基于风险地形模型（RTM）的底特律911呼叫实时药物过量风险制图研究（2022-2024）

　　本研究针对美国药物过量死亡这一重大公共卫生问题，利用风险地形建模（RTM）技术，对底特律2022-2024年共计18,034例药物过量相关紧急呼叫数据进行回溯性空间分析。研究人员通过构建250×250米网格单元的相对风险评分（RRS），识别出包括ATM机、零售场所和宗教组织在内的8个显著环境风险因子，发现2.7%的区域呈现极高风险（RRS均值9.77±8.55）。该研究为公共卫生部门实施精准减害策略提供了实时空间预警新方法。

　　

背景：药物过量死亡在美国持续成为可预防性死亡的主要诱因。现有数据系统（如人口统计和医院记录）存在报告延迟和地理分辨率局限等问题，制约了公共卫生应急响应时效。

研究目标：基于风险地形建模（Risk Terrain Modeling, RTM）方法，利用2022-2024年公开的911呼叫数据，识别密歇根州底特律市药物过量相关紧急呼叫的高风险区位。

设计方案：采用回溯性空间分析技术，通过RTM评估药物过量事件与建成环境特征之间的空间关联关系。

研究区域：美国密歇根州底特律市。

数据样本：分析涵盖18,034例药物过量相关紧急呼叫事件，未使用个体层级数据。

研究方法：运用RTM地理空间分析技术识别环境风险因子，预测药物过量事件的高发区位。

主要指标：通过RTM生成相对风险评分（Relative Risk Scores, RRS），对底特律市250×250米网格单元进行风险量化。

关键发现：药物过量紧急呼叫呈现空间聚集性。RTM识别出8个显著风险因子（含ATM机、零售场所、宗教组织等），RRS值域为1-142.5（均值9.77，标准差8.55），其中2.7%的区位被归类为极高风险。

结论启示：RTM与911呼叫数据的结合应用，为识别药物过量风险提供了时效性强、区位精准的新范式。公共卫生机构可藉此优化减害资源配置，提升干预策略的靶向性。