安徽省COVID-19疫情的時(shí)空格局演變與影響因素分析

洪丹丹,徐婷婷,王皎貝,尚小清,2，李 鋼，2，3

(1.西北大學(xué) 城市與環(huán)境學(xué)院，陜西 西安 710127;2.陜西省地表系統(tǒng)與環(huán)境承載力重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710127；3.西北大學(xué) 地表系統(tǒng)與災(zāi)害研究所，陜西 西安 710127)

新型冠狀病毒肺炎(COVID-19)疫情作為重大突發(fā)公共衛(wèi)生事件,引起了世界各國的高度重視[1-2]。據(jù)世界衛(wèi)生組織和國家衛(wèi)生健康委員會(huì)官網(wǎng)通報(bào),截至2020年12月23日,全球COVID-19確診病例已超7 830萬。其中,中國累計(jì)確診病例共86 899例,累計(jì)死亡病例4 634例。在全國人民的共同努力下,我國疫情已基本得到控制,但境外多個(gè)國家疫情仍處于動(dòng)態(tài)擴(kuò)散期。整體來看,全球疫情防控局勢依然十分嚴(yán)峻。

疫情發(fā)生后，科研人員從病原學(xué)、流行病學(xué)、傳播動(dòng)力學(xué)、心理學(xué)等多個(gè)領(lǐng)域?qū)π滦凸跔畈《痉窝渍归_研究。在病原學(xué)領(lǐng)域,Zhou等[3]通過基因序列比對揭示了新型冠狀病毒與蝙蝠冠狀病毒相似度高達(dá)96%;David等[4]在基因組層面鎖定了穿山甲是COVID-19的潛在中間宿主;在流行病學(xué)領(lǐng)域,趙頌濤[5]、鄭穎彥等[6]認(rèn)為不同臨床分型患者的肺部CT影像表現(xiàn)不同。李茜[7]、佘佳桐等[8]針對兒童這一特殊群體展開研究,發(fā)現(xiàn)兒童由于自身免疫系統(tǒng)不夠完善從而成為疫情中的易感人群,且多數(shù)為家族聚集性發(fā)病。傳播動(dòng)力學(xué)主要聚焦于構(gòu)建疾病傳播模型,游光榮等[9]基于修正后的SEIR模型,評估了武漢延后采取防控干預(yù)措施可能對國內(nèi)疫情帶來的影響。作為一種急性乙類傳染病,COVID-19極大威脅著社會(huì)群體的生理和心理健康。有學(xué)者[10-11]從心理學(xué)角度,以發(fā)放問卷的形式對防控一線的醫(yī)療人員、在校大學(xué)生等群體進(jìn)行調(diào)查,倡導(dǎo)及時(shí)對不同職業(yè)的人群進(jìn)行心理咨詢和輔導(dǎo)。

疫情的傳播是典型的人地互動(dòng)與時(shí)空演化過程,值得從地理學(xué)視角展開深入研究。暴發(fā)初期,眾多地理學(xué)者紛紛行動(dòng),柴彥威等[12]立足于時(shí)空間行為視角,提出利用患者的活動(dòng)軌跡數(shù)據(jù)為公民提供識別疫情的實(shí)時(shí)信息以及為政府防災(zāi)規(guī)劃提供建議;周成虎等[13]建議利用移動(dòng)通信運(yùn)營商和社交媒體數(shù)據(jù)分析區(qū)域間的人口流動(dòng)狀況,推進(jìn)疫情擴(kuò)散的精準(zhǔn)空間管制。隨著疫情的進(jìn)一步擴(kuò)散,有較多學(xué)者開始聚焦于疫情在全國范圍內(nèi)的傳播與響應(yīng),王姣娥等[14]從宏觀層面對中國疫情發(fā)展進(jìn)行了分析,認(rèn)為此次疫情在一定程度上是人類經(jīng)濟(jì)活動(dòng)空間組織模式和級聯(lián)系統(tǒng)的一種反映;李鋼等[15]分析了中國新冠肺炎疫情的時(shí)空演化特征,并針對當(dāng)前疫情發(fā)展和未來迎接類似的挑戰(zhàn)提出了防控對策;省市尺度,王皎貝[16]、金安楠等[17]通過在格網(wǎng)上疊加疫情小區(qū)、人群聚集地等POI數(shù)據(jù)分別得到陜西省、深圳市的疫情風(fēng)險(xiǎn)畫像。除對COVID-19確診病例進(jìn)行時(shí)空特征分析外,劉衛(wèi)東[18]、張凱煌等[19]則從疫情的影響出發(fā),分別從全球、國家尺度,揭示了COVID-19對經(jīng)濟(jì)全球化、相關(guān)企業(yè)發(fā)展所產(chǎn)生的沖擊。

地理鄰近性導(dǎo)致近鄂周邊省份成為疫情高發(fā)區(qū),而安徽省西部毗鄰湖北,受此次疫情影響嚴(yán)重。目前關(guān)于安徽省疫情的研究多集中于流行病學(xué)特征分析[20],缺乏對時(shí)空分異的探討。本文基于確診病例的詳細(xì)信息以及相關(guān)POI數(shù)據(jù),運(yùn)用文本分析、空間分析等方法,探究安徽省COVID-19疫情的時(shí)空分異和影響因素,旨在為城市疫情防控和社會(huì)經(jīng)濟(jì)發(fā)展提供參考。

1 數(shù)據(jù)來源與分析方法

1.1 研究區(qū)概況

安徽省位于我國中部,地處長江三角洲中下游,東接江蘇、西靠湖北和河南、南鄰江西、北連山東。全省共轄16個(gè)地級市。截至2018年底,安徽省戶籍人口共7 083萬人,流向外省半年以上的人口共計(jì)75 133人,其中流向湖北省的人口占0.79%(《安徽省統(tǒng)計(jì)年鑒2019》)。截至2020年4月1日,安徽省累計(jì)本土確診病例990例,確診病例數(shù)居全國第5位(除湖北省外)。安徽省作為近鄂高發(fā)區(qū)的典型省份,研究其COVID-19疫情的時(shí)空特征和影響因素對于同類型地域疫情的防控具有一定的借鑒意義。

圖1 安徽省與湖北省空間位置關(guān)系Fig.1 Spatial relationship of Anhui and Hubei Province

1.2 數(shù)據(jù)來源

研究數(shù)據(jù)主要包括疫情數(shù)據(jù)、POI數(shù)據(jù)、統(tǒng)計(jì)數(shù)據(jù)、空間數(shù)據(jù)4類。①疫情數(shù)據(jù):來源于安徽省衛(wèi)生健康委員會(huì)官方公布的各地區(qū)確診人數(shù)(990例)、治愈人數(shù)(984例)、死亡人數(shù)(6例)等數(shù)據(jù)以及通過人工判讀采集的確診病例感染歷史與時(shí)空軌跡等詳細(xì)信息數(shù)據(jù);②相關(guān)POI數(shù)據(jù):借助Python從百度地圖爬取的安徽省疫情小區(qū)(782條)、定點(diǎn)醫(yī)院(102條)等POI數(shù)據(jù);③統(tǒng)計(jì)數(shù)據(jù):來自于安徽省統(tǒng)計(jì)局的人口、社會(huì)經(jīng)濟(jì)等相關(guān)統(tǒng)計(jì)數(shù)據(jù);④空間數(shù)據(jù):來源于國家基礎(chǔ)地理信息中心的行政邊界圖。

1.3 研究方法

本文主要運(yùn)用文本分析、數(shù)理統(tǒng)計(jì)、空間分析等研究方法,對安徽省COVID-19疫情的時(shí)空分異和影響因素進(jìn)行分析。

1)標(biāo)準(zhǔn)差橢圓分析(SDE)。標(biāo)準(zhǔn)差橢圓是一種表示地理要素空間方向分布特征的統(tǒng)計(jì)方法,由轉(zhuǎn)角、長軸、短軸組成,長軸表示空間分布最多的方向,短軸則為空間分布最少的方向[17],借此可以直觀地揭示安徽省確診病例在空間上的分布方向特征。標(biāo)準(zhǔn)差橢圓圓心計(jì)算公式如下:

(1)

(2)

2)核密度估計(jì)(KDE)。核密度估計(jì)方法認(rèn)為區(qū)域內(nèi)任意位置都有一個(gè)可測度的事件密度,該位置事件密度的計(jì)算方法主要是估計(jì)其周圍單位面積區(qū)域內(nèi)事件點(diǎn)的數(shù)量。本文以核密度估計(jì)法來研究安徽省確診病例的空間密度分布特征,具體計(jì)算公式如下:

(3)

3)主成分分析法。運(yùn)用降維的方法,將多個(gè)影響指標(biāo)歸納為幾個(gè)綜合性因子,并求出各因子的載荷矩陣。本文使用該方法來分析確診病例空間分布與安徽省各項(xiàng)社會(huì)經(jīng)濟(jì)因素之間的關(guān)系。

2 安徽省疫情確診病例的社會(huì)人口學(xué)特征

2.1 性別-年齡結(jié)構(gòu)

剔除8例無性別年齡信息記錄的數(shù)據(jù),并以5歲為間隔劃分年齡段。發(fā)現(xiàn)安徽省確診病例的性別年齡結(jié)構(gòu)呈現(xiàn)“菱形”(見圖2)。從性別來看,以男性居多,性別比為1.17∶1,略高于第六次人口普查中安徽省性別比(1.03∶1)。年齡上,確診病例最大為91歲,最小為8個(gè)月,年齡跨度較大。主要集中在20～59歲,峰值區(qū)域?yàn)?5～54歲。安徽省作為勞動(dòng)力大省,該年齡段人群大量向長三角、湖北等地轉(zhuǎn)移,暴露風(fēng)險(xiǎn)大。而老年人(60歲及以上)確診人數(shù)為240例,約占總量的24%。這個(gè)年齡段的人群防疫意識薄弱、自身體質(zhì)及免疫力較弱,從而成為此次疫情中的高危易感人群。

圖2 安徽省COVID-19確診病例性別-年齡結(jié)構(gòu)Fig.2 Gender-age structure of confirmed COVID-19 cases in Anhui Province

2.2 感染地屬性及感染時(shí)序

感染地屬性是根據(jù)確診病例的活動(dòng)軌跡信息和感染原因來確定患者的地理位置特征,可將其劃分為外地感染和本地感染兩種類型。感染時(shí)序是用來描述病毒傳播與感染原因之間的層級關(guān)系。由于目前武漢乃至湖北暫無其確診病例的詳細(xì)感染經(jīng)過和活動(dòng)軌跡信息公布,因此本文將整個(gè)湖北視為受疫情影響的“黑箱被感染地區(qū)”,通過人工判讀確診病例的活動(dòng)軌跡(990例確診病例的活動(dòng)軌跡數(shù)據(jù)),將其大致劃分為3類感染時(shí)序:將長期在湖北生活工作的確診病例界定為初期感染者,直接接觸初期感染者或在疫情前后短期內(nèi)前往湖北的確診病例界定為中期感染者,不存在湖北旅居暴露史且不能認(rèn)定為中期感染者的確診病例界定為后期感染者。結(jié)果顯示,安徽省確診病例以本地感染為主,占62.7%。外地感染369例,其中,初期感染者占266例,表明湖北省常住群體是外地感染者的主要構(gòu)成部分,此類人群的返皖導(dǎo)致了疫情在省內(nèi)的擴(kuò)散。在全部感染者中,初期感染者(26.84%)、中期感染者(11.81%)、后期感染者(61.25%)在數(shù)量分布上呈現(xiàn)“J”結(jié)構(gòu),以后期感染者為主。

3 安徽省COVID-19疫情時(shí)間演變特征

3.1 逐日演化趨勢

以2020年1月22日安徽省首例病例的確診時(shí)間為起始日期,以2020年3月8日最后1例確診病例的出院時(shí)間為終止日期,來分析安徽省疫情的逐日演化趨勢(見圖3)。大致分為3個(gè)階段:① 起伏增長期(1月22日—2月6日),該時(shí)間段確診病例整體呈現(xiàn)波動(dòng)式增長,日確診人數(shù)在2月6日達(dá)到峰值,單日確診人數(shù)達(dá)74人。日增長率于1月27日達(dá)到峰值,1月27日之后開始大幅度下降。該時(shí)間段的日治愈人數(shù)較少,呈緩慢遞增態(tài)勢。春節(jié)期間,各地人口因“返鄉(xiāng)、探親訪友、旅游、商貿(mào)往來”等活動(dòng)出現(xiàn)了大面積的跨省、跨市遷移現(xiàn)象,人流量強(qiáng)度的增加,加速了疫情的擴(kuò)散,從而使日確診人數(shù)急速上升。② 急速衰退期(2月7日—2月17日),日確診病例的數(shù)量大幅度減少,2月17日確診病例減少至個(gè)位數(shù)。日增長率較為穩(wěn)定,此階段平均增長率為-0.16%。日治愈人數(shù)平穩(wěn)增長,2月14日治愈人數(shù)為32人,首次超過確診人數(shù)。該時(shí)期,全省疫情已經(jīng)得到了有效控制,這主要?dú)w因于對疫情小區(qū)進(jìn)行封閉式管理、嚴(yán)格管控人口流動(dòng)、加強(qiáng)居民體溫檢測、各網(wǎng)絡(luò)平臺及時(shí)有效地公布了確診病例的詳細(xì)活動(dòng)軌跡等防控措施。③ 穩(wěn)定掃尾期(2月18日—3月8日),2月22日實(shí)現(xiàn)確診病例增長,日增長率趨于停滯。日治愈人數(shù)在該時(shí)期迅速增長,在2月20日達(dá)到峰值。截至3月8日,安徽省本土確診的984例(死亡6人,共990例)患者已全部治愈出院。在各地區(qū)精準(zhǔn)防控的策略下,居民自身的防控意識也不斷加強(qiáng),日確診人數(shù)逐步減少至0人。隨著醫(yī)療救治水平的提高、醫(yī)護(hù)人員診療經(jīng)驗(yàn)的豐富、醫(yī)療物資儲備的逐步完善等,使得在院救治的患者病情逐步穩(wěn)定,出院人數(shù)大幅度增加。

圖3 安徽省COVID-19確診病例的逐日演化趨勢Fig.3 Daily evolution trend of confirmed COVID-19 cases in Anhui Province

3.2 發(fā)病、初診、確診時(shí)間演變特征

滯后時(shí)長是指確診與發(fā)病、初診的時(shí)間間隔[16]?；谠敿?xì)病例文本信息提取確診病例發(fā)病日期、初診日期、確診日期的有效數(shù)據(jù),分析各病例在整個(gè)感染期內(nèi)不同階段之間的滯后時(shí)長(見圖4),在一定程度上可以反映社會(huì)對COVID-19疫情的響應(yīng)程度。從發(fā)病到確診之間的時(shí)間間隔主要集中在2～7d,占總量的67.26%,尤以3d為最?；颊咭话阍诎l(fā)病后的0～4d去醫(yī)院進(jìn)行就診,其中發(fā)病當(dāng)日及次日去醫(yī)院就診的病例共400例,表明患者具有較高的疾病防御意識。初診與確診之間的滯后時(shí)長集中分布在3d內(nèi),其中初診次日即可確診的人數(shù)達(dá)峰值,而在初診當(dāng)日即被確診的病例僅有8例,這可能與醫(yī)院的檢測能力有關(guān)。安徽省確診病例從發(fā)病與初診、初診與確診、發(fā)病與確診之間的平均滯后時(shí)長分別為2.6d、3.6d、6.1d,由此可以看出患者從出現(xiàn)癥狀到最終被確診存在滯后性,這主要受社會(huì)對新型冠狀病毒肺炎疫情的關(guān)注度、公眾的防護(hù)意識以及醫(yī)療機(jī)構(gòu)的救治水平等因素的影響,這也給安徽省疫情的整體防控帶來了較大的挑戰(zhàn)。

圖4 安徽省COVID-19確診病例發(fā)病初診確診滯后時(shí)長分布Fig.4 Lag time of confirmed COVID-19 cases in Anhui Province

4 安徽省COVID-19疫情空間格局特征

4.1 空間分布格局分析

4.1.1 市域、縣域空間分布特征 從市域尺度來看,安徽省疫情主要表現(xiàn)出“三足鼎立,西北偏高”的特點(diǎn)(見圖5A)。按照確診病例的數(shù)量將其劃分為5個(gè)等級:①第一等級為合肥、阜陽和蚌埠3市,其中合肥市確診病例最多(174例);②第二等級為亳州、安慶和六安3市;③第三等級為宿州、蕪湖和馬鞍山3市,其中宿州市位于安徽最北部地區(qū),與其他兩市在空間上相距較遠(yuǎn),呈現(xiàn)空間分布不連續(xù)性;④第四等級為淮北、淮南和銅陵3市?；茨鲜斜坏谝坏燃壐唢L(fēng)險(xiǎn)城市所環(huán)繞,但由于該市人口流動(dòng)量較小,所以其確診病例數(shù)量僅有27例;⑤第五等級為滁州、池州、黃山和宣城4市?？傮w來說,確診病例在空間分布上存在顯著差異,主要分布在皖北、皖中地區(qū)。

對空間尺度進(jìn)行細(xì)化,深入剖析縣域尺度上確診病例的空間分布。確診病例在空間方向上表現(xiàn)為“西北—東南”走向,主要集中在西北地區(qū)(見圖5B)?？臻g分布呈現(xiàn)出“小組團(tuán),大分散”的特征。確診病例高度聚集于皖北地區(qū)的懷遠(yuǎn)縣、蚌埠市區(qū)、鳳陽縣,和安徽中部的合肥市區(qū)、肥東縣和肥西縣。除此之外,阜陽市的市區(qū)、臨泉縣和阜南縣的患者分布也相對比較集中。自安慶市的宿松縣至馬鞍山的和縣,這兩地區(qū)之間的確診病例分布大致呈線性,且較為均勻。而皖南地區(qū)各區(qū)縣的確診病例在分布上則較為稀疏。

A 市域分布 B 縣域分布圖5 安徽省確診病例的空間分布Fig.5 Spatial distribution of confirmed COVID-19 cases in Anhui Province

4.1.2 疫情小區(qū)與定點(diǎn)醫(yī)院的空間關(guān)系 根據(jù)疫情小區(qū)(782條)和定點(diǎn)醫(yī)院(102條)的位置信息,借助于ArcGIS的緩沖區(qū)分析來探討在定點(diǎn)醫(yī)院輻射范圍內(nèi)疫情小區(qū)的分布狀況(見圖6)。結(jié)果顯示:①從空間布局上看,皖南地區(qū)相較于皖北地區(qū)定點(diǎn)醫(yī)院的分布更為密集；但疫情小區(qū)則主要集中在皖北地區(qū),這在一定程度上與阜陽、蚌埠、宿州等城市的人口外出流動(dòng)強(qiáng)度較大有關(guān)。②在數(shù)量上,定點(diǎn)醫(yī)院10 km緩沖區(qū)(車程10 min可達(dá))內(nèi)共有184個(gè)疫情小區(qū),覆蓋率僅為23.5%;25 km緩沖區(qū)(車程30 min可達(dá))內(nèi)共分布460個(gè)疫情小區(qū),覆蓋率達(dá)58.8%,這表示還有約42%的確診病例不能在30 min內(nèi)到達(dá)定點(diǎn)醫(yī)院進(jìn)行治療。表明安徽省疫情小區(qū)與定點(diǎn)醫(yī)院的匹配度一般,皖北地區(qū)是安徽省疫情防控的重點(diǎn)區(qū)域,其醫(yī)療機(jī)構(gòu)空間配置有待優(yōu)化。

圖6 安徽省疫情小區(qū)與定點(diǎn)醫(yī)院空間分布Fig.6 Spatial distribution of epidemic community and designated hospitals in Anhui Province

4.2 遷移路徑分析

患者的活動(dòng)軌跡分析有助于疫情期間傳染源的追溯和密切接觸人群的識別。根據(jù)359條確診病例軌跡數(shù)據(jù)(剔除跨國及省內(nèi)流動(dòng)的數(shù)據(jù))對遷移路徑進(jìn)行可視化(見圖7)?？梢钥闯?流入路徑主要有“湖北—安徽”和“浙江—安徽”兩條,其中“湖北—安徽”的數(shù)據(jù)有279條,占總量的77.7%,進(jìn)一步證明早期感染主體主要為湖北返皖人群。而在279條湖北省遷移路徑中,從武漢市流出的病例共計(jì)259例,主要匯入阜陽市(71例)和安慶市(55例),說明武漢市是安徽省省外輸入型病例的主要來源城市。

在空間分析的基礎(chǔ)上進(jìn)一步探究“湖北—安徽”(279例)遷移路徑中確診病例的人口學(xué)特征。其中,男女性別比為1∶1.58,男性患者居多,這與安徽省本土確診病例的性別特征具有一致性。年齡上主要集中在20～59歲的青壯年,其中30～39歲的人數(shù)為80例,該類人群空間流動(dòng)性強(qiáng),主要與其外出務(wù)工、經(jīng)商、求學(xué)、旅游、探親等行為活動(dòng)相關(guān)。

綜上,安徽省省外輸入型病例,主要是從武漢市匯入,且多為青壯年的男性人群,也存在少數(shù)省外人群回鄉(xiāng)后因接觸確診病例而被感染的現(xiàn)象。

注：基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站審圖號GS(2016)1598的標(biāo)準(zhǔn)地圖制作，底圖無修改。圖7 安徽省確診病例跨省遷移路徑Fig.7 Trans-provincial migration path of confirmed COVID-19 cases in Anhui Province

5 安徽省疫情時(shí)空分異的影響因素

5.1 影響因素的主成分分析

安徽省疫情空間擴(kuò)散是一個(gè)復(fù)雜的過程,是多種因素綜合作用的結(jié)果。本文為保證數(shù)據(jù)獲取的完整性,將研究區(qū)的市轄區(qū)進(jìn)行合并,共計(jì)樣本量77個(gè)?；谝延醒芯縖21],從2019年安徽省各市統(tǒng)計(jì)年鑒中選擇了社會(huì)經(jīng)濟(jì)等方面的5個(gè)影響因素:各縣區(qū)常住人口數(shù)x1(萬人)、人口密度x2(人/km2)、醫(yī)療衛(wèi)生機(jī)構(gòu)人員數(shù)x3(人)、一般性公共預(yù)算支出x4(萬元)、人均GDPx5(元)、與武漢市距離x6(km),基于主成分分析法來分析安徽省COVID-19疫情時(shí)空分布的影響因素,得到各因子特征值及主成分得分貢獻(xiàn)率(見表1)。其中,常住人口數(shù)和人口密度反映各市縣COVID-19疫情確診病例的本地感染情況;醫(yī)療衛(wèi)生機(jī)構(gòu)人員數(shù)反映醫(yī)療水平對于疫情的影響;一般性公共預(yù)算支出是政府調(diào)動(dòng)資源能力的體現(xiàn);人均GDP反映地方經(jīng)濟(jì)發(fā)展水平;與武漢市距離則反映了安徽省疫情空間分布與中國疫情始發(fā)地武漢市之間的關(guān)系。

由表1可得,第一、二主成分的貢獻(xiàn)率達(dá)83.555%,已符合分析的要求。由第一、二主成分展開,計(jì)算各因子的主成分載荷矩陣(見表2),結(jié)果如下:① 第一主成分與x1、x2、x3、x4、x5具有較強(qiáng)的正相關(guān)性,說明安徽省各市縣COVID-19確診病例的空間分布主要受到各市縣常住人口數(shù)、人口密度、醫(yī)療衛(wèi)生機(jī)構(gòu)人員數(shù)、一般性公共預(yù)算支出和人均GDP的影響;② 第二主成分與距武漢市距離有強(qiáng)相關(guān)性,表明在人口和社會(huì)經(jīng)濟(jì)因素驅(qū)動(dòng)下,與中國疫情始發(fā)區(qū)的距離是影響疫情空間分異的另一重要因素。

表1 各因子的特征值及主成分貢獻(xiàn)率Tab.1 Eigenvalue and principal component contribution rate of each factor

表2 各因子的主成分載荷矩陣Tab.2 Principal component load matrix of each factor

5.2 逐步回歸模型的構(gòu)建

1)社會(huì)經(jīng)濟(jì)因素分析。第一主成分所包括常住人口數(shù)、人口密度、一般性公共預(yù)算支出、醫(yī)療衛(wèi)生機(jī)構(gòu)人員數(shù)、人均GDP等因子,由于各因子之間存在復(fù)雜的多重共線性問題,所以通過逐步回歸模型對所選因子進(jìn)行篩查和剔除。以市縣確診人數(shù)y為因變量,以常住人口數(shù)、人口密度、一般性公共預(yù)算支出、醫(yī)療衛(wèi)生機(jī)構(gòu)人員數(shù)、人均GDP為自變量,構(gòu)建逐步回歸模型,結(jié)果如表3所示。

表3 各因子對確診病例空間分布的回歸分析Tab.3 Regression analysis of each factor on the spatial distribution of confirmed cases

經(jīng)過逐步回歸分析,得出確診病例的空間分布主要是受到各縣市人口密度和一般性公共預(yù)算支出的影響,而常住人口數(shù)、醫(yī)療衛(wèi)生機(jī)構(gòu)人員數(shù)、人均GDP這 3個(gè)因素對安徽省各縣市確診病例的數(shù)量影響不顯著。COVID-19可以通過飛沫和密切接觸傳播,人口密度越高的地區(qū),感染的概率越大,這也可以解釋在安徽省本地聚集型病例多發(fā)于一些人口密集地區(qū);一般性公共預(yù)算支出是地區(qū)經(jīng)濟(jì)發(fā)展水平和政府調(diào)動(dòng)資源能力的一種反映,該因素與確診病例數(shù)量呈正相關(guān)。地區(qū)經(jīng)濟(jì)發(fā)展水平越高,人口流動(dòng)性越強(qiáng),感染病例也相對較多。

2)距離因素分析。第二主成分因素包括與武漢市距離因子,表明距離武漢市越近,確診病例也越多。安徽省是勞動(dòng)力大省,省內(nèi)的青壯勞動(dòng)力向周邊的長三角地區(qū)、武漢等地區(qū)轉(zhuǎn)移。疫情暴發(fā)之際正值春節(jié),外出務(wù)工人員大量返鄉(xiāng),從而使阜陽、安慶等一些外出人口較多的城市成為安徽省疫情高發(fā)地。

6 結(jié)論與展望

6.1 結(jié)論

本文以近鄂高發(fā)區(qū)安徽省為研究區(qū)域,利用衛(wèi)健委通報(bào)的確診病例詳細(xì)信息、相關(guān)POI數(shù)據(jù)及安徽省各市統(tǒng)計(jì)年鑒的社會(huì)經(jīng)濟(jì)數(shù)據(jù),借助文本分析、數(shù)理統(tǒng)計(jì)及空間分析等方法探究了安徽省COVID-19疫情的時(shí)空分異特征和影響因素,主要結(jié)論如下:

1)確診病例的性別年齡結(jié)構(gòu)呈現(xiàn)“菱形”,主要集中在20～59歲年齡段,45～54歲年齡段人數(shù)達(dá)峰值,且確診人群的年齡跨度較大,以男性居多;在感染時(shí)序上表現(xiàn)為“J”結(jié)構(gòu),以后期感染者為主;多為本地感染。

2)確診病例的時(shí)間演變可以大致分為“起伏增長期—急速衰退期—穩(wěn)定掃尾期”3個(gè)階段。早期確診人數(shù)逐日遞增,在1月27日峰值過后確診病例數(shù)急速下降,2月22日實(shí)現(xiàn)了本土確診病例零增長。日治愈人數(shù)在2月20日達(dá)到最大值,于3月8日確診病例全部治愈出院;患者從發(fā)病到初診之間的時(shí)間間隔主要集中在0～4d、從初診到確診一般間隔為1～3d。

3)確診病例在市域尺度上,表現(xiàn)出“三足鼎立,西北偏高”的特點(diǎn),主要分布在皖北和皖中地區(qū);在縣域尺度上,呈現(xiàn)出“小組團(tuán),大分散”的特征,以懷遠(yuǎn)縣、蚌埠市轄區(qū)、鳳陽縣、合肥市區(qū)、肥東縣和肥西縣確診病例較為密集;在空間方向上,呈“西北—東南”走向。定點(diǎn)醫(yī)院集聚在皖南地區(qū),但疫情小區(qū)則主要集中在皖北地區(qū),說明二者適配度一般。流入安徽省的病例主要有“湖北—安徽”和“浙江—安徽”兩條路徑,主要是從武漢市匯入阜陽和安慶兩市。

4)人口密度和一般性公共預(yù)算支出是影響各縣市確診患者數(shù)量存在空間差異性的主要因素,而在人口和社會(huì)經(jīng)濟(jì)因素驅(qū)動(dòng)下,與中國疫情主戰(zhàn)場的地理鄰近性是各地區(qū)疫情狀況的另一重要影響因子。

6.2 建議與展望

針對上述研究結(jié)論,提出幾點(diǎn)防控對策:① 從性別年齡上,要因人制策,密切關(guān)注流動(dòng)性強(qiáng)的返鄉(xiāng)青年學(xué)生以及務(wù)工的青壯年勞動(dòng)力的活動(dòng)軌跡,并對該類人群進(jìn)行重點(diǎn)排查;加強(qiáng)對兒童、老人、孕婦等特殊群體的關(guān)注,并對老年人群進(jìn)行COVID-19疫情相關(guān)知識普及,提高其防控意識。② 從時(shí)間上,要因時(shí)制策,在疫情發(fā)生的不同階段要采取不同的應(yīng)對措施。目前安徽省的疫情基本得到控制,在保證民眾公共健康安全的前提下,逐步推進(jìn)復(fù)工復(fù)產(chǎn)復(fù)學(xué)。同時(shí)在本土疫情感染得到控制的情況下,要嚴(yán)防境外輸入病例。③ 從空間上,要因地制策,對于安徽省疫情高發(fā)的皖北地區(qū),要加強(qiáng)該區(qū)域經(jīng)濟(jì)發(fā)展、提高醫(yī)療物資的配置,以應(yīng)對未來類似不可控的挑戰(zhàn)。同時(shí),無論是城市或鄉(xiāng)村地區(qū),都要注重環(huán)境衛(wèi)生,定時(shí)進(jìn)行消毒工作,營造一個(gè)健康舒適的生活、工作和學(xué)習(xí)的環(huán)境。

本文雖然取得了一些認(rèn)識,但還存在局限性,需要做進(jìn)一步完善:① 確診病例的研究數(shù)據(jù)僅來源于各市衛(wèi)健委官方通報(bào)的信息,內(nèi)容不夠詳盡,未來需借助更精細(xì)的多源時(shí)空大數(shù)據(jù),深入研究確診病例微觀尺度的活動(dòng)軌跡以及聚集型病例的社會(huì)網(wǎng)絡(luò)關(guān)系;② 目前僅以安徽省為研究區(qū)域,未考慮空間相關(guān)性,之后將對安徽省周邊的長三角地區(qū)、山東省等地區(qū)進(jìn)行空間對比分析,研究區(qū)域之間的差異性和關(guān)聯(lián)性;③ 因數(shù)據(jù)獲取的局限性,影響因素的選擇僅限于社會(huì)經(jīng)濟(jì)、人口、醫(yī)療衛(wèi)生水平等方面,尚未考慮居民防控意識、信息普及率、社會(huì)環(huán)境衛(wèi)生狀況等對安徽省確診病例空間分布的影響,需建立綜合防控機(jī)制。