随着我国人口老龄化的加深和分级诊疗制度的完善，医疗服务可及性推动了医疗废物的产生。良好的健康与福祉对可持续发展至关重要，这些与医疗废物的不安全处置有直接或间接相关^[27]。安徽省地处长三角经济带、中部高质量发展区，深化与共建“一带一路”国家和地区务实合作，同时合肥市经济发展水平较高，皖南、皖中和皖北医疗废物产生量差距明显，具有典型性和代表性。因此，研究安徽省医疗废物产生量的时空变化趋势，对未来医疗废物产生量进行预测，有利于推动医疗废物处置的可持续发展。

本研究使用的安徽省地理底图数据来自国家地理信息公共服务平台审图号为GS (2019) 3333号。2016年至2022年安徽省及16个地级市医疗废物产生量来源于安徽省生态环境厅及各市的固体废物污染环境防治信息公报，PGDP、人口老龄化、常住人口、医院病床数、医疗卫生技术人员数等数据来源于安徽省统计年鉴^[28]。

我国于2011年颁布的《医疗废物管理条例》中对医疗废物的定义为：医疗卫生机构在医疗、预防等相关活动中产生的具有直接或间接感染性、毒性以及其他危害性的废物^[29]。为了对医疗废物进行有效管理，必须明确医疗废物产生的影响因素及其影响程度。医疗废物受经济、医疗和人口多方面的影响，本研究以医疗废物产生量作为因变量，以PGDP、人口老龄化、常住人口、医院病床数、医疗卫生技术人员数作为自变量，对安徽省医疗废物产生量的影响因素及影响程度进行分析，各变量的描述性统计分析见表1。

1) 空间自相关分析。空间相关性可以判断医疗废物的分布是否存在统计上集聚或分散现象，其理论基础是Tobler地理学第一定律：任何事物之间都是空间相关的，事物间距离越接近，空间相关性程度就越高^[30]。采用全局莫兰指数 (Moran’s Index，简记为MI指数) 对医疗废物是否存在空间相关性进行分析。在一定的显著性水平下，MI指数为正表示医疗废物产生量存在空间集聚性；MI指数为负则表示邻近区域的医疗废物产生量差异显著，即存在空间分散性；MI指数不显著且趋近于0，表示变量在空间无自相关性，即呈独立随机分布。通过计算MI指数值、z得分和p值来对该指数的显著性进行评估，p值是根据已知分布的曲线得出的面积近似值。莫兰指数的计算公式见式(1)。

式中：I表示MI指数；$ {x}_{i} $、$ {x}_{j} $分别为像元i、j的属性值；$ {W}_{ij} $为i、j的空间邻接权重矩阵；$ \bar{x} $为属性均值。

2) 地理探测器。地理探测器对自变量和因变量无需假设和设定，不要求空间显著性，广泛应用于自然科学、社会科学、环境科学和人类健康等多个方面，包括土地利用、区域经济、考古、环境污染、公共健康等^[31]。地理探测器包括分异及因子探测、交互作用探测、风险区探测和生态探测等4个探测器，其中，分异及因子探测器可以用来探测安徽省医疗废物的空间分异性和某种影响因素对医疗废物空间分异的解释程度。通常用q解释各影响因素对医疗废物空间分异的影响程度，取值范围为0~1，值越大，说明该影响因素对安徽省医疗废物的空间分异解释力越大。同时，地理探测器能够识别不同影响因素间的交互作用，探讨多种影响因素共同作用是否会增强或者降低解释程度^[32]。安徽省医疗废物受多种因素的相互影响，本文使用分异及因子探测、交互作用探测这两个探测器，分析安徽省医疗受经济、人口和医疗等影响因素的作用大小及其交互作用大小。分异及因子探测公式见式(2)~式(3)。

式中：L为变量Y或因子X的分层，也就是分类或分区；$ {N}_{h} $表示分层为h的单元数；$ {\sigma }^{2} $表示全区的Y值方差，$ {\sigma }_{h}^{2} $表示分层为h的Y值方差；SSW和SST分别为层内方差之和和全区总方差。

3) 灰色系统模型GM (1,1) 。灰色系统模型通过对某一原始数据序列进行累加，生成一组有较明显趋势的新的数据序列，然后按照新的数据序列的增长趋势建立模型进行预测并用函数曲线去拟合得到预测值，适用于数据量不多的预测。阳建中等^[33]进行了模型构建，目前广泛应用于自然科学领域和工程技术领域^[34]。后验差比值可以验证灰色预测的精度，后验差比值越小，则说明灰色预测精度越高。一般情况下，后验差比值小于0.2即说明模型拟合良好；介于0.2~0.35，说明模型精度较高；介于0.35~0.5，说明模型精度合格；介于0.5~0.65，说明模型精度基本合格；大于0.65，则说明模型精度不合格。

本研究使用ArcGIS10.2软件绘制医疗废物产生量分布地图，利用Moran’s I检验探究数据的空间相关性，使用地理探测器分析PGDP、人口老龄化、常住人口、医疗卫生技术人员和医院病床数等对安徽省医疗废物空间格局的影响程度，并使用灰色系统模型预测分析2022~2025年安徽省及各个地级市医疗废物的产生量情况。

为探析安徽省各个地级市医疗废物产生量的空间差异和动态演变过程，本研究选取2016、2018、2019和2021年4个年份的医疗废物产生量数据绘制空间分布图，其中为了保证4个年份的可比性，以2021年制图所采用的自然间断点设置参数作为其他年份的制图参数，具体如图1所示。

由图1可看出，从2016年至2021年安徽省16个地级市的医疗废物产生量存在显著的空间异质性，合肥作为安徽省省会，人口众多，经济发展水平高，医疗废物产生量一直居于全省首位；阜阳的医疗废物产生量也一直处于相对较高水平，仅次于合肥，可能与阜阳常住人口较多有关，2016~2021年阜阳市常住人口均占安徽省常住人口的13.3%~15.2%之间，具体如图2所示；安庆和芜湖医疗废物增长量较大，黄山、池州、淮南和淮北等城市处于一直处于相对较低水平。另外，2016~2021年安徽省各地市的医疗废物都呈现增长的趋势，2016~2019年增长较为缓慢，2019~2021年各市医疗废物产生量呈显著增长的趋势，这主要是因为2019年年底新冠感染疫情暴发，病患治疗和居民防护用品大量增加，医疗废物产生量增速明显高于2019年之前的产生量增速。

为了探索安徽省16个城市的医疗废物产生量是否存在空间相关性，本研究采用空间自相关检验进行分析，结果如表2所示。结果表明，安徽省医疗废物产生量在市级尺度上均不显著，表现为随机分布模式。究其原因，可能是因为以下几个方面的原因。1) 医疗废物作为固体废物的一类，但又不同于城市生活垃圾和工业固体废物，它与医疗资源紧密相关，然而安徽省各个地市之间的医疗资源联系不够紧密，一个城市受相邻城市的医疗资源影响较小，城市之间存在竞争性空间关系^[35]。2) 合肥市医疗废物产生的数量大、增长速度快，远远高于安徽省其他城市，可能合肥市的医疗资源没有发挥较强的外部溢出效应，对安徽省其他城市医疗资源的辐射作用较小，也就是说合肥市的医疗资源有效配置未能对安徽省其他城市的医疗资源产生较强的示范模仿效应和医疗资源的流动效应^[36]。3) 人们对优质医疗资源的偏好，跨区域就医现象明显存在。统计显示，截至2022年安徽总共有36所三级甲等医院，而其中有14所都在省会城市合肥。合肥市医疗水平较高并因此产生了“虹吸效应”，全省大多数患者都前往合肥市进行医治，使得合肥市的医疗废物产生量显著高于安徽省其他地级市^[37]。4) 分级诊疗取得了一定效果^[38]，安徽省各个城市医疗资源的流动性不断加大，但由于安徽省各个城市之间医疗资源的整体差异较大，导致医疗资源配置效率不高。因此，需要进一步推动安徽省医疗资源的优化配置，加快推进健康安徽建设，通过合理配置医疗卫生资源，缩小各个城市之间的医疗资源差异，发挥各个城市的特色优势。

本研究采取地理探测器分析经济、医疗和人口等多方面与安徽省医疗废物产生量之间的相关关系，主要通过因子探测器探究自变量对因变量的解释程度，从而分析安徽省及各地级市医疗废物产生量的影响因素及其影响程度。本研究以安徽省医疗废物产生量作为因变量，以PGDP (X1) 、人口老龄化 (X2) 、医院病床数 (X3) 、医疗卫生技术人员 (X4) 和常住人口 (X5) 作为自变量，构建地理探测器模型，分析各影响因素对安徽省医疗废物产生量的影响程度以及相互间的交互作用。

1) 分异及影响因子探测。本研究通过因子探测器得出影响安徽省各个城市医疗废物数据的各影响因子的q值和p值，其中q值对应的p值代表的是该因子的显著性，具体结果如表3所示。因子探测器结果表明，2016~2018年，由于人口老龄化和常住人口对安徽省医疗废物的影响p值大于0.05，因此舍去不显著的人口老龄化和常住人口因素，其余3个影响因子都通过了显著性检验。然后根据q值大小，将经济、人口和医疗指标对安徽省医疗废物的产生量影响大小排序为医疗卫生技术人员数、医院病床数和PGDP。2019年，PGDP和常住人口对安徽省医疗废物的影响p值大于0.05，因此舍去，其余指标对安徽省影响因素的排序为医院病床数、医疗卫生技术人员、人口老龄化。2020年，由于人口老龄化对安徽省医疗废物的影响p值大于0.05，因此舍去不显著的人口老龄化因素，其余4个影响因子都通过了显著性检验，根据q值大小，将经济、人口和医疗指标对安徽省医疗废物的产生量影响大小排序为医院病床数、常住人口、医疗卫生技术人员数和PGDP。2021年，由于PGDP和人口老龄化对安徽省医疗废物的影响p值大于0.05，因此舍去不显著的PGDP和人口老龄化因素，其余3个影响因子都通过了显著性检验，根据q值大小，将经济、人口和医疗指标对安徽省医疗废物的产生量影响大小排序为常住人口、医院病床数、医疗卫生技术人员数。

研究结果发现，PGDP、医院病床数、医疗卫生技术人员这三个影响因素对安徽省医疗废物产生量的影响较显著。常住人口对安徽省医疗废物产生量的影响逐渐显著，并且在2021年表现为影响安徽省医疗废物产生量的主要原因，这与AUNG等^[39]研究认为人口规模是影响废物排放的主要因素一致。2019年年底爆发的新型冠状病毒感染更加凸显了人口规模对医疗废物产生量的影响，因为突发性传染病的暴发导致人口流动性减弱，城市流动性放缓，人们选择就近诊疗^[40]。此外，医院病床数、医疗卫生技术人员等医疗资源状况会显著影响医疗废物的产生，这与黎少杰等^[41]的研究结果一致，进一步说明优化医疗资源分布的重要性，需要进一步深化分级诊疗政策，多部门协同合作，推动医疗废物的减产化、资源化，进而推动医疗废物的可持续发展。

2) 交互作用探测。经济发展水平、人口规模、人口老龄化程度、医疗资源状况等因素会影响到医疗废物的产生，但同时这些因素之间可能会对医疗废物产生交互影响。为此，本文进一步对各因素的交互作用进行探测，结果如表4所示。影响因素的探测结果表明，两个影响因素交互作用后对安徽省医疗废物产生量空间异质性的影响程度明显大于单个影响因素。例如，2016年，PGDP (X1) 与医疗卫生技术人员 (X4) 的交互作用明显大于PGDP、医疗卫生技术人员等单因素对医疗废物产生量的影响；2020年，PGDP (X1) 与医院病床数 (X3) 以及医疗卫生技术人员数 (X4) 的交互作用也显著大于单因素对医疗废物产生量的影响。

可见，医疗废物产生量受多种因素的综合影响，PGDP、医院病床数、医疗卫生技术人员数三者之间均有较高的交互作用，不存在相互独立以及减弱的关系，进一步说明医疗废物产生量与医疗资源状况密切相关。有研究指出，人口因素在医疗资源中发挥着根本性作用，经济因素发挥着基础性作用^[42]。人口和经济因素是影响医疗废物产生的重要因素，2021年常住人口与其他因素之间的交互作用较高，如作为人口大市的阜阳，2021年常住人口仅次于省会合肥，且远高于其他地级市，常住人口对阜阳市的医疗废物产生量影响最显著，政府提供的医疗服务具有人口规模效应^[43]。研究结果可为从源头上减少医疗废物产生量提供参考依据。

为进一步研究安徽省医疗废物产生量的变化趋势，对医疗废物进行有效管理，本研究运用GM (1,1) 模型，基于2016~2021年医疗废物的产生量数据对未来4年安徽省及各个地级市医疗废物的产生量进行预测，结果如表5所示。

结果表明，合肥市在基于历史时期数据去预测未来时期数据时，模型平均相对误差为0.04，意味着模型拟合效果良好。未来4年预测结果分别是13 502.79、15 510.77、17 817.36、20 466.95 t。宣城市模型精度基本合格，淮南市、淮北市和安庆市模型精度合格，其余城市模型精度均为高。研究发现，近年来合肥市常住人口数量约占安徽省常住人口数量的15%，地区生产总值约占安徽省地区生产总值的25%，合肥市的医疗废物产生量基数大，增长量也较大，在2022~2025年，依旧处于安徽省各个城市医疗废物产生量的首要地位，约占安徽省总医疗废物产生量的1/4。安徽省及各地级市医疗废物呈显著上升的趋势，并且通过对安徽省各个城市短期内医疗废物产生量的预测，可以为多部门处理医疗废物的日常处理、突发事件情况下的应急处置工作和城市医疗资源的规划管理意义重大^[44]。

为了验证预测结果的有效性，本文将2022年安徽省各地级市医疗废物产生量的实际值与预测值进行对比分析，结果如图3所示。

由图3可看出，2022年安徽省16个地级市医疗废物实际值普遍高于预测值，因为在疫情常态化背景下，为有效控制传染病，2022年将隔离区的生活垃圾当成医疗废物处理。另外，在16个地级市中，只有阜阳的预测值比实际值高，可能原因为2016—2019年，阜阳市常住人口居于全省首位，但是在2020—2021年常住人口呈下降趋势，而医疗废物产生量与常住人口密切相关，所以在预测时人口规模效应使得预测值高于实际值。但是，不难发现两条曲线的变化趋势大部分一致，也就是说新型冠状病毒感染期间各地市额外增加的医疗废物基本是在原有基础上的一个等量平移，这也说明了大部分地市医疗废物产生量的预测是准确的。因此，在对医疗废物进行处置和管理的过程中，不仅需要日常有效处理，还需要提升应急管理能力，特别是出现突发性传染病使得局部地区医疗废物在短时间内骤增时，各部门需要根据医疗废物处置厂的处置能力，对医疗废物进行规范、高效管理，加强监管，以防造成二次感染^[45]。

1) 安徽省各个城市的医疗废物产生量在空间上存在显著差异，但不存在显著的空间聚集效应，省会城市合肥市以及人口规模较大的阜阳市的医疗废物产生量较大。

2) 安徽省各个城市的医疗废物产生量受人口规模、医疗资源状况和经济发展水平等因素的显著影响，其中人口规模因素的影响最显著。

3) 双因子交互探测作用表明任何2种影响因素交互作用的影响比单个影响因素的影响力大，并且医院病床数和常住人口的交互作用影响力最大，说明医疗废物的产生与医疗资源状况、人口规模等因素的联系较紧密。

随着医疗服务需求和人口的增加，医疗废物呈现不断增长的趋势。目前，我国医疗废物在分类、收集、转运、处置等方面较为规范，本研究通过研究安徽省医疗废物的时空变化趋势及其影响因素，并运用GM (1,1) 将2022年安徽省各地市医疗废物产生量的实际值与预测值进行对比分析，重大传染病暴发期间，医疗废物的产生量骤增，但是各地市增加趋势与幅度差异不明显，后期可结合更加细粒度、更全面数据的分析，为日常和重大传染病暴发时期医疗废物各个环节的有效处置和管理提供参考依据，从而推动医疗废物处置的可持续发展。