城市供应网络中断情境下关键药品可及性的开放数据决策支持(Decision Support System, DSS)：基于基辅(Kyiv)与利沃夫(Lviv)的实证

《Urban Science》：Open-Data Decision Support for Critical Medicines Availability in Urban Supply Chains Under Disruptions: Evidence from Kyiv and Lviv

　　

城市供应网络中发生中断（disruption）会降低关键药品（critical medicines）的持续可及性，而后者对公共卫生至关重要。本文提出一种开放数据决策支持系统（Open-Data Decision Support System, DSS）框架，用于评估短缺与网点失效（node-failure）情景下的药品可及性。实证应用结合了2022–2025年乌克兰报销计划下的已兑现电子处方（redeemed e-prescription）数据，以及乌克兰国家卫生服务局（National Health Service of Ukraine, NHSU）签约发放点注册库，并对基辅（Kyiv）与利沃夫（Lviv）采用统一的情景设计。结果表明：利沃夫的需求更为集中——前10大发放节点占已兑现电子处方量的29.7%，而基辅为14.2%。所提出的DSS支持在地理分区间再分配有限可用药品量，但不产生额外供给。其价值在于：在明确定义的压力测试假设下，识别应被监测的低尾覆盖率（lower-tail coverage）、服务覆盖缺口及再分配距离约束条件。因此，该框架定位于基于情景的规划工具（scenario-based planning tool），而非实时库存管理系统（real-time inventory-management system）。

论文解读：《城市供应网络中断情境下关键药品可及性的开放数据决策支持(DSS)：基于基辅(Kyiv)与利沃夫(Lviv)的实证》

一、研究背景与意义

城市供应网络（urban supply chains）中药品的可及性（medicine availability）受生产中断、物流受阻、节点失效等多种扰动影响，传统描述性短缺登记无法支撑危机下的公平再分配决策。现有研究较少展示如何将开放行政数据转化为可复现的城市级配发网络压力测试（stress test）。欧盟已发布关键药品联盟清单（Union List of Critical Medicines），世界卫生组织（World Health Organization, WHO）制定基本药物标准目录（Model List of Essential Medicines），但缺乏将其操作化为城市尺度短缺与网点失效情景并嵌入决策支持系统（Decision Support System, DSS）的方法。因此，研究人员开展此项研究，旨在建立可复现的DSS工作流，将开放行政数据转换为短缺与网点失效情景下的药品可及性评估工具，并以乌克兰基辅（Kyiv）与利沃夫（Lviv）两个异质规模与空间结构的都市圈为案例进行应用验证。研究发现利沃夫需求集中度更高，对核心节点失效更敏感；DSS可在不增加总供给前提下通过空间再分配改善低尾覆盖率（lower-tail coverage）、降低服务覆盖沙漠区（medicine access deserts，指网格单元覆盖率低于公平底线τ之区域）数量及覆盖不平等（Gini系数），并引入再分配距离预算（redistribution distance budget / ε-constraint）作为次要约束以控制物流强度。该研究发表于《Urban Science》，其意义在于为公共卫生部门提供基于开放数据的情景规划工具，明确脆弱区与再分配可行性边界。

二、主要关键技术方法

研究人员采用2022–2025年乌克兰国家报销计划已兑现电子处方（redeemed e-prescriptions）作需求代理变量，结合NHSU签约药品发放点注册库获取网点坐标，以OpenStreetMap为可选扩展参考。城市药品配发网络建模为需求–节点–通行边结构，药品可及荒漠定义为网格单元覆盖率低于公平底线τ。将基辅与利沃夫划分为6×6规则格网分区，以测地线距离（geodesic distance）至最近节点作可达性代理指标。关键药品（critical medicines）依据欧盟关键药品清单与WHO基本药物目录映射ATC分组操作化。设计四类中断情景：按比例供给短缺（Def20，20%供给缺损）、前k高需求节点失效（Hub10/Hub20）、交通约束及信息失效，重点分析Def20、Hub10、Hub20及Def20+Hub组合。DSS七步启发式再分配规则为：聚合分区需求→计算各情景可用量与基线覆盖率→按τ划分短缺区与潜在供体区（donor zones）→在满足供体区不跌破τ前提下生成可行再分配配对→按提升低尾覆盖率贡献及距离成本排序→执行转移并更新指标→直至无可行转移或耗尽再分配距离预算（ε-budget）。引入再分配距离指数（Redistribution Distance Index, RDI）=Σ(转移处方当量体积×质心距)/全市基线总兑现处方数×1000，作归一化运输强度代理。灵敏度分析变动公平底线τ与ε值。

三、研究结果

3.1. Baseline Network and Demand Portrait（基线网络与需求画像）

经合并电子处方与NHSU发放点注册库，基辅2022–2025年兑现3,060,522张、节点1826个（坐标覆盖率79.0%，需求覆盖94.9%），利沃夫兑现1,147,424张、节点492个（坐标覆盖率89.2%，需求覆盖94.5%）。前10节点占需求比基辅14.2%、利沃夫29.7%；前50节点占比分别为35.0%和61.4%；节点流量Gini系数分别为0.750与0.737。利沃夫中位数及均值单节点流量更高。基辅网格点至最近节点平均距离2.265 km（P95=6.625 km），利沃夫0.994 km（P95=2.804 km）。结论：利沃夫空间密度较高但需求高度集中于少数节点，对核心节点失效更敏感；基辅外围空间碎片化更严重。

3.2. Disruption Impact Without Optimization (Status Quo Policy)（无优化时中断影响——现状政策）

现状政策无自适应再分配。去除前10高需节点致基辅14.2%、利沃夫29.7%需求面临风险；前20节点分别对应21.7%与42.1%。Def20情景未满足需求比例均为20%；Def20+Hub10组合未满足需求基辅31.4%、利沃夫43.7%。高流量节点移除对测地线最近节点距离影响微弱。结论：节点失效脆弱性取决于网络内需求集中度而非节点绝对数量，利沃夫Hub情景冲击更大，说明需DSS再分配干预。

3.3. Decision-Support Outcomes (Accessibility-First DSS with Equity Constraints)（决策支持结果——以可及性优先并含公平约束的DSS）

对比现状与DSS再分配。Def20下p10覆盖率与沙漠单元格数不变（总量固定）；Hub20下基辅p10覆盖率由0.487升至0.750，Gini由0.142降至0.012，沙漠单元格由9减至3；利沃夫Hub10下p10由0.450升至0.579，沙漠单元格由8减至6。总未满足需求未显著改变。部分情景熵（entropy）升高表明覆盖分布更均匀。结论：DSS核心价值系在空间上重新配置短缺负担、提升低尾覆盖并消减服务覆盖沙漠区，尤其在结构性节点失效情景有效，但不创造新增供给。

3.4. Sustainability Outcomes Under Service-Level Constraints（服务水平约束下的可持续性结果）

以ε-constraint限制RDI。基辅Hub20随ε增大Gini阶梯下降（0.142→0.012）且沙漠单元格逐步减少（9→3），存阈值效应；利沃夫同情景沙漠单元格恒为12，Gini微降（0.204→0.137）。结论：距离预算约束可权衡物流负荷与公平改善；利沃夫受限于分区框架与需求集中结构，需针对高需节点单独干预。

3.5. Sensitivity and Robustness Checks（灵敏度与稳健性检验）

变动公平底线τ（最低可接受分区覆盖率）：τ收紧至0.80–0.85时可供再分配余量缩小，Hub情景覆盖不平等升高、风险区增多；τ放宽至0.70–0.75时可提升均等化但增加运输强度。结论：τ是管理者可调关键决策参数，体现公平–物流成本权衡。

四、讨论与结论翻译

讨论指出：中断脆弱性不只取决于发放点数量，需求集中度更重要；DSS是再分配与优先级机制，用于固定供给下改善空间服务覆盖分布而非降低总短缺量；距离预算约束使物流负担透明且次要于最小覆盖与公平阈值。框架适用于情景规划与压力测试，非实时库存管理，需路网行程时间、库存水平数据进一步校验，目前限于报销药品段。

结论翻译如下：

基于2022–2025年报销项目已兑现电子处方与发放点注册库开放数据，基辅与利沃夫年间兑现量分别增75.4%与32.6%。节点间需求集中度呈明显不对称：前10节点占基辅总需求14.2%、利沃夫29.7%（前20节点分别为21.7%与42.1%），此集中特征使利沃夫在节点失效情景下对少量高需节点故障更敏感。优先保障可及性与公平阈值的DSS政策通过空间再分配短缺负担可降低结构性失效时的空间覆盖不平等并缓解服务覆盖缺口风险。DSS策略下空间覆盖分布熵值上升反映区间集中程度降低，可作为p10、Gini及沙漠单元格指标的补充诊断。环境组分以运输强度预算形式作为次级ε-约束纳入，在不损害最低服务阈值前提下限制物流负荷。所提框架可用开放数据复现，支持中断情境下药品可及性情景规划讨论，其业务应用需结合库存水平、行程时间及补货数据另行验证。DSS之主要贡献不在于消除短缺，而在于透明识别在明示假设下可将有限可用量再分配于何处以减少覆盖空间不公平。