实时绘制过量用药风险图谱：2022-2024年底特律911紧急呼叫的风险地形建模分析

《Journal of Public Health Management and Practice》：Mapping Overdose Risk in Real Time: A Risk Terrain Modeling Analysis of 911 Calls in Detroit, 2022-2024

本研究利用风险地形建模（RTM）分析底特律2022-2024年过量用药相关911呼叫数据，识别高风险区域及影响因素（如ATM、零售场所、宗教机构），空间分析显示2.7%区域为极高危，为公共卫生资源优化配置提供数据支持。

　　

摘要

背景：

在美国，药物过量死亡仍然是可预防死亡的主要原因之一。现有的数据系统（如生命统计数据和医院记录）常常存在报告延迟和地理分辨率有限的问题，这阻碍了及时的公共卫生响应。

目标：

利用风险地形建模（Risk Terrain Modeling, RTM）和2022年至2024年公开的911呼叫数据，识别密歇根州底特律市与药物过量相关的紧急呼叫的高风险区域。

方法：

采用RTM进行了回顾性地理空间分析，以评估药物过量事件与建成环境特征之间的空间关系。

研究地点：

美国密歇根州底特律市。

参与者：

分析了与药物过量相关的紧急呼叫数据（共18,034条记录）。未使用任何个人层面的数据。

干预措施：

本研究未实施任何干预措施。仅使用RTM这一地理空间方法来识别环境风险因素并预测药物过量事件的高风险区域。

主要结果指标：

通过RTM生成相对风险评分（Relative Risk Scores, RRS），以量化底特律市250×250米网格单元内的药物过量风险。

结果：

与药物过量相关的紧急呼叫在空间上具有集中性。RTM识别出8个显著的风险因素，包括自动取款机、零售场所和宗教组织。相对风险评分范围从1到142.5（平均值=9.77，标准差=8.55），其中2.7%的区域被归类为极高风险。

结论：

将RTM应用于911呼叫数据，可以提供一种基于地点的、及时的方法来识别药物过量风险。公共卫生机构可以利用这种方法优先制定减少危害的策略，并更有效地分配资源。