《Healthcare Analytics》：A data-centric approach for optimizing multi-objective healthcare service accessibility and equity
编辑推荐：
摘要：最优的医疗设施选址是公共卫生领域的核心挑战，直接影响卫生服务可及性(accessibility)与系统效率。本研究提出一种数据驱动的(data-driven)医疗设施选址优化框架，基于巴西统一卫生系统(Unified Health System, SUS
摘要：最优的医疗设施选址是公共卫生领域的核心挑战，直接影响卫生服务可及性(accessibility)与系统效率。本研究提出一种数据驱动的(data-driven)医疗设施选址优化框架，基于巴西统一卫生系统(Unified Health System, SUS)三个城市的真实数据展开研究。主要贡献为一类多目标(multiobjective)医疗设施选址模型，采用ε-约束(ε-constraint)方法求解，明确分析人口及社会经济准则间的权衡关系以支持SUS决策。研究人员设计了五组实验评估不同选址-分配(location-allocation)策略：(i)设施重定位(facility relocation)，全部设施重新选址以优化覆盖；(ii)扩大设施网络(expanding the facility network)，将设施数量增加20％；(iii)混合优化(hybrid optimization)，保留原有表现最好的80％设施固定不变并新增设施使总数维持不变；(iv)设施数量敏感性分析(sensitivity analysis on the number of facilities)，考察不同设施数下覆盖率变化；(v)容量上限敏感性分析(sensitivity analysis on the capacity limit)，考察容量约束对服务效率的影响。优化过程纳入关键社会度量指标，包括人口密度(population density)、危房住户比例(households in precarious conditions)、社会剥夺指数(social deprivation index, SDI)、贫困线以下人口比例(population below the poverty line)及家庭收入(household income)。结果表明，将以上社会经济指标整合进设施选址-分配过程中可显著提升医疗卫生服务可及性与公平性(equity)，即便存在预算与后勤约束。上述发现为决策者借助数据驱动决策改善卫生服务空间分布提供了有价值的参考。
论文解读——《A data-centric approach for optimizing multi-objective healthcare service accessibility and equity》
该研究发表于《Healthcare Analytics》。
一、研究背景与问题提出
传统医疗设施选址多基于经典p-中值(p-median)或集合覆盖模型，往往仅最小化总出行距离或依据单纯人口密度分配，忽略了城市内部因社会经济发展不均导致的健康服务不平等(equity gap)。在巴西统一卫生系统(SUS)语境下，初级卫生保健由基础卫生单元(Unidades Básicas de Saúde, UBS)提供，现有UBS布局可能存在空间低效及对弱势群体覆盖不足的问题。既有文献较少系统性地将多维社会经济脆弱性指标作为独立优化目标纳入选址模型，也缺乏在真实市政尺度上对效率(efficiency)—公平(equity)权衡关系的显式分析。因此，研究人员开展此项以数据为中心的多目标优化研究，旨在量化并缓解上述空间不平等，为SUS规划提供透明、可复现的决策支持工具。
二、关键技术方法
研究人员选取巴西亚Recife、Jaboat?o dos Guararapes及Garanhuns三市，以2022年IBGE人口普查小区(census tract)质心为需求点，以现有UBS位点及空间随机抽样产生的候选点为设施集。从2010年IBGE微观数据提取并归一化五个社会经济维度——人口密度(高于城市均值2倍区)、危房比例(>20%)、社会剥夺指数SDI(基于十项城市基础设施加权评分)、贫困线以下人口比(人均月收入kmin/Fkmax，再用拉丁超立方抽样(Latin Hypercube Sampling, LHS)生成阈值组合并求解非支配(nondominated)解近似Pareto前沿；容量按SUS标准设为每UBS覆盖12,000人，最大服务距离Dmax取各需求点到任意设施最小距离的最大值。模型用Python(PuLP)+IBM ILOG CPLEX 12.9求解。实施五组情景实验：全量重定位(Experiment 1)、保留既有+增20%新设施(Experiment 2)、固定服务量前80%既有设施+重分配剩余20%(Experiment 3)、设施数渐变敏感性(Experiment 4)、容量限值渐变敏感性(Experiment 5)。
三、研究结果
5.1. Experiment 1: Facility relocation（设施全量重定位）
在设施总数不变、可从现址或候选点自由选择情形下，三城市当前配置均未被任一优化解完全占优(dominate)，说明既有UBS已占据战略区位；但Pareto前沿含多个改进多指标的非支配解。Garanhuns获20个非支配解(平均平衡得分Balanced Score=0.75)，Jaboat?o 27个(0.74)，Recife 26个(0.71)，大城市目标间冲突更显著。散点矩阵显示SDI—贫困线—家庭收入呈强正相关，高密度与高危房比例则相对独立，证实多目标必要性。
5.2. Experiment 2: Expanding the facility network（设施网络扩充）
保留全部既有UBS并增设20%新设施后，Recife与Jaboat?o当前配置仍未被支配但Pareto前沿大幅扩展，Garanhuns部分优化解完全支配现状。Jaboat?o获20个非支配解(Balanced Score=0.77最高)，Recife 15个(0.72)，Garanhuns 11个(0.67)。表明基础设施增量拓宽可行规划空间，中小城市受益更直接。
5.3. Experiment 3: Relocating 20% while preserving the top 80% of facilities（保留核心设施的部分重定位）
锁定服务人口最多的80%既有UBS，其余20%关闭并从候选点重选等量新址。大城市现状仍未被完全支配，但优化解有多目标改善；Garanhuns再次获可完全支配现状之解。Garanhuns 17个非支配解(Balanced Score=0.76)，Jaboat?o 17个(0.74)，Recife仅9个(0.66)，反映大都市部分固定约束限制解空间。
5.4. Experiment 4: Sensitivity analysis on the number of facilities（设施数量敏感性分析）
以人口密度为目标逐步增设施数至全集上限。Recife在约156所(原149→增约5%)后目标值趋平，Garanhuns超26所(原23)、Jaboat?o超103所(原88)后收益递减(diminishing returns)，揭示各城市可达性饱和阈值，避免过度投资。
5.5. Experiment 5: Sensitivity analysis on the capacity limit（容量上限敏感性分析）
变动单UBS容量(8,500–12,000人)。Recife与Jaboat?o目标值基本不受容量提升影响(现标准已够)，Garanhuns在升至12,000过程中略有改善而后稳定，说明容量阈值具情境依赖性。
四、讨论与结论翻译
研究表明，提出的以数据为中心的多目标框架能生成显式捕捉人口与社会经济准则间权衡的多样化规划备选方案。全重定位实验未发现完全支配现状之解，尤其在大都市，说明既有网络具战略合理性且受空间约束限制；但Pareto解集提供可平衡效率与脆弱性的替代配置。扩充与混合情景证明中小市镇(Garanhuns型)通过适度扩建或部分调整即可获实质改善，此模式适用于巴西大量同类规模城市。散点矩阵一致显示社会剥夺指数、贫困线与家庭收入强共线，高密度与高危房具独立性，支撑分设多目标的合理性。设施数敏感性分析确定了各城可达性收益递减拐点，为投资规划提供依据。容量敏感性分析表明超限扩容无益，现标准多已适配本地需求。
结论翻译如下：
高效医疗设施选址-分配是公共卫生规划的关键挑战，直接影响可及性与服务质量。本研究提出了一种基于真实世界数据、融合可及性与社会公平多目标函数的UBS选址-分配多目标优化框架。三项实验表明重定位与扩充策略均能显著改善服务覆盖，并显式揭示竞争社会优先级间的权衡。计算实验证明该多目标框架可生成显式捕捉人口与社会经济准则间权衡的多样化卫生规划备选方案。在全重定位情景中，优化解未完全支配现有市政配置(尤其Recife与Jaboat?o dos Guararapes)，说明既有设施已占据战略重要区域且在现实空间约束下难以全维同步改进，但Pareto前沿含多组同时改善多准则之非支配解供决策参考。扩充与混合情景凸显框架适用性——Garanhuns结果显示中小城市经适度网络修改(扩建或部分重构)可获得实质改善。由于多数巴西城市更接近Garanhuns而非大都市，本方法具全国推广潜力。基于公开数据使框架可在不同规模与空间组织的SUS城市复现。散点矩阵一致揭示社会剥夺、贫困线与家庭收入呈强正线性关系，高密度与高危房比例关联较弱，确证问题具真正多目标性质。设施数敏感性分析确定增益递减阈值，辅助平衡投资与覆盖；容量敏感性分析表明超限提容无改善且现容量多已适配需求。研究结果为决策者和城市规划者提供明确指引：策略性重定位 alone 可获可观可及性增益(资源受限城市尤然)；敏感性分析给出设施数饱和点作投资决策工具；混合重定位显示有限数据驱动微调可逼近最优并支持复杂城市系统的渐进可行干预。未来工作将集成实时数据源、纳入路网行程时间约束及成本结构。
