学术报告

这篇文章的标题为“Key Influencing Factors and Optimization Strategy of Epidemic Resilience in Urban Communities—A Case Study of Nanjing, China”，作者包括Peng Cui、Yi Liu、Xuan Ju，以及Tiantian Gu，这些作者分别隶属于南京林业大学土木工程学院工程管理系和中国矿业大学力学与土木工程学院工程管理系。本文发表于2022年，由《International Journal of Environmental Research and Public Health》期刊以开放获取形式发布。

本文属于类型a，即一项原创研究的报告，研究的主要目标是探索中国南京市社区在应对COVID-19疫情传播时的弹性加强路径，并提出相应的优化策略。以下是对研究的系统介绍。

学术背景

COVID-19疫情对全球经济和社会造成了极大的冲击，引发了需要加强社区在自然灾害和社会公共卫生紧急事件中弹性的学术探讨。社区作为城市的基本单元，是阻止病毒传播以及实现灾后恢复的关键节点。与此同时，提升社区的抗疫弹性（epidemic resilience）能够从基层强化国家突发公共卫生事件的应对能力。

现有研究表明，社区的抗疫弹性与其“4R”特性相关，具体包括稳健性（Robustness）、快速性（Rapidity）、冗余性（Redundancy）和资源整合力（Resourcefulness）。然而，在COVID-19疫情背景下，优化社区抗疫弹性的影响因素尚未被系统识别，且这些因素之间的相互关系也缺少明确的结构研究。因此，本项研究旨在识别南京市城市社区抗疫弹性的影响因素，并探讨这些因素的等级结构关系，为政策制定者提供理论依据和实践参考。

研究流程

方法概述

本研究设计了一个由系统文献综述（Systematic Literature Review, SLR）、主成分分析（Principal Component Analysis, PCA）、解释结构建模（Interpretive Structural Model, ISM）以及PROMETHEE II分析方法组成的综合研究流程。研究分为以下三个主要步骤：

1. 基于文献综述确定影响因素初步集合，并使用主成分分析进一步筛选与分类；
2. 基于专家访谈数据应用ISM方法，建立多因素的层次结构关系模型；
3. 在南京四个不同的社区（D社区、S社区、T社区和F社区）中应用PROMETHEE II方法进行弹性表现分析。

第一阶段：影响因素筛选

研究首先从ScienceDirect和Wiley Online Library数据库中，以“COVID-19”“Community”“Resilience/Resilient”为关键词检索2019年至2022年间的文献，经过标题筛选、摘要筛选、全文筛选及参考文献追溯，共获得45篇相关文献。这些文献为研究提供了初步的指标集合。

基于文献中的关键词频率分析，将出现频率大于或等于3次的相关指标筛选出，并通过问卷调查的方式获得30份有效问卷结果，对拟定的21个潜在影响因素进行了统计，随后通过PCA分析确定了8个主要影响因素。

这些最终确定的影响因素包括：经济水平（Economic Level）、社会网络（Social Network）、应急响应（Emergency Response）、日常管理（Daily Management）、医疗资源（Medical Resources）、公共服务资源（Public Service Resources）、灾害经验（Experience in Disaster）和信息技术水平（Information Technology）。这些因素分别归属到4R特性框架中的具体维度。

第二阶段：解释结构建模

通过专家评分与关系矩阵构建，研究进一步通过ISM方法揭示了8个因素的层次结构。ISM模型显示，各因素的关系可以分为四个层次：

• 根源层（Root Level）：经济水平（C1）；
• 深层（Deep Level）：灾害经验（C7）、信息技术水平（C8）；
• 中层（Middle Level）：公共服务资源（C6）、医疗资源（C5）；
• 浅层（Shallow Level）：社会网络（C2）、应急响应（C3）、日常管理（C4）。

这种层次结构帮助揭示了不同因素在社区抗疫弹性中的作用以及其间的因果关系。

第三阶段：弹性性能评价

研究选取南京市玄武区梅园街下辖的四个社区（D社区、S社区、T社区、F社区），结合PROMETHEE II方法对其抗疫弹性进行了分析。研究通过专家打分方法评估每一社区在八个主要影响因素上的表现，并使用GAIA分析法进行了权重敏感性测试。

研究结果

1. 主要影响因素的表现分析

   • 在经济水平（C1）和信息技术（C8）指标上，D社区表现最佳，F社区最差。
   • 医疗资源（C5）方面，T和S社区表现较优，原因在于T社区依托军队医院和统一管理，而S社区拥有高级医疗机构。
   • 在公共服务资源（C6）方面，D社区由于其快速发展的经济条件和旺盛的需求显著表现优异。

2. 因素灵敏性和叠加效应

   • 经济水平和公共服务资源在F社区中需要优先改善。这些指标一旦提升至一定权重，将有效增强其抗疫弹性。
   • 信息技术的过度投入对F和D社区效果有限，但对T社区则显得较为关键。
   • 社会网络复杂度的提升对抗疫弹性的影响存在临界值，一旦超过该值，可能对F社区以及S社区造成负面影响。

3. 社区的弹性排行 基于综合评分，D社区总体表现最好，T社区次之，S社区居中，F社区表现最差。

研究结论

研究确定了经济水平、公共服务资源、信息技术等因素对提高社区抗疫弹性的重要性。这些因素的分类和排序为今后社区治理实践提供了借鉴路径。通过ISM和PROMETHEE II方法的结合应用，研究验证了社区特性对弹性表现的贡献，同时提出以下三大优化及政策启示：

1. 合理配置公共资源，根据社区经济和人口特征优化医疗和公共服务资源；
2. 确保信息传递的精准性，提升信息传播的稳定性和效率；
3. 加强灾害相关经验的学习和培训，定期进行应急演练。

研究的意义与亮点

本研究的亮点包括： - 提出了综合模型（SLR, PCA, ISM, PROMETHEE II）研究社区弹性的创新方法； - 构建了详细的抗疫弹性因果层次模型，为政策与实操提供理论支持； - 提出了针对不同社区特点的优化策略，具有高现实应用价值，对于世界范围内类似研究亦具有启发意义。

本研究不仅从理论上丰富了 urban resilience 的研究框架，还通过南京市的实证案例验证了方法的适用性，为社区治理提供了实操参考。未来的研究可以进一步扩展指标范围，并通过模拟技术来验证优化路径的实际效应。