《Journal of Urban Health》：Estimating Spatial and Temporal Patterns of Residential Power Outages in Massachusetts from 2013 to 2022 Using Public Records
编辑推荐：
停电对人类健康构成日益严重的威胁。极端天气事件和电网压力可能切断关键生命支持医疗设备的供电。然而，与停电相关的健康影响总体范围尚未被量化，很大程度上是因为具有高空间和时间分辨率的停电数据并未广泛可得。在本研究中，研究人员提出了一个利用公共记录构建纵向、高空间和
停电对人类健康构成日益严重的威胁。极端天气事件和电网压力可能切断关键生命支持医疗设备的供电。然而，与停电相关的健康影响总体范围尚未被量化，很大程度上是因为具有高空间和时间分辨率的停电数据并未广泛可得。在本研究中，研究人员提出了一个利用公共记录构建纵向、高空间和时间分辨率的停电数据集的方法框架。研究人员将该方法应用于马萨诸塞州，提取并综合了2013年至2022年电力供应商向马萨诸塞州公用事业部（Massachusetts Department of Public Utilities）提交的每日镇级报告中的数据。作为参考，马萨诸塞州的镇（N=351）小于县（N=14）。对于每个镇和每天，研究人员计算了经历停电的电路所占比例，并将其分类为三分位类别变量：轻度（mild）、中度（moderate）或重度（severe）。全州范围内，每个镇每年任何类型的停电次数中位数为7.3次，四分位距（inter-quartile range, IQR）为[4.3, 11.4]，且各月之间存在显著异质性。轻度停电最常与设备故障或计划性维护相关，而中度和重度停电则与树木干扰相关（分别占停电原因的35.6%和50.9%）。发展中郊区和农村城镇经历的重度停电频率最高，而环境正义（Environmental Justice）人口密度高的城镇经历的轻度停电更为频繁。该数据集证实了停电在空间和时间上存在显著异质性，所提出的方法为在其他缺乏整理数据集的州构建类似数据集、以分析人口脆弱性和停电相关健康影响提供了框架。
《Journal of Urban Health》发文解读：基于公共记录的马萨诸塞州停电时空模式研究
停电对人类健康的威胁日益增长，极端天气事件和电网压力可能切断关键生命支持医疗设备的供电，导致原有疾病恶化甚至直接造成健康损害。然而，目前停电健康影响的总体范围尚未被充分量化，主要瓶颈在于缺乏高空间和时间分辨率的停电暴露数据。现有研究多聚焦于单一停电事件或县级尺度数据，难以识别县内特定脆弱人群。少数州如纽约拥有可用的精细数据集，但大多数州缺乏类似资源。因此，研究人员旨在开发一种可复制的、利用公共记录构建镇级每日停电数据集的方法，以填补这一空白，并为评估停电健康影响提供基础。
该研究发表于《Journal of Urban Health》。研究人员利用马萨诸塞州公用事业部公开的2013年至2022年停电报告，构建了全州351个城市和镇（town）的每日停电数据集。通过计算每个镇每日受影响的电路比例，将其划分为轻度、中度和重度停电，并分析了停电频率、严重程度、原因、季节和空间分布及其与社区类型和环境正义人口比例的关系。研究发现，停电存在显著的时空异质性，不同社区类型和脆弱人群的停电暴露模式差异明显，为当地应急规划和基础设施决策提供了数据支撑，也为其他地区建立类似数据集提供了方法学蓝图。
关键技术方法方面，研究人员使用了马萨诸塞州公用事业部公开的年度服务质量报告和季度重大停电报告。这些报告多为Excel或PDF格式；对于PDF数据，使用Python脚本中的pdfplumber包提取表格并输出为CSV文件。随后采用R脚本将停电记录与电路客户信息在电路层面进行连接，按日拆分多日停电事件，并人工将停电原因归类。暴露定义采用每个镇每日受影响电路比例的三分位数分类，并将低于1%的停电日排除以增强稳健性。统计分析包括Kruskal–Wallis检验和Bonferroni校正的Mann–Whitney检验比较不同城镇组间差异，以及条件拟泊松回归（conditional quasi-Poisson model）分析月度与年度趋势。数据来源未涉及患者队列，而是基于行政记录。
研究结果可归纳为以下几个方面。一、停电频率与严重程度分布。在351个城镇中，310个在2013—2022年间报告了停电。每年每镇任何类型停电次数的中位数为7.3次[IQR: 4.3, 11.4]。电路数量少的城镇，任何停电都会影响较大比例的电路，因此从未出现轻度停电；而电路数量多的城镇轻度停电发生频率更高（中位每年11.4次），但重度停电在305个城镇均有发生。二、空间格局。州西部城镇电路数较少，表现出较高的重度停电比例和较低的总体停电频率；东部城镇电路数较多，轻度停电比例高且总停电次数更多。即使在同一县内，城镇间也呈现明显异质性。三、社区类型与环境正义差异。依据大都会区规划委员会（Metropolitan Area Planning Council, MAPC）社区分类，内核心区（含波士顿）重度停电最少，而农村和发展中郊区重度停电最多；环境正义人口比例高的城镇更集中于内核心区和区域城市中心，其轻度停电频率较高而重度停电相对较低。四、停电原因分布。轻度停电最常见的标签原因为设备故障和计划维护；中度和重度停电则主要归因于树木干扰（分别占35.6%和50.9%）。重度停电在二月、三月和十月出现高峰，且与树木干扰相关；轻度停电在夏季略有增加，与设备故障和动物干扰相关。五、时间趋势分析。条件拟泊松回归模型显示，与一月相比，二月、三月、六月、七月、八月、十月和十一月的停电率显著升高；重度停电的波动幅度最大。年度方面，与2013年相比，2015年停电率较低，而2018年和2020年较高。
讨论部分指出，该数据集在空间分辨率（镇级）和时间跨度（10年每日数据）上优于多数现有县级数据，尽管纽约有更细的ZCTA层面数据，但马萨诸塞州的城镇尺度已能捕捉大量空间变化。与以往研究相比，本数据集将最低三分位暴露也包括在内，从而能评估反复轻度暴露的潜在健康影响。局限性方面，电路级指标是建筑级暴露的代理，无法精确估计受影响客户人数；停电持续时间因记录不全而未能提取；原始报告存在缺失、重复、拼写错误等问题。未来研究应将该数据集与健康结局数据关联，分析天气作为效应修饰物的影响，并关注停电原因、基础设施老化、能源不公正及电力公司变化对健康的影响。结论认为，本研究构建了马萨诸塞州2013—2022年镇级纵向停电数据集，揭示了停电原因和严重程度随季节、地区及社区类型的不同而变化，这些信息对理解脆弱性和指导公平的应急准备至关重要。该方法可复用于其他具有分散格式记录的州，为流行病学研究和气候适应规划提供关键的暴露数据基础设施。
