关键词：
COVID-19
时空特征解析
数学模型
影响因素
防控策略
摘要：
COVID-19自2019年末在中国爆发,已持续传播三年多,导致严重健康问题和经济危机。站在后COVID-19疫情时代来看,充分而全面地认识COVID-19的时空演变特征、影响因素及其高风险区域识别对预防和控制重大新型传染病具有重要意义。
首先,本研究收集全球173个国家2020年1月1日至2021年12月30日28142个COVID-19爆发位点数据,以及全球人口密度、土地利用类型、海拔、气候因素数据,基于最大熵模型(Maximum Entropy model,Max Ent model),对全球除非洲外大陆地区以及日本、新西兰、英格兰、古巴、印度尼西亚、菲律宾六个重点岛国COVID-19传播风险进行模拟、预测和验证,了解疾病的热点区域、高发区域及散发区域。其次,收集了德国、意大利、中国二级行政单位为标准的2021年11月1日至2022年6月31日COVID-19每日现存感染人数,以及三国各省2022年老年人口抚养比、人口老龄化、人均GDP、人口密度、万人床位数、万人医生数,利用空间自相关、莫兰指数(Moran's I)、LISA聚类分析、最小二乘法回归分析(Ordinary Least Squares,OLS)、空间滞后模型(Spatial Lag Model,,SLM)等方法,从全局到局部聚类探究COVID-19的空间演变特征,挖掘影响COVID-19传播的驱动因素,明确主导因子以及各因子的交互影响力。确定降低疾病传播阈值的影响因素,并分析COVID-19的流行病学模式,对全球疫情进行科学防控具有重要的理论及实践意义。最后,收集了2021年4月1日至2022年7月31日关于新型冠状病毒感染肺炎的五组数据(每日现存感染人数、累积感染人数、累计治愈病例数、每日新增死亡病例数以及累积死亡病例数),采用SEIARDVS动力学模型,利用软件Matlab 2021b,对四个重点国家德国、意大利、土耳其、中国进行防控策略评估,并计算其基本再生数R0,分析R0对模型参数的敏感性,构建了科学有效的新冠肺炎防控策略评价体系。
主要研究结果如下:
***-19的早期传播主要受人类活动的影响。全面、定量地揭示了COVID-19流行病学规律时空演变特征的非自然属性,即其动态波动缺乏对自然调控因素的响应,溯源指向性明确。
2.在中国和意大利,SLM回归分析的结果较OLS回归分析更为准确;在德国,OLS回归分析较SLM回归分析的结果更为精准。研究表明,大多数情况下,人口密度、老年人口抚养比、人口老龄化以及人均GDP对COVID-19传播产生正相关影响。万人医生数和万人床位数对新冠的传播扩散呈显著负相关。
3.从全局Moran's I指数来看,中国、德国、意大利内新冠病例具有自相关性。LISA聚类图来看,中国、德国、意大利COVID-19的流行表现出时空聚集,三国各省域之间的COVID-19病例分布显著相关。揭示疾病的空间分布特征,反映病例的聚集情况,为疾病的防治提供决策支持。
4.建立了科学有效的新冠肺炎监测评价体系,结果显示,人类活动会加速潜伏期患者的增多。因此,易感人群被感染后向潜伏期人群的转化概率β越大,疾病就越容易传播(R0)。无症状感染者比例越大,COVID-19传播程度越严重。COVID-19的恢复率和死亡率高会减少疾病传播扩散。疫苗接种仍是应对新冠疫情最有效的防护措施。有必要开发具有迅速、及时预防病毒特点的疫苗,力求达到疫苗安全性和有效性的最大值。综上:COVID-19的防控需要综合考虑优化城市人口密度、提高新冠治愈率以及通过宣教的方法提高居民健康意识等多个因素,制定科学的防控策略。
综合本研究的结果,证明COVID-19的传播与扩散在空间流行病学上呈现出一定的规律。从地理空间的角度看,COVID-19的传播在不同地区呈现出不同的速度和规模。人口密度高、人员流动性大的城市往往成为疫情爆发和扩散的重点区域。此外,在人口密集、卫生条件较差、医疗资源紧张的地区,疫情的传播往往更为迅速和广泛。老年人等人群的免疫力较弱,更容易成为易感人群。了解这些规律有助于我们更好地预测疫情发展趋势,制定有效的防控策略,从而减轻疫情对人类社会的影响。
