《Frontiers in Public Health》：Modeling IN out-of-hospital emergency medical services—a scoping review of approaches and applications
编辑推荐：
摘要
引言：院前急救医疗服务（OHEMS）在及时救治急性医疗紧急情况患者中发挥着关键作用。传统上侧重于快速响应和转运，OHEMS正日益向医疗系统中更全面的角色演变。本系统综述旨在描绘现有建模方法，识别研究流，并考察实践中的最新发展是否也在建模文献中得到体现。
摘要
引言：院前急救医疗服务（OHEMS）在及时救治急性医疗紧急情况患者中发挥着关键作用。传统上侧重于快速响应和转运，OHEMS正日益向医疗系统中更全面的角色演变。本系统综述旨在描绘现有建模方法，识别研究流，并考察实践中的最新发展是否也在建模文献中得到体现。
方法：遵循系统综述的PRISMA扩展（PRISMA extension for Scoping Reviews），在PubMed、Google Scholar、Semantic Scholar和IEEE中进行了结构化检索。研究人员纳入了2010年至2024年间发表的、涉及院前急救医疗服务建模、优化、预测或决策支持方法的英文案例研究和综述文章。使用急救护理路径（Emergency Care Pathway, ECP）框架对研究进行分类，并额外提取了方法学方法、数据源、地理背景、性能指标和实施视角。
结果：研究人员纳入了150篇方法学案例研究和33篇综述论文。选址与再选址问题是最常被讨论的主题，响应时间（response time）作为模型性能评估的主要指标。分析文献显示出方法学的日益多样化，包括仿真优化、在线与实时优化、决策支持系统、基于机器学习的预测以及地理信息系统（GIS）支持的空间分析。相比之下，工作负载感知模型和公平导向方法也已出现，但仍不突出。提供模型代码以支持可重复性和实际应用的学者数量有限但正在增长。然而，建模者与实践之间的合作仍然有限。关于OHEMS服务提供的变化，本研究结果表明这些变化尚未被建模者反映。
讨论：本研究的证据表明，OHEMS建模已从主要是静态选址和覆盖模型演变为更动态、数据驱动、实时决策支持以及在一定程度上面向实施的方法。然而，许多模型仍将OHEMS主要概念化为快速响应和转运系统。基于综述发现，研究人员建议在建模方法中纳入一个更多维的框架，考虑财务、公共卫生结构以及预期质量。此外，基于“正确时间（Right Time）、正确护理（Right Care）、正确地点（Right Place）”的概念，实施临床有意义的时间指标、替代响应选项、工作量和人员约束以及超越转运至医院的护理路径可能是有用的。
**1 引言**
院前急救医疗服务（OHEMS）传统上聚焦于快速响应和转运，但近年来其角色正逐步扩展为医疗系统中的综合组成部分。学术建模者已研究各类优化问题逾半个世纪，但多数模型仍以响应时间（response time）为核心性能指标。Aringhieri等提出的急救护理路径（Emergency Care Pathway, ECP）框架倡导从孤立方法转向过程导向视角，强调各决策环节的相互关联。然而，建模者与OHEMS实践之间的合作仍显不足，且实践中的角色演变（如替代护理路径）尚未在建模文献中得到充分反映。
**2 方法**
**2.1 设计**
本研究采用系统综述方法，遵循PRISMA扩展指南，旨在广泛描绘文献、识别研究流并发现空白，未系统评估研究质量。
**2.2 检索策略**
基于人群、概念和情境（PCC）框架制定检索式，在PubMed、Google Scholar、Semantic Scholar和IEEE中检索2010-2024年英文文献。纳入标准包括OHEMS建模、优化、预测或决策支持方法，排除仅涉及院内急诊或非OHEMS的军事、消防等模型。
**2.3 筛选过程**
初检获得1550篇文献，去重后剩余1252篇进行摘要筛选，随后355篇进入全文评估，最终纳入183篇（150篇案例研究，33篇综述）。
**2.4 数据提取**
使用迭代设计的提取模板，基于ECP框架对研究进行分类，并记录方法学方法、数据源、地理背景、性能指标和实施视角。
**2.5 数据分析与综合**
采用描述性统计和解释性分组分析，重点考察2018年后研究的性能指标演变，并分析模型实施程度和可重复性。
**3 结果**
**3.1 纳入研究特征**
183篇文献中，欧洲研究占39%，亚洲24%，美洲23%。数学规划是主要方法（73篇），仿真优化组合（64篇）增长显著。机器学习（10篇）和GIS（10篇）自2016年起逐步兴起。73%的案例研究使用真实OHEMS数据，但仅21%报告了实施形式。
**3.2 沿急救护理路径的建模方法**
按ECP分类，选址与再选址问题占48%，调度与路径占26%，预测占10%，与医疗系统交互占8%，评估与验证占7%，人力管理占1%。23%的研究涉及多个ECP步骤，其中选址与调度关联最为常见。
**3.3 选址与再选址**
**3.3.1 推进选址再选址模型**
研究流包括：扩展经典优化模型（如引入随机性、多目标）、结合仿真优化（如Berchi的五步法）、开发决策支持系统（DSS）。近年来，元启发式算法（如粒子群、遗传算法）用于处理大规模问题。
**3.3.2 优化-仿真组合**
仿真主要用于验证优化结果，离散事件仿真（DES）主导。OpenEMS和AmbuSim等开源框架支持仿真优化。
**3.3.3 在线实时决策支持系统**
DSS通过实时数据（如交通、医院容量）提供调度建议。Da Ros等开发的系统包含数字孪生和帕累托前沿可视化，支持多目标权衡。
**3.3.4 地理信息系统**
GIS用于可视化覆盖区域、分析社会人口不平等、构建基于路网的旅行时间矩阵。实时GPS数据可提升模型现实性。
**3.4 调度与路径**
**3.4.1 调度策略**
策略包括最近空闲、区域调度、优先级调度、专家调度和算法辅助调度。数字孪生和SMART系统整合实时数据优化调度决策。
**3.4.2 车辆路径**
路径问题考虑灯光与警笛影响、交通状况。机器学习用于估计旅行时间，混合整数线性规划处理时变交通。
**3.5 与医疗系统交互**
模型关注急诊科拥挤、救护车分流。Pforringer等测试了基于阈值的急诊科关闭策略，Kovalchuk结合博弈论和仿真分析多方利益冲突。新型干预如移动卒中单元（Maas等）和“驱动医生”策略被建模。
**3.6 预测**
**3.6.1 需求预测**
机器学习（CatBoost、随机森林等）用于时空需求预测。ARIMA、谐波回归等用于较长时间尺度预测。
**3.6.2 工作量预测**
Xu等开发仿真模型预测医院床位可用性，支持容量分析。
**3.6.3 旅行时间预测**
NextSTMove算法预测救护车未来位置，辅助轨迹分析。
**3.7 评估与验证**
性能指标以响应时间为主，但出现公平性（Gini系数、Rawlsian准则）、生存概率、用户放弃率、效率（数据包络分析）等新指标。验证多采用仿真-优化组合，但仅7篇研究公开模型代码。
**3.8 响应时间指标的起源与相关性**
响应时间源于Eisenberg对心脏骤停的研究，虽被广泛采用，但ERC指南未推荐单一时间标准。近年研究引入加权响应时间、多级响应时间等变体，但响应时间仍为主导指标。
**3.9 人力管理**
工作量平衡与响应时间存在冲突。模型引入公平分布准则（如平均事件数、标准差）、阈值策略限制再部署。系统负荷措施包括区分BLS/ALS单元、整合无人机和公民响应者。
**4 讨论**
**4.1 OHEMS建模的最新视角**
建模从静态选址向动态、数据驱动、实时决策支持发展，但实施仍不足。合作模式如英国健康服务建模助理计划值得推广。
**4.2 响应时间的相关性**
响应时间仍主导评估，但国际倡议呼吁扩展至效果、安全、满意、公平、效率等多维度指标。
**4.3 OHEMS系统配置**
不同地区资源差异显著（每万人0.8-12辆救护车），影响建模方法选择。
**4.4 OHEMS作为医疗提供者的角色演变**
社区医疗辅助、非转运等实践发展迅速，但建模研究未明确纳入这些方面。
**4.5 引入扩展的OHEMS建模框架**
提出基于“正确时间、正确护理、正确地点”的框架，强调临床有意义的时间指标、替代响应选项、工作量约束和超越转运的护理路径，并考虑财务与质量的垂直权衡。
**5 局限性**
筛选分工、分类挑战、数据库限制、非英文文献遗漏、方法学质量未系统评估等。
**6 结论**
OHEMS建模正从静态向动态、实时决策支持演进，但多数模型仍将OHEMS视为快速响应系统。实践中的角色演变（如非转运、替代护理）尚未被建模充分反映。未来研究应扩展框架，整合多维度指标和临床有意义的时间度量，以缩小建模与实践之间的差距。
