高速公路交通事故救援時間與生存率關系模型研究*

楊惠敏1陳雨人1▲方守恩1袁建華2

(1.同濟大學道路與交通工程教育部重點實驗室上海201804；

2.公安部交通管理科學研究所道路交通安全公安部重點實驗室江蘇無錫214151)

摘要高速公路交通事故救援時間對事故受傷人員的死亡率有著直接的影響。根據華東地區(qū)某高速公路交警支隊連續(xù)3年的事件記錄，分析了交通事故救援時間特性，建立受傷人員的生存函數模型，用非參數方法研究了交通事故救援時間對生存率的影響，然后再利用Cox比例風險回歸模型來分析影響生存率的因素。結果表明，受傷人員的生存率隨救援時間的增加而逐漸降低，在接到報警的14分鐘之后，生存率即可降至75%以下，因此傷者應在14分鐘之內得到必要的緊急救護。同時，在影響因素分析中，發(fā)現接警時段是影響傷者生存的危險因素，傷者在夜間時段的死亡風險是白天時段的3.46倍。

關鍵詞交通安全；高速公路；救援時間；生存分析；非參數方法；Cox比例風險回歸模型

中圖分類號：U491.31文獻標志碼：A

收稿日期：2015-04-08修回日期：2015-07-12

作者簡介：第一楊惠敏(1991-),碩士.研究方向：道路交通規(guī)劃設計、道路交通安全與環(huán)境.E-mail：2013yhm@#edu.cn

A Study of the Relationship between Rescue Time and Survival Rate

of Traffic Accidents on Freeways using A Cox Regression Model

YANG Huimin1CHEN Yuren1FANG Shouen1YUAN Jianhua2

(1.KeyLaboratoryofRoadandTrafficEngineeringoftheMinistry

ofEducation,TongjiUniversity,Shanghai201804,China;

2.TrafficManagementResearchInstituteofTheMinistryofPublicSecurity,Key

LaboratoryofRoadTrafficSafetyofTheMinistryofPublicSecurity,Wuxi214151,Jiangsu,China)

Abstract:The rescue time of traffic collisions on expressways has a direct impact on traffic collision fatalities. Based on three consecutive years' collision records of an expressway in east China, the characteristics of rescue time were analyzed in this paper. The impacts of rescue time on the survival rates were studied by using non-parametric estimation methods, and a survival-analysis model of the injuries was developed. Furthermore, factors of survival rates were analyzed with Cox regression models. The results show that the survival rates of the injuries decrease with the increase of rescue time. The survival rates can decrease to below 75% in about 14 minutes after the occurrence of collisions, so the injuries should be given necessary emergency rescue within 14 minutes. Meanwhile, further analysis of factors indicates the time of collisions is a risk factor of survival, and the risk of death in the nighttime is 3.46 times higher than in the daytime.

Key words:traffic safety; expressway; rescue time; survival analysis; non-parametric method; Cox proportional hazard regression model

*公安部重點實驗室開放課題(批準號：2014ZDSYSKFKT06)資助

▲通信作者： 陳雨人(1966-)，博士，教授. 研究方向：道路交通規(guī)劃設計、交通安全與道路環(huán)境、道路交通計算機輔助工程. E-mail：

Chenyr@#edu.cn

0引言

高速公路因其速度特性，一旦發(fā)生交通事故很容易造成車輛的嚴重損壞，以及人員的重大傷亡，且交通事故的死亡大多發(fā)生在將傷者送往醫(yī)院之前[1]。據法國民防部門的1份統(tǒng)計結果[2]，針對同樣傷勢的重傷員，送至醫(yī)院并得到救護的時間在30min內的，其存活率為80%，在60min內存活率為40%，在90min內的存活率僅為10%以下[3]。因此在交通事故應急救援過程中，應縮短傷者的救援時間讓其得到及時有效的救助，提高傷者生存率，這也是減少事故死亡率的關鍵。

目前，在針對救援時間對交通事故死亡率影響方面，國內學者已經展開了一些研究。宋斌等[4]發(fā)現高速公路交通事故的主要傷情是顱腦傷、四肢及骨盆骨折和胸腹聯合傷等，這類傷員容易在救治途中或到醫(yī)院時由于病情嚴重失去緊急手術機會而死亡。文亮等[5]研究發(fā)現有75%～95%的致死性交通傷傷員死于緊急救援到達之前?？踪|彬等[6]根據國內某醫(yī)院急救部實施醫(yī)警聯動前后的交通傷救治情況，發(fā)現采用醫(yī)警聯動新模式后道路交通事故傷病人院前救援的時間和距離明顯縮短，從而使危急重病人死亡率降低至12.16%。胡明軍[7]收集了因交通事故致重刑顱腦損傷的1107例患者的臨床資料，進行了患者院前急救與預后相關性分析，發(fā)現隨著救援車輛到達現場時間的增加，患者死亡率和致殘率也會增加。此外，多名學者通過構建高速公路交通事故緊急救援時間模型[8]、服務點選址模型[9]、應急資源動態(tài)調度模型[10]和醫(yī)警聯合系統(tǒng)[11]等來縮短傷者的救援時間等。

以上學者多以救援時間或高速公路交通事故傷情為單一研究對象，對其兩者之間的關系也只進行了定性分析，并未得出具體量化結論，因此目前國內還沒有建立高速公路救援時間與生存率之間的關系模型。而生存分析(survival analysis)方法是對生物或人的生存時間進行分析，研究生存時間和結局與眾多影響因素間關系的分析模型，也稱生存率分析或存活率分析[12]，與傳統(tǒng)的統(tǒng)計模型相比，生存分析模型對參數服從的分布并沒有要求。因此可利用生存分析模型研究高速公路交通事故受傷人員的生存狀況隨時間的變化，進而得到救援時間與生存率的關系。2013年，J.Wu首次利用生存分析方法研究了自動碰撞通知(ACN)和緊急醫(yī)療服務(EMS)到達時間對事故傷亡人數的影響，結果表明，運用自動碰撞通知和緊急醫(yī)療服務可挽救更多人的生命(154～290人/年)[13]。筆者將采用生存分析方法，對高速公路交通事故受傷人員的生存概率進行估計，并用Cox比例風險模型探討與交通事故生存率相關的多個風險因素。

1高速公路交通事故救援時間特性分析

交通事故緊急救援一般包括以下4個階段：事故接報階段，及時獲取已發(fā)生事故的信息；事故響應階段，相關救援人員趕赴現場；事故現場的緊急救援階段和返回救援站點/醫(yī)院階段。

當救援車輛到達現場時，受傷人員即可獲得必要的緊急救援，因此，生存率指傷者生存至救援到達時的概率，傷者的救援時間可分為發(fā)現時間和響應時間2項，見圖1。發(fā)現時間是從事故發(fā)生到救援站點/醫(yī)院接到報案的這段時間，包括確認事故的發(fā)生地點、事故類型和救援等級等信息所需要的時間。響應時間是指從事故確認之后救援人員啟動響應救援預案、調集救援資源、聯絡有關部門到救援人員到達事故現場的時間。

傷者的生存時間為事故發(fā)生時間至最終死亡的時間。在傷亡人員記錄中，如果傷者在救援人員到達現場前死亡，生存時間為事故發(fā)生至傷者死亡的時間，即為圖1中的t1；如果救援車輛到達事故現場時，傷者仍處于存活狀態(tài)并能得到緊急救援，那么傷者的具體死亡時間將無法觀測，因此用救援車輛到達現場的時間代替?zhèn)咚劳鰰r間，即為圖1中的t2。前者稱為完全數據，后者稱為刪失數據。

圖1　事故救援時間數據示例 Fig.1　Illustration of accident rescue time data

2事故受傷人員的生存分析方法

2.1生存函數

生存函數反映了個體生存至某一時刻的概率。設T表示傷員的生存時間，那么，1個隨機變量t的生存函數如下。

(1)

風險函數是度量死亡可能性的函數，可以用密度函數f(t)和生存函數s(t)來表示

(2)

累積風險函數為

(3)

根據觀測對象進入或退出觀察的時間差別，生存分析經常遇到的數據有完全數據和刪失數據[12]。對于高速公路交通事故救援，當救援車輛到達傷者仍處于存活狀態(tài)時，最終生還者的生存時間即為右刪失數據。Kaplan-Meier非參數估計方法能夠利用右刪失和非刪失數據的全部信息，因此在處理小樣本數據時為首選方法。

假定n個獨立觀測值為(ti，ci)。其中：ti為生存時間；ci為觀測值i的刪失指標變量。如果失敗發(fā)生，即傷者在救援人員內到達時仍處于存活狀態(tài)，ci取0，否則取l。如果t(1)

(4)

(5)

2.2Cox比例風險模型

Cox比例風險模型是生存分析模型中最常用的多因素分析方法[14]，可以用來分析變量對生存率的影響，其基本形式如下。

(6)

式中：Xi(i=1，2，…，p)為個體i不隨時間改變的協(xié)變量，即影響生存率的因素；h0(t)為基準風險函數，它是全部協(xié)變量都為零時在t時刻的風險函數；βi(i=1，2…，p)為變量參數，若βi>0，表明該協(xié)變量為危險因子，會對生存率出現負作用，βi<0表明該協(xié)變量為保護因子，可提高生存率，βi=0表明該變量對生存率沒有影響。exp(βi)為相對危險度，指在其他協(xié)變量保持不變的前提下，Xi每改變1個單位，風險值比原水平改變exp(βi)倍。

任意2個具有協(xié)變量X和X*的個體，其危險率成比例

(7)

3數據分析

3.1數據來源及處理

采用華東地區(qū)某高速公路交警支隊的事件記錄，集中包含了1500條事件數據，記錄了事件處理過程中的接警時間、交警到場時間、車輛靠邊時間、現場撤除時間以及事件特征和環(huán)境特征，包括：事件發(fā)生的日期、時間，當時的天氣，事件類型、報警方式、傷亡人數、當事車輛種類等。通過查閱相關執(zhí)勤記錄則補充了一些必須的信息，包括：各種救援車輛的到場時間，事故發(fā)生地點的樁號等。

篩選發(fā)生傷亡的事故數據，共采集到399個樣本，對高速公路交通數據救援時間進行描述統(tǒng)計，并用非參數K-S檢驗救援時間分布的正態(tài)性，得P=0.002，樣本不符合正態(tài)分布，因此需采用非參數統(tǒng)計方法。對采集的定量和定性數據進行編碼和賦值，將星期分為星期一至星期天和其他法定節(jié)假日；將報警事件分成了4個時段，分別是早高峰時段(07：01～09：00時)、白天時段(09：01～16：30時)、晚高峰時段(16：31～20：00時)和夜間時段(20：01～07：00時)，并將事故類型和天氣進行分類。模型變量的分組與賦值見表1。

表1　變量說明及賦值一覽

3.2事故受傷人員的生存函數

根據生存分析的Kaplan-Meier非參數估計計算得到生存函數的圖形，也即生存曲線，見圖2，該圖反映了傷者的生存概率。生存曲線如果比較陡峭說明生存率低、生存時間短，反之則說明生存率高、生存時間較長。由圖2可見，救援車輛在20min內基本可以到達現場，且隨著救援時間的增加，生存率逐漸降低，可以將生存率分成3種情況。

圖2　事故受傷人員的生存曲線圖 Fig.2　Survival curves of the injured

1)在0～7min之間，下降趨勢較為緩慢，說明除受重創(chuàng)當場死亡以外，傷者在這段時間內死亡的人數并不多，生存率為94.8%。

2)在7～14min之間，下降趨勢較為明顯，隨著救援時間的增加，累計生存率顯著下降，生存率從94.8%降至75.3%，說明如果在14min內沒有得到及時有效的醫(yī)療救援，傷者死亡的風險較大。

3)最后，救援時間大于14min的傷者生存率下降的較為平緩。在救援車輛達到后仍保持生存狀態(tài)的傷者的生存時間用救援時間所代替，因此20min之后，生存率不再發(fā)生變化。

3.3Cox比例風險回歸建模

本文將考慮星期、報警時段、事故類型和天氣對傷員生存率的影響。事件不同的報警時段影響著道路的擁堵狀況、救援單位救援力量的配置等，不同的事故形態(tài)影響著事故的嚴重程度和人員受傷嚴重程度，惡劣的氣候如冰雪、大霧、暴雨等，會導致路面打滑、駕駛員視線不良等，另外氣候條件也影響著救援車輛在路上所花費的時間。

為避免漏掉潛在的有價值的變量，采用向后消去法對變量進行篩選及最大似然估計，輸出結果如表2所示。通過變量方差分析發(fā)現，X1(星期)、X3(事故類型)和X4(天氣)這3個協(xié)變量對于生存率均沒有顯著影響，這些變量被剔除在最終的回歸模型之外，4步的篩選后只有X2(報警時段)變量(p<0.05)最終進入模型中。

表2　進入回歸方程中的變量

從表2可知，回歸系數為0.51，因此建立的Cox比例風險回歸模型為

h(t|X)=h0(t)exp(0.051X2)

(8)

Cox模型結果顯示，報警時段是影響生存率的主要因素，從回歸系數的符號來看，X2的系數大于零，說明報警時段為危險因子，會增加風險函數值，降低生存率。為研究不同報警時段對生存率的影響，繼續(xù)對此分類變量進行最大似然估計，并以白天時段(09：01～16：30時)為參照時間，得出早高峰、晚高峰及夜間時段的相對風險度分別為1.675，1.073，3.460，不同報警時段下的生存函數概率見圖3。由圖3可見，夜間時段的生存率最低，風險度為白天時段的3.46倍，其次是早高峰時期。

圖3　報警時段下的生存曲線圖 Fig.3　Survival curves of accident rescue time with alarm time

4結論

1)交通事故的救援時間對生存率有著直接的影響，且事故發(fā)生后7min之后，隨著救援時間的逐步增加，生存率顯著降低，14min之后即可降至75%以下，因此應縮短事故發(fā)現時間和救援響應時間，在接警14min之內讓傷者得到必要的緊急救護。

2)通過Cox比例風險回歸建模，結果表明接警時段對生存率有著顯著影響，且為危險因素，會降低生存率。傷者在早高峰、晚高峰及夜間時段的死亡風險分別是白天時段的1.675倍、1.073倍和3.460倍，因此要尤其加強夜間的交通事故管理和快速處置能力，通過縮短救援車輛到達現場時間提高傷者生存率。

參考文獻

[1]CLARK D E, QIAN J, SIHLER, K C,et al. The distribution of survival times after injury[J]. World J. Surg,36 (7), 1562-1570.

[2]Federal Highway Administration Office of Travel Management. Federal Highway Administration Traffic incident management handbook[M].Federal:Federal Highway Administration Office of Travel Management. 2000, 7-10.

[3] 邵毅明,余波. 高速公路緊急救援過程死亡率的影響因素及對策研究[J]. 道路交通與安全,2009(5):44-48.

SHAO Yiming, YU Bo. Research on the influence factors and countermeasures for mortality in the process of expressway emergency relief[J]. Road Traffic and Safety, 2009(5):44-48. (in Chinese)

[4]宋斌,王懷云,王劍火. 某地區(qū)高速公路交通傷流行病學分析[J]. 東南國防醫(yī)藥, 2012(4):308-310，319.

SONG Bin, WANG Huaiyun, WANG Jianhuo. Epidemiological analysis of the freeway traffic injury in a certain area[J]. Military Medical Journal of Southeast China, 2012(4):308-310，319. (in Chinese)

[5]文亮,蒲友敏. 交通傷的救治[J]. 中華急診醫(yī)學雜志,2008,17(5):559.

WEN Liang, PU Youmin.Treatment of traffic injury[J]. Chinese Journal of Emergency Medicine,2008,17(5):559. (in Chinese)

[6]孔質彬,邱俊,秦文玉,等. 院前急救模式對道路交通傷救治結局的影響[J]. 局解手術學雜志,2014(4):339-342.

KONG Zhibin, QIU Jun, QIN Wenyu, et al. Effects of pre-hospital emergency modes on road traffic accident injury patients[J]. Journal of Regional Anatomy and Operative Surgery, 2014(4):339-342. (in Chinese)

[7]胡明軍. 交通事故性重型顱腦損傷院前、院內急救與預后研究[D].廣州：南方醫(yī)科大學,2011.

HU Mingjun. Severe brain injury accidents of pre-hospital hospital emergency and prognosis[D].Guangzhou:Southern Medical University, 2011. (in Chinese)

[8]王菲. 高速公路交通事故緊急救援時間模型及救援站點布局研究[D].重慶：重慶交通大學,2008.

WANG Fei. The research of highway traffic accident emergency rescue time model and rescue site layout[D]. Chongqing:Chongqing Jiaotong University, 2008. (in Chinese)

[9]朱曉波,錢振東,陸振波,等. 高速公路緊急救援服務點選址模型的研究[J]. 交通運輸工程與信息學報,2010(4):104-109.

ZHU Xiaobo, QIAN Zhendong, LU Zhenbo, et al.Study on models of freeway emergency rescue service site Location[J]. Journal of Transportation Engineering and Information, 2010(4):104-109. (in Chinese)

[10] 杜柯,高曙,陳先橋,等. 高速公路應急資源動態(tài)調度系統(tǒng)研究與實現[J]. 武漢理工大學學報:交通科學與工程版,2013(2):330-333,338.

DU Ke, GAO Shu, CHEN Xianqiao,et al.Research and implementation of emergency resources dynamic scheduling system for highway[J]. Journal of Wuhan University of Technology:Transportation Science & Engineering Edifion, 2013(2):330-333,338. (in Chinese)

[11]楊學武,楊柳,劉峰,等. 高速公路醫(yī)警聯合救援系統(tǒng)構建初探[J]. 中國醫(yī)院管理,2014(11):20-21.

YANG Xuewu, YANG Liu, LIU Feng,et al. Discussion on the construction of hospital traffic police joint rescue system on highway[J]. Chinese Hospital Management,2014(11):20-21. (in Chinese)

[12]彭非,王偉. 生存分析[M]. 北京：中國人民大學出版社，2004.

PENG Fei, WANG Wei. Survivalanalysis[M]. Beijing: China Renmin University Press Co. Ltd., 2004. (in Chinese)

[13]WU J, SUBRAMANIAN R, CRAIG M, et al. The effect of earlier or automatic collision notification on traffic mortality by survival analysis[J]. Traffic injury prevention, 2013, 14(S1): 50-57.

[14]COX D R. Regression models and life tables[J]. Journal of Royal Statistic Society, 1972, 34(B):187.