基于人口普查区重构初级保健区域的地理信息学方法：提升社会经济因素与医疗服务的整合分析能力

《Gaceta Sanitaria》：Allocating socioeconomic census data to primary care areas: an improvement in small-area analyses

本研究针对西班牙国家卫生系统(SNS)初级保健区域(PCA)与社会经济数据整合的难题，开发了一种将国家统计局(INE)人口普查区数据分配到PCA的地理信息学方法。通过对齐2022年INE和2018年Atlas VPM数字地图，研究人员成功将36,282个人口普查区分配到2,405个PCA，程序化分配率达99.7%。该方法实现了人均净收入等社会经济指标在PCA层面的有效整合，为健康服务与政策研究提供了可重复的分析框架。

　　

在当今医疗健康研究领域，一个核心挑战是如何将丰富的社会经济数据与医疗服务体系进行有效整合。社会经济因素如同看不见的手，深刻影响着人们的健康状况、医疗服务使用模式以及健康结局。已有研究表明，收入水平、教育程度等社会经济指标与择期手术差异、用药安全、糖尿病管理质量等医疗服务表现密切相关。然而，在西班牙国家卫生系统(SNS)中，尽管初级保健被赋予实现全民健康覆盖的重要使命，但系统性研究社会经济因素与初级保健之间相互作用的方法却一直缺失。

问题的关键在于地理信息的不匹配。西班牙国家统计局(INE)定期收集大量社会经济数据，如人口与住房普查指标和家庭收入分配图谱，但这些数据均以人口普查区为基本单位。而卫生系统的分析单元——初级保健区域(PCA)——与人口普查区的边界并不重合，导致这两类宝贵的数据难以直接结合。这种"数据鸿沟"严重制约了研究人员从宏观层面探究社会经济因素对卫生系统表现的影响。

为解决这一难题，来自阿拉贡健康科学研究所(IACS)健康服务与政策研究数据科学团队的研究人员开展了一项创新性研究。他们开发了一套方法，将INE的社会经济数据重新分配到PCA层面，并成功重构了整个西班牙国家卫生系统的PCA地图。这项发表在《Gaceta Sanitaria》上的研究，为健康服务研究领域提供了重要的方法论突破。

研究人员采用的地理统计方法包含七个关键步骤。首先进行地图对齐，将2022年INE人口普查区数字地图与2018年Atlas VPM的PCA数字地图进行坐标系统一，使用欧洲大地坐标参考系统(ETRS89)。随后通过质心点估计法将每个人口普查区分配至特定PCA，并采用95%面积重叠阈值进行嵌套评估。对于不满足该阈值的区域，采用随机点生成和众数准则进行重新分配。最终合并人口普查区边界重构PCA地图，并分配人均净收入值进行验证。所有分析均使用R统计软件完成，代码开源共享。

方法部分详细描述了这一复杂而精细的地理信息处理流程。研究团队需要对36,282个人口普查区和2,405个PCA进行对齐处理，这一大规模地理数据处理工作展现了研究的技术难度。值得注意的是，由于Atlas VPM未覆盖休达和梅利利亚两个自治市，这些区域未能纳入本次分析。

结果部分展示了该方法的应用成效。程序化分配成功率高达99.7%，仅10个人口普查区需要人工干预。在满足95%面积重叠阈值的条件下，93.6%的人口普查区被成功分配到相应PCA。在剩余的2,312个未达标区域中，仅有171个(7.4%)需要重新分配至不同PCA。

研究团队以人均净收入为例，展示了社会经济指标在重构PCA地图上的分布情况。通过密度分布比较发现，人口普查区层面与PCA层面的人均净收入分布曲线高度重叠，仅在分布尾端存在微小差异：左侧尾端可能高估中位数329欧元，右侧尾端可能低估中位数588欧元。这种差异源于将较小单位(人口普查区)合并为较大单位(PCA)时产生的聚合效应。

讨论部分深入分析了该方法的优势与局限。研究人员指出，基于地理标准重构PCA可能未充分考虑人口分布差异，但验证分析显示原始PCA与新PCA的人口密度分布曲线完全重叠，且 Pearson 相关性高达0.95，证明了方法的可靠性。

该研究的核心价值在于其可重复性和易更新性。研究人员将整个分析流程设计为能够适应PCA边界变化，并遵循FAIR原则(可查找、可访问、可互操作、可重用)，使其成为小区域分析的有力工具。重构的PCA数字地图和包含人口普查区与PCA对应关系的CSV文件均以CC-BY 4.0国际开源许可在GitHub上共享，极大促进了研究的透明度和可重复性。

结论部分强调了该研究的实践意义。通过该方法，Atlas VPM首次公开提供了西班牙国家卫生系统在PCA层面的地图，实现了健康、医疗、社会经济和人口信息的有效整合。这一资源为在初级保健层面系统纳入社会经济视角的健康服务与政策研究铺平了道路，有望推动减少健康不平等政策的评估与制定。

这项研究的创新之处不仅在于技术方法的突破，更在于其推动健康服务研究范式转变的潜力。通过打通社会经济数据与医疗服务数据的壁垒，研究人员现在能够以更全面、更系统的视角探究健康不平等的根源，为构建更加公平、高效的卫生系统提供科学依据。随着开源资源的进一步推广和应用，这一方法有望在更广泛的健康服务研究领域发挥重要作用。