災難醫(yī)學動態(tài)救援推演模型與實例應用

周 丹， 劉中民

（1.同濟大學 附屬東方醫(yī)院，上海 200120；2.同濟大學 醫(yī)學院，上海 200092；3.同濟大學 災難醫(yī)學工程研究院，上海 200120）

1 引言

“汶川地震”“昆山爆炸”“昆明暴恐”“新冠肺炎疫情”等各類災難事件嚴重影響著人類的生存發(fā)展，同時給災難現(xiàn)場的醫(yī)學救援和應急管理帶來極大挑戰(zhàn)。災難事件具有突發(fā)性、復雜性、破壞性和不確定性，在發(fā)展過程中往往伴隨著轉(zhuǎn)化、蔓延、衍生、耦合等多種演化模式［1，2］，并在同醫(yī)學救援活動的交互中交叉、替換、疊加、擴大，構(gòu)成極其復雜的動態(tài)發(fā)展路徑。

機理分析是災難醫(yī)學救援工作開展的基礎，對事件的演化過程進行觀察、總結(jié)和抽象，以揭示事件的原則性、原理性、流程性、操作性機理特征與具體表現(xiàn)形式［1］。災難不同的演化態(tài)勢需要有針對性地施以救援手段；而不同的醫(yī)學救援策略也會導致災難不同的演化結(jié)果。目前，對于災難演化機理的研究集中在輿情分析、情境構(gòu)建、風險評估、應對策略等方向。比如，葉瓊元等［3］面向突發(fā)公共衛(wèi)生事件，開展了網(wǎng)絡輿情風險演化機理研究。常丹等［4］以北京市為例，進行了超大城市社會安全類突發(fā)事件情景演化及仿真研究。此外劉德海［5］展開了政府不同應急管理模式下群體性災難的演化分析。而Chen等［6］以非常規(guī)災難案例為對象，探討了災難在處置預案、決策主體、預警級別等策略因素影響下，“原事件”演化為“子事件”的預測模型。

歷史案例是救援策略的寶貴經(jīng)驗來源，有諸多學者以案例為突破口深入災難救援研究。早期Montopoli等［7］研究了Grand Teton National Park園區(qū)內(nèi)609起偏僻地帶的典型事故，對景區(qū)風險的識別和事故預防有重要借鑒意義。Albertssona等［8］通過瑞典發(fā)生的128起客車撞車事故，分析安全帶的損傷結(jié)果及交通機制的可能影響。Cherry等［9］分析了2000—2015年間執(zhí)法部門關于黃石公園野牛襲人的敘述性案件記錄，評估導致傷害的高風險行為。近來，Zhang和Li［10］論述了梅蘭蒂臺風襲擊廈門時的應急工作實例，而案例研究也更為多見地被應用于中國PPP項目的風險分析當中［11，12］。

災難醫(yī)學救援不是單一行為，而是具有連續(xù)性的一系列行為，其研究范疇涵蓋了救援個體的行為分析、基于情景的決策流程和基于態(tài)勢預測的決策模型構(gòu)建等諸多方面。目前，針對災難救援的研究主要集中在緊急狀態(tài)下的救援個體心理、行為和教育培訓，救援決策和效率優(yōu)化，以及無人機、機器人等人工智能的工程技術研發(fā)方面。緊急狀態(tài)下，個體風險感知偏差以及所導致的群體行為，是影響災難救援決策、發(fā)展演化的重要因素［13-15］；而災難醫(yī)學教育的發(fā)展及培訓方案的設計對于緊急狀態(tài)下的救援工作尤為關鍵［16，17］。此外，“情景”是災難發(fā)生發(fā)展的態(tài)勢，是救援開展的前提并突出了過程動態(tài)性特征，這使得“情景—應對”型應急管理模式逐步成為優(yōu)化災難醫(yī)學救援的重要方法［18，19］。

已有研究成果為本文提供了啟發(fā)思路和理論基礎，災難醫(yī)學救援仍然停留在被動處置應對的操作層面，針對于災難醫(yī)學救援的機理分析方法和推演預測模型尚為空白?；诖耍疚膭?chuàng)新地從歷史案例當中探究災難事件的演化機理，對演化路徑和發(fā)生概率進行定性和定量描述。充分運用已有案例的數(shù)據(jù)信息，創(chuàng)新災難醫(yī)學救援方法，試圖將災難醫(yī)學特征與應急管理方法論相結(jié)合，探究災難事件動態(tài)演化規(guī)律。從而實現(xiàn)在處置應對災難事件的過程中，建立合理的演化分析框架和推演預測模型的研究目標。該研究在理論上，創(chuàng)新地提出了災難醫(yī)學救援機理分析方法，并構(gòu)建災難救援推演預測模型。在應用中，對于科學開展醫(yī)學救援具有重要意義，并能夠為災難預警和應急處置提供切實參考。

基于此，本文對1990—2022年全球40個特大城市中實際發(fā)生的110個災難事件的演化路徑進行總結(jié)，提煉分析各案例全生命周期的演化規(guī)律，從而在歷史案例當中探究災難事件的演化機理。創(chuàng)新地將決策實驗室分析法與知識元理論相結(jié)合，構(gòu)建針對于災難案例分析的情景要素表達模型，并將貝葉斯網(wǎng)絡模型應用于特定災難事件的臨場情境推演，形成災難醫(yī)學救援動態(tài)推演模型，從而建立合理的演化分析框架和推演預測模型，創(chuàng)新災難醫(yī)學救援理論方法。最后，將“8.12天津濱海新區(qū)爆炸事件”作為實例，對模型應用的合理性加以驗證，構(gòu)建形成可推廣應用的災難醫(yī)學動態(tài)救援推演模型，從而通過創(chuàng)新管理思路和理論方法提升災難醫(yī)學的救援水平。

2 數(shù)據(jù)來源及處理

首先，通過查找互聯(lián)網(wǎng)咨詢平臺、國際報刊、新聞媒體報道及相關事故報告，獲取全球自1990—2020年的大量災難事件信息，包括自然災害、事故災難、公共衛(wèi)生事件和社會安全事件。依據(jù)中國城市突發(fā)事件分類體系［20］及事件機理過程，篩選出符合演化特征的案例樣本。其中中國境內(nèi)樣本68個，世界范圍的其他國家樣本42個。

接著，挖掘、還原、記錄各案例自發(fā)生、演化至終結(jié)的全過程，并進一步分析其中“原事件-子事件”的演化機理，識別其中的影響因素和作用結(jié)果，著重刻畫事件的本質(zhì)規(guī)律，生成特大城市非歷史災難事件案例文本集。

最后，對能夠全面描述案例演化過程的關鍵信息進行識別和提取，包括：事件類型、發(fā)生時間、持續(xù)時間、處置主體、相關預案、物資調(diào)用情況、子事件演化類型、影響損失程度等。依據(jù)突發(fā)事件機理分析理論，梳理出機理分析所需要的關鍵信息，構(gòu)建演化驅(qū)動因素分析數(shù)據(jù)庫，形成案例樣本。

3 研究方法及步驟

3.1 演化驅(qū)動要素識別模型

突發(fā)事件演化影響因素的復雜性決定了其演化模式的多樣性，探究突發(fā)事件演化的驅(qū)動因素是準確把握其演化規(guī)律的關鍵所在。基于突發(fā)事件演變的不確定性特征，分析該類事件情景演化的驅(qū)動要素及方式。把握影響突發(fā)事件演化的因素，以合理控制事態(tài)演化。

決策實驗室分析方法（decision-making trial and evalution laboratory，DEMATEL）是一種用于分析復雜系統(tǒng)因素的算法，能夠通過直觀的圖表來驗證、反映變量之間的相互依存關系［21-25］。

在已有數(shù)據(jù)的基礎上，匯聚專家意見，用案例總數(shù)的70%（77個）用于開放性譯碼，剩余30%（33個）的案例用于飽和度檢驗，以避免驅(qū)動因素的選取存在疏漏。通過對77個典型案例演化信息的開放性譯碼，得到7個一級范疇，20個二級范疇。設計5級量表表示因素對事件演化的驅(qū)動力水平（0～4級驅(qū)動力水平依次增強），向?qū)＜野l(fā)放問卷，綜合打分結(jié)果并對照剩余的33個檢驗案例的演化過程信息，最終剔除冗雜因素確認保留7個主要驅(qū)動因素：事件類型、發(fā)生時間、持續(xù)時間、危急程度、方案舉措、處置主體、傷亡損失情況［26］。這一結(jié)果綜合分析了110個歷史案例所得，7個驅(qū)動因素同樣適用于梳理概括其他災難事件。

運用DEMATEL模型識別確定災難醫(yī)學救援情景演化的主要影響因素。通過提煉110個突發(fā)事件案例樣本的關鍵信息，確定對突發(fā)事件各階段起作用的應急管理構(gòu)成要素，設為a1，a2，…，an。

（1）運用德爾菲法考察驅(qū)動事件演化的主要因素，使用李克特5級量表，對專家打分進行加總計分以得出不同因素間的影響程度，確定因素間的直接影響矩陣A。構(gòu)建n階矩陣A＝（Aaiaj）n×n表示兩兩因素間的直接影響關系，其中Aaiaj表示ai對aj的影響程度。

圖1 直接關系矩陣

（2）規(guī)范化直接關系矩陣A，經(jīng)公式（1）和公式（2）計算，得到矩陣B。

圖2 規(guī)范化的直接關系矩陣

（3）在規(guī)范化的直接關系矩陣B的基礎上，計算驅(qū)動因素間的綜合影響矩陣C。當n充分大時，以B（1-B）-1近似計算C，得到綜合影響矩陣（表1）。

表1 調(diào)整后的綜合影響矩陣

（4）計算各驅(qū)動因素的影響度和被影響度。對矩陣C中元素按行相加得到對應因素的影響度，即各行對應因素對所有其他因素的綜合影響值D。對矩陣C中元素按列相加得到相應因素的被影響度，即各列對應因素受到其他因素的綜合影響值R。進一步分析演化驅(qū)動因素之間的綜合影響關系，計算各因素的影響度D和被影響度R以及中心度D＋R和原因度D-R（表2）。依據(jù)計算所得的原因度和中心度結(jié)果，最終構(gòu)造災難演化驅(qū)動因素因果關系圖（圖3）。

表2 驅(qū)動因素間的影響關系

圖3 演化驅(qū)動因素因果關系

由圖3可知，E1、E7、E2為原因因素，對因素E6、E5、E4、E3產(chǎn)生較大影響。可以說，E1、E7、E2是事件演化的根本因素，而E6、E5、E4、E3受以上因素的影響，是驅(qū)動事件演化的直接因素（見表3）。中心度的數(shù)值說明了驅(qū)動因素的影響效果，從中心度來看，各因素對非常規(guī)突發(fā)事件演化的驅(qū)動力大小排序為：E5、E4、E6、E3、E7、E1、E2。

表3 突發(fā)事件演化驅(qū)動因素

經(jīng)模型運算所得出，對驅(qū)動事件演化的要素，影響作用從大到小依次為：處置主體、危急程度、方案舉措、持續(xù)時間、傷亡損失、事件類型、發(fā)生時間。與此同時，災難醫(yī)學救援與事件演化態(tài)勢之間存在前因后果的互動反饋關系。災難現(xiàn)場的處置措施、應對能力水平以及救援執(zhí)行效果是驅(qū)動事件演化的重要因素。從而析出直接因素同時也是驅(qū)動力較強的因素作為情景信息構(gòu)成要素分別為：災難環(huán)境狀況的危急程度，作為處置主體的醫(yī)護及救援人員的行為效能，救援方案措施的操作性以及醫(yī)療設備水平，還有受各要素影響下的災難發(fā)展過程，表現(xiàn)為災難耗時或者說救援用時。

3.2 情景要素表達模型

在對災難案例進行機理分析、驅(qū)動因素識別的基礎上，確定了情景要素對象的關鍵屬性，在此基礎上運用共性知識元結(jié)構(gòu)模型進行情景要素表達［27，28］。

根據(jù)DEMATEL模型分析，災難事件演化情景要素可以采用危急程度、方案舉措、處置主體、持續(xù)時間、事件類型、發(fā)生時間、傷亡損失7個方面去描述。其中事件類型和發(fā)生時間是致災體維度的情景要素，描述的是情景中不可抗力的屬性狀況；傷亡損失是承災體維度的要素，描述的是災害后果情景；持續(xù)時間表征了事件全生命周期，包含事件發(fā)展過程和處置應對過程的互動所用時長。實際應急決策受到危急形勢和緊迫時間的考驗，高效準確地把握關鍵情景應盡量模糊掉冗余信息的干擾。將致災體、承災體及“人—事”互動影響下的災害持續(xù)時間因素投影到災難環(huán)境的危急程度、醫(yī)療設備的救援方案和醫(yī)護救援主體三個關鍵要素上，使得情景描述集中于對演變態(tài)勢的把握。因此，構(gòu)建情景表達模型，設S為不同時刻下情景Si的集合，則有

其中E1和E2為致災體關鍵屬性集合Z；E7為承災體集合C；E4為演化過程動態(tài)研判的情景危急程度集合L；E5為處置主體集合M；E6為方案舉措集合U。T為情景的持續(xù)時間集合（T0＝t1-t0為一個演化情景階段，總和為災難事件的持續(xù)時間）。也就是說，事件類型和發(fā)生時間歸為一類，是描述致災體的關鍵維度（Z）；危急程度是承災體的關鍵信息（C），描述致災體和承災體的要素是情景的支持維度；二者的互動作用結(jié)果產(chǎn)生了其他四個情景要素（L，M，U，T），由此驅(qū)動要素并為6個要素。

持續(xù)時間是受危急程度、處置主體、方案舉措三者影響作用的結(jié)果，被其他要素所決定。危急程度是對事件災難環(huán)境的反映；處置主體是醫(yī)護人員救援能力的表征；方案舉措表征醫(yī)療器械的救援水平和工程設備的可用性。三者具有獨立性且與情景狀態(tài)共同構(gòu)成了事件演化情景信息的核心描述。因此，根據(jù)眾多案例中對災難事件制定的粒度標準，可以建立5類知識元模型：

（1）致災體知識元Z為包括災難類型和發(fā)生時間的致災體關鍵屬性集合：Z＝（z1，z2，…，zn），則對于任意一個致災體zi（i∈n），模型表示如下：KZ＝（NZ，，，，RZ）。其中NZ為致災體名稱，為致災體的狀態(tài)屬性集為輸入屬性集，為輸出屬性集，RZ為屬性間的關系集。

（2）承災體知識元C為承災體傷亡損失的集合：C＝（c1，c2，…，cn），則對于任意一個承災體ci（i∈n），模 型 表 示 如 下：KC＝（NC，，，，RC）。其中NC為承災體名稱為承災體的狀態(tài)屬性集，為輸入屬性集，為輸出屬性集，RC為屬性間的關系集。對于屬性，有：K＝（pa，da，fa），a∈Am，m∈M。pa為屬性a的可測度特征描述，da為屬性a可測度特征的量綱集，fa為屬性a的狀態(tài)隨時間變化的函數(shù)表達式（t為某一時刻）：at＝fa（at-1，t）。

（3）危急程度知識元是對災難環(huán)境危急程度的評級，分為1～4級，危害程度逐級增加。用L表示環(huán)境的集合：L＝（l1，l2，…，ln），則對于任意一個演化子事件的危急程度li（i∈n），知識元模型表示為：Kl＝（Nl，Al，Rl）。其中Nl為演化類型名稱，Al為演化危害的屬性集，Rl為演化事件危害屬性間的關系集。

（4）方案舉措知識元是指當即可用及已用的設備資源及其操作方案，包括醫(yī)療設備在內(nèi)的救援工程設備。用U表示資源的集合：U＝（u1，u2，…，un），則對于任意一個子資源ui（i∈n），知識元模型表示為：Km＝（Nm，Am，Rm）。其中Nm為子資源的名稱，Am為子資源的屬性集合，Rm為屬性之間的關系集。

（5）處置主體由醫(yī)學救援的主體、客體、行為及結(jié)果組成。用M表示應急活動的集合：M＝（m1，m2，…，mn），則 對 于 任 意 一 個 子 活 動mi（i∈n），知識元模型表示為：Km＝（Nm，Dm，Xm，，，，Rm）。其中Nm為處置主體實體集的名稱，Dm為處置主體屬性集，Xm為處置過程操作集，為應急處置狀態(tài)屬性集為應急處置輸入屬性集為應急處置輸出屬性集，Rm為處置屬性之間的關系集。

3.3 動態(tài)貝葉斯網(wǎng)絡

貝葉斯網(wǎng)絡（Bayesian networks，BN）作為一種基于概率的不確定性推理方法［29，30］，是針對不確定知識表達和推理領域最有效的模型之一［31］。動態(tài)貝葉斯網(wǎng)絡（dynamic Bayesian networks，DBN），是靜態(tài)網(wǎng)絡在時間序列上的擴展。災難的演化過程是動態(tài)變化的，變量取值會隨著時間的變化而變化。使用動態(tài)貝葉斯網(wǎng)絡進行建模及分析可以更好地對變量在時間序列上狀態(tài)的演化過程進行描述，使所得結(jié)果更貼近客觀現(xiàn)實。因而，重視時間因素影響下的事件態(tài)勢變化，劃分階段構(gòu)建情景網(wǎng)絡。

4 災難醫(yī)學動態(tài)救援推演模型

以歷史案例為基礎，推演情景演化趨勢，從而探討突發(fā)事件情景演化規(guī)律與路徑。運用動態(tài)貝葉斯網(wǎng)絡構(gòu)建災難醫(yī)學救援情景網(wǎng)絡與推演模型。

4.1 情景網(wǎng)絡構(gòu)建

不同情景下，由于災難演化的不確定性，概率的確定需要動態(tài)修正。以眾多歷史真實案例為依據(jù)，分析得出一般性的災難事件機理內(nèi)涵，嘗試提出一種“由歷史規(guī)律推演未來情境”的理論方法。

首先，構(gòu)建情景網(wǎng)絡。本文經(jīng)DEMATAL模型計算分析，優(yōu)化情景要素選取的主觀性問題，最終選取情景狀態(tài)（S）、危急程度（L）、方案舉措（U）作為網(wǎng)絡節(jié)點變量并確定變量類型。

其次，確定各節(jié)點變量之間的因果關系，并用有向線段連接起來，形成一個有向無環(huán)圖網(wǎng)絡結(jié)構(gòu)，并且該有向線段由因指向果。

最后，確定必要部分網(wǎng)絡節(jié)點變量的先驗概率及條件概率。之后利用先驗概率、條件概率及前文提及貝葉斯公式計算情景狀態(tài)概率，從而推演出下一情景狀態(tài)出現(xiàn)的概率大小，以此類推，最終完成情景推演過程［30］。

由于災難情景演化是一個連續(xù)的、動態(tài)的過程，因此，假設整個事件情景演化劃分為n個時刻，分別為t0，t1，t2，…，tn，其中t0為突發(fā)事件發(fā)生的初始時刻。對于初始情景狀態(tài)S0而言，在輸入節(jié)點變量L0和U0的作用下，突發(fā)事件發(fā)展到下一個時刻t1，情景狀態(tài)記為S1。從而L0，U0和S0就成了S1的輸入節(jié)點變量，以此類推。整個動態(tài)貝葉斯網(wǎng)絡分為兩部分，一部分是初始情景網(wǎng)絡，情景狀態(tài)為S0，只有節(jié)點L和U兩個輸入變量；另一部分是發(fā)展情景網(wǎng)絡，從情景狀態(tài)S1開始，有三個輸入節(jié)點變量，分別為危急程度（L）、方案舉措（U）以及前一時刻的情景狀態(tài)S0。

4.2 動態(tài)演化推演模型

災難在多種因素的影響下會不斷演化，導致事件可能朝著不同的方向發(fā)展。符號化災難事件的演化路徑，表示出災難事件情景的當前狀態(tài)、情景之間的關系、情景的演化方向以及可能的演化結(jié)果。受災難演化驅(qū)動要素的影響，災難事件往往呈現(xiàn)出不同的演化發(fā)展路徑。輸出結(jié)果評價：達到預期或未達預期。

災難情景推演，就是根據(jù)當前時刻的事件情景狀態(tài)預測下一時刻情景狀態(tài)。由于突發(fā)事件情景演化方向的不確定性，因此下一時刻情景狀態(tài)需用概率表示。用eS1，eS2，…，eSj表示當前情景狀態(tài)變量，用iS0，iS1，iS2，…，iSk表示當前情景狀態(tài)的情景輸入變量，用oS0，oS1，oS2，…，oSl表示當前情景狀態(tài)下的情景輸出變量。對于當前情景狀態(tài)變量eS1來說，其情景輸入變量有iS0，iS1，iS2，…，iSk等，只要給出所有情景輸入變量的先驗概率P（iS0），P（iS1），P（iS2），…，P（iSk）等，以 及 條 件 概 率P（eS1丨iS0，iS1，iS2，…，iSk），則可以計算出P（eS1），由此類推，則可以繼續(xù)計算出P（eS2），P（eS3），…，P（eSj）等。再以iS0，iS1，eS1，eS2，…，eSj為情景輸入變量，結(jié)合條件概率P（oS1丨iS0，iS1，eS1，eS2，…，eSj），就可以推演出該時刻下情景輸出變量oS0的概率P（oS0），并將其作為下一時刻的情景輸入變量。由此類推，可以分別計算出P（oS0），P（oS1），…，P（oSl）等的概率，即完成了一次情景推演。

5 實例研究

以2015年天津濱海新區(qū)爆炸事故為例進行實證分析，檢驗所得驅(qū)動因素作為情景構(gòu)建要素的合理性以及情景推演模型的正確性與有效性。

2015年8月12日22時51分，位于吉運二道95號的瑞海公司危險品倉庫運抵區(qū)出現(xiàn)起火?；饎菸茨芗皶r控制，事故前后接連發(fā)生兩次巨大爆炸，事故現(xiàn)場形成6處大火點及數(shù)十個小火點，持續(xù)8個多小時仍未完全撲滅。事故的發(fā)生主要是由于倉庫內(nèi)局部硝化棉濕潤機散失，在高溫的條件下發(fā)生自燃，引起周圍硝化棉燃燒，形成了大面積燃燒后火焰蔓延到鄰近的硝酸銨集裝箱，從而引發(fā)了第一次爆炸。之后，受到南側(cè)集裝箱火焰蔓延作用以及第一次爆炸沖擊波影響，多個裝有氧化劑、易燃固體和腐蝕品的集裝箱發(fā)生了第二次更為劇烈的爆炸。本次非常規(guī)突發(fā)事件的演化過程包含著蔓延、轉(zhuǎn)化與衍生，事故伴隨著政治事件、輿情事件及經(jīng)濟事件以及謠言傳播和群體性事件。

5.1 案例情景知識元表達

依據(jù)前文情景要素表達模型，本文所用知識元要素類型與取值見表4。

表4 情景知識元要素類型與取值

5.2 案例情景網(wǎng)絡構(gòu)建

在確定情景知識元要素類型與取值后，“8·12天津濱海新區(qū)爆炸事故”網(wǎng)絡節(jié)點變量選取見表5，并據(jù)此對事件可能演化路徑進行進一步分析。

表5 “8·12天津濱海新區(qū)爆炸事故”網(wǎng)絡節(jié)點變量選取

5.3 概率確定及計算

結(jié)合歷史經(jīng)驗及案例數(shù)據(jù)，對于沒有父節(jié)點的節(jié)點變量確定先驗概率。對于有父節(jié)點的網(wǎng)絡節(jié)點變量，采取專家打分法。選取應急管理和災難醫(yī)學領域的22名知名專家和學者，憑借各位專家自身豐富的救災指揮經(jīng)驗，綜合考量處置主體、危急程度、方案舉措、持續(xù)時間、傷亡損失、事件類型、發(fā)生時間各要素，確定事件發(fā)展演化各階段的條件概率（部分結(jié)果見表6）。

表6 網(wǎng)絡節(jié)點變量先驗概率及條件概率取值（部分）

計算情景狀態(tài)網(wǎng)絡節(jié)點變量S0的概率約為75.85%。則P（S0＝F）＝1-P（S0＝T）＝1-75.85%＝24.15%。以此類推，分別計算出S1到S13的概率。

對于天津濱海新區(qū)爆炸事故危機發(fā)生（L0）采取相應滅火措施（U0），導致危險品倉庫運抵區(qū)起火（S0）發(fā)生（SO＝T）的可能為75.85%，不發(fā)生（SO＝F）的可能為24.15%；這就會進入兩種可能的情景：一是火災撲滅事件消失（S1），二是區(qū)域發(fā)生爆炸（S2）。危機解除，無需采取措施不做論述。如若危機衍生（L2）事故災難演化到下一階段（S2），則醫(yī)護和救援人員采取相應的救治措施（U2），又會出現(xiàn)兩種可能的演化路徑：一是次生火災撲滅，事件消失（S3），二是隨即發(fā)生爆炸，蔓延到周圍危險品（S4）。若是事態(tài)未能停歇，則危機衍生（L4）并采取相應危險品隔離、冷卻措施（U4），繼而進入下一情景。

綜合實證結(jié)果可以看出，發(fā)生概率最大的情景狀態(tài)是危險品倉庫運抵區(qū)起火（S0）、區(qū)域發(fā)生爆炸（S2）、爆炸影響到周圍危險品（S4）、危險品發(fā)生二次爆炸，爆炸程度加?。⊿5）、火勢得到進一步控制，救出部分受困人員（S6）、明火被撲滅，進一步救出受困人員（S7）、社會輿情及危險化學品安全專項整治事件（S8）等，發(fā)生概率分別為75.85%、75.48%、76.95%、85.48%、75.52%、86.93%、76.89%。

依據(jù)對天津濱海新區(qū)爆炸事故的實地調(diào)研和實情分析，經(jīng)訪談消防隊員和指揮人員了解到，應急救援過程中最棘手的演化事件即為危險品倉庫運抵區(qū)起火、鄰近危險品受影響、初次爆炸點二次爆炸；而事故處置流程中，前期救出部分受困人員遇到二次爆炸的困境，在明火基本撲滅后，才進一步救出受困人員，后期社會對該事故反響巨大，輿情管控和?；钒踩珜ｍ椪喂ぷ麟S即展開。計算結(jié)果與突發(fā)事件現(xiàn)場實際狀況基本吻合，該模型有效性與可行性得以驗證。

6 結(jié)論與啟示

本文以災難事件歷史案例的實際信息為基礎，將DEMATEL模型結(jié)合知識元模型，試圖解決模型構(gòu)建當中，節(jié)點變量選擇欠缺依據(jù)、偏向主觀性的弊端；同時，清晰化事件演化路徑，合理估計各演化路徑的發(fā)生可能性，以解決貝葉斯情景推演當中的概率確定模糊化問題。

針對災難演化的復雜性特征和醫(yī)學救援的困境，通過動態(tài)分析情景演化路徑，推演情景演化趨勢，其實也是對事態(tài)進行跟蹤監(jiān)控的另一種形式，以此實現(xiàn)提前災難醫(yī)學預警與救援實時決策，為應急處置提供新的思路。同時，還可將其擴展應用于醫(yī)學救援場景之外，如企業(yè)內(nèi)的安全管控、保險行業(yè)的風險定價等問題上。

此外，在實例驗證下，使研究“從歷史中來，到歷史中去”，具有一定的科學性，但也缺少了一些實戰(zhàn)性。概率確定對于歷史案例和主觀經(jīng)驗的依賴較大，這也是貝葉斯模型應用普遍存在的問題。因此，今后在改進其主觀性的問題上，更進一步地，可以嘗試從眾多案例中析出事件更為詳盡的演化規(guī)律，為確定先驗概率和后驗概率提供參考，優(yōu)化貝葉斯推演的結(jié)果準確性。