14.7. 医疗卫生

流行病数据的可视化 #

假定要使用一组点来表示某个人群的发病率，而通常无法直接获得点数据， 而只能获得整个区域——如人口普查区或其它行政区划单元——的数据， 这些数据包括了疾病的发病率及各疾病的年龄结构。

由于各个空间区域的大小各异，使得表现发病率的空间分布时不直观， 一个解决的办法是采用比较统计地图（Cartogram），在比较统计地图上， 各个单元的大小与具有发病危险的人口数目成比例，然后将发病率绘制在该图上，这样可以利用GIS， 清楚地将流行病数据的空间分布可视化（图14-13）。

图上灰色的区域成几何级数增长生动地表现了爱滋病的扩散

空间数据分析 #

实际上，空间数据可视化与空间数据分析的界限是十分模糊的，如制作比较统计地图需要对地理空间进行变换。 由于各个区域人口的分布是不均匀的，为了分析流行病病例的空间分布， 通常采用的一种方法称为密度估算（DensityEstimation）。 该方法是采用一个移动窗口（MovingWindow）覆盖于栅格化的位置点上，计算每个窗口内的密度， 采用这种方法，关键是确定窗口的大小。 此外，计算发病率密度与人口密度的关系； 以及对病例空间分布进行聚类分析（ClusterAnalysis），并探讨每一特定聚集区域具体特征， 都可以应用于流行病数据的空间分析。

流行病模型 #

在识别出每个流行病的空间分布聚集区之后，一个重点的研究是确定流行病和其周围环境的关系， 这将有助于验证对流行病发病原因的假定。 做法之一是将空气、水质的空间分布与流行病的空间分布进行对比研究，例如在非洲疟疾传染的研究中， 使用利用遥感图像计算的NDVI指数来进行建模。 此外为了得到流行病的源地，采用距离分析，通常是根据预先假定的病源地进行缓冲区计算， 然后得到每个距离范围内的病例数目，进而确定真正的病源地。

利用空间分析手段确定疾病原因，最著名的案例是英国医生琼·斯诺利用地图发现霍乱病病源：

1854年8月到9月英国伦敦霍乱病流行时，当局始终找不到发病原因，后来医生琼·斯诺博士在绘有霍乱流行地区所有道路、房屋、饮用水机井等内容的1:6500城区地图上（图14-14），标出了每个霍乱病死者的住家位置，得到了霍乱病死者居住位置分布图，他分析了这张图，马上明白了霍乱病源之所在——死者住家都集中于饮用“布洛多斯托”井水的地区及周围。根据斯诺博士的分析和请求，当局于9月8日摘下了这个水井的水泵，再往后就没有出现新的霍乱病人了。

医疗设施规划 #

不论是在发达国家还是发展中国家，随着“规划需从当地的实际情况出发”的观点的不断被认可， 一种以医疗中心为主的观点也不断被采纳。 这意味这不再为了所谓声望而投资大型医疗基地，而代之以建造更多面向小社区的诊所，以方便大众。 这时，显然需要一种办法来提供人口统计和发病率的详细资料医疗设施需求。 在进行这种医疗设施定位时，GIS可以发挥的重要作用。 图14-15显示了在英国westSussex的研究中，通过确定病人到医生的流量， 从而对该地区医疗设施规划的合理性做出判断。

反应了每个全科医师的“吸引范围”（west Sussex）

在定义医疗需求区域后，为了评估当地居民的需求，通常需要将已获得的调查统计数据进行社会经济分类， 以便更好地描述那些小区域。 这样，拥有不同生活方式的不同阶层，或不同生活方式与发病率和死亡率之间联系的数据就可获得。 然后将标准化发病率通过这一阶层的情况来推及个人，从而产生综合疾病指数应用于实践。 这个综合疾病指数可用于预测病人药品的开销等方面。

可达性，可用性及结果 #

GIS在理解医疗结果与医疗设施可达性的关系方面很有帮助。对于一些疾病，如交通事故，迅速送往医院对于病人的抢救至关重要，这需要医院具有良好的可达性，对于可达性与医疗关系的探讨，同样有助于规划医疗设施。