Environmental and calendar correlates of daily emergency department demand in Wuhan, China: a single-centre time-series study with temporal validation
وجدت هذه الدراسة الزمنية أحادية المركز في ووهان أنه بينما ترتبط العوامل البيئية مثل درجة الحرارة وتلوث الهواء إحصائياً بالطلب اليومي على أقسام الطوارئ، فإن قيمتها التنبؤية الإضافية للتخطيط التشغيلي ضئيلة مقارنة بأنماط الاستخدام الأخيرة وهيكل التقويم.
المستشفيات كائنات حية تتنفس على إيقاع المدينة. فتماماً كما يتسارع معدل ضربات القلب مع التمرين أو يتباطأ مع الراحة، تنتفخ أقسام الطوارئ وتنكمش بناءً على الطقس، والهواء الذي نستنشقه، والتقويم. فعندما تضرب موجة حر، أو تهب عاصفة، أو يحين موعد عطلة كبرى، يتغير عدد الأشخاص المندفعين إلى غرفة الطوارئ. لعقود من الزمن، عرف العلماء أن هذه العوامل البيئية مهمة؛ فقد ربطوا الأيام الحارة بمزيد من مشاكل القلب، والبرد القارس بمزيد من المشاكل التنفسية، والتلوث العالي بمزيد من نوبات الربو. لكن معرفة وجود صلة أمر يختلف عن معرفة كيفية استخدام تلك المعرفة. يحتاج مديرو المستشفيات إلى اتخاذ قرارات صعبة كل يوم: كم عدد الأطباء الذين يجب جدولتهم، وكم عدد الأسرة التي يجب فتحها، ومتى يتم الاستعداد لزيادة مفاجئة في أعداد المرضى. والسؤال هو ما إذا كان التقرير اليومي للطقس ومؤشر جودة الهواء يوفران معلومات إضافية كافية لمساعدتهم على التخطيط، أم أنهما مجرد ضجيج خلفي مقار بالمجرد حقيقة عدد الأشخاص الذين حضروا بالأمس.
في مستشفى حضري كبير في ووهان بالصين، شرع الباحثون في الإجابة على هذا السؤال بمستوى من التفصيل نادراً ما يُرى من قبل. لقد راقبوا سجلات يومية لما يقرب من عامين ونصف، وتتبعوا كل شخص دخل من أبواب الطوارئ في فرع مستشفى تونغجي غانغو. وربطوا أعداد وصول هؤلاء بين درجات الحرارة اليومية، وهطول الأمطار، والرطوبة، وقراءات جودة الهواء المحددة في المدينة. كما دونوا بعناية التقويم، مفرقين بين أيام الأسبوع العادية، وعطلات نهاية الأسبوع، وفترة الهدوء المتميزة لمهرجان الربيع. لم يكن الهدف مجرد إيجاد روابط إحصائية، بل معرفة ما إذا كان إضافة البيانات البيئية إلى نموذج تنبؤي سيساعد حقاً في توقع حشود اليوم التالي بشكل أفضل من مجرد النظر في التاريخ الأخير واليوم من الأسبوع.
وجد الباحثون أن البيئة تترك بالفعل بصمة على قسم الطوارئ. ففي الأيام الأكثر حراً، شهد المستشفى المزيد من الزوار. فمقابل كل درجة مئوية واحدة ترتفع فيها درجة الحرارة، زاد إجمالي الزيارات اليومية بمقدار صغير ولكن ملموس، يعادل تقريباً أربعة أشخاص إضافيين يمرون عبر الأبواب كل يوم. وقد انطبق هذا النمط على الحالات الطبية العامة، وحالات الطوارى الجراحية، وحتى الإجراءات البسيطة مثل خياطة الجروح. وروت جودة الهواء قصة مماثلة، وإن كانت أكثر دقة؛ فعندما ارتفعت مستويات الجسيمات الغبارية الدقيقة وثاني أكسد النيتروجين على مدار يومين، ارتفع عدد زيارات الطوارعة أيضاً. ومن المثير للاهتمام أن العلاقة مع الأوزون كانت مختلفة؛ ففي الأيام التي ارتفعت فيها مستويات الأوزون، انخفض عدد الزيارات قليلاً، غير أن الباحثين حذروا من أن هذا لا يعني أن الأوزون كان يحمي الناس، بل عكس أنماطاً موسمية معقدة.
ومع ذلك، فإن الاكتشاف الأكثر إثارة جاء عندما حاول الفريق استخدام هذه المعلومات للتنبؤ بالمستقبل. فقد بنوا نموذجاً للتنبؤ بالطلب اليومي، بدءاً من المتنبئات الأكثر وضوحاً: كم شخصاً جاء بالأمس، وكم جاء في الأسبوع الماضي، وما هو يوم الأسبوع. كان هذا النموذج الأساسي جيداً جداً في تخمين الحجم اليومي. وعندما أضافوا بيانات الطقس إلى المزيج، انخفض خطأ التنبؤ بجزء ضئيل جداً — أقل من نصف شخص واحد في اليوم. وعندما أضافوا بيانات تلوث الهواء، أصبح النموذج في الواقع أسوأ قليلاً. وخلصت الدراسة إلى أنه بينما تؤثر حالة الطقوة وجودة الهواء على عدد الأشخاص الذين يطلبون الرعاية، فإن قدرتها على التنبؤ بزيادة مفاجئة هي قدرة ضعيفة مقارنة بالإيقاع البسيط للوصول الأخير والتقويم.
كما صنف الباحثون الأيام إلى "ملفات تعريف" مختلفة بناءً على ظروفها البيئية، مثل الأيام الباردة والنظيفة، أو الباردة والملوثة. ووجدوا أن الأيام ذات الملف التعريفي البارد والملوث كانت أكثر عرضة لتكون أياماً ذات طلب مرتفع مقارنة بأنواع الطقس الأخرى. ومع ذلك، لم يوفر هذا النمط حتى هذا الجزء محفزاً بسيطاً لطاقم المستشفى للتحرك. تشير الأدلة إلى أن البيانات البيئية تُستخدم بشكل أفضل كطبقة من السياق، مما يساعد المديرين على فهم مزاج المدينة، بدلاً من كونها جرس إنذار مستقل يتطلب تغييرات فورية في التوظيف. في النهاية، يتدفق تدفق المرضى اليومي بدافع من عادات السكان وبنية الأسبوع أكثر من درجة الحرارة المحددة أو مستوى التلوث في الصباح. البيئة تهيئ المسرح، لكن البشر هم من يكتبون النص.
ملخص تقني: الارتباطات البيئية والتقويمية للطلب اليومي على أقسام الطوار|} في ووهان
بيان المشكلة تعد أقسام الطوارئ (EDs) الممتص الرئيسي للتقلبات قصيرة المدى في صحة السكان. وبينما تُعرف العوامل البيئية (الطقس، تلوث الهواء) والهياكل التقويمية (عطلات نهاية الأسبوع، العطلات الرسمية) بتأثيرها على الطلب في أقسام الطوارئ، لا يزال من غير الواضح ما إذا كانت الارتباطات القابلة للكشف إحصائياً تترجم إلى معلومات تراكمية مفيدة للتخطيط التشغيلي. يحتاج مديرو أقسام الطوارئ إلى رؤى قابلة للتنفيذ فيما يتعلق بجدولة الموظفين، وتخصيص أسرة الملاحظة، وقرارات سعة الخدمة. ويتمثل التحدي الجوهري في تحديد ما إذا كانت الإشارات البيئية تضيف قيمة تنبؤية تتجاوز "العمود الفقري التنبئي" المتمثل في أنماط الاستخدام الأخيرة وسياق التقويم، أم أنها مجرد ضوضاء خلفية.
المنهجية استخدمت الدراسة تصميماً استرجاعياً لسلسلة زمنية يومية في مركز واحد في فرع "غوانغو" بمستشفى "تونغجي" في ووهان، الصين، غطت الفترة من 1 يناير 2024 إلى 26 يونيو 2026 (908 تاريخاً تقويمياً).
مصادر البيانات: تم ربط أعداد زيارات أقسام الطوارئ اليومية بالبيانات الأرصادية (درجة الحرارة، هطول الأمطار، الرطوبة، سرعة الرياح) وقيم مؤشر جودة الهواء (AQI) الخاصة بالملوثات على مستوى المدينة لـ PM2.5 وPM10 وNO2 وO3.
النمذجة الإحصائية:
تحليل الارتباط: تم تقدير الارتباطات البيئية باستخدام انحدار "quasi-Poisson" مع رابط لوغاريتمي. تحكمت النماذج في الاتجاهات طويلة الأمد والموسمية باستخدام "natural cubic splines" (7 درجات حرية لكل سنة)، ويوم الأسبوع، والسياق التقويمي. عدلت نماذج درجة الحرارة المتغيرات الأرصادية الأخرى، وعدلت نماذج التلوث المتغيرات الأرصادية والمصطلحات الزمنية.
تحليل التنبؤ: تم استخدام نهج التحقق الزمني. طُورت النماذج على أول 80% من البيانات وتم تقييمها على الـ 20% الأخيرة (179 يوماً). أضيفت المتنبئات بالتتابع: (1) زيارات الطوارج التاريخية (فترات التأخير 1، 7، ومتوسط 7 أيام)، (2) المتغيرات التقويمية، (3) المتغيرات الأرصادية، (4) مؤشر AQI الخاص بالملوثات. تم تقييم الأداء باستخدام متوسط الخطأ المطلق (MAE)، وجذر متوسط مربع الخطأ (RMSE)، ومتوسط نسبة الخطأ المطلق (MAPE).
تحليل الملفات التعريفية: تم تطبيق تحليل "K-means clustering" على المتغيرات البيئية المعيارية لتحديد ملفات تعريف بيئية متميزة (مثل "البرودة-التلوث"، "الدفء-الأوزون") دون الإشارة إلى نتائج قسم الطوارئ. ثم اختُبرت هذه الملفات للارتباط بأيام الطلب المرتفع (المعرفة بأنها ≥ المئين التسعين من الحجم).
النتائج الرئيسية:
حجم الزيارات وتأثير التقويم: تضمنت مجموعة البيانات 391,344 زيارة (متوسط 431.9 زيارة/يوم). تباين الحجم بشكل كبير حسب السياق التقويمي، حيث انخفض إلى متوسط 319.3 زيارة/يوم خلال مهرجان الربيع، مقارنة بـ ~435–444 زيارة/يوم في أيام الأسبوع وعطلات نهاية الأسبوع.
الارتباطات البيئية:
درجة الحرارة: ارتبطت كل زيادة بمقدار 1 درجة مئوية في متوسط درجة الحرارة بزيادة قدرها 0.85% في إجمالي زيارات الطوارئ (نسبة المعدل [RR] 1.009، 95% CI 1.006–1.011)، ما يعادل حوالي 3.69 زيارة إضافية يومياً عند متوسط الحجم. امتد هذا التأثير إلى الطب الباطني، والجراحة، وإجراءات الطوارئ.
تلوث الهواء: لكل زيادة في المدى الربيعي (IQR) في تأخير 0–2 لـ AQI، زادت زيارات الطوارئ الإجمالية لـ PM2.5 (RR 1.028)، وPM10 (RR 1.030)، وNO2 (RR 1.049). وعلى العكس من ذلك، أظهر AQI الخاص بـ O3 ارتباطاً عكسياً (RR 0.980)، وهو ما حذر منه المؤلفون من حيث التفسير كعامل وقائي بسبب الارتباطات الموسمية.
هطول الأمطار: لم يتم العثور على ارتباط واضح بين هطول الأمطار وإجمالي حجم زيارات الطوارئ.
الأداء التنبئي:
حقق نموذج "التاريخ بالإضافة إلى التقويم" الأساسي MAE قدره 33.6 زيارة/يوم.
أدت إضافة المتغيرات الأرصادية إلى خفض MAE بشكل طفيف إلى 33.2 (انخفاض قدره 0.4 زيارة/يوم).
أدت إضافة متغيرات تلوث الهواء (AQI) إلى زيادة MAE إلى 34.2، وزاد النموذج البيئي الكامل من قيمته إلى 35.3.
الملفات التعريفية البيئية: حدد التجميع أربعة ملفات تعريفية. ارتبط ملف "البرودة-التلوث" بحجم يومي معدل أعلى بنسبة 9.1% (RR 1.091) مقارنة بالملف المرجعي "البارد". ومع ذلك، لم يظهر العد البسيط للمجهدات البيئية تدرجاً رتيباً في تكرار الطلب المرتفع.
المساهمات الرئيسية
الأهمية التشغيلية فوق الأهمية الإحصائية: توضح الدراسة أنه بينما ترتبط العوامل البيئية إحصائياً بطلب الطوارئ، فإن قيمتها التنبؤية التراكمية للتخطيط التشغي_اليومي هي ضئيلة مقارنة بالاستخدام الأخير وهيكل التقويم.
نتيجة تنبؤية سلبية: تقدم الدارسة دليلاً تجريبياً على أن إضافة بيانات بيئية في الوقت الفعلي (تحديداً AQI) إلى نماذج التنبؤ بالسلاسل الزمنية القياسية يمكن أن تؤدي إلى تدهور الأداء بدلاً من تحسينه في السياق المعاصر.
إطار سياقي: تقترح الورقة ضرورة النظر إلى البيانات البيئية كـ "طبقة سياقية تُفسر محلياً" بدلاً من كونها محفزاً مستقلاً لزيادة عدد الموظفين أو سعة الأسرة.
التحليل القائم على الملفات التعريفية: من خلال استخدام التجميع لتحديد الملفات التعريفية البيئية المركبة (مثل "البرودة-التلوث")، تحدد الدراسة ظروفاً محددة (أيام "البرودة-التلوث") ترتبط بطلب مرتفع، مما يقدم رؤية أكثر دقة من تحليل الملوثات الفردية.
الأهمية والادعاءات يزعم المؤلفون أن الدراسة تعالج فجوة حرجة في أبحاث الخدمات الصحية: ترجمة الارتباطات البيئية القابلة للكشف إحصائياً إلى إشارات تشغيلية قابلة للتنفيذ. الاستنتاج الأساسي متواضع: الظروف البيئية مرتبطة بحجم العمل اليومي، لكنها لا توفر حالياً قوة تنبؤية مستقلة كافية لتبرير استخدامها كمحفزات قائمة بذاتها لزيادة الموارد.
تكمن الأهمية في منع الاعتماد المفرط على المتغيرات البيئية في التنبؤ. يجادل المؤلفون بأن البيانات البيئية هي الأفضل لفهم سياق أيام الطلب المرتفع (على سبيل المثال، فهم سبب كون يوم "البرودة-التلوث" مزدحماً) بدلاً من استخدامها كمحرك أساسي لنماذج التنبؤ. تؤكد الدراسة أن الأنظمة المستقبلية يجب أن تكون استشرافية، تجمع بين الوصول الأخير والتوقعات البيئية المؤرشفة، وأن تُقيم مقابل النتائج التشغيلية (أوقات الانتظار، إشغال الأسرة) بدلاً من مجرد متوسط خطأ التنبؤ. تشير النتائج إلى أنه بالنسبة لووهان، ولبيئات حضرية مماثلة محتملة، يظل الاستخدام الأخير وهيكل التقويم هما الإشارات المهيمنة لإدارة سعة أقسام الطوارئ.