Patna City公共卫生服务可达性的空间与社会经济不平等：基于GIS与PCA加权叠加的设施选址研究

《Discover Public Health》：Mapping spatial and socioeconomic disparities in public healthcare accessibility in Patna City

　　

背景 快速城市化加剧了印度许多城市公共卫生保健获取的空间不平等。在Patna City，二级和三级卫生保健设施集中于中心地区，给边缘和社会经济弱势人群造成显著可达性挑战。本研究利用集成地理信息系统（GIS）的分析框架，评估卫生保健可达性的空间与社会经济不平等，并识别未来公共卫生保健设施的潜在地点。

方法 采用混合方法，将384名受访者的家庭调查数据与卫生保健设施、道路网络、土地可用性和人口分布的空间数据集相结合。应用基于GIS的缓冲区分析、网络分析、泰森多边形（Thiessen polygons）和基于主成分分析（PCA）的加权叠加分析，评估卫生保健可达性并识别新卫生保健设施的适宜地点。使用卡方检验（Chi-square test）和多元回归分析（multiple regression analysis）考察社会经济特征和出行距离对卫生保健满意度与利用的影响。

结果 分析显示，超过62%的市政分区（municipal wards）服务不足，边缘地区居民前往公立医院的距离为8–12 km，而中心分区为2–3 km。PCA识别出人口密度29%、服务不足区域22%和距现有医院距离27%；并识别出4个未来卫生保健设施优先地点，最高优先级给予人口密度高、服务不足且靠近现有医院的区域。卡方检验显示收入水平与卫生保健满意度之间存在显著关联 χ² = 15.63，p = 0.004。在多元回归中，出行距离 β = ?0.472，p < 0.001，健康状况 β = 0.096，p = 0.048，疾病严重程度 β = ?0.129，p = 0.008，交通方式 β = 0.114，p = 0.021，以及保险状况 β = 0.153，p = 0.002，是卫生保健利用变异的重要贡献因素；收入水平、年龄、性别、教育、职业和家庭结构不显著。回归模型解释了卫生保健利用变异的74.2%，R² = 0.742。

结论 将基于GIS的空间可达性分析与PCA导出的适宜性建模及社会经济分析相整合，为识别卫生保健服务缺口和潜在地点提供了客观框架。所提出方法支持循证城市卫生规划，并为卫生资源有限、快速成长城市改善公平卫生保健获取提供了可转移方法。

研究背景与问题：快速城市化加剧了印度许多城市公共卫生保健获取的空间不平等。Patna City是东印度仅次于Kolkata的大城市，面积108.87 km²，分六个行政圈和75个市政分区，按2011年普查人口为16,84,222。二级和三级卫生保健设施集中于中心地区，使边缘和社会经济弱势人群面临显著可达性挑战。既有政策包括Bhore Committee (1946)、Ministry of Health and Family Welfare (2012)、National Urban Health Mission (2013)等，但不平等仍持续存在。全国调查显示仅29%的印度人口依赖政府医院，卫生支出占家庭收入较大份额。研究中指出，尽管已有关于社会经济障碍和空间卫生不平等的研究，但整合城市特定社会经济和人口因素的微观数据有限。收入不平等、卫生保健满意度、出行距离及二级和三级卫生保健服务可得性共同造成不平等。研究人员据此提出三个目标：制图Patna City二级和三级卫生保健设施的空间模式；考察社会经济因素、出行距离及其对卫生服务利用和获取的影响；提出新卫生保健设施适宜位置，以改善公平、获取和公共卫生服务效率。研究意义在于为循证城市卫生规划及可持续发展目标3（SDG 3：良好健康与福祉）提供可转移方法。

研究人员开展的研究与结论：研究人员采用混合方法，整合384名受访者家庭调查数据与卫生设施、道路网络、土地可用性、人口分布空间数据，使用地理信息系统（GIS）缓冲区分析、网络分析、泰森多边形（Thiessen polygons）、基于主成分分析（PCA）的加权叠加分析、卡方检验和多元回归分析。结论显示，超过62%的市政分区服务不足，边缘地区居民到公立医院需8–12 km，中心分区为2–3 km；识别出四个未来卫生设施优先地点；收入水平与卫生保健满意度显著相关；出行距离、健康状况、疾病严重程度、交通方式和保险状况显著影响卫生保健利用，回归模型解释74.2%的变异。该研究为识别服务缺口、优化设施选址和促进公平卫生规划提供了依据。

主要关键技术方法：研究采用混合方法。样本队列来源为Patna City六个行政区，即Patna City、Azimabad、Bankipur、Patliputra、Kankarbagh和New Capital，于2025年3月至5月通过分层随机抽样开展家庭调查，并以Cochran公式确定384户样本。空间数据包括二级和三级卫生设施、道路网络、土地可用性和人口分布；道路网络来自OpenStreetMap（OSM），设施经GPS定位并数字化。关键技术包括基于GIS的缓冲区分析、网络分析、泰森多边形（Thiessen polygons）、基于PCA的加权叠加选址适宜性分析，以及卡方检验（Chi-square test）和多元回归分析（multiple regression analysis）。研究还采用1.6 km服务半径和平均车速25 km/h进行服务区评估。

研究结果：
5.1 受访者人口与社会经济概况（Demographic and socio-economic profile of respondents）：通过社会经济调查，受访者男性72%、女性28%；41–60岁占38%，61岁及以上占40%，20岁以下占7%，21–40岁占15%；Scheduled Caste（SC）占42%，Other Backwards Classes（OBC）占38%，General占18%，Scheduled Tribes（ST）占2%；9至12年级教育者占42%，1至8年级占32%，本科占20%，研究生占2%；日薪劳动者占35%，自雇者占29%，私营部门占16%，失业者占18%，政府服务占2%；年收入?1,00,000–?2,00,000者占68%，低于?1,00,000者占12%，高于?2,00,000者占20%。结论是参与者多来自社会落后、经济较弱和教育有限背景。

5.2 公共卫生设施评价（Evaluation of public healthcare facilities）：通过家庭调查，39%受访者认为公立医院可得性不足；医院—医生比方面32%满意；床位可得性方面41%不满；门诊服务（OPD）方面38%高度满意、26%不满；安全与安保评价也显示需要改善。结论是公立医院服务评价存在显著不满。

5.3 卫生保健设施空间分布（Spatial distribution of healthcare facilities）：通过GIS制图，研究纳入8所政府医院，包括3所医学院和5所分区医院，多数集中于中心城区，外围地区显著服务不足。以1.6 km服务半径为标准，将区域分为过度服务、服务和服务不足；热图显示超过62%市政分区卫生保健可达性低，服务不足区域聚集在城市外围。

5.4 公共卫生服务区与网络分析（Public healthcare service area and network analysis）：通过网络分析评估到最近二级和三级设施的出行时间与距离，以及5 km半径内人口比例；交通拥堵显著阻碍城市地区就医。边缘地区居民平均需出行8–12 km，中心城区居民为2–3 km。通过GIS可达性分析识别出四个潜在地点。结论是需重新分布卫生服务，新建设施可优化覆盖、减少出行时间、提高应急效率并减轻现有设施压力。

5.5 基于PCA的新公共卫生设施选址适宜性分析（PCA-based site suitability analysis for new public healthcare facilities）：对五个选址标准进行PCA和GIS加权叠加。PC1解释61.82%方差，PC2解释20.54%，累计82.36%。权重为人口密度29%、距现有卫生设施27%、服务不足区域22%，合计约78%；道路可达性14%，土地可用性8%。生成卫生保健选址适宜性指数（Healthcare Site Suitability Index, HSSI），用Natural Breaks (Jenks)分级，确定Wards 13–14、20–23、27和35–36为高适宜地点，并与网络分析识别的服务不足区一致。结论是PCA结合GIS加权叠加提供了客观、可重复的选址方法。

5.6 卫生保健获取不平等（Healthcare access inequality）：卡方检验显示收入水平与二级和三级服务满意度显著相关，χ² = 15.63，p = 0.004，在1%显著性水平上显著。低收入群体比高收入群体更不满，障碍包括可负担性、等待时间长、设施质量低和专科服务有限。受访者提及请假造成经济损失、医院拥挤、医生短缺和检测设备故障导致延迟治疗，重病时转向私人医疗并增加经济负担。

5.7 影响卫生保健利用与意识的因素（Factors influencing healthcare utilization and awareness）：多元回归显示，出行距离负向影响卫生保健利用，β = ?0.472，p < 0.001；医院可得性正向影响最强，β = 0.498，p < 0.001；健康状况 β = 0.096，p = 0.048、交通方式 β = 0.114，p = 0.021、保险状况 β = 0.153，p = 0.002正向显著；疾病严重程度负向显著，β = ?0.129，p = 0.008。收入水平、年龄、性别、教育、职业和家庭结构不显著。模型拟合显示 R² = 0.742，调整 R² = 0.733，F = 79.64，p < 0.001，Durbin-Watson = 2.03。结论是消除出行时间、改善卫生服务获取和减少经济障碍可提高公共卫生服务利用。

5.8 社会经济不平等与卫生保健可达性（Socioeconomic inequalities and healthcare accessibility）：GIS分析识别出缺乏卫生设施的外围分区；调查和回归分析显示出行距离降低利用，而较高收入和更好设施增加公共卫生服务利用；超过80%低收入受访者因交通昂贵、出行距离长和专科服务有限而不满。结论是仅靠近设施并不保证公平获取，未来规划应整合GIS可达性与社会经济指标，优先服务不足区域。

讨论部分总结：可达性受空间分布与社会经济特征共同作用；低社会经济群体面临交通成本、流动性差和质量服务有限等障碍；需要更好分布设施和针对性政策，未来规划应整合GIS与社会经济指标以识别优先区域。

研究结论翻译：本研究显示了Patna City公共卫生服务可达性方面社会经济不平等与空间配置之间的关系。基于GIS的网络分析结合PCA、加权叠加建模和统计分析，使研究人员能够综合识别服务不足区域，并客观优先未来卫生基础设施位置。结果表明，超过62%的市政分区服务不足，边缘分区居民到二级和三级卫生保健服务地点的距离显著更大。统计分析还表明，出行距离、收入水平和卫生保健设施可得性是影响卫生保健服务利用和受访者满意度的重要因素。本研究的贡献在于将PCA导出的准则权重与基于GIS的选址适宜性分析相结合，从而形成更客观的决策方法和更稳健的卫生设施规划过程。四个新的卫生保健潜在地点是循证规划建议，将提升空间公平、降低出行负担并提高公共卫生投资效率。然而，在实施之前，这些地点必须通过详细现场调查、利益相关者咨询和可行性评估加以验证。本研究识别的方法框架为Patna City之外发展中国家快速城市化城市评估卫生保健可达性提供了可转移的决策支持方法。研究结果可为改善空间可达性和社会经济脆弱性、促进更公平城市卫生规划提供依据，并为政策制定者改善卫生系统和推进可持续发展目标3（SDG 3：良好健康与福祉）提供实践建议。