張麗君 趙敬朋
摘 要
隨著新型冠狀病毒引起的非典型肺炎在全世界的蔓延,確診人數(shù)不斷上漲,疫情的規(guī)模和地理范圍變得高度不確定。疾病傳播尤其令人擔(dān)憂。本研究旨在通過百度遷徙所提供的中國春運人員遷徙熱力圖及衛(wèi)生健康委員會提供的新型冠狀病毒感染的疫情分布,建立線性回歸模型追蹤疫情擴散的傳播趨勢。利用相關(guān)分析、回歸分析證明作為始發(fā)地的輸出比例與疫情確診病例呈現(xiàn)顯著的正相關(guān)關(guān)系。通過研究以期為世界范圍內(nèi)應(yīng)對新型冠狀病毒在人口和個人層面實施大規(guī)模衛(wèi)生干預(yù)做好準備,以便迅速部署。
關(guān)鍵詞
大數(shù)據(jù);疫情擴散;預(yù)警機制
中圖分類號: D63 ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼: A
DOI:10.19694/j.cnki.issn2095-2457 . 2020 . 17 . 97
0 引言
自2019年12月31日以來,湖北省武漢市報告了由2019年新型冠狀病毒引起的非典型肺炎爆發(fā)。
近幾十年來,另外兩種新型冠狀病毒已成為全球主要流行病。2002年,重癥急性呼吸綜合征冠狀病毒(SARS-CoV)傳播到37個國家,確診8000多例,近800人死亡;2012年,中東呼吸綜合征冠狀病毒(MERS-CoV)傳播到27個國家,迄今為止,全球共確診2494例,858人死亡。這些冠狀病毒都是人畜共患的,并且具有持續(xù)的社區(qū)傳播潛力。
本研究旨在通過2020年1月10日-2020年1月24日,武漢輸出到全國及湖北其他地市的人口流出數(shù)據(jù)及截止到2020年2月2日的疫情分布數(shù)據(jù),建立線性回歸模型追蹤疫情擴散的傳播趨勢,利用相關(guān)分析、回歸分析等證明武漢作為始發(fā)地的輸出比例與疫情確診病例呈現(xiàn)顯著的正相關(guān)關(guān)系。通過研究以期為世界范圍內(nèi)應(yīng)對新型冠狀病毒在人口和個人層面實施大規(guī)模衛(wèi)生干預(yù)做好準備,以便迅速部署。
1 理論研究
本研究使用百度地圖慧眼百度遷徙提供的武漢輸出人口比例及國家衛(wèi)建委和各省衛(wèi)健委提供的新型冠狀病毒感染的疫情分布作為數(shù)據(jù)支撐。
1.1 春運期間武漢遷出目的地分布
據(jù)相關(guān)報道:受春節(jié)和疫情的影響有500多萬人離開武漢。那么,這500多萬人到底去了哪里?這些離開武漢的人對疫情擴散又有著什么影響呢?
從百度地圖慧眼的遷徙大數(shù)據(jù)可知,1月10日至1月24日春運期間,每天從武漢出發(fā)的人群中有6至7成的人前往了湖北省內(nèi)的其他城市,其次是河南省、湖南省、安徽省、江西省、廣東省。
從市際維度來看,除了湖北的城市,從武漢前往信陽、重慶、長沙、北京、上海、鄭州的人群比例也較高。而在湖北省內(nèi),孝感和黃岡是接受武漢返鄉(xiāng)客流比例最高的兩個城市,離開武漢的人當(dāng)中,平均每天有13.80%和13.04%是從武漢出城到達孝感和黃岡。
1.2 疫情擴散情況及分布比例
由表1可以看出,截止至2020年2月2日13點35分,全國新型冠狀病毒確診人數(shù)14425例。就全國范圍來看,確診病例排名前列的省份為:湖北省、浙江省、廣東省、河南省、湖南省、安徽省、江西省。由<表2>可以看出,截止至2020年2月2日13點35分,湖北省新型冠狀病毒確診人數(shù)9074例。就全省來看,確診病例排名前列的城市為:武漢、黃岡、孝感。
從“武漢遷出目的地地圖及分布比例圖”和“全國及湖北省疫情分布表”可以看出,從武漢(起始地)流向全國各省市的輸出比例,與各省市新型冠狀病毒確診數(shù)量有著一定的正相關(guān)關(guān)系。
基于此,本研究提出如下假設(shè):
假設(shè)1:省際輸出比例與全國省際疫情確診病例顯著正相關(guān)。
假設(shè)2:市際輸出比例與湖北市際疫情確診病例顯著正相關(guān)。
2 實證研究
本研究使用百度地圖慧眼百度遷徙提供的武漢輸出人口比例及國家衛(wèi)建委和各省衛(wèi)健委提供的新型冠狀病毒感染的疫情分布數(shù)據(jù),構(gòu)建一元線性回歸模型。使用SPASS22.0軟件,進行相關(guān)性檢驗及回歸檢驗。
回歸模型如下所示:
Y=β0+β1Xi+εi,i=1,2,……,n
Y=疫情分布,Xi=輸出比例
2.1 省際輸出比例對全國省際疫情確診病例的影響
在進行假設(shè)1驗證之前,為了檢驗各變量之間的相互關(guān)系,進行了Pearson相關(guān)分析。
相關(guān)分析結(jié)果見表3。本研究采用Pearson相關(guān)分析進行分析。從表3可以看出,各變量的均值和標準差均不存在異常。表3顯示,在0.01的顯著水平上,輸出比例與疫情確診顯著正相關(guān)(r=0.769, P<0.01),假設(shè)1得到初步支持。為了驗證省際輸出比例對疫情擴散施加影響的假設(shè),本研究采用SPSS 22.0軟件進行了回歸分析。結(jié)果表明,F(xiàn)值顯著,說明該變量適用于回歸分析。輸出比例對疫情擴散的解釋力達到了40.233%。回歸分析中方差膨脹因子(VIF)為1,小于10,說明沒有嚴重的共線性。結(jié)果可以接受。輸出比例對疫情擴散的影響為:β=.752,P<0.001,輸出比例對疫情擴散具有顯著的正向影響。假設(shè)1得到驗證,即省際輸出比例對全國省際疫情確診病例有顯著的正向影響。
2.2 市際輸出比例對湖北市際疫情確診病例的影響
在進行假設(shè)2驗證之前,為了檢驗各變量之間的相互關(guān)系,進行了Pearson相關(guān)分析。
相關(guān)分析結(jié)果見表5。本研究采用Pearson相關(guān)分析進行相關(guān)分析。從表5可以看出,各變量的均值和標準差均不存在異常。在0.01的顯著水平上,輸出比例與疫情確診顯著正相關(guān)(r=0.911, P<0.01),假設(shè)2得到初步支持。為了驗證市際輸出比例對疫情擴散施加影響的假設(shè),本研究采用SPSS22.0軟件進行了回歸分析。結(jié)果表明,F(xiàn)值顯著,說明該變量適用于回歸分析。輸出比例對疫情擴散的解釋力達到了68.309%?;貧w分析中方差膨脹因子(VIF)為1,小于10,說明沒有嚴重的共線性。結(jié)果可以接受。輸出比例對疫情擴散的影響為:β=.911,P <0.001,輸出比例對疫情擴散具有顯著的正向影響。假設(shè)2得到驗證,即市際輸出比例對湖北市際疫情確診病例有顯著的正向影響。
3 結(jié)論及建議
3.1 加強預(yù)警機制,注重疫情預(yù)測
預(yù)警主要由監(jiān)測、識別、診斷及處理四個環(huán)節(jié)構(gòu)成。但目前各大機構(gòu)往往只注重處理環(huán)節(jié),對其他環(huán)節(jié)未給予應(yīng)有的重視,以至于錯失將危機消滅在萌芽期的機會。正如我國目前所通用的做法往往是在疫情已經(jīng)蔓延之后,再采取成立臨時指揮部,對疫情進行集中處理,但此時的處理,往往已錯失了疫情控制的最佳時期。正如2019新型冠狀病毒疫情爆發(fā),盡管武漢市于2020年1月23日采取封城措施,但鑒于2010年1月10日-1月24日,正值春運的特殊時期,在此期間仍有500多萬人離開武漢,僅2月22日晚全城出走30萬人,這些在封城之前出走的武漢人有部分人員在之后得到確診,而此時因人員流動所帶來的嚴重危害已造成其他省市的大面積感染。
以此看來,如果對疫情的預(yù)警僅僅停留在應(yīng)對而非預(yù)測,那么對疫情的控制顯然是被動的。如果各地市在武漢人口輸出后,能夠在第一時間對海量數(shù)據(jù)進行抓取分析,將大數(shù)據(jù)技術(shù)運用到疫情擴散的預(yù)測中,采取及時果斷的隔離措施,就可以避免因人員流動帶來的疫情擴散,進而就能將疫情擴散扼殺在萌芽狀態(tài),減少生命財產(chǎn)損失。
3.2 加強預(yù)警信息系統(tǒng),注重系統(tǒng)建設(shè)
預(yù)警的核心問題就是相關(guān)部門對信息的收集和處理過程,根據(jù)信息處理結(jié)果進行分析匯總,并及時采取相應(yīng)措施。而我國在預(yù)警信息系統(tǒng)建設(shè)方面尚不完善。例如,我國對于危機信息的處理仍采取層級上報制度,此過程往往會造成信息的延誤和失真,造成危機進一步惡化。對信息的反饋,往往會加入社會利益因素,可能會對關(guān)鍵預(yù)警信息采取漠視態(tài)度,造成信息瞞報、誤報。例如,2019新型冠狀病毒爆發(fā),其實早在2019年12月8日就出現(xiàn)第一例不明肺炎患者,1月11日出現(xiàn)第一例死亡病例,1月20日,中央對武漢新型冠狀病毒感染的肺炎做出最高指示,當(dāng)天武漢成立疫情防控指揮部;1月22日,防控全面升級2天后,武漢才開始號召市民戴口罩;1月23日,武漢采取“封城”措施。盡管病毒從被發(fā)現(xiàn)到確診需要一個過程,我國政府也已在最快的時間內(nèi)成立了疫情防控指揮部,但由于危機信息層級上報,這期間經(jīng)歷了45天的無控制狀態(tài),在這45天中,公眾并未對病毒有一個充分的了解,更沒有預(yù)防意識,造成了疫情的擴散。
因此,建立一個強大的預(yù)警信息系統(tǒng),使其擁有強大的信息收集能力、快速的傳遞速度以及高效的數(shù)據(jù)處理能力成為關(guān)鍵。
參考文獻
[1]Abbad A, Perera R A P M, Anga L, et al. Middle East respiratory syndrome coronavirus (MERS-CoV) neutralising antibodies in a high-risk human population, Morocco, November 2017 to January 2018[J]. Eurosurveillance, 2019, 24(48).
[2]Wu J T, Leung K, Leung G M. Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modelling study[J]. The Lancet, 2020.
[3]Virlogeux V, Fang V J, Park M, et al. Comparison of incubation period distribution of human infections with MERS-CoV in South Korea and Saudi Arabia[J]. Scientific reports, 2016,6:35839.
[4]Zhang S, Tuo J, Huang X, et al. Epidemiology characteristics of human coronaviruses in patients with respiratory infection symptoms and phylogenetic analysis of HCoV-OC43 during 2010-2015 in Guangzhou[J]. PloS one, 2018,13(1).
[5]Oh M, Park W B, Park S W, et al. Middle East respiratory syndrome:what we learned from the 2015 outbreak in the Republic of Korea[J].The Korean journal of internal medicine, 2018, 33(2):233.
[6]劉琦.我國突發(fā)公共衛(wèi)生事件危機預(yù)警管理研究[D].沈陽:沈陽師范大學(xué),2016