基于多源數據的流行病學特征分析及傳播影響因素分析
——以河北省為例

肖媛媛 馮超穎 蔡瑞鑫 吳淑儀

（江西師范大學地理與環境學院，江西 南昌 330022）

2020 年初，新冠肺炎疫情席卷全球,世界衛生組織將新冠肺炎疫情列為“全球大流行病”。面對突如其來的新冠疫情，舉國上下迅速應對，有效遏制了擴散趨勢。隨著疫情擴散趨勢逐漸被控制，我國率先進入后疫情時代[1]。后疫情時代不是指病毒完全消失、疫情不會爆發，而是時起時伏，一種小規模爆發的狀態[2]。但這并不意味著高枕無憂，還需要時刻警惕。

國內外目前關于新冠肺炎病毒的傳播影響因素研究與傳播趨勢預測中，有畢佳[3]等學者結合人口、醫療、經濟情況改良SEIR 模型對突發公共衛生事件演變趨勢進行評估與預測，改良后的SEIR 模型擬合效果良好；有梁澤[4]等學者通過使用GWR 模型研究疫情爆發時期人口遷徙與社會經濟因素對新冠肺炎發病率的影響，發現二者與新冠肺炎發病率有明顯的空間依賴特征；馬藝文[5]等學者通過研究小區物質環境、周邊設施、居住人口三大類指標分析小區規模、人口流動性、小區品質等空間特征對疫情發展的影響范圍；Mugen Ujiie[6]等學者通過泊松回歸分析評估溫度對日本COVID-19 傳染性的影響，發現低溫與COVID-19 感染風險增加之間可能存在關聯，但在全球一級需要進一步的評估。但是國內外目前對于后疫情時代的新冠肺炎病毒的時空擴散影響因子研究仍然不足。

本文以河北省作為研究區域，以河北省2021 年1 月為研究時間，構建氣象因子和城內出行強度兩大要素，獲取包括平均溫度、濕度、風向角度、城內出行強度等多項指標，使用泊松回歸分析對河北省后疫情時代新冠病毒傳播的原因進行建模與分析，找到河北省后疫情時期新型冠狀肺炎病毒傳播的主要影響因子，為后疫情時期的疫情防控預警工作常態化提供新思路。

一、數據源

河北省2021 年1 月2 日-31 日疫情數據來源于河北省各市衛生健康委員會發布的“新型冠狀病毒肺炎確診病例信息通報”。病例數據包括累計確診病例數、新增確診病例數等；河北省2021 年1 月2 日-31 日氣象數據來源于中國氣象局，包含平均溫度、濕度、降雨量及風向角度等數據；河北省2021 年1 月2 日-31 日城市出行強度數據，數據來源于百度遷徙-百度地圖慧眼平臺（https://qianxi.baidu.com/）；河北省2020 年各市人口密度數據來源于德國的 Michael Bauer 研究中心，該研究中心每年都整理來自聯合國、世界銀行等發布的數據，以空間數據發布在線地圖服務；河北省2019年各市綜合醫院數據來自于Esri 公司旗下面向全球用戶的公有云GIS 平臺ArcGIS Online（http://www.arcgisonline）中所公布的公開數據；河北省2019 年公共管理與公共服務用地、商業服務業設施用地、道路交通設施用地以及公用設施用地數據來源于《中國城市建設統計年鑒2019》。

二、研究方法

本文使用核密度分析、Possion 回歸模型等方法分析多源數據的時空分布特征及擬合多源時空數據對每日新增確診人數的泊松分布模型，對疫情爆發的主要解釋變量的特征和原因進行分析。

（一）核密度分析

由地理學第一定律可知，任何的事物都是空間相關的，距離近的事物比距離遠的事物的空間相關性更大[7]。核密度分析基于此理論，計算要素在其鄰域中的密度，每個柵格像元中心的周圍都定義了一個鄰域，將鄰域內要素的數量相加，然后除以鄰域面積，即得到要素的密度。在設置的搜索半徑范圍中，要素密度值隨著與要素距離的增大而減小。核密度估計是分析空間要素聚集特征的一種較為重要的非參數化方法[8]，其計算公式為

（二）poisson 回歸分析

Poisson 回歸模型是基于事件的計數變量而建立的回歸模型[9]，常被用于描述概率較小的事件的發生規律[10]。

本文采用Stata16.0 對河北省每日新增確診數據進行統計分析。由于疫情傳播與人口流動、天氣與氣候變化等因素具有一定的相關性，且河北省每日新增確診人數時間變化符合Poisson 分布函數，因此我們以2021 年1 月2日-31日河北省每日新增確診人數數據為被解釋變量，以2021年1月2日-31日氣象數據（包括平均溫度、濕度、風向角度）和城內出行強度為解釋變量，建立Poisson 回歸方程，評估河北省每日新增確診數據與氣象數據和城內出行強度之間的關系，分析河北省各市COVID-19 在時間上的擴散特征。

三、結果與分析

（一）河北省疫情時空分布特征

1.河北省疫情時間擴散規律。2021 年1 月2 日至2021 年1 月31 日，河北省累積報告COVID-19 確診人數共有1172 例，主要來自石家莊市以及邢臺市，兩地市的累積COVID-19 確診病例數分別為894 例和94 例，其他各市的累積COVID-19 確診病例數僅占全省的15.7%。據圖1 可知，河北省1 月份下旬開始累積COVID-19 確診病例數趨于平緩，且每日COVID-19 新增確診數據呈現先上升再緩速下降，在1 月15 日達到峰值，最高為150 例。截至北京時間2021 年1 月31 日，河北省多市并未發現確診病例，說明河北省的抗“疫”措施取得了優秀的成果，并未造成大區域擴散。

2.河北省疫情空間擴散規律。為直觀了解河北省COVID-19 疫情在空間格局變化規律上的細節特征，本文按照疫情整體變化趨勢繪制了2021 年1月6日、1月12日、1月18日以及1月24日河北省累積確診人數分布圖（圖3）。研究發現截至1 月6 日整體疫情形勢較輕，確診病例數量主要集中在石家莊市、唐山市以及邢臺市這三個區域，最高累積確診人數為62人；截至1月12日，累積確診病例數量有明顯的增加，尤其是石家莊市，累積確診人數高達333人；截至1月18日，隨著COVID-19疫情突破潛伏期爆發，河北省疫情大幅度爆發，其中省會石家莊的累積確診病例數量高達774 例，成為河北省此次疫情的重災區，此時邢臺市的疫情狀況也進一步嚴重；截至1 月24 日，疫情分布的空間格局基本穩定，同1 月18 日空間分布情況，僅石家莊市和邢臺市的累積確診比例數量有所增加。

（二）河北省疫情擴散影響因素特征分析

河南省COVID-19 的擴散影響因素包含了2021 年1 月2 日-31 日每日城內出行強度和氣象數據（包括溫度、濕度和風向角度）。首先是城內出行強度特征。河北省各市在2021 年1 月2 日-31 日的城內出行強度結果如圖 3所示。其中保定市、滄州市、承德市、邯鄲市、衡水市等地市的變化幅度較小，變化趨勢基本一致，基本沒有受到此次疫情的影響。而石家莊市和邢臺市的變化幅度較大，出行強度明顯低于其他地市。1 月6 日，石家莊市城內出行強度驟降，一直持續到1 月24 日，才緩慢上升。邢臺市的疫情爆發不及石家莊市嚴重，因此其城內出行強度較高于石家莊市，在1 月7 日開始下降，1 月12 日開始緩慢上升。在1 月5-8 日之間，各市的城內出行強度均有一次驟降，結合圖 4 可知，此時河北省受冷空氣南下影響，出現了全省性的寒潮天氣，溫度驟降導致了各地人口出行強度下降。

其次是氣象因素特征。河北省各市氣象數據如圖5 所示，結合河北省氣候中心發布的《氣候災害監測公報》可以發現，2021 年1 月5-7 日河北省受極地的冷空氣南下影響，自北向南出現全省性的寒潮降溫天氣。截至1月7日，河北省平均最低氣溫低至-20.7℃，是從1967 年至今最冷的一天，同時我們結合河北省COVID-19 疫情數據發現，累積確診病例數據爆發的拐點時間也在1 月6 日-9 日之間，說明氣象因素對河北省COVID-19 疫情擴散具有一定的影響。1 月5-7 日，河北省全省9 成地區的大幅度降溫，主要集中在唐山、秦皇島西南部、廊坊以及滄州等地。伴隨著降溫過程，河北省全省濕度也隨之降低，變化趨勢與溫度大致相同。在此期間，河北省各市的風向角度也有較大差異。其中，保定市、邯鄲市等區域日均風向角度變化幅度相較其他地市較大。張家口市以及石家莊市日均風向角度變化幅度較為平穩。

（三）河北省疫情擴散特征

本文分析了COVID-19 在河北省的擴散特征，表 1 為2021 年1 月COVID-19 每日新增確診人數影響因素Poisson 回歸模型分析結果。該模型結果顯示，城內出行強度、濕度以及風向角度因素具有統計學意義且 R2為82.3%。

表1 Poisson 回歸分析結果匯總

結論：本文運用Poisson 回歸分析方法，結合多源數據對河北省2021年COVID-19 疫情爆發進行了歸因分析，探討河北省2021 年COVID-19 疫情爆發的傳播規律，并且由河北省COVID-19 疫情整體的感染情況對各市的傳播特征進行深入分析。得到以下結論：對河北省2021 年COVID-19 疫情傳播的相關影響因素（每日各市城內出行強度和氣象數據）進行Poisson 回歸分析，結果顯示多個影響因素具有統計學意義，且回歸模型R2 為82.3%。總之,基于多源數據對河北省此次COVID-19 疫情傳播進行評價分析，為河北省各市在后疫情時代進行有效規劃管理提供科學依據,為其他地區對疫情的長期防范提供了范式參考。