全國(guó)新型冠狀病毒肺炎空間分布及空間聚集性淺析

石瑩，柏如海，李蕾，董琬月，馬文，呂軍，徐安定

2019年12月上旬，湖北省武漢市發(fā)現(xiàn)了首例來(lái)源不明的肺炎病例[1]，經(jīng)確認(rèn)這類疾病的病原為新型冠狀病毒[2]，2020年1月30日，世界衛(wèi)生組織（WHO）宣布新型冠狀病毒感染的肺炎疫情已構(gòu)成國(guó)際關(guān)注的突發(fā)公共衛(wèi)生事件[3]。2月11日,國(guó)際病毒分類委員會(huì)（CSG）將新型冠狀病毒命名為嚴(yán)重急性呼吸系統(tǒng)綜合征冠狀病毒2型（Severe acute respiratory syndrome coronavirus 2，SARS-CoV-2）[4]。由SARS-CoV-2引起的肺炎被WHO命名為新型冠狀病毒肺炎（Corona Virus Disease 2019，COVID-19）[5]。

為盡快控制新型冠狀病毒的傳播，湖北省武漢市于1月23日封城，湖北省于1月24日正式啟動(dòng)重大突發(fā)公共衛(wèi)生事件一級(jí)響應(yīng)。至1月29日全國(guó)31個(gè)?。ㄗ灾螀^(qū)、直轄市）已全部啟動(dòng)重大突發(fā)公共衛(wèi)生事件一級(jí)響應(yīng)。國(guó)家衛(wèi)生健康委頒布一系列新型冠狀病毒肺炎防控方案，包括個(gè)人防護(hù)指南、消毒技術(shù)方案、病例檢測(cè)方案等。

截止2月8日，除湖北省外全國(guó)其他省份新增確診病例連續(xù)第5日下降?？傮w看，湖北省外其他省份疫情出現(xiàn)明顯的積極向好變化。目前，有較多文章對(duì)COVID-19的流行病學(xué)特征、臨床特征、診療方法、流行趨勢(shì)預(yù)測(cè)模型等[6-8]進(jìn)行詳細(xì)描述。但對(duì)COVID-19的整體空間分布情況關(guān)注較少。探索COVID-19的空間分布與空間聚集性有利于指導(dǎo)該疾病的監(jiān)測(cè)以及防控計(jì)劃的制定和實(shí)施。本研究利用各省市衛(wèi)生健康委員會(huì)報(bào)告的COVID-19累計(jì)確診病例數(shù)和新增確診病例數(shù)，描述全國(guó)各地級(jí)行政區(qū)（直轄市、特別行政區(qū)）COVID-19的空間分布特征，并基于空間自相關(guān)模型探討COVID-19的空間聚集性特征，為進(jìn)一步衛(wèi)生干預(yù)措施的制定及實(shí)施提供參考。

1 資料與方法

1.1 資料來(lái)源COVID-19累計(jì)確診病例數(shù)和新增確診病例數(shù)來(lái)源于全國(guó)各省市衛(wèi)生健康委員會(huì)數(shù)據(jù)[9-11]。確診病例數(shù)最終按全國(guó)地級(jí)行政區(qū)劃333個(gè)加上北京市、天津市、重慶市、上海市等4個(gè)直轄市和香港、澳門(mén)等2個(gè)特別行政區(qū)進(jìn)行匯總整理。本研究中未包括臺(tái)灣省COVID-19信息。全國(guó)2016版地理信息數(shù)據(jù)來(lái)源于中國(guó)國(guó)家基礎(chǔ)地理信息中心。

1.2 分析方法運(yùn)用GeoDa1.8.12軟件將基礎(chǔ)地圖的地級(jí)行政區(qū)劃空間數(shù)據(jù)庫(kù)和整理后的COVID-19確診病例數(shù)據(jù)庫(kù)進(jìn)行匹配，采用軟件中的空間統(tǒng)計(jì)分析模塊進(jìn)行全局和局部空間自相關(guān)分析。

1.3 空間自相關(guān)理論探索性空間數(shù)據(jù)分析方法是一系列空間數(shù)據(jù)分析方法和技術(shù)的集合，它以空間關(guān)聯(lián)測(cè)度為核心，注重研究數(shù)據(jù)的空間依賴性與空間異質(zhì)性，通過(guò)對(duì)事物空間分布格局的描述與可視化，發(fā)現(xiàn)空間集聚和空間異常,揭示研究對(duì)象之間的空間相互作用機(jī)制[12,13]?？臻g自相關(guān)是探索性空間數(shù)據(jù)分析的重要方法，是空間單元屬性的度量，是指同一變量在不同空間位置上的相關(guān)性，包括全局空間自相關(guān)與局部空間自相關(guān)。

全局空間自相關(guān)分析整個(gè)研究區(qū)域分析屬性的空間分布是否存在聚集性，局部空間自相關(guān)分析是在全局空間自相關(guān)分析的基礎(chǔ)上，進(jìn)一步研究局部區(qū)域內(nèi)觀測(cè)值高值或低值是否存在空間聚集現(xiàn)象，同時(shí)揭示是否存在個(gè)別相關(guān)關(guān)系被全局自相關(guān)關(guān)系所覆蓋[14]。本研究利用GeoDa 1.8.12軟件基于全國(guó)地級(jí)行政區(qū)劃生成空間權(quán)重矩陣，進(jìn)行全局空間自相關(guān)與局部空間自相關(guān)分析。

全局空間自相關(guān)用Moran's Ⅰ表示。Moran'sⅠ指標(biāo)可以分析變量在空間分布的聚集模式、離散模式或隨機(jī)模式。當(dāng)Moran's Ⅰ＞0，且具有統(tǒng)計(jì)學(xué)意義時(shí)，表明隨機(jī)現(xiàn)象存在空間分布的聚集性；Moran's Ⅰ＜0，且具有統(tǒng)計(jì)學(xué)意義，表明隨機(jī)現(xiàn)象均勻分布；Moran's Ⅰ＝0，且具有統(tǒng)計(jì)學(xué)意義，表明隨機(jī)現(xiàn)象在空間上隨機(jī)分布[14,15]。局部空間自相關(guān)使用局部Moran指數(shù)表示。局部Moran指數(shù)為正值表明與周圍單位存在相似的空間聚集；局部Moran指數(shù)為負(fù)值表明與周圍單位存在不相似的空間聚集。運(yùn)用Z檢驗(yàn)對(duì)局部Moran指數(shù)進(jìn)行檢驗(yàn)，當(dāng)P＜0.05，表明存在局部空間自相關(guān)關(guān)系。局部空間自相關(guān)分為4種模式：Low-Low模式（隨機(jī)現(xiàn)象值低于均值的空間單元被隨機(jī)現(xiàn)象值低于均值的空間單元所包圍），High-High模式（隨機(jī)現(xiàn)象值高于均值的空間單元被隨機(jī)現(xiàn)象值高于均值的空間單元所包圍），Low-High模式（隨機(jī)現(xiàn)象值低于均值的空間單元被隨機(jī)現(xiàn)象值高于均值的空間單元所包圍），High-Low模式（隨機(jī)現(xiàn)象值高于均值的空間單元被隨機(jī)現(xiàn)象值低于均值的空間單元所包圍）[15]。由于本研究?jī)H關(guān)注COVID-19的高值聚集現(xiàn)象，故本研究結(jié)果中僅對(duì)High-High模式進(jìn)行展示與討論。

2 結(jié)果

2.1 基本情況如圖1所示，本研究共收集全國(guó)339個(gè)地級(jí)行政區(qū)（直轄市，特別行政區(qū)）累計(jì)確診病例數(shù)及新增確診病例數(shù)。2020年1月24日，即湖北省啟動(dòng)重大公共衛(wèi)生突發(fā)衛(wèi)生事件一級(jí)響應(yīng)。累計(jì)確診病例數(shù)最多為湖北省武漢市572例，除湖北省以外，累計(jì)確診病例數(shù)最多的為重慶市57例。除湖北省外，新增確診病例數(shù)最多為廣東省深圳市的2例。2020年1月29日，即全國(guó)31個(gè)省市均啟動(dòng)公共衛(wèi)生突發(fā)事件一級(jí)響應(yīng)。COVID-19累計(jì)確診病例數(shù)最多為湖北省武漢市2261例，除湖北省外最多為浙江省溫州市165例，除湖北省外新增確診病例數(shù)最多為上海市5例。2020年2月8日累計(jì)確診病例數(shù)最多為湖北省武漢市11 618例，除湖北省外最多為浙江省溫州市421例，除湖北省外新增確診病例數(shù)最多為浙江省溫州市70例。

圖1 全國(guó)地級(jí)行政區(qū)COVID-19累計(jì)確診人數(shù)與新增確診人數(shù)

2.2 全局空間自相關(guān)分析如表1所示，我國(guó)各地級(jí)行政區(qū)（直轄市、特別行政區(qū)）COVID-19累積確診病例數(shù)于1月24日、29日及2月8日這3日的全局Moran's Ⅰ系數(shù)分別為0.047、0.209、0.171，其中1月29日Moran's Ⅰ系數(shù)最高，各日系數(shù)均為正值，且具有統(tǒng)計(jì)學(xué)意義，即COVID-19的累積確診病例數(shù)存在空間聚集現(xiàn)象。

對(duì)這3日COVID-19的新增確診病例數(shù)進(jìn)行全局空間自相關(guān)分析，結(jié)果顯示1月24日、1月29日全局Moran's Ⅰ空間自相關(guān)系數(shù)接近于零，不具有統(tǒng)計(jì)學(xué)意義，表明新增確診病例數(shù)在空間單位中沒(méi)有出現(xiàn)地區(qū)聚集；而2月8日全局Moran's Ⅰ空間自相關(guān)系數(shù)為正值且具有統(tǒng)計(jì)學(xué)意義，表明2月8日COVID-19新增確診病例數(shù)存在空間聚集現(xiàn)象。

表1 全國(guó)COVID-19累計(jì)確診病例及新確診病例全局空間自相關(guān)分析

2.3 COVID-19累計(jì)確診病例的局域空間自相關(guān)分析如圖2A所示，從全國(guó)各地級(jí)行政區(qū)（直轄市、特別行政區(qū)）COVID-19的累積確診病例數(shù)來(lái)看，1月24日除湖北省武漢市、黃岡市等湖北省內(nèi)的8個(gè)地級(jí)市外，浙江省寧波市、嘉興市、紹興市、河南省信陽(yáng)市、安徽省安慶市和香港特別行政區(qū)共14個(gè)地級(jí)市與特別行政區(qū)呈現(xiàn)出High-High模式。

如圖2B所示，1月29日除湖北省武漢市、黃岡市等湖北省內(nèi)的14個(gè)地級(jí)市外，浙江省臺(tái)州市、湖南省岳陽(yáng)市、河南省信陽(yáng)市、安徽省安慶市及江西省九江市共19個(gè)地區(qū)呈現(xiàn)出高值聚集模式。浙江省寧波市、嘉興市、紹興市及香港特別行政區(qū)與周邊地區(qū)都不再呈現(xiàn)High-High模式。

如圖2C所示，2月8日除湖北省武漢市、黃岡市等湖北省內(nèi)的13個(gè)地級(jí)市外，湖南省岳陽(yáng)市、河南省信陽(yáng)市、南陽(yáng)市以及及江西省九江市共17個(gè)地區(qū)呈現(xiàn)出High-High模式。浙江省臺(tái)州市與安徽省安慶市不再呈現(xiàn)High-High模式。

2.4 COVID-19新增確診病例的局域空間自相關(guān)分析如圖3所示，不同時(shí)間點(diǎn)COVID-19新增確診病例數(shù)空間聚集性有所變化，但其演變趨勢(shì)與COVID-19累積確診病例數(shù)空間聚集動(dòng)態(tài)變化并不完全一致。1月24日與1月29日全局空間自相關(guān)系數(shù)顯示COVID-19新增確診病例數(shù)并不具有空間聚集現(xiàn)象。2月8日COVID-19新增確診病例數(shù)呈現(xiàn)出空間聚集性，除湖北武漢市、黃岡市等湖北省內(nèi)的15個(gè)地級(jí)市外，浙江紹興市、金華市、臺(tái)州市及湖南省岳陽(yáng)市、常德市、益陽(yáng)市、婁底市以及河南省信陽(yáng)市共22個(gè)地區(qū)呈現(xiàn)為High-High模式。

圖2 我國(guó)COVID-19累積確診病例的LISA聚集性地圖

圖3 我國(guó)COVID-19新增確診病例的LISA聚集性地圖

3 討論

本研究以COVID-19累積和新增確診病例為研究對(duì)象，選擇COVID-19疫情爆發(fā)期間的三個(gè)時(shí)間點(diǎn)，運(yùn)用空間統(tǒng)計(jì)學(xué)方法分析其在全國(guó)的空間分布、空間聚集性及在不同時(shí)期的分布特征。空間自相關(guān)結(jié)果表明，COVID-19累積及新增確診病例數(shù)均具有空間聚集性，且不同時(shí)間點(diǎn)COVID-19確診病例的聚集性在空間分布上存在差異。充分利用病例的空間信息，有助于評(píng)價(jià)COVID-19的防控效果，進(jìn)一步優(yōu)化衛(wèi)生資源配置，有針對(duì)性的制定防控策略提供參考。

全局空間自相關(guān)分析結(jié)果顯示，在1月24日、1月29日及2月8日COVID-19累計(jì)確診病例數(shù)Moran'sⅠ值均＞0，且具有統(tǒng)計(jì)學(xué)意義，提示全國(guó)各地級(jí)行政區(qū)（直轄市、特別行政區(qū)）COVID-19累計(jì)確診病例數(shù)在總體上具有空間聚集性，且為正向空間自相關(guān)，即COVID-19累計(jì)確診病例數(shù)較多地區(qū)相鄰，較少地區(qū)相鄰。其中1月29日Moran'sⅠ系數(shù)最大，表明聚集水平在總體上呈先上升后下降的趨勢(shì)，即自1月29日起全國(guó)各省市自治區(qū)均啟動(dòng)重大突發(fā)公共衛(wèi)生事件一級(jí)響應(yīng)后COVID-19累計(jì)確診病例數(shù)的地區(qū)差距呈現(xiàn)縮小趨勢(shì)。相較于1月29日，2月8日COVID-19累計(jì)確診病例數(shù)聚集區(qū)域有所減少。究其原因，可能是由于全國(guó)啟動(dòng)重大突發(fā)公共衛(wèi)生事件一級(jí)響應(yīng)后使得各地區(qū)加大對(duì)COVID-19疫情防控力度、醫(yī)療衛(wèi)生資源投入、全面落實(shí)聯(lián)防聯(lián)控各項(xiàng)工作措施，從而有效控制湖北省內(nèi)外人口流動(dòng)，同時(shí)各地區(qū)COVID-19規(guī)范化診療和報(bào)告、COVID-19確診率大幅提升也使得地區(qū)間的差異逐漸減小。與此同時(shí)，COVID-19新增確診病例數(shù)呈現(xiàn)明顯的正向空間自相關(guān)，此前1月24日、1月29日COVID-19新增確診病例數(shù)均沒(méi)有地區(qū)聚集現(xiàn)象，主要是由于COVID-19最長(zhǎng)潛伏期較久，各地區(qū)感染SARSCoV-2的基礎(chǔ)水平不同。

局部空間自相關(guān)分析結(jié)果顯示，全國(guó)COVID-19確診病例的高值聚集區(qū)主要集中于華中地區(qū)。早期COVID-19累計(jì)確診病例高值聚集區(qū)除湖南省外集中于浙江省、安徽省和河南省部分地區(qū)，到1月29日高值聚集區(qū)增加江西省和湖南省的部分地區(qū)。由于湖北省武漢市是中國(guó)內(nèi)陸最大的綜合交通樞紐，起著連接?xùn)|西、貫通南北的重要作用，對(duì)外交流密切[16]。同時(shí)湖北省、安徽省、浙江省同屬長(zhǎng)江經(jīng)濟(jì)帶，春運(yùn)期間人員流動(dòng)復(fù)雜，從而造成省內(nèi)多個(gè)地區(qū)的高值聚集現(xiàn)象。2月8日，COVID-19累計(jì)確診病例數(shù)聚集區(qū)域有所減少，浙江省內(nèi)地區(qū)不再有高值聚集現(xiàn)象，湖南省、河南省和江西省部分與湖南省鄰近地區(qū)顯示有高值聚集現(xiàn)象。但COVID-19新增確診病例數(shù)聚集區(qū)域集中于浙江省、湖南省和河南省部分地區(qū)。提示浙江省內(nèi)各地區(qū)新增確診病例較多，使得地區(qū)間累計(jì)確診病例數(shù)差異不再明顯。而湖南省和河南省部分與湖北省臨近地區(qū)仍具有較強(qiáng)的空間自相關(guān)性。很可能是由于人口流動(dòng)，經(jīng)濟(jì)交流，城際交往等原因而導(dǎo)致的[17]。

因此，建議對(duì)高值聚集區(qū)特別是湖北省周邊緊鄰地區(qū)采取更加嚴(yán)格的防控措施，有效控制人員來(lái)往，以控制疫情的傳播。目前嚴(yán)格防控條件下的復(fù)工復(fù)產(chǎn)對(duì)于提供疫情所需生產(chǎn)資料，以及疫情后的生產(chǎn)恢復(fù)至關(guān)重要。對(duì)于高值聚集區(qū)而言，控制疫情發(fā)展仍是主要工作重點(diǎn)。對(duì)于非高值聚集區(qū)域而言，恢復(fù)生產(chǎn)活動(dòng)時(shí)，要注意對(duì)疫情的防控，防患于未然。

綜上所述，本研究利用空間自相關(guān)分析發(fā)現(xiàn)全國(guó)確診病例具有空間正相關(guān)性，存在著明顯的聚集區(qū)域。通過(guò)LISA聚集性地圖直觀展示全國(guó)COVID-19確診病例的聚集區(qū)域，同時(shí)確定了湖北省外COVID-19患病高值聚集的地區(qū)。為進(jìn)一步制定有效的防控策略，采取相應(yīng)強(qiáng)度的防控措施具有一定的指導(dǎo)意義。