荊州市新型冠狀病毒肺炎時空分布特征分析

藺茂文，劉 天，田克卿，江 鴻，曾旻敏，王 麗，殷 俊，雷若倩，姚夢雷，黃繼貴

湖北省荊州市疾病預防控制中心，荊州 434000

新型冠狀病毒肺炎（coronavirus disease 2019，COVID-19）是由新型冠狀病毒SARS-CoV-2（severe acute respiratory syndrome coronavirus 2）感染引起的，以呼吸道飛沫、接觸傳播為主的急性呼吸道傳染病[1-3]。截至2020 年3 月12 日24 時，我國累計報告確診病例80 813 例，其中湖北省累計報告確診病例67 786 例[4]。荊州市位于湖北省中南部，地處長江中游，是江漢平原腹地，距武漢市約250 km。截至2020 年3 月12 日24 時，荊州市累計報告COVID-19 確診病例1 580 例，位居湖北省第4 位[5]。百度人口遷徙數據顯示，2020 年1 月1 日—23 日武漢市累計遷出總人口數中，遷出地為荊州市的人數居第3 位[6]。為探討COVID-19 在該市時空分布的特點，本研究利用地理信息技術對荊州市COVID-19 時空聚集性、聚集趨勢進行分析，以識別COVID-19 的高風險區域，評估荊州市的防控效果。

1 資料與方法

1.1 資料來源

荊州市COVID-19 病例信息來源于中國疾病監測信息報告管理系統，人口資料來源于網絡直報系統子系統基本信息系統。將現住址為荊州市、發病日期為2020 年1 月 1 日—3 月12 日的病例資料導出，病例類型包括確診病例、臨床診斷病例和核酸檢測陽性病例。荊州市1:1 800 000 矢量化縣（市、區）界、鄉鎮（街道）界地圖由荊州市疾病預防控制中心提供。

1.2 統計分析

運用ArcGIS 10.0 軟件繪制空間分布地圖，進行趨勢面分析、全局空間自相關分析、局部空間自相關分析。運用SaTScan 9.5 軟件進行時空掃描分析。采用Excel 2019軟件整理資料并進行統計分析，P＜0.05 認為差異有統計學意義。

1.2.1 趨勢面分析 趨勢面分析是將采樣點Z 作為散點圖投影到XZ 和YZ 平面上，再根據投影平面上的散點圖，通過多項式擬合做出擬合線，以模擬Z 的空間趨勢[7-9]。其中X、Y、Z 分別表示經度、緯度和COVID-19 發病率，本研究選擇二次多項式進行擬合。

1.2.2 全局空間自相關分析 全局空間自相關（Global Moran's I）探測整個研究區域的空間模式，目的在于分析某種現象在空間上是否具有聚集的特性，Global Moran's I系數為常用指標。Moran's I 系數取值范圍為–1 ～1，取值越接近1，說明COVID-19 發病率與空間的正相關性越強（高發病率地區聚集在其他高發病率地區附近，低發病率地區聚集在其他低發病率地區附近）；取值越接近–1，說明COVID-19 發病率與空間的負相關性越強（高發病率地區排斥其他高發病率地區，而傾向于靠近低發病率地區）；取值為0，說明發病率與空間無相關性[7-8,10]。本研究運用反距離法定義空間關系的概念化，運用歐氏距離法測量距離。

1.2.3 局部空間自相關分析 全局空間自相關分析只能反映某種想象的總體空間聚集性，并不能反映某種現象的局部空間聚集特征。為了識別具體區域的聚集性，本研究采用局部Moran's I 和Getis-Ord Gi 2 種方法進行分析。局部Moran's I 分析根據局部Moran's I 值、Z 值可將局部空間關聯模式劃分為4 種類型（P＜0.05）：高值聚類（HH）、低值聚類（L-L）、高值由低值圍繞的異常值（H-L）、低值由高值圍繞的異常值（L-H），其中H-H、H-L、L-H提示有COVID-19 高發區。Getis-Ord Gi 分析即熱點分析，通過Gi 統計量Z 值來判斷聚集關系：其中Z＞1.96，提示為高值聚集區，記為熱點；Z＜-1.96，即為低值聚集區，記為冷點[10-12]。本研究為探討COVID-19 疫情在空間上隨時間變化的趨勢，以2020 年2 月10 日為界將荊州市疫情分為流行前期、流行后期。選擇2 月10 日為分割點主要基于2 點：①荊州市COVID-19 流行高峰為1 月23 日—28 日，隨著“離漢離荊通道關閉”“餐飲等服務行業停止營業”等防控措施的落實，人口流動性逐步減小，最大限度地減少了COVID-19 的傳播。理論上經過14 d（99% COVID-19 病例的潛伏期≤14 d）[13]至2 月10 日，疫情暴發趨勢應顯著下降。②2 月10 日，密切接觸者集中隔離措施正式啟動。

1.2.4 時空掃描分析 時空掃描分析的基本思想是首先采用一個以空間距離定義半徑、時間長度定義高度的圓柱體作為二維掃描窗口，掃描每一個時空事件，然后在每個窗口根據泊松分布，以人口數與總發病數計算理論發病數，通過窗口內外理論與實際發病人數構造統計量對數似然比（loglikelihood ratio，LLR），用LLR 來評價掃描窗口內發病數的異常程度。選取LLR 值較大的窗口為可能高發病聚集窗口，并計算該窗口的相對危險度（relative risk，RR）及檢驗有無統計學意義。LLR 的概率值通過蒙特卡羅隨機化法得到。最終選取LLR 值最大且有統計學意義的窗口為主聚集區，其他LLR 值較小且有統計學意義的窗口均為次聚集區[12,14]。本研究將有武漢旅行居住史的病例定義為輸入病例，無武漢旅行居住史的病例定義為本地病例，分別進行時空掃描，探討輸入病例和本地病例的聚集性差異。本研究以d 為時間單位，以15%風險人口數為最大空間尺度，并以50%時間周期為最大時間尺度[15]。

2 結果

2.1 COVID-19 發病率概況

荊州市累計報告COVID-19 病例1 623 例，發病率為29.03/10 萬，其中輸入病例804 例，本地感染819 例。在流行前期，以輸入病例為主（52.18%，765/1 466），流行后期以本地病例為主（75.16%，118/157）。在縣（市、區）層面，洪湖市發病率最高（54.12/10 萬），石首市發病率最低（14.35/10 萬）；在鄉鎮（街道）層面，洪湖市新堤街道發病率最高，為176.51/10 萬（圖1）。

圖1 荊州市COVID-19 發病率地區分布Fig 1 Regional distribution on incidence rate of COVID-19 in Jingzhou City

2.2 趨勢面分析

趨勢面分析結果見圖2。其中XZ 平面上的曲線代表東西方向趨勢，YZ 平面上的曲線代表南北方向的趨勢，可以看出荊州市COVID-19 發病率自西向東呈輕微“U”形，且東部略高；自南向北呈倒“U”型，且南部略高。

圖2 荊州市COVID-19 發病率趨勢面分析Fig 2 Trend surface analysis on incidence rate of COVID-19 in Jingzhou City

2.3 全局空間自相關分析

荊州市COVID-19 全局空間自相關Moran's I 系數為0.410（P=0.000），提示COVID-19 發病率存在空間聚集性。

2.4 局部空間自相關分析

2.4.1 局部Moran's I 分析 Moran's I 分析共探測到2 個H-H 聚集區。一個聚集區包括沙市區、荊州區10 個鄉鎮（街道）；另一個聚集區為洪湖市新堤街道。2 月10 日前H-H 聚集區主要集中在荊州市主城區（沙市區、荊州區）和洪湖市主城區（新堤街道），與整體數據掃描結果類似。2 月10 日后，H-H 聚集區主要為洪湖市中東部地區的 5 個鄉鎮（街道）（圖3）。

圖3 荊州市COVID-19 發病率局部空間自相關分析情況Fig 3 Local spatial autocorrelation analysis on incidence rate of COVID-19 in Jingzhou City

2.4.2 Getis-Ord Gi 分析 共探測到2 個熱點區域，一個熱點區域涵蓋沙市區、荊州區、公安縣共計17 個鄉鎮（街道）；另一個熱點區域涵蓋洪湖市5 個鄉鎮（街道）。 2 月10 日前熱點區域與整體數據掃描結果基本一致；2 月10 日后，熱點區域主要集中在洪湖市中東部地區的13 個鄉鎮街道（圖4）。

圖4 荊州市COVID-19 發病率熱點分析情況Fig 4 Hot spot analysis on incidence rate of COVID-19 in Jingzhou City

2.5 時空掃描分析

2.5.1 輸入病例 共發現5 個時空聚集區（圖5，表1）。 主聚集區的聚集時間為1 月18 日—2 月3 日，聚集區域為聯合街道及周邊15 個鄉鎮（街道），半徑為13.42 km，該聚集區內COVID-19 發病風險是其他區域的7.395倍；次聚集區1 的聚集時間為1 月17 日—2 月2 日，聚集區域為黃家口鎮及周邊29 個鄉鎮（街道），半徑為33.55 km，該聚集區內COVID-19 發病風險是其他區域的6.842 倍。

2.5.2 本地病例 共發現5 個時空聚集區（圖5，表1）。主聚集區的聚集時間為1 月20 日—2 月24 日，聚集區域為新堤街道，該聚集區內COVID-19 發病風險是其他區域的16.133 倍；次聚集區1 的聚集時間為1 月22 日—2 月8 日，聚集區域為岑河原種場及周邊19 個鄉鎮（街道），半徑為18.28 km，該聚集區內COVID-19 發病風險是其他區域的8.378 倍。

圖5 荊州市COVID-19 時空掃描分布Fig 5 Spatial-temporal scanning distribution of COVID-19 in Jingzhou City

表1 荊州市COVID-19 時空掃描結果Tab 1 Spatial-temporal scanning distribution of COVID-19 in Jingzhou City

3 討論

目前，國內外對COVID-19 的研究主要集中在傳染性[16-19]、 疾病譜[20-21]等方面。本研究在鄉鎮（街道）級別上，采用趨勢面分析、全局空間自相關分析、局部空間自相關分析和時空掃描分析4 種方法，探討荊州市COVID-19 時空聚集性分布特點，識別高風險區域，評估防控效果。

總體上，荊州市COVID-19 發病率在空間上自西向東呈輕微“U”形，且東部略高；自南向北呈倒“U”型，且南部略高。全局空間自相關分析顯示，荊州市COVID-19發病率存在地區聚集性，與趨勢面分析結果一致。進一步以局部Moran's I 分析、Getis-Ord Gi 分析探討COVID-19空間聚集特點，2 種方法均顯示荊州市COVID-19 存在2個聚集區域，包括荊州市主城區（沙市區、荊州區）部分鄉鎮（街道）、洪湖市部分鄉鎮（街道），可能與荊州主城區人口密度大、武漢流入人口多，洪湖市與武漢市毗鄰有關。2020 年1 月1 日—2 月10 日，荊州市主城區為熱點區域。2 月11 日—3 月12 日，隨著“內防擴散、外防輸入”防控措施的落實，主城區不存在明顯聚集，疫情顯著下降。洪湖市在2 月10 日前后，聚集地區不斷擴大，疫情形勢嚴峻，防控措施未得到有效落實[22]。

輸入病例時空掃描結果顯示，5 個時空聚集區均與湖北省內其他地區接壤，聚集時間主要集中在1 月18 日—2 月 3 日，主聚集區位于荊州市主城區，次聚集區1 位于洪湖市，這與局部空間自相關分析結果相一致。武漢市自1 月23 日采取“離漢”通道交通管制后[23]，經過14 d，有武漢暴露史的病例相繼發病，荊州市1 月底、2 月初迎來發病高峰，與時空掃描聚集時間一致，提示荊州市大部分病例均與武漢暴露史有關。

本地病例時空掃描結果顯示，2 個聚集區（新堤街道、府場鎮）聚集時間跨越了2 月10 日，提示洪湖市主城區、北部鄉鎮、監利縣北部鄉鎮防控措施未得到有效落實；其他3 個聚集區聚集時間均在2 月10 日以前，2 月10 日以后無聚集，提示大部分地區隨著1 月24 日“封城”，2 月2 日“交通管制”“社區封閉管理”后[23]，傳染源管控嚴格、傳播途徑相繼被阻斷，疫情得到有效控制。

綜上所述，荊州市COVID-19 在空間上具有明顯空間聚集性。高值聚集區主要集中在荊州市主城區和洪湖市主城區，是COVID-19 防控的重點區域。除洪湖市、監利縣部分鄉鎮外，荊州市COVID-19 防控效果顯著。

致謝：感謝荊州市疾控中心、監利縣疾控中心、公安縣疾控中心、江陵縣疾控中心、洪湖市疾控中心、石首市疾控中心、松滋市疾控中心所有參與COVID-19 疫情防控的公共衛生工作者！

參·考·文·獻

[1] 國家衛生健康委員會辦公廳, 國家中醫藥管理局辦公室. 新型冠狀病毒肺炎診療方案（試行第七版）[EB/OL]. (2020-03-04)[2020-03-14]. http://www.gov.cn/zhengce/zhengceku/2020-03/04/content_5486705.htm.

[2] Liu K, Fang YY, Deng Y, et al. Clinical characteristics of novel coronavirus cases in tertiary hospitals in Hubei Province[J]. Chin Med J, 2020, 133(9): 1025-1031.

[3] Thompson RN. Novel coronavirus outbreak in Wuhan, China, 2020: intense surveillance is vital for preventing sustained transmission in new locations[J]. J Clin Med, 2020, 9(2): E498.

[4] 國家衛生健康委員會. 截至3 月12 日24 時新型冠狀病毒肺炎疫情最新情況[EB/OL]. (2020-03-13)[2020-03-14]. http://www.nhc.gov.cn/xcs/yqtb/20200 3/816e6f71236b4dca96378df5f6f4ae53.shtml.

[5] 湖北省衛生健康委員會. 2020 年3 月12 日湖北省新冠肺炎疫情情況[EB/OL]. (2020-03-13)[2020-03-14]. http://wjw.hubei.gov.cn/bmdt/ztzl/fkxxgzbdgrfyyq/xxfb/202003/t20200313_2180674.shtml.

[6] 百度地圖慧眼. 百度遷徙[EB/OL]. (2020-01-24)[2020-03-14]. http://qianxi.baidu.com/.

[7] 池建. 精通ArcGIS 地理信息系統[M]. 北京: 清華大學出版社, 2011: 352.

[8] 趙月. 四川省甘孜藏族自治州棘球蚴病空間聚集性分析[D]. 北京: 中國疾病預防控制中心, 2015.

[9] 李怡, 袁方, 周春碚, 等. 趨勢面分析在疾病防控領域中的應用進展[J]. 現代醫藥衛生, 2017, 33(16): 2476-2478.

[10] 王帥. 犯罪案件時空熱點分析研究[D]. 北京: 首都師范大學, 2012.

[11] 劉天, 陳紅纓, 姚夢雷, 等. 2016 年湖北省手足口病時空分布特征分析[J]. 疾病監測, 2018, 33(8): 653-658.

[12] Xu X, Zhao Y, Xia S, et al. Investigation of multi-scale spatio-temporal pattern of oldest-old clusters in China on the basis of spatial scan statistics[J]. PLoS One, 2019, 14(7): e0219695.

[13] Lauer Stephen A, Grantz Kyra H, Bi Q, et al. The incubation period of coronavirus disease 2019 (COVID-19) from publicly reported confirmed cases: estimation and application[J]. Ann Intern Med, 2020, 179(2): 577-582.

[14] Kulldorff M, Heffernan R, Hartman J, et al. A space-time permutation scan statistic for disease outbreak detection[J]. PLoS Med, 2005, 2(3): e59.

[15] 唐咸艷, 李嶠, 仇小強, 等. 掃描統計量中最大空間掃描窗口的尺度選擇[J]. 中華疾病控制雜志, 2015, 19(3): 316-317, 320.

[16] Li Q, Guan XH, Wu P, et al. Early transmission dynamics in Wuhan, China, of novel coronavirus-infected pneumonia[J]. N Engl J Med, 2020, 382(13): 1199-1207.

[17] Chan JF, Yuan S, Kok KH, et al. A familial cluster of pneumonia associated with the 2019 novel coronavirus indicating person-to-person transmission: a study of a family cluster[J]. Lancet, 2020, 395(10223): 514-523.

[18] Riou J, Althaus CL. Pattern of early human-to-human transmission of Wuhan 2019 novel coronavirus (2019-nCoV), December 2019 to January 2020[J]. Euro Surveill, 2020, 25(4). DOI:10.2807/1560-7917.ES.2020.25.4.2000058.

[19] Wu P, Hao X, Lau EHY, et al. Real-time tentative assessment of the epidemiological characteristics of novel coronavirus infections in Wuhan, China, as at 22 January 2020[J]. Euro Surveill, 2020, 25(3). DOI: 10.2807/1560-7917.ES.2020.25.3.2000044.

[20] 胡世雄, 徐巧華, 羅愷偉, 等. 湖南省新型冠狀病毒肺炎感染者流行病學特征分析[J/OL]. 實用預防醫學, 2020. (2020-03-06)[2020-03-15]. http://kns.cnki.net/kcms/detail/43.1223.R.20200304.1301.002.html.

[21] 周生余, 王春亭, 張偉, 等. 山東省新型冠狀病毒肺炎患者537 例臨床特征與救治效果[J/OL]. 山東大學學報(醫學版), 2020. (2020-03-13)[2020-03-15]. http://kns.cnki.net/kcms/detail/37.1390.r.20200310.1047.002.html.

[22] 朱宏, 史文釗, 劉莉, 等. 廣東馳援湖北洪湖市醫療隊的抗疫實踐及思考[J/OL]. 中華醫學雜志, 2020. (2020-03-11)[2020-03-15]. http://rs.yiigle.com/yufabiao/1184395.htm. DOI: 10.3760/cma.j.cn112137-20200228-00496.

[23] 武漢市新型冠狀病毒感染的肺炎疫情防控指揮部. 武漢市新型冠狀病毒感染的肺炎疫情防控指揮部通告（第1號）[EB/OL]. (2020-01-23)[2020-03-14]. http://www.gov.cn/xinwen/2020-01/23/content_5471751.htm.

[24] 荊州市新型冠狀病毒感染的肺炎防控指揮部. 關于進一步加強市區人口出行管控的緊急通知[EB/OL]. (2020-02-02)[2020-03-14]. http://www.jingzhou.gov.cn/zfwxw/jzyq/202002/t20200203_453340.shtml.