基于分段分位数回归的社区专科诊疗等待时间地理差异研究：新冠大流行前后的以色列实证分析

　　语本研究针对新冠大流行加剧的医疗资源分配不均问题，创新性应用分段分位数回归模型（Piecewise Quantile Regression），分析2019-2023年以色列社区皮肤科就诊等待时间（WT）地理差异。研究发现：全国中位WT从2019年17天增至2023年42天，特拉维夫与约旦河西岸地区（J&S）等待时间达北部地区的3倍，且地域差异持续扩大（P0.0001）。该模型成功预测2024年WT趋势（MAE=4.6天），为优化医疗资源配置提供精准决策依据。

　　在全民医保覆盖的以色列，社区专科诊疗等待时间（Waiting Times, WT）是衡量医疗系统公平性的关键指标。长达数周的等待不仅加剧患者焦虑，更可能延误皮肤癌等重症的早期诊断。2018年调查显示，约三分之一患者需等待超过1个月才能预约到专科医生。新冠大流行期间，全球医疗系统承压导致WT进一步恶化——英国、加拿大等国的数据已揭示这一趋势，但地理差异的量化分析仍存方法论空白。

　　更严峻的是，以色列医疗资源存在显著地域失衡：2018-2020年特开云网站拉维夫地区医师人口比是北部地区的2.3倍。传统统计方法难以捕捉WT的时空动态变化，尤其在疫情前后这种系统性转折点。为此，研究人员开展了一项开创性研究，通过新型统计模型揭示WT地理差异的演变规律。

　　研究团队整合以色列四大健康维护组织（Health Maintenance Organizations, HMO）2019-2023年皮肤科预约系统数据，涵盖全国七个地理区域（南部、海法、耶路撒冷、中部、北部、特拉维夫、约旦河西岸）。基于两大核心场景——指定医生（53%患者首选）和区域内任意医生，创新性构建分段分位数回归模型（Piecewise Quantile Regression）：

　　数据基础：通过算法提取每日前50个可预约时段，结合实际就诊量计算每日需求，构建全国WT分布

　　以2022年Q1为节点，分段分析2019-2021（含新冠高峰期）和2022-2023（后疫情期）

　　控制变量：新冠封锁期（2020Q2、2021Q1）、铁剑行动战争（2023Q4）、季节性波动

　　增长最快地区：约旦河西岸（年增7.83天，P0.0001）、特拉维夫（年增7.07天，P=0.002）

　　地域悬殊：北部最短（14天），特拉维夫（40天）与约旦河西岸（42天）最?

　　增长最快地区：耶路撒冷（年增12.1天）和中部（年增12.3天），达全国增速的1.5倍

　　2024年预测值与实际值高度吻合：全国平均误差仅1.3天（表5），但特拉维夫地区误差较大（12天），提示该区域可能有新增医疗资源干预。

　　地理差异动态可视化：分段分位数回归首次量化揭示新冠前后WT地域差距的扩大趋势，特拉维夫与北部地区差异从1.1倍扩至2.9倍

　　方法学突破：该模型克服了传统均值回归对WT偏态分布的误判风险，为国际医疗系统评估提供新范式

　　HMO（健康维护组织）、WT（等待时间）、J&S（约旦河西岸地区）、Quantreg Procedure（SAS分位数回归程序）、MAE（平均绝对误差）