基于主成分分析的新型冠狀病毒感染防控影響因素研究

李尋昌,劉怡帆,王雅倩,楊 威,許 銳

(長(zhǎng)安大學(xué)地質(zhì)工程與測(cè)繪學(xué)院,陜西 西安 710000)

2019年12月,中國(guó)湖北省武漢市報(bào)告了幾例病因不明的肺炎病例,隨后這種肺炎被世界衛(wèi)生組織(WHO)命名為“2019冠狀病毒病”(COVID-19)[1-2]。截至目前,國(guó)內(nèi)的新型冠狀病毒感染(以下簡(jiǎn)稱新冠疫情)已經(jīng)得到一定控制,但是新冠疫情仍在全球肆虐,歐美地區(qū)一些國(guó)家的疫情持續(xù)反彈,多國(guó)每日新增確診病例接近甚至超過(guò)其第一階段峰值[3]。因此,開(kāi)展不同影響因素作用下疫情防控規(guī)律的研究具有十分重要的現(xiàn)實(shí)意義。

對(duì)于突發(fā)公共衛(wèi)生事件的處置一般分為預(yù)防、控制、救治、恢復(fù)等幾個(gè)重大階段。目前對(duì)突發(fā)公共衛(wèi)生事件的研究更多地是從醫(yī)學(xué)以及公共衛(wèi)生學(xué)入手[4-6],如談立峰等[7]應(yīng)用風(fēng)險(xiǎn)矩陣法與Borda序值法對(duì)公共衛(wèi)生突發(fā)事件進(jìn)行評(píng)價(jià),構(gòu)建了區(qū)域性大型活動(dòng)公共衛(wèi)生事件的風(fēng)險(xiǎn)評(píng)估模型;張勇等[8]采用蒙特卡羅(Monte Carlo)方法對(duì)甲型H1N1流感防控效果進(jìn)行了定量評(píng)估;鄧曉婷等[9]通過(guò)對(duì)專家會(huì)商法、德?tīng)柗品?、風(fēng)險(xiǎn)矩陣法和分析流程圖法4種風(fēng)險(xiǎn)評(píng)估方法比較研究,認(rèn)為應(yīng)結(jié)合實(shí)際情況和適用條件選擇相對(duì)合適的評(píng)估方法;趙宏波等[10]運(yùn)用GIS空間分析技術(shù)從微觀尺度視角構(gòu)建了鄭州市新型冠狀病毒肺炎疫情風(fēng)險(xiǎn)評(píng)估模型;鄒旋等[11]通過(guò)傳播動(dòng)力學(xué)模型對(duì)深圳市新型冠狀病毒肺炎應(yīng)急響應(yīng)策略和措施的效果進(jìn)行了評(píng)價(jià),提出了人口密度高、流動(dòng)性強(qiáng)的超大城市新冠肺炎防控策略和措施;紀(jì)瀚然等[12]采用流行病學(xué)描述方法評(píng)估了2021年4月新冠肺炎疫情全球流行情況及對(duì)我國(guó)的輸入風(fēng)險(xiǎn);李尋昌等[13]運(yùn)用直接模糊集逼近理想法從韌性角度構(gòu)建了新冠疫情防控韌性評(píng)估模型,并對(duì)世界主要國(guó)家的疫情防控策略進(jìn)行了分析評(píng)估;陳蓉等[14]采用專家會(huì)商法和風(fēng)險(xiǎn)矩陣法識(shí)別和評(píng)估了上海市中國(guó)國(guó)際進(jìn)口博覽會(huì)籌備和舉辦期間存在的潛在傳染病風(fēng)險(xiǎn),為制定針對(duì)性的防控措施提供了依據(jù)。

預(yù)防接種是針對(duì)傳染病綜合性預(yù)防的重要措施之一,預(yù)防接種可以通過(guò)接種自動(dòng)或被動(dòng)免疫制劑使個(gè)體和群體產(chǎn)生自動(dòng)或被動(dòng)的免疫力。何寒青等[15]在對(duì)比國(guó)內(nèi)外做法及經(jīng)驗(yàn)基礎(chǔ)上,對(duì)重大傳染病疫情預(yù)防接種服務(wù)、重大自然災(zāi)害預(yù)防接種服務(wù)、重大疫苗相關(guān)事件預(yù)防接種服務(wù)以及邊境大規(guī)模人群入境事件預(yù)防接種服務(wù)提供了建議;余文周等[16]通過(guò)對(duì)各接種指南文件的借鑒參考,制定了我國(guó)新冠肺炎疫情期間及過(guò)后免疫規(guī)劃策略與預(yù)防接種的工作方法建議;潘理虎等[17]運(yùn)用多智能體建模仿真技術(shù)構(gòu)建COVID-19病毒防控模型,以山西省太原市防控為例,研究不同人員流動(dòng)、防護(hù)措施和醫(yī)療救治措施下病毒的傳播和防治情況;廖聰慧等[18]、黃雪飛等[19]通過(guò)對(duì)新冠疫苗Ⅲ期臨床數(shù)據(jù)和相關(guān)措施進(jìn)行總結(jié),表明疫苗有較好的安全性和有效性。

目前對(duì)新冠疫情的研究多從醫(yī)學(xué)角度出發(fā),針對(duì)新冠疫情防控因素和疫苗接種在實(shí)際應(yīng)用中的有效性等研究較少,本次研究首先通過(guò)傳染病傳播的條件建立新冠疫情防控評(píng)估體系,然后運(yùn)用主成分分析法對(duì)影響疫情防控的主要因素進(jìn)行研究,并對(duì)疫苗接種這一因素對(duì)疫情防控能力的影響進(jìn)行專門(mén)分析,希望研究成果能為疫情防控提供借鑒和參考。

1 評(píng)價(jià)模型的構(gòu)建

1.1 評(píng)價(jià)指標(biāo)的選取依據(jù)

(1) 指標(biāo)選取的基本原則:可行性、目的性、全面性、可比性、定量與定性相結(jié)合;

(2) 指標(biāo)選取的基本條件:根據(jù)傳染病傳播規(guī)律,以傳染源、傳播途徑和易感人群作為3個(gè)基本條件;

(3) 依據(jù)的標(biāo)準(zhǔn):根據(jù)《國(guó)家突發(fā)公共衛(wèi)生事件應(yīng)急預(yù)案》、《中華人民共和國(guó)傳染病防治法》、《中華人民共和國(guó)突發(fā)事件應(yīng)對(duì)法》以及《新型冠狀病毒肺炎診療方案[試行第八版]》要求,并結(jié)合世界各國(guó)應(yīng)對(duì)新冠病毒的實(shí)際情況,提出相應(yīng)的評(píng)價(jià)指標(biāo)體系。

1.2 評(píng)價(jià)指標(biāo)的選取

新型冠狀病毒感染傳播途徑主要為直接傳播、氣溶膠傳播和接觸傳播。研究中從兩個(gè)方面分析疫情的傳播途徑:一是國(guó)家內(nèi)部傳播途徑，其與人口的密度有關(guān),一定區(qū)域內(nèi)的人口密集度還與國(guó)家的防控政策嚴(yán)格度有關(guān),人員的聚集活動(dòng)是影響疫情防控的行為之一,用防控政策的嚴(yán)格性表示,嚴(yán)格性指數(shù)記錄政府政策的數(shù)量和嚴(yán)格性;二是國(guó)家間的相互傳播途徑，主要用接待入境的人數(shù)表達(dá)。

傳染源即確診病例,目前的疫情防控政策主要是切斷傳染源的傳播及對(duì)傳染源進(jìn)行治療,并通過(guò)防控政策的嚴(yán)格性和人口密度來(lái)表現(xiàn)。

應(yīng)對(duì)能力是指調(diào)節(jié)、適應(yīng)、解決問(wèn)題和面對(duì)挑戰(zhàn)的能力,不同的疫情應(yīng)對(duì)能力會(huì)影響疫情蔓延的速度和后果。從國(guó)家層面來(lái)看,經(jīng)濟(jì)能力和醫(yī)療水平一般對(duì)突發(fā)衛(wèi)生事件的應(yīng)對(duì)能力至關(guān)重要,所以選取人均GDP、消費(fèi)支出占GDP的百分比、千人床位數(shù)、衛(wèi)生支出占GDP的百分比、基本衛(wèi)生服務(wù)的覆蓋指數(shù)來(lái)作為應(yīng)對(duì)能力的二級(jí)指標(biāo)。

人群作為一個(gè)整體對(duì)傳染病易感的程度稱人群易感性,對(duì)于人群的易感能力,從人對(duì)新事物的感知能力和面對(duì)病毒時(shí)身體的抵抗能力兩方面判斷,一般通過(guò)人群的受教育程度和人口年齡分布等方面來(lái)表現(xiàn),因而選擇高等院校入學(xué)率和年齡中位數(shù)表示人對(duì)新事物的感知能力的二級(jí)指標(biāo),疫苗接種率表示人群對(duì)新冠病毒抵抗能力的二級(jí)指標(biāo)。

基于以上分析,新冠疫情防控評(píng)估指標(biāo)分為兩級(jí):準(zhǔn)則層指標(biāo)，指疫情傳播能力、人群易感能力和應(yīng)對(duì)能力;指標(biāo)層指標(biāo)，為能夠反映準(zhǔn)則層指標(biāo)的影響因子,通過(guò)閱讀《突發(fā)公共衛(wèi)生事件應(yīng)急條例》、《中華人民共和國(guó)傳染病防治法》及相關(guān)文獻(xiàn)[20-22]選定11項(xiàng),如表1所列。

表1 疫情防控指標(biāo)體系

1.3 評(píng)價(jià)模型的構(gòu)建

按照數(shù)據(jù)特點(diǎn)采用主成分分析法,在觀測(cè)樣本存在信息重疊的情況下降維分析,找出幾個(gè)綜合因子來(lái)代替原本眾多的分析變量,使其能夠盡可能反應(yīng)原變量的信息量,而且彼此互不相關(guān)。在此將選取的眾多新冠疫情防控因素重新整合成少量互不相關(guān)因素,來(lái)確定疫苗接種是否是提高新冠疫情防控的有效選擇。

主成分分析(PCA)也叫主分量分析,主要是利用降維的原理,將原來(lái)復(fù)雜的多個(gè)變量轉(zhuǎn)化為少數(shù)的綜合變量(即主成分),每個(gè)主成分都代表原始變量的大部分信息,且所含信息不會(huì)重復(fù),這種多元統(tǒng)計(jì)方法能夠簡(jiǎn)單且有效地得出結(jié)果[23]。

2 實(shí)例分析

2.1 數(shù)據(jù)來(lái)源

相關(guān)研究數(shù)據(jù)來(lái)自聯(lián)合國(guó)、世界衛(wèi)生組織公布的新冠疫情情況報(bào)告，以及約翰斯·霍普金斯大學(xué)和牛津大學(xué)發(fā)布的新冠疫情統(tǒng)計(jì)數(shù)據(jù)[24]。

為了使評(píng)估體系的結(jié)果更具說(shuō)服力、全面性和實(shí)用性,依據(jù)地理位置從五大洲中分別選取經(jīng)濟(jì)水平較為突出,在研究疫情防控上能提供較多數(shù)據(jù)的國(guó)家,包括美國(guó)、加拿大、墨西哥、英國(guó)、匈牙利、塞爾維亞、俄羅斯、德國(guó)、以色列、菲律賓、新加坡、土耳其、秘魯、智利共14個(gè)國(guó)家進(jìn)行分析評(píng)價(jià)。

以2021年5月28日為例,各防控評(píng)估指標(biāo)屬性值見(jiàn)表2。

表2 2021年5月28日各國(guó)指標(biāo)數(shù)據(jù)

2.2 數(shù)據(jù)的處理

根據(jù)前文構(gòu)建的評(píng)價(jià)模型得到分析結(jié)果，詳見(jiàn)表3～表5。

表3 相關(guān)性矩陣

從表3可以看出,分析項(xiàng)之間的相關(guān)性并不是很高,也不是很低,說(shuō)明指標(biāo)選取用于解釋新冠疫情評(píng)價(jià)體系的信息重合度較為適中,其解釋能力較高,指標(biāo)的選取較為合適。Bartlett球形度檢驗(yàn)結(jié)果顯示,p=0.004<0.01,說(shuō)明14個(gè)國(guó)家樣本能夠有效反映全球各國(guó)的新冠疫情防控情況,存在抽樣誤差的可能性幾乎為0,說(shuō)明本次研究樣本的選取是有效的。

由表4可知,第一主成分的貢獻(xiàn)率為34.482%,第二主成分的貢獻(xiàn)率為21.342%,第三主成分的貢獻(xiàn)率為14.801%,第四主成分的貢獻(xiàn)率為11.963%,累計(jì)貢獻(xiàn)率達(dá)到82.587%?；谝话氵x取累計(jì)貢獻(xiàn)率達(dá)70%～95%的特征值的原則,取前4個(gè)主成分即4個(gè)主成分基本上保留了原始指標(biāo)的信息,此時(shí)將9個(gè)原始指標(biāo)簡(jiǎn)化到了4個(gè)新的綜合指標(biāo),起到了很好的降維作用。

表4 主成分分析結(jié)果

基于Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法得到旋轉(zhuǎn)成分矩陣,如表5所列。由表5中成分1列可知,千人床位數(shù)、消費(fèi)支出占GDP的百分比、UHC覆蓋指數(shù)、年齡中位數(shù)對(duì)應(yīng)的系數(shù)分別為 0.896、0.814、0.813、0.761,這些指標(biāo)客觀反映了國(guó)家面對(duì)新冠肺炎疫情的恢復(fù)能力,因此命名為“恢復(fù)能力”;由成分2列可知,衛(wèi)生支出占GDP的百分比、人口密度、人均GDP對(duì)應(yīng)的系數(shù)分別為 0.764、-0.751、0.708,這些指標(biāo)客觀反映了國(guó)家面對(duì)新冠肺炎疫情的抵抗能力,因此命名為“抵抗能力”,其中衛(wèi)生支出占GDP的百分比對(duì)應(yīng)的系數(shù)最高;由成分3列可知,疫苗接種率、防疫政策嚴(yán)格度對(duì)應(yīng)的系數(shù)分別為-0.778、0.746,這些指標(biāo)反應(yīng)了國(guó)家面對(duì)新冠肺炎疫情的適應(yīng)能力,因此命名為“適應(yīng)能力”;由成分4列可知,各系數(shù)都較小且前3個(gè)主成分累計(jì)貢獻(xiàn)率可達(dá)70%以上,因此只研究前3個(gè)主成分。

通過(guò)主成分的分析結(jié)果可知:千人床位數(shù)、衛(wèi)生支出占GDP、人口密度、疫苗接種率和防疫政策嚴(yán)格度這幾個(gè)指標(biāo)對(duì)疫情防控能力的高低影響最重,因此稱以上指標(biāo)為調(diào)整疫情防控能力的有效指標(biāo)(簡(jiǎn)稱有效指標(biāo))。

表5 成分矩陣

2.3 分析結(jié)果驗(yàn)證

為驗(yàn)證主成分分析結(jié)果的正確性,確定有效指標(biāo)的影響,選取有代表性的國(guó)家對(duì)其一段時(shí)間內(nèi)的疫情防控效果進(jìn)行評(píng)價(jià)分析,其中塞爾維亞和土耳其雖然地理位置不同,但每日增長(zhǎng)病例數(shù)趨勢(shì)相似;匈牙利和以色列在疫情防控前期都比較理想,后期都出現(xiàn)一定反彈;美國(guó)、英國(guó)病例的增長(zhǎng)情況和疫情防控應(yīng)對(duì)措施相似。

運(yùn)用Origin繪制2020年11月1日—2021年5月28日期間,土耳其、塞爾維亞、匈牙利、以色列的疫情累計(jì)增長(zhǎng)、每日新增病例數(shù)及疫苗接種率變化的曲線，如圖1所示。

圖1 各國(guó)病例及疫苗接種率變化情況Fig.1 Changes of daily cases and vaccination rate by country

由圖1可知,2020年11月1日—2021年5月28日期間,土耳其、塞爾維亞和匈牙利的每日新增病例數(shù)有兩次明顯的上升,隨著各國(guó)相繼采取措施后,每日新增病例數(shù)有了明顯下降。根據(jù)實(shí)際情況,通過(guò)收緊防疫措施和提高國(guó)民的配合度,能大大減少每日新增病例數(shù)的增加。圖1還反映出疫苗接種率和每日新增病例數(shù)呈反比例增加的關(guān)系。

土耳其的每日新增病例數(shù)總是會(huì)在短時(shí)間內(nèi)呈爆發(fā)式增長(zhǎng),這主要與它處于亞歐大陸交界處等獨(dú)特因素有關(guān),疫情一旦開(kāi)始傳播不是一點(diǎn)和幾點(diǎn),而是多點(diǎn)同時(shí)傳播,土耳其政府對(duì)疫情的重視和其相對(duì)充沛的醫(yī)療資源,為疫情防控提供了有利條件。而匈牙利第一階段每日新增病例數(shù)的增加,主要是境外輸入和社區(qū)中傳播,由于完全封閉邊境會(huì)增加各國(guó)之間互助的困難,匈牙利政府并未完全封閉邊界,這導(dǎo)致匈牙利因鄰國(guó)的病例數(shù)的不斷增加,本國(guó)病例數(shù)也持續(xù)增加。

為更好地對(duì)比分析有效指標(biāo)對(duì)疫情防控效果的影響,運(yùn)用Origin繪制出2020年11月1日—2021年5月28日期間,美國(guó)和英國(guó)的疫情累計(jì)增長(zhǎng)、每日新增病例數(shù)及疫苗接種率變化的對(duì)比曲線,如圖2所示。

圖2 英美兩國(guó)病例及疫苗接種率變化情況匯總Fig.2 Summary of changes in daily cases and vaccination rate in the UK and US

美國(guó)和英國(guó)的千人床位數(shù)量相似,在2020年8—9月下旬,兩國(guó)政府對(duì)待疫情的嚴(yán)格性也基本相同,但在此期間,美國(guó)每周的新冠肺炎病例數(shù)增加率基本低于英國(guó)。事實(shí)上,美國(guó)的衛(wèi)生支出占GDP的16.89%,而英國(guó)的衛(wèi)生支出占GDP的10%;而在2020年9月下旬—11月中旬,美國(guó)疫情的病例增長(zhǎng)速度高于英國(guó),且美國(guó)每日新增新冠肺炎病例數(shù)也遠(yuǎn)遠(yuǎn)高于英國(guó),在此期間,美國(guó)對(duì)國(guó)民的限制性措施減少,還逐漸放開(kāi)社會(huì)性活動(dòng),致使美國(guó)的新增病例數(shù)又開(kāi)始增加,這也說(shuō)明了政府對(duì)待疫情的嚴(yán)格性對(duì)疫情防控的重要程度;2021年1月至今,美國(guó)和英國(guó)每日新冠肺炎病例數(shù)的增加相較于前段時(shí)間有大幅度的降低,美國(guó)和英國(guó)的國(guó)民均在2020年12月先后開(kāi)始接種新冠肺炎疫苗;從2021年2月初至4月中旬,美國(guó)的疫苗接種工作進(jìn)度減緩,德?tīng)査儺惗局暝诟髦莞咚賯鞑?疫情出現(xiàn)反彈;在5月28日統(tǒng)計(jì)結(jié)束時(shí),美國(guó)的疫苗接種人數(shù)占總?cè)丝诘?9.75%,英國(guó)的疫苗接種人數(shù)占總?cè)丝诘?7.56%。

綜上所述,人均GDP、衛(wèi)生支出占比等因素在前期應(yīng)對(duì)新冠疫情時(shí)起到一定作用,而在防疫常態(tài)化情況下,各國(guó)政府對(duì)待疫情的積極響應(yīng)以及疫苗的成功研制與接種對(duì)COVID-19疫情的控制作用更為明顯。

3 疫苗接種率對(duì)疫情防控的影響

由于疫情的蔓延嚴(yán)重威脅著全人類的生命健康,影響了世界各個(gè)國(guó)家及地區(qū)的經(jīng)濟(jì)和社會(huì)穩(wěn)定,而接種疫苗是預(yù)防和控制傳染病最經(jīng)濟(jì)、有效的公共衛(wèi)生干預(yù)措施,對(duì)于家庭來(lái)說(shuō)也是減少疾病發(fā)生、減少醫(yī)療費(fèi)用的有效手段。所以為了驗(yàn)證接種疫苗對(duì)提高疫情防控能力的效果,我們忽略其他因素對(duì)疫情的影響,采用多種回歸模型分析新冠疫情每周平均新增患病人數(shù)增長(zhǎng)率和疫苗接種率之間的關(guān)系,選用合適的回歸模型研究二者的關(guān)系;對(duì)不同的國(guó)家根據(jù)疫苗接種率的不同進(jìn)行分類對(duì)比,比較不同分類的回歸函數(shù),其結(jié)果如表6所列。

表6 疫苗接種率和平均增長(zhǎng)率比例的多種回歸模型對(duì)比

從表6可知,疫苗接種率與增長(zhǎng)率在多項(xiàng)式函數(shù)模型下擬合程度最好,因此可以觀察在多項(xiàng)式函數(shù)模型下二者的關(guān)系。

為定量表示各國(guó)新冠疫情的防控情況,選取每天新增的患病人數(shù)增長(zhǎng)率(新增患病人數(shù)增長(zhǎng)率=(昨天新增患病人數(shù)-今天新增患病人數(shù))/昨天新增患病人數(shù)),避免其他因素對(duì)新增患病人數(shù)增長(zhǎng)率的影響和考慮接種效果的滯后性,將數(shù)據(jù)處理為每周平均新增患病人數(shù)增長(zhǎng)率(簡(jiǎn)稱為平均增長(zhǎng)率)和疫苗接種率進(jìn)行研究,當(dāng)平均增長(zhǎng)率在研究階段內(nèi)趨近于0或長(zhǎng)時(shí)間處于負(fù)值，即能證明疫苗對(duì)疫情防控的有效性。

為了觀察不同疫苗接種率對(duì)平均增長(zhǎng)率的影響,將國(guó)家分為3類，如表7所列。疫苗接種率和平均增長(zhǎng)率比例關(guān)系如圖3所示。

表7 國(guó)家分類

由圖3可知,疫苗接種率在0～20%時(shí),曲線的增長(zhǎng)率存在波動(dòng)情況,但接種后波動(dòng)范圍無(wú)明顯變化,顯示不出疫苗的有效性;疫苗接種率在20%～50%時(shí),曲線有明顯的下降趨勢(shì),且下降后曲線在小范圍內(nèi)穩(wěn)定地趨近于0,顯示出疫苗的有效性;疫苗接種率在50%～70%時(shí),各曲線的下降趨勢(shì)都很明顯,曲線均趨近于0或長(zhǎng)時(shí)間處于負(fù)值,可明顯看出疫苗的有效性。

圖3 各國(guó)疫苗接種率和平均增長(zhǎng)率的比例關(guān)系Fig.3 The proportional relationship between the vaccination rate and the average growth rate of different countries

截至2021年5月28日,全球疫苗接種率達(dá)到60%以上的國(guó)家有以色列、圣馬力諾、馬耳他、塞舌爾4個(gè)國(guó)家,研究這4個(gè)國(guó)家在接種率達(dá)到10%、20%、30%、40%、50%、60%后一周的新增病例數(shù)和死亡數(shù)，如圖4和表8所示。

從圖4和表8中數(shù)據(jù)可以看出,接種疫苗對(duì)減少新增病例數(shù)和死亡數(shù)都起到一定的效果,當(dāng)接種率達(dá)到50%以上效果比較明顯,所以為了在最短時(shí)間內(nèi)提高對(duì)疫情的防控能力,各國(guó)都應(yīng)提高國(guó)民的疫苗接種率。

圖4 4國(guó)新增病例數(shù)Fig.4 Numbers of increasing case of these four countries

表8 4國(guó)新增死亡人數(shù)

4 結(jié)論與建議

(1) 結(jié)合傳染病傳播的3個(gè)基本條件:傳染源、傳染途徑和易感人群,建立了全球各國(guó)新型冠狀病毒感染防控指標(biāo)體系。該體系的指標(biāo)能夠有效反映各國(guó)新冠疫情防控的水平,可對(duì)世界各國(guó)新冠疫情防控能力進(jìn)行定量評(píng)估。

(2) 使用主成分分析方法可以研究評(píng)價(jià)體系內(nèi)各指標(biāo)對(duì)新冠疫情防控的影響程度，用各國(guó)新增病例數(shù)的變化分析疫情防控中的關(guān)鍵因素的影響程度：人均GDP、疫苗接種率、衛(wèi)生支出占比和防控政策嚴(yán)格性為影響新冠疫情防控能力的主要因素。

(3) 在疫苗接種率較低的情況下,其對(duì)疫情防控的效果并不明顯,嚴(yán)格的防控措施可以極大限度地降低新冠病毒傳播所帶來(lái)的危害;疫苗接種率上升到60%以上時(shí),其在疫情防控上具有明顯作用。

(4) 在防疫常態(tài)化的背景下,各國(guó)應(yīng)該嚴(yán)格防疫措施,積極推進(jìn)新冠疫苗接種工作,以抗擊疫情為契機(jī),補(bǔ)齊公共衛(wèi)生短板、完善公共衛(wèi)生設(shè)施、增強(qiáng)公共衛(wèi)生理念,構(gòu)建起強(qiáng)大的公共衛(wèi)生治理體系,切實(shí)為維護(hù)人民健康提供有力保障。面對(duì)疫情發(fā)展、病毒在與人類交鋒過(guò)程中的進(jìn)化和變異[24]、錯(cuò)綜復(fù)雜的國(guó)際關(guān)系,在提高疫苗接種率的同時(shí)也要在疫苗技術(shù)上進(jìn)行突破,提高疫苗的保護(hù)率,最終實(shí)現(xiàn)“守護(hù)健康、捍衛(wèi)生命”的目標(biāo)。