。具體來說，較低的平均住院時(shí)間意味著醫(yī)院能夠更快速地處理病人，是一個(gè)負(fù)向指標(biāo)；而病床使用率則是某一特定時(shí)段內(nèi)實(shí)際使用的病床數(shù)量與可用的病床總數(shù)的比例，它能顯示出醫(yī)療資源的使用效益，也是評(píng)價(jià)醫(yī)療資源分配效率的重要參考。綜上所述，本文選取城市數(shù)字經(jīng)濟(jì)指數(shù)、交通運(yùn)輸行業(yè)市場(chǎng)份額占比（%）、平均住院日和病床使用率為效率度的指標(biāo)。

4.適應(yīng)度是指在面對(duì)可能破壞某個(gè)元素及系統(tǒng)的風(fēng)險(xiǎn)時(shí)，系統(tǒng)識(shí)別問題、確定優(yōu)先次序和快速適應(yīng)變化的能力。城鎮(zhèn)化率（%）反映的是城鎮(zhèn)化水平，為正向指標(biāo)。董蘇等［24］研究表明，城鎮(zhèn)化不僅能直接促進(jìn)農(nóng)村醫(yī)療保健消費(fèi)增加，還可以通過收入效應(yīng)、老齡化效應(yīng)和示范效應(yīng)間接對(duì)農(nóng)村居民醫(yī)療保健消費(fèi)產(chǎn)生積極影響。人均可支配收入是指居民可支配的收入總額，常用來衡量當(dāng)?shù)氐纳钏?。較高的人均可支配收入可以彌補(bǔ)未參加醫(yī)療保險(xiǎn)制度的人群的醫(yī)療支出，并對(duì)醫(yī)療系統(tǒng)的作用發(fā)揮起促進(jìn)作用?；嵯禂?shù)是用來衡量居民收入差距的指標(biāo)，是一個(gè)負(fù)向指標(biāo)，經(jīng)濟(jì)起步階段或工業(yè)化前期的國(guó)家，基尼系數(shù)一般會(huì)較高，而發(fā)達(dá)經(jīng)濟(jì)體的基尼系數(shù)通常會(huì)較低。吳曉凡等人［19］通過選取基尼系數(shù)來評(píng)估新疆的醫(yī)療資源配置體系，提出縮小西藏地區(qū)西北部與東南部的醫(yī)療資源配置差距，以提升系統(tǒng)的適應(yīng)性。綜上所述，適應(yīng)度指標(biāo)選取為城鎮(zhèn)化率（%）、基尼系數(shù)和人均可支配收入（元）。

三、城市醫(yī)療資源配置韌性評(píng)價(jià)模型

（一）熵權(quán)法確定權(quán)重

采用熵權(quán)法作為衡量指標(biāo)重要性的方法，這種方法基于信息量來分配權(quán)重，是一種相對(duì)公正的方法，可以有效地避免因人為因素導(dǎo)致的不準(zhǔn)確情況，從而使得結(jié)論更貼近現(xiàn)實(shí)［25］。此外，熵值被用作評(píng)價(jià)指標(biāo)系統(tǒng)內(nèi)各指標(biāo)變化幅度的一種工具［16］。

1.構(gòu)建m個(gè)對(duì)象n個(gè)指標(biāo)的初始評(píng)價(jià)矩陣：

X=［xij］m×n" 式（1）

2.對(duì)矩陣X中的指標(biāo)值xij進(jìn)行標(biāo)準(zhǔn)化處理。

對(duì)于正向指標(biāo)，其標(biāo)準(zhǔn)化處理公式為：

x′ij=xij-min（xij）max（xij）-min（xij）" 式（2）

對(duì)于負(fù)向指標(biāo)，其標(biāo)準(zhǔn)化處理公式為：

x′ij=max（xij）-xijmax（xij）-min（xij）" 式（3）

其中，xij為第i個(gè)單位的第j個(gè)指標(biāo)的原始值，x′ij為經(jīng)過標(biāo)準(zhǔn)化處理的第i個(gè)單位的第j個(gè)指標(biāo)。

3.求解指標(biāo)的信息熵值ej和信息效用值dj：

ej=-k［∑ni=1pijln（pij）］" 式（4）

dj=1-ej" 式（5）

其中：pij=x′ij/∑ni=1x′ij，k=1/ln（n）。ej為第j項(xiàng)指標(biāo)的信息熵值。pij為第j指標(biāo)下，第i個(gè)年份占該指標(biāo)比重。

4.最后計(jì)算評(píng)價(jià)指標(biāo)的權(quán)重：

wj=（1-ej）/［∑mj=1（1-ej）" 式（6）

其中：0≤wj≤1。

將數(shù)據(jù)代入式（1）—式（6），運(yùn)用StataMP 18計(jì)算，整理得指標(biāo)權(quán)重（見表2）。

（二）基于TOPSIS模型的城市醫(yī)療資源配置韌性計(jì)算

TOPSIS模型在1981年由C.L.Hwang和K.Yoon提出，這種方法引入了正理想解和負(fù)理想解的概念，被視為尋找最接近理想解的排序方法。所謂正理想解是所有決策中最優(yōu)的解，也就是說，它的各個(gè)屬性值達(dá)到各備選方案中的最好的值，而負(fù)理想解是設(shè)想中最劣的解，各個(gè)屬性值在各備選方案中最差，這樣能夠精確反映各個(gè)評(píng)價(jià)方案之間的差距。如果此時(shí)所得到的距離在離最佳解最近的同時(shí)離最差解最遠(yuǎn)，則認(rèn)定其評(píng)估指標(biāo)最高，具有最好的解。反之，評(píng)估對(duì)象的總體評(píng)估狀況綜合得分最低，具有最差的解［26］。因此，本文通過此方法來衡量江西省各城市的韌性水平。

具體計(jì)算步驟如下：

確定正理想解X+和負(fù)理想解X-：

X+=（max{x11，x21…，xm1}，max{x12，x22…，xm2}，…，

max{x1n，x2n…，xmn}）=（x+1，x+2，…，x+n）" 式（7）

X-=（min{x11，x21…，xm1}，min{x12，x22…，xm2}，…，

min{x1n，x2n…，xmn}）=（x-1，x-2，…，x-n）" 式（8）

計(jì)算各指標(biāo)值與正負(fù)理想解的距離：

D+i=∑nj=1（x+j-xij）2" 式（9）

D-i=∑nj=1（x-j-xij）2" 式（10）

計(jì)算評(píng)估對(duì)象與理想解的貼近程度：

Ci=D-D++D-，0Ci1" 式（11）

越大，說明城市醫(yī)療資源配置韌性水平越高，反之，則越低。

四、結(jié)果

（一）江西省各城市綜合韌性評(píng)價(jià)

將江西省2015—2022年的數(shù)據(jù)代入式（1）—式（11），運(yùn)用StataMP 18運(yùn)算可得江西省11個(gè)城市的城市醫(yī)療資源配置韌性指數(shù)，并將江西省各城市歷年醫(yī)療資源配置韌性指數(shù)和均值繪制成圖2。觀察圖2可以看出，江西省各城市醫(yī)療資源配置韌性水平在2015—2022年間呈現(xiàn)波動(dòng)上升趨勢(shì)。其中，各城市的醫(yī)療資源配置韌性指數(shù)大多在2019年達(dá)到了小高峰，尤其是省會(huì)南昌市峰值最大。各城市韌性指數(shù)在2020年經(jīng)過小幅度的回落后，又開始呈現(xiàn)波動(dòng)上升趨勢(shì)。總體來看，11個(gè)城市中省會(huì)城市南昌醫(yī)療資源配置水平歷年來水平最為優(yōu)異，其次為新余市。

（二）江西省城市醫(yī)療資源配置韌性時(shí)空格局演變

運(yùn)用ArcMap 10.8將數(shù)據(jù)可視化為圖3，這種類型的可視化可以快速評(píng)估和比較各城市的韌性水平，只需觀察顏色強(qiáng)度便能夠進(jìn)行判斷。

從圖3可以看出，江西省各城市醫(yī)療資源配置韌性水平存在較為顯著的差異。2015年，江西省北部和南部城市的韌性水平差異并不顯著，2019年，江西省北部的城市的韌性水平顯著超越南部城市。直到2021年，韌性水平的分布呈現(xiàn)出以省會(huì)城市南昌為中心的放射狀趨勢(shì)。

（三）江西省各城市醫(yī)療資源配置韌性水平評(píng)價(jià)

通過江西省城市醫(yī)療資源配置韌性2015—2022年的發(fā)展歷程，可以看出江西省各城市雖然韌性水平有高有低，但是總體都處于增長(zhǎng)階段。為了便于對(duì)各個(gè)城市的醫(yī)療資源配置韌性水平建設(shè)提出針對(duì)性的建議，本文將結(jié)合魯棒性、冗余性、效率度和適應(yīng)度這4個(gè)維度來綜合評(píng)估江西省各城市醫(yī)療資源，具體情況見表3。

從總指數(shù)來看，醫(yī)療資源配置韌性水平排名前三的城市依次為南昌市、新余市和萍鄉(xiāng)市，都處于江西省的北部，屬于省內(nèi)行政面積偏小的城市。

從魯棒性來看，這三個(gè)城市仍然處于領(lǐng)先地位，在面對(duì)應(yīng)急事件可以較好地維持醫(yī)療資源配置系統(tǒng)的正常運(yùn)轉(zhuǎn)。

從冗余性來看，南昌市和新余市仍然穩(wěn)居前三，景德鎮(zhèn)躍居第三位，說明其在面對(duì)緊急情況，醫(yī)療資源配置系統(tǒng)的備用要素能夠支撐系統(tǒng)運(yùn)行并幫助系統(tǒng)快速恢復(fù)。

從效率度來看，撫州市、上饒市和宜春市的醫(yī)療資源配置系統(tǒng)面對(duì)應(yīng)急事件時(shí)能夠高速有效地恢復(fù)常態(tài)。值得注意的是，南昌市和宜春市在效率度韌性水平表現(xiàn)并不突出，說明這兩個(gè)城市在總體韌性水平優(yōu)異的基礎(chǔ)上，在面對(duì)突發(fā)狀況時(shí)恢復(fù)醫(yī)療資源配置系統(tǒng)的時(shí)效有提高的空間。

從適應(yīng)度來看，南昌市、新余市和景德鎮(zhèn)市表現(xiàn)優(yōu)異，有較強(qiáng)的適應(yīng)醫(yī)療應(yīng)急事件的能力，能夠彌補(bǔ)系統(tǒng)的不足、把事故轉(zhuǎn)化為經(jīng)驗(yàn)。相對(duì)而言，吉安市、贛州市和撫州市韌性水平還比較落后，這三個(gè)城市都處在江西省的南部，且行政區(qū)域范圍較大。

再結(jié)合圖1的概況圖可以看出，這三個(gè)城市行政區(qū)域的地形較為崎嶇，這增加了醫(yī)療資源配置系統(tǒng)的韌性水平管理的難度，需要采取針對(duì)性的有效措施進(jìn)行改善。

五、江西省城市醫(yī)療資源配置韌性水平提升策略

江西省各城市的醫(yī)療資源配置系統(tǒng)的韌性發(fā)展程度差異較大，但是都存在提高的空間。針對(duì)上述的評(píng)價(jià)結(jié)果，從以下幾個(gè)方面提出優(yōu)化建議。

（一）完善城市醫(yī)療資源配置系統(tǒng)間的聯(lián)動(dòng)機(jī)制

醫(yī)療資源是極為重要的救援資源，強(qiáng)韌的醫(yī)療資源配置系統(tǒng)是應(yīng)對(duì)各類突發(fā)事故的重要力量［27］。因此，應(yīng)由各級(jí)政府牽頭，邀請(qǐng)各方領(lǐng)導(dǎo)、專家定期召開聯(lián)合會(huì)議，健全聯(lián)合處置重大突發(fā)事件和應(yīng)急醫(yī)療資源互通的應(yīng)急聯(lián)動(dòng)機(jī)制，規(guī)范衛(wèi)生和社會(huì)保障方面的財(cái)政支出和應(yīng)急資源預(yù)留情況。

（二）科學(xué)構(gòu)建城市醫(yī)療資源的布局

根據(jù)本文的韌性評(píng)價(jià)結(jié)果，江西省南北部城市醫(yī)療資源配置的韌性水平存在較大差異，北部城市的表現(xiàn)優(yōu)于南部城市。其中，省會(huì)城市南昌發(fā)揮了重要的帶動(dòng)作用，不過在效率度的表現(xiàn)相對(duì)有欠缺，可以考慮在人口密集的社區(qū)開設(shè)惠民醫(yī)療站試點(diǎn)，在重大突發(fā)事件發(fā)生時(shí)，惠民醫(yī)療站點(diǎn)可以適當(dāng)分擔(dān)醫(yī)療資源配置系統(tǒng)的壓力，從而提高總體效率。南部城市應(yīng)當(dāng)加大衛(wèi)生和社會(huì)保障的資金投入，完善交通等基礎(chǔ)設(shè)施，提高醫(yī)療資源配置的韌性水平。

（三）推動(dòng)城市資源保障體系的數(shù)字化轉(zhuǎn)型

各級(jí)政府應(yīng)聚焦醫(yī)療資源和各類應(yīng)急物質(zhì)保障，統(tǒng)籌謀劃，精心組織，全面推動(dòng)提升城市資源安全監(jiān)管的數(shù)字化、智能化水平。各方要加強(qiáng)協(xié)同配合，形成工作合力，多渠道爭(zhēng)取項(xiàng)目資金支持［28］，加強(qiáng)應(yīng)急資源數(shù)據(jù)庫(kù)平臺(tái)建設(shè)。

參考文獻(xiàn)：

［1］楊琳.重大突發(fā)公共衛(wèi)生事件應(yīng)急醫(yī)療資源配置韌性評(píng)價(jià)研究［D］.西安：西北大學(xué)，2021.

［2］FRANCIS L，ARNAB M，HOLLY C.Understanding levels of compliance with emergency responder instructions for members of the Public involved in emergencies： Evidence from the Grenfell Tower fire［J］.International Journal of Disaster Risk Reduction，2023（84）：103.

［3］NICOLE M C，JOANNE E P，MICHAEL B，et al.Public health messaging during disasters： Practice and attitudes of Australian emergency nurses［J］.Australasian Emergency Care，2023（2）：193-197.

［4］EPKE A.LE RUTTE，ANDREW J.SHATTOCK，ZHAO Cheng，et al.A case for ongoing structural support to maximise infectious disease modelling efficiency for future public health emergencies： A modelling perspective［J］.Epidemics，2024（46）：100.

［5］LUO Han，MENG Xiao，ZHAO Yifei ，et al.Rise of social bots： The impact of social bots on public opinion dynamics in public health emergencies from an information ecology perspective［J］.Telematics and Informatics，2023（C）：102.

［6］薛瀾，張強(qiáng).SARS事件與中國(guó)危機(jī)管理體系建設(shè)［J］.清華大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2003（4）：1-6，18.

［7］靳淑雁，余佳芮，韓阿珠，等.深圳市醫(yī)療資源配置與衛(wèi)生服務(wù)可及性研究［J］.中國(guó)醫(yī)院，2023（2）：38-41.

［8］馬芳.新疆專業(yè)公共衛(wèi)生機(jī)構(gòu)公共衛(wèi)生資源配置研究［D］.烏魯木齊：新疆醫(yī)科大學(xué)，2023.

［9］劉蓮，祁寶琦，湯時(shí)藍(lán)，等.基于基尼系數(shù)和區(qū)位熵的寧夏醫(yī)療資源配置公平性研究［J］.醫(yī)學(xué)與社會(huì)，2023（6）：7-10.

［10］吳文潔，黃海云.國(guó)家中心城市綜合韌性評(píng)價(jià)及障礙因素分析［J］.生態(tài)經(jīng)濟(jì)，2023（4）：89-94，102.

［11］韋莉溫莎.城市社區(qū)韌性評(píng)價(jià)指標(biāo)體系及其影響因素研究［D］.廣州：廣州大學(xué)，2023.

［12］劉輝，程振超，王丹.城市消防韌性評(píng)價(jià)指標(biāo)體系研究［J］.災(zāi)害學(xué)，2023（2）：25-30.

［13］王新月.我國(guó)城市物流系統(tǒng)韌性評(píng)價(jià)研究［D］.太原：山西財(cái)經(jīng)大學(xué)，2023.

［14］江西省人民政府.江西簡(jiǎn)介［EB/OL］.（2023-09-10）［2024-01-31］.

https：//www.jiangxi.gov.cn/col/col471/index.html.

［15］張朝玉，趙新宇.河北省城市應(yīng)急醫(yī)療資源保障韌性評(píng)價(jià)與提升路徑［J］.河北科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021（1）：80-89.

［16］張振，張以晨，張繼權(quán)，等.基于熵權(quán)法和TOPSIS模型的城市韌性評(píng)估：以長(zhǎng)春市為例［J］.災(zāi)害學(xué)，2023（1）：213-219.

［17］陳奕瑋，丁關(guān)良.中國(guó)地級(jí)市城市經(jīng)濟(jì)韌性的測(cè)度［J］.統(tǒng)計(jì)與決策，2020（21）：102-106.

［18］郭峰，王靖一，王芳，等.測(cè)度中國(guó)數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征［J］.經(jīng)濟(jì)學(xué)（季刊），2020（4）：1401-1418.

［19］吳曉凡，干穎瀅，曾宇琦，等.基于基尼系數(shù)和集聚度的西藏地區(qū)醫(yī)療資源配置公平性分析［J］.現(xiàn)代預(yù)防醫(yī)學(xué)，2022（23）：4327-4331，4384.

［20］錢亞玲，楊敬宇.基于基尼系數(shù)和集聚度的甘肅省衛(wèi)生資源配置公平性分析［J］.醫(yī)學(xué)與社會(huì)，2021，第34卷（8）：11-16.

［21］魯玉秀，方行明，唐禮智，等.數(shù)字經(jīng)濟(jì)對(duì)城市現(xiàn)代服務(wù)業(yè)空間集聚的影響與異質(zhì)性檢驗(yàn)［J］.統(tǒng)計(jì)與決策，2022（21）：25-30.

［22］孔芳霞，劉新智.數(shù)字經(jīng)濟(jì)發(fā)展對(duì)工業(yè)綠色轉(zhuǎn)型的影響研究：基于中國(guó)城市的經(jīng)驗(yàn)證據(jù)［J］.軟科學(xué)，2023（4）：27-35.

［23］王建安.后疫情時(shí)代的公立醫(yī)院如何從“跑馬圈地”轉(zhuǎn)向“效率醫(yī)療”［N］.光明日?qǐng)?bào)，2020-08-23（6）.

［24］董蘇，夏國(guó)祥.城鎮(zhèn)化對(duì)農(nóng)村居民醫(yī)療保健消費(fèi)的傳導(dǎo)機(jī)制研究［J］.中國(guó)衛(wèi)生經(jīng)濟(jì)，2020（1）：41-44.

［25］梁準(zhǔn)，王姬，楊玉竹.石家莊市城市韌性綜合評(píng)估及提升策略［J］.合作經(jīng)濟(jì)與科技，2021（20）：25-28.

［26］TRIANTAPHYLLOU E.Multi-criteria Decision Making Methods： A Comparative Study［M］.Dordrecht：Kluwer Academic Publishers，2000：18-22．

［27］中華人民共和國(guó)應(yīng)急管理部.2023國(guó)際應(yīng)急醫(yī)學(xué)救援論壇暨應(yīng)急醫(yī)學(xué)救援裝備技術(shù)博覽會(huì)在無錫開幕［EB/OL］.（2023-10-09）［2024-01-16］.

https：//www.mem.gov.cn/xw/bndt/202310/t20231009_465

175.shtml.

［28］中華人民共和國(guó)應(yīng)急管理部.應(yīng)急管理部召開高危行業(yè)安全監(jiān)管數(shù)字化轉(zhuǎn)型工作推進(jìn)會(huì)［EB/OL］.（2023-12-11）［2024-01-16］.

https：//www.mem.gov.cn/xw/bndt/202312/t20231211_471

495.shtml.

作者簡(jiǎn)介：孫吳玥（1998—），女，漢族，江蘇泰州人，單位為江西理工大學(xué)應(yīng)急管理與安全工程學(xué)院，研究方向?yàn)楣残l(wèi)生與應(yīng)急管理。

（責(zé)任編輯：王寶林）