溫州市COVID-19疫情時空演化與醫(yī)療服務可達性研究

徐婷婷,李 鋼,2,3,王皎貝 ，高 興，金安楠，張千禧

(1.西北大學 城市與環(huán)境學院，陜西 西安 710127;2.陜西省地表系統(tǒng)與環(huán)境承載力重點實驗室,陜西 西安 710127;3.西北大學 地表系統(tǒng)與災害研究院,陜西 西安 710127)

新型冠狀病毒肺炎(COVID-19)疫情,因嚴重威脅人類健康安全和社會正常運轉,已發(fā)展成為影響全球的重大突發(fā)公共衛(wèi)生事件。截至2020年10月12日,國內已報告確診病例85 591例,累計死亡人數達4 634人。在全國人民的共同努力下,國內疫情防控形勢持續(xù)向好,但境外疫情正在全球多地區(qū)迅速蔓延。整體來看,當前全球形勢依然不容樂觀,對我國而言,嚴防境外輸入成為戰(zhàn)“疫”新挑戰(zhàn)。

疫情發(fā)生后,學界基于不同視角展開研究。病毒學領域,Zhou等[1]通過研究確診病例基因組序列,發(fā)現(xiàn)COVID-19的病毒在全基因組水平上與蝙蝠冠狀病毒相似率達96%,指出其來源可能為蝙蝠。臨床醫(yī)學視角,Chen等[2]通過分析2020年1月1日至1月2日期間,武漢金銀潭醫(yī)院99例確診病例的人口學特征、臨床和放射學特征,指出COVID-19為群體性疾病,更易影響具有疾病史的老年男性群體。流行病學角度的研究主要通過建模分析,預測疫情未來走向及可能感染人群數量。另有學者[3-4]通過優(yōu)化基本再生數(Basic Reproduction Number,R0)評估COVID-19疫情的傳播能力。而2020年2月12日湖北省統(tǒng)計口徑的變化,給建模分析與預測帶來挑戰(zhàn)。城市層面,針對典型城市溫州,李玲等[5]、Ruan等[6]探究了溫州市新型冠狀病毒的流行病學特征與其疫情防控措施對荊州、孝感、黃岡三市的影響。

重大疫情在人群與地域的傳播擴散是典型的時空演化現(xiàn)象與人地互動的地理過程。因此,疫情防控本質上是人與病毒對抗的時空問題,是亟需地理學者貢獻智慧和力量的社會現(xiàn)實痛點問題。在疾病傳播領域,具有地理編碼的空間數據相關性分析,首次應用于1854年倫敦霍亂疾病的暴發(fā),英國的John Snow醫(yī)生通過對案例地點的分析,發(fā)現(xiàn)了其與一口公共飲用水井的關聯(lián),得出水井污染是疾病傳染源頭,進而采取措施有效遏制了疾病的傳播[7]。此后,醫(yī)學地理(medical geography)逐漸興起,更多學者將醫(yī)學問題與地理空間要素相結合,關注醫(yī)療在地理空間上的組織形式,研究不同尺度上醫(yī)療衛(wèi)生服務及其可達性和公平性[8]。生態(tài)醫(yī)學地理則聚焦于疾病的地理分布及其控制,Haque等[9]基于貝葉斯統(tǒng)計模型識別孟加拉國的瘧疾地理風險因素,并開發(fā)了預測患病率的后驗分布地圖。Glass等[10]通過建立預測模型和地圖可視化,評估了美國巴爾的摩市萊姆病的危險等級。國內部分學者從歷史視野,探究諸如兵疫[11]、鼠疫[12]、瘴瘧[13]等疾病流行的空間分布模式與地理環(huán)境關系。另外,HIV和癌癥的分布也是醫(yī)學地理研究的一大熱點。王瑩[14]、劉文東等[15]還利用GIS空間分析手段,探討了HIV/AIDS的空間熱點分布與影響因素。龔勝生等[16]研究了中國“癌癥村”的分布,得出6%的癌癥村分布在距河流3km范圍內。2003年SARS病毒肆虐全球,武繼磊等[17]、曹志冬等[18]借助北京市、廣州市官方公布的病例數據,采用空間計量分析手段,解析了SARS在地域空間上的流行過程和分異特征?？梢?地理學對于研究疾病在人群和地域的傳播擴散、時空演化方面具有天然優(yōu)勢。

當前COVID-19疫情蔓延,地理學者紛紛展開行動,李鋼等[19]從省、市、縣和小區(qū)4個空間尺度，探究疫情在中國的時空演化過程并提出綜合防控策略。金安楠等[20]、王皎貝等[21]分別解析了深圳市、陜西省的疫情演化,并構建了疫情風險地理畫像。另有多位地理學者及其團隊如李德仁、傅伯杰、周成虎、朱竑、柴彥威等對遙感技術助力“抗疫”、疫情可視化分析、疫情APP開發(fā)、城市空間規(guī)劃等問題做了探索,為疫情演化防控提供了思路。個體人群水平的地理學研究關注人的主觀能動性和空間異質性,其研究意義對現(xiàn)實社會的疫情防控和醫(yī)療資源配置尤為重要。從全國來看,在城市化與人口流動性加速的今天,疫情在人群與地域的傳播主要空間節(jié)點和焦點是城市。鑒于此,本文基于此次中國疫情高發(fā)市域溫州市COVID-19確診病例數據和人工判讀的病例詳細信息以及城市內部相關POI數據,解析疫情的時空演化特征,評估確診病例的就醫(yī)可達性,以期為城市尺度的疫情防控和未來應對類似挑戰(zhàn)提供參考。

1 研究區(qū)、數據與方法

1.1 研究區(qū)概況

溫州市轄12個區(qū)縣,陸域面積達11 612.94 km2,截至2018年底常住人口為925萬人,是浙江省人口第2大城市,平均人口密度796人/km2,是全國平均水平的5.5倍,為全國人口最密集的城市之一(見圖1)。溫州人擅長經商,“溫商”遍布海內外,2011年包括港澳臺在外的溫州人有233.54萬人,占戶籍人口的3%[22]。2020年1月21日溫州通報首例市外輸入型病例后,疫情持續(xù)發(fā)展變化,截至2020年6月9日,COVID-19確診病例人數達517例(其中境外輸入12例),遠超省會城市杭州。溫州作為非省會和非副省級城市,距離中國疫情重災區(qū)武漢約910 km,其一度成為除湖北境內市域以外,確診病例數量最多的地級市?？梢?溫州是探討中國疫情遠距離傳播與擴散的典型案例地。

注：本圖基于自然資源部標準地圖服務網站下載的審圖號為GS(2016)1585號的標準地圖制作，底圖無修改。圖1 研究區(qū)位置圖Fig.1 Location map of study area

1.2 數據來源

研究數據包括3類:① 病例數據,從溫州市衛(wèi)健委官方網站共獲取486條確診病例數據,包括人工采集的性別、年齡、感染原因、確診時間、早期癥狀、所屬區(qū)縣等信息;通過檢索查證,校對病例信息(由于12例境外輸入病例,無詳細病例信息,且由溫州龍灣國際機場直接送入隔離點,在隔離期間出現(xiàn)癥狀,未造成市內疾病傳播,本文對此只做時間演變分析)。② POI數據,借助Python從騰訊地圖疫情小區(qū)、百度疫情、溫州本地寶等平臺爬取,經過去重、糾偏與空間匹配,共采集到281個疫點、34個定點醫(yī)療救治機構。③ 其他數據,第六次人口普查數據來自于溫州市統(tǒng)計局;醫(yī)院病床數量獲取自各醫(yī)院官方網站;道路交通數據下載自OpenStreetMap。

1.3 研究方法

1.3.1 標準差橢圓分析 標準差橢圓(standard deviational ellipse,SDE)是一種表示地理要素空間方向分布特征的統(tǒng)計方法[23]。長半軸代表地理要素的分布方向,短半軸表示其分布范圍,二者間差值越大,表征該地理要素在空間上方向性越明顯。本文利用標準差橢圓來揭示確診病例的空間分布趨勢,其圓心公式如下:

(1)

(2)

1.3.2 醫(yī)療機構可達性測度 兩步移動搜索法(two-step floating catchment area method,2SFCA)由Radke和Mu[24]在2000年提出,以供給點和需求點為基礎,移動搜索兩次,測度區(qū)域內某一設施點的可達性?；诖?本文對34個醫(yī)療機構進行可達性分析,計算原理如下。

1)計算供需比

對每個供給點j,搜索所有在j的搜索半徑d0范圍內的需求點i,計算供需比Rj:

(3)

其中,Rj為搜索區(qū)域內病床數與確診病例數量比值;k為搜索半徑內疫點小區(qū)的數量;dij為需求點i到供給點j間的距離;d0為醫(yī)療機構的服務半徑。

2)計算可達性

對每個需求點i,搜索距離i閾值范圍內d0的供給點j,對所有供需比Rj求和,即得到需求點i處的可達性值:

(4)

其中,Ai為每個疫點的可達性值;m為以d0為半徑的空間區(qū)域內的醫(yī)療機構數量;f(dij)為冪函數距離衰減函數。

2 疫情的時空演化特征

2.1 確診病例逐日變化特征

1)累計變化趨勢。2020年1月21日溫州市衛(wèi)健委通報首例市外輸入型病例后,確診病例數逐日上升,為描述疫情的梯度變化,對其累計確診人數、累計出院人數、累計確診增長率進行分析(見圖2)。結果表明:疫情發(fā)展大致經歷4個時期:① 市外輸入期(1月21日—1月26日)。該階段累計確診病例為32例,發(fā)現(xiàn)途徑主要為早期回溫人員自行就診,數據顯示,武漢“封城”后,1月23日至27日5天內,仍有1.88萬人從湖北進入溫州。② 市內擴散期(1月27日—2月17日)。此階段前期累計確診增長率較高,原因在于正值春節(jié),外地返溫人員走親訪友,造成了市內疫情迅速蔓延;后期自2月2日起,增長率明顯放緩,表明政府管控強度及居民防控意識提升,采取佩戴口罩、居家隔離等措施,有效抑制了疫情傳播。且2月6日溫州醫(yī)科大學附屬第二醫(yī)院開始接治確診患者,提升了救治能力。③ 穩(wěn)定控制期(2月18日—3月18日)。該階段疫情基本穩(wěn)定,無新增病例,緣于上一階段的嚴格管控,溫州政府出臺系列措施，包括禁止人群聚集活動、關閉高速入口、25條剛性舉措等,最大限度減少人群流動。④ 境外輸入期(3月19日—4月16日)。國內疫情穩(wěn)定,境外疫情暴發(fā),3月19日起出現(xiàn)境外輸入病例,來源地多為西班牙、法國等歐洲國家,均為個體病例,累計確診增長率穩(wěn)定且趨于0,未造成市內疫情二次擴散。至4月16日,鹿城區(qū)新增1例湖北輸入型病例,此后截至研究日期,再無新增病例。

累計治愈病例增長呈現(xiàn)“先平緩后穩(wěn)升”的特征,2 月3日前累計出院人數為17人,2月4日至3月4日為治愈峰值區(qū)間,出院人數達450人,此階段疫情擴散得以控制,新增人數顯著減少,醫(yī)療檢測技術趨于成熟,至3月16日全部病例治愈出院。

圖2 溫州市COVID-19確診病例時間變化Fig.2 Temporal evolution of confirmed COVID-19 cases in Wenzhou

2)單日新增變化趨勢。單日新增確診人數呈“雙峰”態(tài)勢,峰值出現(xiàn)于1月29日和2月3日,2月9日之前日新增人數呈波動變化,之后穩(wěn)步下降趨于0(見圖3)。在于政府全面實行交通管制,暫停省際班車客運、減少市內發(fā)車頻次,農村、小區(qū)實行封閉管理,最大程度切斷傳播途徑。從性別來看,全市確診病例中,男性占比52.64%,女性占比47.36%,男女比例為1.11∶1,略高于全國病例基本水平1.06∶1[25]。男女病例均呈“單峰”態(tài)勢,女性波動變化更大,峰值出現(xiàn)于2月3日,而男性病例峰值相對較早,出現(xiàn)于1月29日,或與外出經商人口多為男性有關,致使其更早發(fā)病。

圖3 溫州市COVID-19確診病例性別與年齡時間變化Fig.3 Daily changes of gender and age of confirmed COVID-19 cases in Wenzhou

依據六普年齡結構劃分,發(fā)現(xiàn)確診病例表現(xiàn)為,0～14歲兒童病例為5例(1.06%),新增時間為兩次峰值期間,與此年齡段多為基礎教育階段學生,居住地為溫州本地,流動性弱,前期感染人數較少,后期政府防控措施到位有關。15～59歲(80.55%)為此次感染的重點人群。其中,青年人(15～44歲,39.74%),多確診于2月8日之前,包含部分返溫的高校學生群體和大量外地就業(yè)人口,此確診時間與首例病例的14d潛伏期相吻合。中年人(45～59歲,40.8%)占比最大,該年齡段人群,多外出經商,流動頻率高,確診峰值時間更早(1月28日),且確診時間跨度更大,2月11日之前此類人群為確診病例核心群體。而60歲及以上老年確診病例(18.4%),日增波動較為平緩,2月8日—2月13日疫情市內擴散后期,其單日確診人數高于其他年齡段,確診時間相對較后,表征此年齡段人群防控意識薄弱,且自身免疫功能低下,是流行病的易感人群和高危人群。總體而言,中青年社會活動頻繁、出行強度高，暴露時間長,易受到感染;老年人,多居住于本地，發(fā)病時間相對滯后，體質較弱也較易于感染。

2.2 疫情空間分布格局

1)感染地空間屬性。通過對確診病例文本信息進行判讀,發(fā)現(xiàn)本地感染型病例略高于市外輸入型病例(見圖4)。其中,市外輸入型病例達189例,主要包含3大子類,尤以武漢返溫型為最(占市外輸入型病例的81.8%),湖北(除武漢)返溫型次之,其他地區(qū)返溫型最少(占市外輸入型病例的6.95%),包含北京、廣州、西安等城市。這與學者[26-28]提出的依賴人際關系鏈,溫州人外出經商,在北京形成“浙江村”、在廣州涉足皮革、皮具等行業(yè)、武漢為“溫州人第二故鄉(xiāng)”相契合。同時,官方表明(1)數據來源于2020年1月29日浙江省新型冠狀病毒感染肺炎疫情工作新聞發(fā)布會(第三場),武漢的溫商及家屬在2017年已有17萬之多,再加上就學人員,總數已達到18萬人左右。差異顯著的接觸感染途徑,表明早期疫情傳播主要在于大量在外經商的溫籍人員返回,形成了輸入型的潛在感染群體。而本地感染型病例為285例,其中又以222例確診病例接觸型(與確診病例有過明確接觸)為最,其次為未知型(截至數據收集時,具體感染原因仍在調查中),銀泰商場感染型(確診病例曾在銀泰商場活動或與之有關)最少。

圖4 溫州市COVID-19確診病例感染地類型Fig.4 Infection type of confirmed COVID-19 cases in Wenzhou

2)宏觀分布特征。確診病例大多分布于東部近海地區(qū),空間分布方向沿城市交通干線呈“東北—西南”軸向遞減(見圖5A),這與地理條件、城市空間規(guī)劃發(fā)展相關?？蓪⑵鋭澐譃?個等級:第一等級為樂清市,其地理面積居全市第三,人口總量居第四,但確診病例高達170例,遠高于其他區(qū)縣,原因有二:① 依據百度熱力圖實時數據顯示,樂清市柳市—白象人口高度集聚區(qū)與確診病例高發(fā)地域相當吻合;② 文獻考證,樂清人遍布全國各地,疫情期間大量樂清籍湖北人員返溫,成為本地潛在感染群體。第二等級則為瑞安市、鹿城區(qū)、甌海區(qū)以及永嘉縣中部片區(qū),為全市經濟相對發(fā)達地區(qū)。第三等級以地理面積較大縣域和人口較少城區(qū)為主,包括泰順縣、平陽縣、文成縣、龍港市、龍灣區(qū)和洞頭區(qū),確診病例相對較少。

進一步考察地區(qū)間疫情分布情況,將累計確診人數與流出人口數量、流入人口數量、老齡人口密度進行相關性分析(見表1)。結果顯示,全市范圍內,溫州市累計確診人數與流出人口數量在95%水平上呈正相關,而與流入人口數量、老齡人口密度無顯著相關性,即表明流動人口顯著影響確診病例,其中流出人口是導致溫州疫情暴發(fā)的主要因素?？h域分布上(見圖5B),樂清市、永嘉縣流出人口數量超25萬人,居全市前列,而流入人口和老齡人口密度處中等水平,進一步證實該地發(fā)病人群以外地返溫人員為主。老城區(qū)(鹿城區(qū)、甌海區(qū)、龍灣區(qū))老齡人口密度較高(介于115～402人/km2),流出人口數量均不超過5萬人,確診人數更易受老齡人口密度影響。瑞安市經濟居溫州前三,其確診病例數量受三者的共同影響。平陽縣、蒼南縣、文成縣的確診病例數量與流出人口數量和老齡人口密度關聯(lián)度相當,而流入水平整體較低;泰順縣老齡人口密度及流入人口數量均為全市縣區(qū)最低,但流出人口數量超過10萬,可見，流出人數顯著影響了該地的確診病例數量。

圖5 溫州市COVID-19確診病例數量及方向分布Fig.5 The number and direction distribution of confirmed COVID-19 cases in Wenzhou

表1 相關性分析結果Tab.1 Results of correlation analysis

3)微觀地點關系。對確診病例提取位置信息,為保證數據的真實性與最大還原性,未進行地點合并(見圖6)。結果發(fā)現(xiàn):由于地理、人口、經濟等因素，確診病例存在城鎮(zhèn)分布差異。城鎮(zhèn)54.7%,鄉(xiāng)村45.3%,城鎮(zhèn)高于鄉(xiāng)村,且疫情熱點高發(fā)區(qū)域為小區(qū)、村莊兩大微觀場所。溫州市主城四區(qū)(鹿城區(qū)、甌海區(qū)、龍灣區(qū)、洞頭區(qū),以下簡稱主城四區(qū))以小區(qū)(61.41%)為病例主要分布點,此外還包括人員復雜,流動頻繁的大廈、商廈、農貿市場等公共場所。溫州市三縣級市(樂清市、瑞安市、龍港市,以下簡稱三市):樂清市以村莊(75.88%)、社區(qū)(20.59%)為主要分布點;瑞安市有病例發(fā)生于老人公寓;龍港市未公布病例具體地址信息,病例分布地點未知。溫州市五縣(永嘉縣、平陽縣、蒼南縣、文成縣、泰順縣,以下簡稱五縣)確診病例分布則以村莊為首位,占比高達67.2%,且病例分布場所較集中,主要集聚于特定鄉(xiāng)鎮(zhèn),比如泰順縣鳳垟鄉(xiāng)14例,文成縣珊溪鎮(zhèn)9例,同一鎮(zhèn)域疫情高發(fā),存在地方聚集傳播的可能。

3 溫州市疫情與醫(yī)療服務可達性

3.1 醫(yī)療服務可達性分析

疫情的演變是個體在地理時空的轉移過程,其發(fā)展迅速、波及范圍大且危害性強,而醫(yī)療機構的合理布局,有助于阻礙疫情進一步發(fā)展,進而降低其社會危害性?；诖?借助ArcGIS中Network Analyst模塊,對溫州市10家定點救治醫(yī)療機構(以下簡稱定點醫(yī)院，部分醫(yī)院是定點醫(yī)院，也是發(fā)熱門診)與33家發(fā)熱門診醫(yī)療機構(以下簡稱發(fā)熱門診)的布局進行考量,從醫(yī)療設施的空間可達性視角出發(fā),評價疫點與醫(yī)療機構間最短路徑關系與就醫(yī)服務可達性。

圖6 溫州市COVID-19確診病例微觀地點與城鄉(xiāng)分布Fig.6 Microcosmic location and urban-rural distribution of confirmed COVID-19 cases in Wenzhou

結果表明(見圖7A),疫點距發(fā)熱門診的最近距離位于5 km以內,占比達54.23%,[5～10]km和[10～20]km占比相當,此后隨距離遞增呈衰減趨勢;而疫點距定點醫(yī)院間距離具有正態(tài)分布特征,峰值位于[10～20]km。累計占比表明(見圖7B),88.69%的疫點距發(fā)熱門診的距離位于20 km范圍以內,但總體約87%的疫點距定點醫(yī)院的距離位于30 km以內,駕車耗時約1 h。說明發(fā)熱門診的20 km近距離設置,可以有效降低普通居民的問診時間成本,縮小疫情傳播范圍;而定點醫(yī)院1 h(30 km)服務半徑,與其數量以及救治能力相適應,基本滿足了確診病例的就醫(yī)需求。

圖7 溫州市COVID-19確診病例醫(yī)療救治機構最短路徑Fig.7 The shortest path to medical facilities for confirmed COVID-19 cases in Wenzhou

在對醫(yī)療機構的基本空間距離測度后,考慮到醫(yī)院類型(定點醫(yī)院和發(fā)熱門診)對于其服務能力的影響,參考已有醫(yī)院可達性服務半徑研究和本文前述研究結果,以20 km為發(fā)熱門診的服務半徑,以30 km為定點醫(yī)院的服務半徑,通過兩步移動搜索法,進一步構建服務區(qū)(見圖8A),評估疫點人群的就醫(yī)可達性。醫(yī)療機構的分布與疫點數量較為匹配,高水平區(qū)域位于人口、醫(yī)療機構和路網相對集中片區(qū),20 km和30 km服務區(qū)覆蓋全市75.44% 的疫點。

對疫點就醫(yī)可達性反距離插值(見圖8B),發(fā)現(xiàn)可達性分布呈明顯圈層梯度結構,由高到低向四周遞減。甌海、鹿城、龍灣三區(qū)交界地帶可達性最好,此區(qū)域為溫州市老城區(qū),路網密集、市級醫(yī)院集聚于此,人口密集,所以病床供需比適中,滿足城區(qū)高密度人口的及時問診需求?？蛇_性較好片區(qū)為龍港市及其鄰近的蒼南縣和平陽縣部分區(qū)域,縣級醫(yī)院病床供需比介于8.56～26.31之間,病床充足,距離醫(yī)療設施服務點相對更近?？蛇_性一般片區(qū)大多處于可達性較好的外圍鄰接區(qū)域,此類地區(qū)距醫(yī)療機構的距離10～15 km,出行較為通暢,既能獲取縣、區(qū)級醫(yī)院就診機會,又可獲取市級醫(yī)療機構資源。而距醫(yī)院約30 km的片區(qū),可達性較差,此類疫點距醫(yī)院較遠,醫(yī)療資源獲取能力較弱?？蛇_性最差地區(qū)為文成縣(珊溪鎮(zhèn))、泰順縣(泗溪鎮(zhèn)、鳳垟鄉(xiāng)),縣級醫(yī)院床位供遠大于求,滿足患者的就診需求,但疫點村莊位置較為偏遠,出行不便,削弱就醫(yī)可達性,從而導致了資源浪費。總體就醫(yī)可達性排序顯示(見表2),主城四區(qū)就醫(yī)可達性優(yōu)勢顯著,鹿城區(qū)居首位,縣、縣級市相對較弱,而文成縣、泰順縣、洞頭區(qū)疫點鄉(xiāng)鎮(zhèn)距離醫(yī)療機構超30 km,所以可達性均值為0。未來針對類似衛(wèi)生應急事件,可在此類地區(qū)進行醫(yī)療資源優(yōu)化布局。

綜上,疫點距醫(yī)療機構的遠近與地區(qū)人口、醫(yī)院總量、路網通達性相適應。20 km范圍內的發(fā)熱門診設置滿足了普通居民的基本問診需求;30 km的定點醫(yī)院服務半徑,滿足了確診病例的就醫(yī)需求。全市縣區(qū)可達性呈圈層梯度結構分布,區(qū)縣差異顯著,較高地區(qū)集中于區(qū)級、市級及其鄰接區(qū)域,而縣級邊緣地區(qū)就醫(yī)可達性較低,且病床資源出現(xiàn)浪費情況。

圖8 溫州市COVID-19醫(yī)療救治機構服務區(qū)及可達性分析Fig.8 Service area and accessibility analysis of medical facilities of confirmed COVID-19 cases in Wenzhou

表2 縣域可達性值排序Tab.2 Sorting results of county accessibility values

3.2 服務布局優(yōu)化建議

現(xiàn)有醫(yī)療救治機構已基本滿足服務區(qū)內人群就醫(yī)需求,因此,針對醫(yī)療機構服務區(qū)外的疫點(占比24.55%),提出相應就醫(yī)優(yōu)化建議。依據距離成本將其分為兩種類型(見圖8C):近距不便型(距醫(yī)療機構較近,出行不便)和遠距稀疏型(距醫(yī)療機構較遠,路網稀疏)。近距不便型主要位于樂清市北部地區(qū)和東部近海地區(qū),地處樂清市定點救治醫(yī)院服務邊界地帶,增加急救醫(yī)療設施點的成本相對較高,從節(jié)省成本與資源的角度考慮,建議劃分街道片區(qū),由醫(yī)療機構開通定點就診直通車,適時接送就醫(yī)人群與確診患者,確保此類地區(qū)人群疫情期間的就醫(yī)便捷。遠距稀疏型則主要位于五縣,包括泰順縣泗溪鎮(zhèn)、鳳垟鄉(xiāng),文成縣珊溪鎮(zhèn),平陽縣懷溪鎮(zhèn),蒼南縣沿浦鎮(zhèn)以及永嘉縣西北部的鄉(xiāng)村(石垟村、垟京村、黃岡下村、黃山村)和東部靠近樂清市的鶴盛鎮(zhèn)、楓臨鎮(zhèn)、沙頭鎮(zhèn),此類疫點距縣級定點醫(yī)院距離偏遠,造成了縣級醫(yī)院的病床資源浪費,而路網密度稀疏又導致了就醫(yī)的極大不便造成了信息不對等。針對此類地區(qū)建議將核酸檢測權力下放,在該地區(qū)鄉(xiāng)鎮(zhèn)/街道衛(wèi)生院就近設立檢測點,提高檢測速率,同時,在區(qū)縣交界地帶增設臨時急救設施點,防止因人群聚集與疫情信息接收、反饋的滯后,可能造成的小范圍疫情暴發(fā),從而更有效的防止疫情擴散。

4 結論與討論

4.1 結論

本文以此次疫情中國高發(fā)市域溫州市為研究區(qū),基于多源時空大小數據,綜合運用文本分析、數理統(tǒng)計、空間分析等方法,解析疫情的時空演變特征,評估確診病例的就醫(yī)可達性。得出如下結論:

1)時間演化特征:疫情發(fā)展可分市外輸入期、市內擴散期、穩(wěn)定控制期、境外輸入期4個時期;累計治愈病例于2月5日起快速上升。男女病例比為1.11∶1,波動趨勢基本一致,男性峰值出現(xiàn)時間早于女性,15～59歲為重點感染人群,其中45～59歲中年群體,新增病例峰值時間出現(xiàn)最早,且時間跨度更大,而60歲以上老年病例新增時間相對滯后。

2)空間分布格局:宏觀上,確診病例多分布于東部近海地區(qū),且沿城市交通干線呈“東北—西南”軸向遞減分布。本地感染病例略高于市外輸入,流入人口數量顯著影響區(qū)縣確診病例分布,且市外輸入以武漢返溫型流入為最。微觀上,病例分布城鎮(zhèn)多于鄉(xiāng)村,主城四區(qū)以小區(qū)為主,五縣以村莊為首。

3)醫(yī)療服務可達性評估:疫點距定點醫(yī)療救治機構20 km和30 km的服務半徑設置,滿足普通居民的基本問診需求與確診病例的就醫(yī)需求;就醫(yī)可達性呈圈層梯度結構分布,區(qū)縣差異顯著,較高地區(qū)集中于區(qū)、縣級市及其鄰接區(qū)域,而縣級邊緣地區(qū)就醫(yī)可達性較低,且醫(yī)院病床供需比不均?；诖?對不在服務區(qū)的疫點提出兩種服務布局優(yōu)化方案。

4.2 討論

本研究基于溫州市疫情的發(fā)展與演變,通過解析確診病例的時空演化格局,評價城市內部醫(yī)患供需結構與醫(yī)療衛(wèi)生服務可達性,嘗試從個體遷移-群體聚集-社會資源布局三重維度,構建城市疫情綜合演化機制(見圖9),并針對未來疫情防控提出以下幾點建議:① 外嚴。通過移動大數據,網絡搜索,城市入口處排查等方法的組合,在交通節(jié)點嚴格檢查,車站、港口、碼頭、機場全面執(zhí)行健康碼出行,配備臨時發(fā)熱安置點。優(yōu)化機場送檢制度,對入境人員實行“點”(機場)至“點”(隔離賓館)的單線轉運,避免境外輸入引發(fā)市內疫情復發(fā)。② 內穩(wěn)?，F(xiàn)階段疫情趨于穩(wěn)定,實時監(jiān)測必不可少,社區(qū)/小區(qū)建立實時響應機制,向上傳遞疫情動態(tài),向下傳送最新政策信息,形成常態(tài)化防控機制。本地市民實行“城市一碼通”,精確記錄每一位人員的出行軌跡信息,提升行程的可追溯性。復工、復產、復學有序開展,學校、企業(yè)應做好場所消毒與人員身體狀況的反饋,錯峰上班、上學,選乘私家車或共享車等感染風險較小的交通工具出行,城市內部公交有序發(fā)車,分級制定差異化運營方案,適當增加人流聚集線路的發(fā)車頻次,減少公交單次載客量,確保后疫情時期的市民正常生活。③ 適當開放。開放電影院、KTV、游樂園等娛樂場所,控制上座率與進入率,做好體溫量測與衛(wèi)生消殺;景區(qū)景點通過網絡預約,以實名購票形式向大眾限流開放,嚴控人員聚集與景區(qū)日接待量;酒店、餐飲等人流量大的地方保證公共區(qū)域的消殺與室內空氣的流通,多人聚餐時盡量保證隔人而坐。以鄉(xiāng)鎮(zhèn)(街道)為單元,確定不同鎮(zhèn)域風險機制,設立1～2個新冠救治定點醫(yī)院,其他醫(yī)院恢復正常就醫(yī)問診,確保普通市民買藥、就醫(yī)的基本需求。縣域偏遠鄉(xiāng)鎮(zhèn),考慮道路交通、信息閉塞等因素對其就醫(yī)可達性的影響,開展就近設點、送醫(yī)下鄉(xiāng)、入戶檢測等活動,防止因交通不便或信息滯后導致的漏報、漏治情況。

圖9 溫州市疫情綜合演化機制Fig.9 Comprehensive evolution mechanism of COVID-19 epidemic in Wenzhou

本文雖取得一些認識,但仍有不足之處:從數據上來看,由于確診病例特征分析時缺少1月22日—1月26日的31例數據的詳細信息,是否會影響片區(qū)特征有待考量;大型醫(yī)院對于病例的吸引力以及人在救治時的主觀偏好(熟人醫(yī)院、醫(yī)療費用、醫(yī)院服務態(tài)度等)會影響就診機構選擇,以后工作需將主客觀因素相結合,優(yōu)化就醫(yī)可達性測度模型。總體來看,本研究是聚焦市域探析疫情時空演變的一次積極嘗試,未來值得深入探討的方向包括:地域上,宏觀揭示全國范圍內疫情源—流—匯的傳播路徑與擴散模式;對比重點高發(fā)市域(廣東深圳、河南信陽、安徽阜陽、山東濟寧)等城市間的病例差異、發(fā)病周期與地方政府管控間的關系。疫情防控上,評估省、市、縣、街道/鄉(xiāng)鎮(zhèn)、社區(qū)/村莊等不同尺度的疫情風險,構建變化條件下疫情“感知預判-擴散演變-應對防控”典型情境,提出針對性的防控對策及預案。