基于大数据的血液供应链管理研究综述及展望.pdf

第3 3卷 第2期 2 0 2 4年3月系 统 管 理 学 报J o u r n a l o f S y s t e m s&M a n a g e m e n tV o l.3 3 N o.2M a r.2 0 2 4 文章编号:1 0 0 5-2 5 4 2(2 0 2 4)0 2-0 2 7 9-1 8收稿日期:2 0 2 3-0 3-2 4 修订日期:2 0 2 3-0 6-1 2 基金 项 目:国 家 自 然 科 学 基 金 重 大 研 究 计 划 培 育 项 目(9 1 6 4 6 1 0 9)作者简介:郭心雨(1 9 9 5-),女,博士,讲师。研究方向为医疗健康管理。通信作者:陈 旭(1 9 7 3-),男,博士,教授。E-m a i l:x c h e n x c h e n 2 6 3.n e t 基于大数据的血液供应链管理研究综述及展望 郭心雨1,陈 旭2(1.中北大学 经济与管理学院,太原 0 3 0 0 5 1;2.电子科技大学 经济与管理学院,成都 6 1 1 7 3 1)【摘要】血液供应链相关综述论文多聚焦于研究问题、方法、趋势和挑战等方面,缺少从数据应用角度探讨血液供应链管理的综述性研究。利用文献计量方法回顾了1 1 6篇学术论文,可视化地展示了基于大数据的血液供应链管理相关研究合作和热点。在此基础上,从大数据视角探讨血液采集管理、血液库存与分配管理以及血液供应链网络设计3个方面的研究热点。最后,提出基于大数据的血液供应链管理P AG E框架阐述未来研究方向。研究成果有助于学界更准确地追踪和聚焦血液供应链管理中大数据的应用研究前沿和主题,为业界利用大数据管理血液供应链提供重要指导方向。关键词:医疗与健康管理;大数据;血液供应链;研究综述;知识图谱中图分类号:F 2 7 4;R 1 9 7.6 文献标志码:A D O I:1 0.3 9 6 9/j.i s s n 1 0 0 5-2 5 4 2.2 0 2 4.0 2.0 0 1 R e v i e w a n d P r o s p e c t o f B l o o d S u p p l y C h a i n M a n a g e m e n t B a s e d o n B i g D a t a G U O X i n y u1,CHEN X u2(1.S c h o o l o f E c o n o m i c s a n d M a n a g e m e n t,N o r t h U n i v e r s i t y o f C h i n a,T a i y u a n 0 3 0 0 5 1,C h i n a;2.S c h o o l o f M a n a g e m e n t a n d E c o n o m i c s,U n i v e r s i t y o f E l e c t r o n i c S c i e n c e a n d T e c h n o l o g y o f C h i n a,C h e n g d u 6 1 1 7 3 1,C h i n a)【A b s t r a c t】A t p r e s e n t,m o s t o f t h e r e v i e w p a p e r s r e l a t e d t o b l o o d s u p p l y c h a i n m a i n l y f o c u s o n r e s e a r c h i s s u e s,m e t h o d s,t r e n d s,a n d c h a l l e n g e s,l a c k i n g c o m p r e h e n s i v e r e s e a r c h o n b l o o d s u p p l y c h a i n m a n a g e m e n t f r o m t h e p e r s p e c t i v e o f d a t a a p p l i c a t i o n.T h e r e f o r e,i n t h i s p a p e r,1 1 6 a c a d e m i c p a p e r s w e r e r e v i e w e d u s i n g b i b l i o m e t r i c m e t h o d s t o v i s u a l l y d i s p l a y t h e c o o p e r a t i o n a n d h o t s p o t s r e l a t e d t o b l o o d s u p p l y c h a i n m a n a g e m e n t b a s e d o n b i g d a t a,b a s e d o n w h i c h,t h e r e s e a r c h h o t s p o t s o f b l o o d c o l l e c t i o n m a n a g e m e n t,b l o o d i n v e n t o r y a n d d i s t r i b u t i o n m a n a g e m e n t,a n d b l o o d s u p p l y c h a i n n e t w o r k d e s i g n w e r e e x p l o r e d f r o m t h e p e r s p e c t i v e o f b i g d a t a.I n a d d i t i o n,a P AG E f r a m e w o r k w a s p r o p o s e d f o r b l o o d s u p p l y c h a i n m a n a g e m e n t b a s e d o n b i g d a t a t o e l a b o r a t e f u t u r e r e s e a r c h d i r e c t i o n s.T h i s p a p e r w i l l h e l p s c h o l a r s m o r e a c c u r a t e l y t r a c k a n d f o c u s o n t h e r e s e a r c h f r o n t i e r s a n d t o p i c s o f b i g d a t a a p p l i c a t i o n i n b l o o d s u p p l y c h a i n m a n a g e m e n t,a n d p r o v i d e i m p o r t a n t g u i d a n c e f o r t h e i n d u s t r y t o m a n a g e b l o o d s u p p l y c h a i n u t i l i z i n g b i g d a t a m e t h o d s.K e y w o r d s:h e a l t h c a r e m a n a g e m e n t;b i g d a t a;b l o o d s u p p l y c h a i n;r e v i e w;k n o w l e d g e g r a p h 血液对临床治疗、抢救患者生命至关重要1。近年来,虽然医疗技术水平、医疗保障体系以及经济社会不断发展和完善,但是由于人口老龄化日益严重2,血液需求量每年增长1 0%1 5%,而采血量增长率仅为用血量增长率的5 0%左右,“血荒”现象2 8 0 系 统 管 理 学 报第3 3卷频发3。血液短缺导致医疗救护推迟或取消4,严重时将会增加社会死亡率。2 0 2 1年9月,美国红十字会表示血液供应不足1天,远低于保障5天供应量的标准5;美国弗吉尼亚州由于血液短缺,手术推迟24周6。此外,因血液供应链管理不善而导致的血液报废也时有发生。美国一项调查显示,血液中心和医院1 1 5 0万个血液单位库存已报废7 7 0万,损失1.6 1亿美元7。血液通常以供应链的形式进行采集、库存、分配和使用。因此,加强血液供应链管理对保障人民的生命健康具有重要意义。血液是一种0-1型易逝品(如血小板生命周期只有57天),一旦过期则失去医用价值8。血液供应链管理具有供应不可靠、需求随机异质和多库龄共存等复杂特质9。这些复杂特质给血液供应链管理带来极大挑战。在血液采集管理方面,血液的唯一来源是献血者捐赠,由于献血人数、献血时间和自然环境等不确定因素导致血液供应不可靠,无法实现有规划、快速、大规模生产1 0。要保证血液供应充足,需要综合考虑献血者心理、行为特征以及献血时的客观条件等因素研究献血者行为1 1,预测血液供应量。在血液库存与分配管理方面,血液需求随机且异质。随机是指常规需求和紧急需求具有随机性,异质是指需求包括不同血液成分和血型,血液中心根据需求考虑血库中不同生命周期的全血量和成分血量制定库存与分配策略。要满足血液需求并避免浪费,需要综合考虑随机异质的血液需求和多库龄共存的血液库存,预测血液需求量,解决复杂的库存与分配管理问题。在血液供应链网络设计方面,需要综合考虑血液供应不可靠、需求随机异质和多库龄共存的复杂特征,设计最优供应链网络,及时、高效地满足血液需求并减少浪费,更多地节约人力和物力成本1 2。这些研究对血液供应链管理具有重要的理论价值和现实意义。传统以血液中心为核心的血液供应链管理多依赖于管理者的行业经验,相关学术研究多使用问卷统计分析、实证研究及理论模型研究1 3,难以刻画血液供应链管理的复杂特质,分析结果有局限性且失真1 4。党的二十大报告提出,要加速推进数字中国建设。当前社会发展进入大数据时代,利用大数据技术分析海量数据,可使决策更加科学有效1 5。大数据为解决血液供应链管理的复杂问题提供了新的契机和有效手段。现有血液供应链综述文献1 6-2 5多集中于研究问题、方法、趋势和挑战等方面,没有从数据应用的视角审视血液供应链管理的研究进展。为了解基于大数据的血液供应链管理研究现状,本文利用文献计量方法回顾1 1 6篇相关学术论文,全面归纳和述评基于大数据的血液供应链管理研究进展,提出未来研究方向。本文贡献如下:通过文献计量方法绘制科学知识图谱,可视化地展示了作者合作、研究主题和文章引用等相关文献分布与关联;基于大数据应用的新颖视角,从血液采集管理、血液库存与分配管理以及血液供应链网络设计3个方面,系统深入地分析血液供应链管理相关文献;提出基于大数据的血液供应链管理P AG E框架,由此指出未来研究方向。1 血液供应链管理内涵及大数据特征 血液供应链主要由献血者、血液中心和医院3个主体组成,包括采集、库存和分配3个环节(见图1)。从血液供应链的物流角度看,在血液采集环节,献血者前往血液中心设定的献血屋或献血车献血;在血液库存环节,血液中心收集血液后生产制备,再分配给医院;在血液分配环节,血液中心决定血液配送的交通工具、路线等。从血液供应链的信息流角度看,血液中心向献血者公布当日可供应血液的库存水平,根据医院提交的每日血液需求成分、需求量和紧急程度决定分配量。本文主要从物流角度研究血液供应链管理。图1 血液供应链管理F i g.1 B l o o d s u p p l y c h a i n m a n a g e m e n t血液供应链管理过程中产生了大量来源不同、形式各异、内容丰富的结构化数据和非结构化数据(见表1),这些海量数据具有典型的大数据4 V特征(见图2),为大数据驱动血液供应链管理奠定了基础。例如,在血液采集管理环节,将献血行为大数据与外部数据(如政策法规、社会媒体内容、社会关系、客观环境等)关联分析献血行为;在血液库存管理环节,利用血液供需量、交通事故和犯罪等数据预测血液需求,制定最优库存策略;在血液分配环节,利用交通情况、天气等大数据规划分配路线。基于大数据帮助血液供应链进行管理决策,为血液中心应对管理挑战、提高运作效率提供了新的机遇和有效手段。第2期郭心雨,等:基于大数据的血液供应链管理研究综述及展望2 8 1 表1 血液供应链管理中产生的结构化和非结构化数据T a b.1 S t r u c t u r e d a n d u n s t r u c t u r e d d a t a g e n e r a t e d i n b l o o d s u p p l y c h a i n m a n a g e m e n t血液采集环节血液库存环节血液分配环节结构化数据采集时间、采集地点、献血者信息、采集量、血型/成分、采集成本、天气、星期、月份等入库和出库时间、实时库存量、实时库龄、报废种类与数量、库存成本等订血量、订血时间、订血血型/成分、历史需求、交付时间、分配量、配送成本等非结构化数据政策法规、经济发展水平、人员流动与健康状况、献血宣传投入、献血屋数量与布局、采血设备与技术等犯罪、交通事故、医院信息(规模和等级、地理位置、床位数等)、紧急和常规用血计划等运输车辆、运输路况、替代与转运成本、紧急和常规用血计划等图2 血液供应链管理数据具有典型大数据特征F i g.2 D a t a i n b l o o d s u p p l y c h a i n m a n a g e m e n t h a s t y p i c a l b i g d a t a c h a r a c t e r i s t i c s2 研究方法 采用文献计量方法绘制科学知识图谱,可视化地展示基于大数据的血液供应链管理领域研究现 状。文献计量方法是一种用于统计、探索和评估文献的方法,能够综合、全面地分析文献信息2 6。文献检索和筛选思路如下:首先,确定研究范围,即基于大数据的血液供应链管理;其次,通过关键词搜索(见表2)对学术论文进行全文检索,检索数据库包括S c o p u s、W e b o f S c i e n c e、S c i e n c e D i r e c t、Em e r a l d I n s i g h t、T a y l o r&F r a n c i s、W i l e y、S p r i n g e r和I E E E X p l o r e。虽然多数据库检索会得到相同文献,但能有效减少遗漏。由于现有血液供应链管理相关文献大部分发表于过去1 0年内,所以没有限制发表日期。截至2 0 2 2年9月2 0日共检索到6 3 6 4篇文献。为保证文献样本质量,对初始检索文献按照排除标准进行筛选,最终选定论文1 1 6篇。图3描述了检索和筛选策略。表2 检索关键词T a b.2 S e a r c h k e y w o r d s关键词关键词1“b l o o d s u p p l y c h a i n”AN D“b i g d a t a”关键词2“b l o o d s u p p l y c h a i n”AN D“d a t a-d r i v e n”关键词3(“b l o o d s u p p l y”AN D“b i g d a t a”)O R(“b l o o d d e m a n d”AN D“b i g d a t a”)O R(“b l o o d i n v e n t o r y”AN D“b i g d a t a”)O R(“b l o o d m a n a g e m e n t”AN D“b i g d a t a”)O R(“b l o o d d o n a t i o n”AN D“b i g d a t a”)O R(“b l o o d c o l l e c t i o n”AN D“b i g d a t a”)O R(“b l o o d d i s t r i b u t i o n”AN D“b i g d a t a”)O R(“b l o o d d o n o r s”AN D“b i g d a t a”)关键词4(“b l o o d s u p p l y”AN D“d a t a-d r i v e n”)O R(“b l o o d d e m a n d”AN D“d a t a-d r i v e n”)O R(“b l o o d i n v e n t o r y”AN D“d a t a-d r i v e n”)O R(“b l o o d m a n a g e m e n t”AN D“d a t a-d r i v e n”)O R(“b l o o d d o n a t i o n”AN D“d a t a-d r i v e n”)O R(“b l o o d c o l l e c t i o n”AN D“d a t a-d r i v e n”)O R(“b l o o d d i s t r i b u t i o n”AN D“d a t a-d r i v e n”)O R(“b l o o d d o n o r s”AN D“d a t a-d r i v e n”)图3 检索与筛选策略F i g.3 S e a r c h a n d f i l t e r i n g s t r a t e g i e s2 8 2 系 统 管 理 学 报第3 3卷3 文献统计分析 为了直观地了解基于大数据的血液供应链管理研究进展,本节采用文献计量方法,首先对采用第2节检索方法得到的相关文献进行描述性统计分析,然后通过VO S v i e w e r软件绘制知识图谱可视化该领域研究现状。3.1 载文量分析 图4显示了2 0 2 2年9月以前基于大数据的血液供应链管理相关论文数量。由图4可以看出,2 0 1 6年以后,论文数量开始呈指数型增长,特别是2 0 1 92 0 2 0年期间增长迅速。2 0 2 2年论文数量虽然只包含9个月,但已经与2 0 2 1年持平。这一趋势表明,基于大数据的血液供应链管理研究方向是比较前沿的。3.2 发表期刊分析 文献发表期刊分析可以展示研究成果质量和所覆盖的学科类别。最终检索获得1 1 6篇文献,删除会议论文后,剩余1 0 4篇,其中,7 2篇论文来自美国UT D期 刊 榜 单、澳 大 利 亚A B D C期 刊 质 量 榜 单 图4 基于大数据的血液供应链管理论文数量F i g.4 N u m b e r o f p a p e r s r e l a t e d t o b l o o d s u p p l y c h a i n m a n a g e m e n t b a s e d o n b i g d a t a(A*和A期刊)以及S C I期刊(二区及以上),在高水平期刊上发表的论文占总论文数的6 9.2%,说明所选文献质量较高。文献发表期刊所属学科类别涵盖了血液学、运筹学与管理科学、工业工程、运输学、经济学、计算机科学、人工智能和电信学等,由此可见,基于大数据的血液供应链管理是一个多学科交叉的繁荣新兴研究领域。各领域研究学者可以加强合作,运用跨学科知识方法,使研究更加深化和专业化。表3列出了发表论文总数超过2篇的期刊(不计会议论文数量)和期刊所属学科类别。表3 不同期刊发表的论文数量T a b.3 N u m b e r o f p a p e r s p u b l i s h e d i n d i f f e r e n t j o u r n a l s序号期刊学科类别论文数量 占比/%1T r a n s f u s i o n血液学1 21 1.52A n n a l s o f O p e r a t i o n s R e s e a r c h运筹学与管理科学65.83T r a n s p o r t a t i o n R e s e a r c h P a r t E:L o g i s t i c s a n d T r a n s p o r t a t i o n R e v i e w运输学、经济学54.84I n d u s t r i a l M a n a g e m e n t&D a t a S y s t e m s计算机科学、工业工程32.95I S B T S c i e n c e S e r i e s血液学32.96J o u r n a l o f Am b i e n t I n t e l l i g e n c e a n d H u m a n i z e d C o m p u t i n g电信学、计算机科学、人工智能32.97O p e r a t i o n a l R e s e a r c h运筹学与管理科学32.98P r o d u c t i o n a n d O p e r a t i o n s M a n a g e m e n t运筹学与管理科学、制造工程32.99S o c i o-E c o n o m i c P l a n n i n g S c i e n c e s经济学、管理学32.91 0V o x S a n g u i n i s血液学32.91 1A p p l i e d S o f t C o m p u t i n g计算机科学、人工智能21.91 2C o m p u t e r s&I n d u s t r i a l E n g i n e e r i n g计算机科学、工业工程21.91 3E u r o p e a n J o u r n a l o f O p e r a t i o n a l R e s e a r c h运筹学与管理科学21.91 4I I S E T r a n s a c t i o n s运筹学与管理科学、工业工程21.91 5I n t e r n a t i o n a l J o u r n a l o f P r o d u c t i o n R e s e a r c h运筹学与管理科学、工业工程、制造工程21.91 6J o u r n a l o f E c o n o m i c B e h a v i o r&O r g a n i z a t i o n经济学21.91 7J o u r n a l o f I n t e l l i g e n t&F u z z y S y s t e m s计算机科学、人工智能21.91 8J o u r n a l o f t h e O p e r a t i o n a l R e s e a r c h S o c i e t y管理学21.91 9T r a n s f u s i o n a n d A p h e r e s i s S c i e n c e血液学21.9其他期刊(篇数低于2篇)4 24 0.4合计1 0 45 9.63.3 作者合作网络分析 随着科研全球化的不断深入,科研合作已成为学术研究的主流,有助于节约学术资源、产生新思想、增强学术竞争力、推动学科发展2 7。本节分析基于大数据的血液供应链管理领域研究中影响力较高的学者。已发表论文和引文最小阈值分别设置为1和2,3 7 3位作者中3 8位作者符合选择阈值,最终可视化作者合作网络如图5所示。不同颜色的圆和连线代表不同的作者合作群,每个圆表示一位作者,作者发表论文数量越多,圆圈越大。从论文数量来第2期郭心雨,等:基于大数据的血液供应链管理研究综述及展望2 8 3 看,H o s s e i n i-M o t l a g h(8篇)、C h e n(5篇)和S a m a n i(5篇)成 果 最 多;从 引 用 次 数 来 看,H o s s e i n i-M o t l a g h(1 7 8次)、B r a i l s f o r d(1 6 7次)和Z a h i r i(1 6 4次)被引用最多。综上可知,H o s s e i n i-M o t l a g h是这一领域最有影响力的学者。图5 基于大数据的血液供应链管理作者合作网络知识图谱F i g.5 A u t h o r c o l l a b o r a t i o n n e t w o r k k n o w l e d g e g r a p h f o r b l o o d s u p p l y c h a i n m a n a g e m e n t b a s e d o n b i g d a t a图6 基于大数据的血液供应链管理关键词共现知识图谱F i g.6 K e y w o r d c o-o c c u r r e n c e k n o w l e d g e g r a p h f o r b l o o d s u p p l y c h a i n m a n a g e m e n t b a s e d o n b i g d a t a3.4 关键词共现分析 关键词共现分析的基本原理是两两统计一组词在同一组文献出现的次数,通过共现次数来测度它们之间的亲疏关系,并以共现强度作为基本计量单位,对共现集合进行聚类分析2 8。关键词共现分析有助于进一步了解领域研究热点和发展动向。本节通过关键词共现分析展示现有文献热点关键词并进行主题聚类。设置关键词最小出现次数为5,合并相同含义关键词,最终可视化关键词3 5个,结果如图6所示。不同颜色代表不同聚类主题,节点越大表示关键词出现频率越高,节点连接线的粗细表示关键词之间联系的强度。由图6可以看出,最频繁出现的关键词是血液供应链(b l o o d s u p p l y c h a i n,6 5次)、人(h u m a n,3 5次)、预测(f o r e c a s t i n g,2 3次)和献血(b l o o d d o n a t i o n,2 0次),这些关键词被聚类为3个领域,第1类包括人、性别、献血者和献血群体等,第2类包括预测、大数据、神经网络和机器学习等,第3类包括血液供应链、血液供应、随机性和优化等。3.5 引文分析 引文分析揭示了文献被引用的数量特征和内在规律,用以确定该领域最具影响力的论文。本文设置最低引文量为5篇,最终可视化论文3 7篇,如图7所示。引用次数由节点大小表示,节点越大,被引用次数越多。用不同颜色区分聚类结果,同一颜色表示相同研究方向或研究类型。被引量前3篇的论文分别是K a t s a l i a k i(2 0 0 7)、Z a h i r i(2 0 1 7)和R a m e z a n i a n(2 0 1 7),分别被引1 2 9次、1 0 8次和8 3次。图7 基于大数据的血液供应链管理文献引文知识图谱F i g.7 L i t e r a t u r e c i t a t i o n k n o w l e d g e g r a p h f o r b l o o d s u p p l y c h a i n m a n a g e m e n t b a s e d o n b i g d a t a4 基于大数据的血液供应链管理研究主题分析 通过对第3节文献统计分析发现,基于大数据的血液供应链管理研究取得了一些研究成果,但目前的研究主题繁杂,有必要对这些文献进行更深入的系统梳理和回顾,以提取该领域研究的系统框架和科学问题。本部分对现有基于大数据的血液供应链管理研究进行主题分析。由于血液库存管理和分配管理往往融合在一起,故将血液库存管理和血液分配管理合并为一个专题,分为基于大数据的血液采集管理、血液库存和分配管理以及血液供应链网络设计3个专题回顾文献,每个专题中进一步梳理了子主题。对这些子主题述评时,重点分析文献中大数据的应用方式。4.1 基于大数据的血液采集管理研究 血液供应依赖献血者献血,献血人群比例低、献血者流失严重是血液采集环节面临的管理难题。因此,基于血液采集环节大数据,研究不同特征献血者献血的客观规律,有针对性地宣传招募,对帮助血液中心增加献血者数量、减少献血者流失具有重要意义2 9。因此,本节梳理相关文献,根据“献血者细分-献血者招募-献血者保留”这一顺序给出3个子2 8 4 系 统 管 理 学 报第3 3卷主题:献血者分类;献血行为分析;献血者保留。首先,通过献血者大数据对献血者细分,精准把握献血人群的特点;其次,根据献血人群特征结合献血行为大数 据分析献 血者行 为 规 律 和 影 响 因素3 0,帮助血站更高效地找到潜在献血者;最后,通过探究献血者保留,鼓励献血者进行重复献血,从而构建稳定的献血队伍。表4总结了每个子主题的重要文献以及大数据的应用方式。表4 基于大数据的血液采集管理关键文献综述T a b.4 C r i t i c a l l i t e r a t u r e r e v i e w o n b l o o d c o l l e c t i o n m a n a g e m e n t b a s e d o n b i g d a t a主题重要发现/贡献大数据的应用方式献血者分类献血行为分析献血者保留根据献血者偏好将城市献血者分为7类群体3 2聚类数据重复献血者特征分析3 3统计分析数据将献血者分为返回献血者和流失献血者3 5-3 7训练-验证模型不同特征献血者最优采集方法问题3 8,4 0建模-验证模型献血行为宏观规律与趋势分析3 4,4 1统计分析数据基于让渡价值理论分析献血行为的影响因素4 2实证分析数据付费媒体、自有媒体和赢得媒体投放量对献血量的影响4 4建模-验证模型关注微信公众号对献血行为的影响4 2,4 5实证分析数据献血地点对献血行为的影响4 6统计分析数据温度和降水量对献血量的影响4 7实证分析数据献血者保留预测4 8-4 9训练-验证模型激励措施如血液健康检查、彩票对献血者保留的影响5 0-5 1实验数据用血反馈对献血者保留的影响5 1实验数据沟通方式(短信、电子邮件)对献血者保留的影响5 3-5 4实验数据等待时间对献血行为的影响5 6实证分析数据4.1.1 献血者分类 众多学者对献血者分类并进行特征分析3 0-3 1。B o e n i g k等3 2通过探索型因子分析和聚类,根据献血者偏好将2 0 6 2名城市献血者分为7类群体,包括热情型、生活便利型、事业型、事件型、高质量型、信息型和无兴趣型群体。K a s r a i a n等3 3分析了4 2 0 0名重复献血者的特征,发现男性、中年和低学历献血者居多。R a f i e e等3 4对比分析伊朗C OV I D-1 9期间和往年同期的不同类别献血者特征,结果表明,首次献血者、女性、1 82 4岁和4 55 4岁的献血者比例增加。S e l v a r a j等3 5通过机器学习方法将献血者二分类为返回献血者和流失献血者,年龄、性别、历史献血次数和献血量以及末次献血 时 间 是 被 较 多 使 用 的 特 征 值。A l k a h t a n i等3 6收集了沙特3.5万名献血者数据,用逻辑回归、随机森林和支持向量分类器等机器学习算法开发和评估模型。K i r c i等3 7选取献血行为大数据,利用分类算法中的逻辑回归和朴素贝叶斯方法预测7 4 8名献血者是否在未来献血。一些学者研究不同特征献血者的采集策略3 8-3 9。O s o r i o等4 0研究献血者的最优采集方法分配问题,即献血者分为全血采集(采集全血后分离血液制品)和血液分离采集(直接采集血液制品),构建多目标随机整数线性规划模型,并收集献血者数据、供应和输血大数据进行案例研究以证明模型有效性。4.1.2 献血行为分析 一些学者从宏观上统计分析了献血行为的规律与趋势。G u o等4 1利用南宁市历史供需大数据预测了不发生C OV I D-1 9时的供 应 量 并 与 实 际 值 对 比 刻 画 血 液 变 化 的 趋 势。R a f i e e等3 4对比分析了伊朗C OV I D-1 9和往年同期的献血供应量变化。献血行为影响因素始终是血液采集管理研究的热点问题。C h e n等4 2基于让渡价值理论,使用问卷量表数据与献血行为大数据关联匹配,全面分析了献血行为的影响因素,结果表明,人员价值和形象价值有正向影响,时间成本有负向影响。部分学者研究了社交媒体对献血行为的影响4 3。A r a v i n d a k s h a n等4 4通过数学模型研究付费媒体、自有媒体(Y o u T u b e和F a c e b o o k的宣传)和赢得媒体(F a c e b o o k上的评论)投放量对当期献血量的影响,通过使用血液中心的每日献血大数据和广告成本数据进行验证,结果表明,付费媒体和赢得媒 体 对 献 血 水 平 有 正 向 影 响,而Y o u T u b e和F a c e b o o k的页面宣传并没有影响。G u o等4 5使用德阳市微信公众号后台数据结合献血行为大数据,利用多期D I D方法分析常态下和疫情下微信公众号对献血行为的影响,研究表明,关注微信公众号能提升献血量。部分学者研究客观条件对献血行为的影响。M e r z等4 6通过多层次模型分析了献血点对献血行为的影响,数据集包括荷兰2 5 7个献血点的1 8 8 9名献血者,结果表明,地理位置和开放时间对献血者行为有影响。L i n等4 7利用2 1 3万条献血行为大数据和4年天气数据构建广义加性模型,研究了温度和降水对献血量的影响,当气温为1 8 时,第2期郭心雨,等:基于大数据的血液供应链管理研究综述及展望2 8 5 献血量最多,当日累计降水量达到2 0 0 mm时,献血量最少。4.1.3 献血者保留 部分学者用多种特征值预测献血者的保留。K a u t e n等4 8收集了6.3万名献血者的5 1个特征,通过多种机器学习方法预测献血者保留,结果表明,决策树是最优预测模型,献血者未来献血计划、血液中心与献血者的联系是最有影响力的特征值。C l o u t i e r等4 9使用随机森林方法预测了8.2万名年轻献血者返回行为,发现年龄和不良反应也是重要的预测指标。部分学者研究激励措施对献血者保留的影响。L e i p n i t z等5 0通过对8万名献血者的对比实验研究了血液健康检查对献血者保留的作用,结果表明,提供全面的血液健康检查是一种可行且低成本的营销策略。G o e t t e等5 1对1万名献血者进行了3个月的大规模现场试验和1 5个月的追踪期,研究了提供彩票对献血者返回献血的影响,结果表明,实验组比对照组的返回献血率高5.6%。一项对8 0 0 0名献血者进行的实验表明,献血者的用血反 馈也是献 血者保 留 的 重 要 影 响 方式5 2。部分学者研究沟通方式对献血者保留的影响。G e m e l l i等5 3对2 6 0 0名献血者发送短信献血请求,1 2个月的追踪结果表明,收到短信的献血者返回献血的几率比为7 0.3%,高于对照组献血者群体的6 2.6%。同样地,一项针对5 4万名献血者的追踪结果表明,短信是比电子邮件更有效的沟通方式5 4。部分学者研究负面因素对献血者保留的影响5 5。C r a i g等5 6对1 3 7 0名献血者的等待时间计时,观察4 4个月后这些献血者的返回行为,得到了等待时间对献血者实际返回行为的影响,结果表明,等待时间每高于平均值一个标准差,献血者返回的可能性就降低6%,通过节约献血时间保留献血者。J i a n g等5 7设计了一个献血同意书的电子签名流程,使 平 均 确 认 时 间 减 少2