大學(xué)生創(chuàng)新創(chuàng)業(yè)課題組

摘? 要：COVID-19（新型冠狀病毒）是新型的嚴(yán)重呼吸系統(tǒng)疾病。從2019年12月開始在中國(guó)武漢開始大范圍暴發(fā)傳播，當(dāng)時(shí)正值春運(yùn)，全國(guó)處于人口流動(dòng)高峰期，給病毒傳播提供有利條件，對(duì)中國(guó)人民的人身安全造成了嚴(yán)重的威脅，給社會(huì)經(jīng)濟(jì)帶來了巨大的損失。文章對(duì)COVID-19疫情的發(fā)展進(jìn)行了研究，其目的是通過編寫爬蟲，從國(guó)家衛(wèi)健委及各省衛(wèi)健委收集相關(guān)數(shù)據(jù)，將數(shù)據(jù)可視化來展示病毒傳播特點(diǎn)，分析病毒傳播的特征和模式，通過建立SIR模型分析疾病的發(fā)展過程，預(yù)測(cè)疫情疾病走勢(shì)。

關(guān)鍵詞：COVID-19;數(shù)據(jù)可視化;預(yù)測(cè)分析;SIR;Python

Abstract：COVID-19 is a new type of severe respiratory disease. A large-scale outbreak began in Wuhan，China from December 2019. It was during the Spring Festival transport season and the country was at the peak of population movement，which provided favorable conditions for the spread of the virus and caused serious threats and losses to the personal safety and social economy of the Chinese people. The article studies the development of the COVID-19 epidemic，and its purpose is to collect relevant data from the National Health Commission of the Peoples Republic of China and the Provincial Health Commission by compiling crawlers. Data visualization to show the characteristics of virus transmission，analyze the characteristics and patterns of virus transmission，analyze the development process of the disease by establishing an SIR model，and predict the trend of the epidemic disease.

Keywords：COVID-19;data visualization;prediction analysis;SIR;Python

0? 引? 言

本研究是福州外語(yǔ)外貿(mào)學(xué)院學(xué)生在導(dǎo)師的帶領(lǐng)下運(yùn)用專業(yè)相關(guān)知識(shí)進(jìn)行研究。本研究的目的是將COVID-19疫情發(fā)展的數(shù)據(jù)進(jìn)行可視化，分析病毒傳播的特征和模式，然后使用SIR傳染病動(dòng)力學(xué)模型，分析疾病的發(fā)展過程，同時(shí)預(yù)測(cè)疫情走勢(shì)，從而為中國(guó)政府在流行病預(yù)防和經(jīng)濟(jì)生產(chǎn)恢復(fù)的決策中提供參考。

1? 研究背景與流程

1.1? 研究背景

COVID-19（新型冠狀病毒）是一種新型的嚴(yán)重呼吸系統(tǒng)疾病。從2019年12月和2020年1月開始，在中國(guó)武漢開始大范圍暴發(fā)傳播，對(duì)全國(guó)人民的人身安全和社會(huì)經(jīng)濟(jì)造成了嚴(yán)重的威脅和損失。

1.2? 研究流程

本研究研究流程：首先確定研究目的、搜集相關(guān)文獻(xiàn)并制定研究方法，將數(shù)據(jù)前置處理，并將最新數(shù)據(jù)及過往數(shù)據(jù)進(jìn)行匯整，接著著手進(jìn)行研究，透過SIR模型分析疫情發(fā)展情況，并使用Python將數(shù)據(jù)可視化，進(jìn)而提出結(jié)論與建議。

2? 數(shù)據(jù)收集

2.1? 數(shù)據(jù)來源

數(shù)據(jù)主要來源于網(wǎng)易新聞[1]和騰訊新聞[2]，還有使用Python爬蟲從中國(guó)國(guó)家衛(wèi)生健康委員會(huì)和各級(jí)地方衛(wèi)生健康委員會(huì)官方網(wǎng)站爬取而來。

2.2? 數(shù)據(jù)表結(jié)構(gòu)

數(shù)據(jù)在爬取過程中已經(jīng)進(jìn)行了數(shù)據(jù)預(yù)清洗，刪除了大量NA數(shù)據(jù)，具體步驟為：

（1）使用Python制作爬蟲爬取網(wǎng)易新聞及騰訊新聞每日公布在其網(wǎng)站上的數(shù)據(jù)，分別爬取了全世界的疫情數(shù)據(jù)、中國(guó)各省份的疫情數(shù)據(jù)以及詳細(xì)到中國(guó)各個(gè)城市每日新增的疫情數(shù)據(jù)，在經(jīng)過數(shù)據(jù)清洗等步驟去除含有大量NA的疑似數(shù)據(jù)列等，還有一些列都是0，例如今日治愈以及死亡，這兩列的數(shù)據(jù)使用當(dāng)天總的數(shù)據(jù)減去前一天總的數(shù)據(jù)所得，最終爬取到的數(shù)據(jù)格式如表1至表3所示。

（2）直接從騰訊新聞或者網(wǎng)易新聞獲取數(shù)據(jù)集的好處是速度快，且能直接獲取到想要的疫情數(shù)據(jù)，無文字符號(hào)等干擾，無需進(jìn)行二次處理，爬取下來就能直接使用。但缺點(diǎn)是數(shù)據(jù)集的數(shù)據(jù)不全面，缺少一些關(guān)鍵數(shù)據(jù)，因此針對(duì)這一情況，有些省份所使用的數(shù)據(jù)是從該省的衛(wèi)健委官網(wǎng)直接爬取的。以福建衛(wèi)健委爬取的數(shù)據(jù)集為例[3]，最終爬取到的數(shù)據(jù)格式如表4所示。

3? 統(tǒng)計(jì)分析

3.1? 全國(guó)的分析

本研究通過Python可視化數(shù)據(jù)，由圖1可知，中國(guó)在疫情的發(fā)展前期爭(zhēng)分奪秒的增建方艙醫(yī)院鞏固醫(yī)療體系，并出臺(tái)限制出行甚至實(shí)施封城等一系列防控措施的政策，取得良好成效，現(xiàn)如今國(guó)內(nèi)本土新冠肺炎疫情已基本阻斷，但零星散發(fā)和局部暴發(fā)的風(fēng)險(xiǎn)依然存在。隨著疫情在全世界范圍內(nèi)的大流行，我國(guó)病例大多由本土新增病例轉(zhuǎn)變?yōu)橐跃惩廨斎氩±秊橹?，但疫情防控形?shì)依舊嚴(yán)峻。

3.2? 世界對(duì)比分析的分析

在疫情發(fā)生時(shí)，中國(guó)政府爭(zhēng)分奪秒地控制發(fā)展與防控治療。疫情最嚴(yán)重的武漢則進(jìn)行長(zhǎng)達(dá)76天的“封城”，使疫情得以有效控制，現(xiàn)基本已恢復(fù)生產(chǎn)與生活。反觀美國(guó)，由圖2的數(shù)據(jù)可以直觀看出，不管新增病例還是死亡病例，全都居世界首位，現(xiàn)在已然成為全球新冠肺炎疫情大流行的中心，已經(jīng)演變成一場(chǎng)美國(guó)全國(guó)性的公共衛(wèi)生災(zāi)難[4]。這與美國(guó)的疫情防控相關(guān)措施有著必然的聯(lián)系，在此前各州采取的緩解疫情的措施才剛開始取得成果，特朗普政府卻急于通過取消隔離限制來提振經(jīng)濟(jì)，這恰好又形成了一個(gè)新的僵局。只因阻斷COVID-19傳播的進(jìn)程中伴隨著巨大的經(jīng)濟(jì)損失，美國(guó)遲遲不采取積極行動(dòng)來遏制COVID-19的傳播，總是意圖做出有利于經(jīng)濟(jì)利益的決定，而非以科學(xué)為指導(dǎo)保護(hù)健康的決策，導(dǎo)致疫情從緩慢且可控的傳播速度發(fā)展到如今的一發(fā)不可收拾局面。

4? 疫情發(fā)展現(xiàn)狀及其特點(diǎn)

本研究通過Python可視化及Tableau可視化工具，對(duì)全國(guó)、湖北省及福建省的疫情情況進(jìn)行可視化分析。使用者可以從圖3、圖4、圖5和圖6中看到全國(guó)、湖北省及福建省三個(gè)地域從1月20日到8月16日期間的疫情變化情況，以折線圖，疫情地圖、條形圖、面積圖等形式呈現(xiàn)。讓使用者以圖形化的方式觀看疫情從1月20日到8月16日的疫情變化（注：數(shù)據(jù)若出現(xiàn)負(fù)增長(zhǎng)現(xiàn)象，原因在于4月16日當(dāng)天，湖北依法訂正疫情數(shù)據(jù)）。

4.1? 全國(guó)疫情發(fā)展分析

如圖7所示，從全國(guó)的疫情數(shù)據(jù)來看，全國(guó)新冠肺炎每日新增確診病例略有波動(dòng)。由圖7可知，湖北是全國(guó)的疫情重災(zāi)區(qū)，截至2020年8月16日，湖北省累計(jì)確診人數(shù)占全國(guó)的80%以上。

如圖8所示，疫情發(fā)展前期（疫情開始暴發(fā)至2月11日），新冠肺炎確診的手段主要依靠核酸檢測(cè)和試劑盒檢測(cè)，受制于試劑盒研發(fā)和產(chǎn)能的限制及檢測(cè)效率等因素，疑似感染者得以確診的速度較為緩慢。在2月4日達(dá)到高峰后，出現(xiàn)拐點(diǎn)假信號(hào)，連續(xù)7日新增確診人數(shù)下降。

疫情發(fā)展中期（2月12日至4月14日），從圖中可觀測(cè)到2月12日存在特別大的噪音，是由于湖北施行2月12日國(guó)家健康委辦公廳、國(guó)家中醫(yī)藥管理局辦公室印發(fā)的《新型冠狀病毒感染的肺炎診療方案（試行第五版）》[5]：增加CT檢測(cè)手段，并將其歸為臨床確診患者，并將臨床診斷病例也被納入確診人數(shù)。此方案使得疑似感染病例得到大面積確診，新增確診人數(shù)達(dá)到最高峰。同時(shí)有利于臨床確診患者能及早按照確診病例接受規(guī)范治療，提高了病人的收治率。在2月12日后，每日新增確診出現(xiàn)大幅回落，是由于湖北加大了對(duì)存量疑似感染患者的檢測(cè)速度，得以大面積排查現(xiàn)存疑似感染人群，迅速消化現(xiàn)存疑似感染人群。并施行延遲開學(xué)、規(guī)定出行準(zhǔn)則、統(tǒng)籌推進(jìn)疫情防控工作、部署防境外輸入工作等措施，有效地切斷了病毒的傳播途徑，新增確診病例呈現(xiàn)明顯的下降趨勢(shì)。

疫情發(fā)展后期（4月14日至8月16日），前中段新增確診病例的主要來源為境外輸入病例，因先前已有相關(guān)準(zhǔn)備（入境檢查，集中隔離等），每日新增確診病例僅有小范圍波動(dòng)。后段由于某些地區(qū)出現(xiàn)反彈現(xiàn)象，新增確診人數(shù)略比前中段高些，但總體處于良好控制水平。

從全國(guó)每日新增治愈病例來看，從1月21日開始，出現(xiàn)新增治愈病例。2月2日，武漢火神山醫(yī)院正式交付;2月3日晚，三所“方艙醫(yī)院”在武漢開建，用于收治新型冠狀病毒感染的肺炎輕癥患者;2月5日，雷神山醫(yī)院具備交付條件。隨著雷神山、火神山醫(yī)院及方艙醫(yī)院的開設(shè)，使得醫(yī)療資源緊張狀況得到緩解。方艙醫(yī)院主要收治輕癥患者，發(fā)揮著集中隔離、集中觀察、統(tǒng)一收治、統(tǒng)一管理、減輕重病救治壓力、提高救治率等優(yōu)勢(shì)。而雷神山、火神山醫(yī)院主要收治重癥患者，配備專業(yè)救治設(shè)備和專業(yè)救護(hù)人員，患者的生命安全有一定的保障。結(jié)合國(guó)家統(tǒng)一領(lǐng)導(dǎo)、高效決策及全國(guó)統(tǒng)籌、對(duì)口支援等舉措共同作用下，治愈病例數(shù)不斷上升。2月21日當(dāng)天治愈病例數(shù)首次超過新增確診人數(shù)，到2月27日達(dá)到最高峰。隨著疫情嚴(yán)峻形勢(shì)得到緩解，新增確診病例及治愈病例數(shù)均呈下降趨勢(shì)，但治愈病例數(shù)總體高于新增確診人數(shù)，該表現(xiàn)充分說明疫情得到有效控制。

從全國(guó)每日新增死亡病例來看，變化趨勢(shì)較為平緩。每日新增死亡病例僅在0～252范圍內(nèi)波動(dòng)，且總體低于每日治愈病例。直至4月18日至5月15日出現(xiàn)長(zhǎng)時(shí)間清零現(xiàn)象。后期新增死亡病例僅在個(gè)位數(shù)變化。說明疫情形勢(shì)正在往好的方向發(fā)展。

4.2? 福建疫情發(fā)展分析

如圖9所示，從福建省新增確診病例數(shù)據(jù)來看，波動(dòng)看起來較大，但其實(shí)數(shù)據(jù)僅在0～30范圍內(nèi)變化，疫情控制形勢(shì)較好。其中1月31日和3月22日，這兩天前后數(shù)據(jù)變化趨勢(shì)較為明顯。截至8月16日，最高峰值（1月31日福建省新增確診人數(shù)25人）僅占該天全國(guó)新增確診病例的1.2%左右，占比較小，疫情形勢(shì)較樂觀。結(jié)合舉措可知，1月31日后福建省新增確診病例下降可能的原因是福建省部門對(duì)住房系統(tǒng)、疫情期間采購(gòu)安全化與便利化等方面防控工作的部署得到有效落實(shí)。至2月27日后連續(xù)22天出現(xiàn)零新增確診病例。由于當(dāng)前國(guó)外疫情形勢(shì)嚴(yán)峻，在外留學(xué)務(wù)工人士想要回國(guó)尋求更好的醫(yī)療資源，致使3月20日，新增確診病例（境外輸入確診）迅速增加。經(jīng)3月19日，福建省對(duì)境外入閩人員14天集中隔離觀察，有效地切斷病毒傳播，后期僅有少量的境外輸入確診病例出現(xiàn)。在治愈病例方面，2月3日開始出現(xiàn)治愈病例，且集中于2月份及4月份。在死亡病例方面，僅1例。

如圖10所示，從福建本土病例與境外病例的對(duì)比圖中可知，2月28日起福建本土再無新增病例，直至3月20日境外涌入的確診人數(shù)開始快速增加。新冠病毒所帶來的危機(jī)已從國(guó)內(nèi)傳播轉(zhuǎn)向外來入境人員。

4.3? 國(guó)際對(duì)比

從圖11可知，中國(guó)的確診人數(shù)趨于平緩，美國(guó)、印度、巴西等地都呈增長(zhǎng)趨勢(shì)。最早出現(xiàn)疫情的是中國(guó)，但隨后美國(guó)在3月24日左右，確診人數(shù)大幅度增長(zhǎng);印度在4月4日左右，確診人數(shù)大幅度增長(zhǎng);巴西在4月17日左右，確診人數(shù)大幅度增長(zhǎng);且5月15日起美國(guó)、印度、巴西累計(jì)確診人數(shù)都高于中國(guó)。目前，美國(guó)已成世界確診病例最多的國(guó)家，但歐洲各國(guó)仍處于疫情暴發(fā)期。截至8月16日，美國(guó)累計(jì)確診病例占比26%左右，巴西累計(jì)確診病例占比15%左右，印度累計(jì)確診病例占比12%左右，中國(guó)累計(jì)確診病例占比0.4%左右。

從治愈人數(shù)對(duì)比上，四個(gè)國(guó)家的治愈人數(shù)均趨于上升趨勢(shì)。前期階段，中國(guó)的治愈病例數(shù)略高于其他三個(gè)國(guó)家;后期階段，中國(guó)治愈人數(shù)上升幅度較小，但與確診病例數(shù)的差距逐漸縮小，后期幾乎重合。其他國(guó)家治愈人數(shù)均以較快的速度增長(zhǎng)，受限與醫(yī)療資源，社會(huì)環(huán)境等因素，治愈人數(shù)與確診人數(shù)之間仍存在較大差距。

由圖12可知，死亡人數(shù)對(duì)比上，中國(guó)死亡病例變化較為平緩，其他3個(gè)國(guó)家均以不同的增長(zhǎng)速度不斷增長(zhǎng)。其中，美國(guó)的死亡人數(shù)上升最為迅速。至8月16日，美國(guó)累計(jì)死亡病例達(dá)172 606例，將近我國(guó)的36倍。

5? SIR建模與分析

5.1? SIR模型簡(jiǎn)介

SIR模型是傳染病研究中一種經(jīng)典的動(dòng)力學(xué)模型，最早由Kermack等在1927年提出[6]。模型相對(duì)簡(jiǎn)單，參數(shù)較少，被廣泛地研究和使用。在一個(gè)復(fù)雜網(wǎng)絡(luò)群體中的所有個(gè)體（節(jié)點(diǎn)）可以大致分為有限的幾種狀態(tài)，包括易感的、受感染的和被移除的，可以使用這些狀態(tài)的組合表示不同狀態(tài)之間的轉(zhuǎn)換順序以及流行病學(xué)所處的階段[7]。模型中把傳染病流行范圍內(nèi)的人群分成三類：S類，易感者（Susceptible），指未得病者，但缺乏免疫能力，與感病者接觸后容易受到感染;I類，感病者（Infective），指染上傳染病的人，它可以傳播給S類成員;R類，移出者（Removal），指被隔離，或因病愈而具有免疫力的人。當(dāng)易感個(gè)體和感染個(gè)體充分混合時(shí)，感染個(gè)體的增長(zhǎng)率為βIS-γI，易感個(gè)體的下降率為βIS，恢復(fù)個(gè)體的增長(zhǎng)率為γI。易感者從患病到移出的過程可以用微分方程表示如下：

5.1.1? 模型初始參數(shù)設(shè)定

我們本次研究?jī)H選取全國(guó)和湖北的數(shù)據(jù)來進(jìn)行預(yù)測(cè)分析。假設(shè)湖北和全國(guó)人數(shù)為N，即總?cè)藬?shù)為296 000和1 400 000。在模擬過程中對(duì)總?cè)藬?shù)按比例縮放，其原因在于中國(guó)人口基數(shù)過大，預(yù)測(cè)出的數(shù)據(jù)過大導(dǎo)致實(shí)際數(shù)據(jù)被壓成一條直線，無法直觀表現(xiàn)出感染人數(shù)的變化過程，兩者難以比較。計(jì)算中使用的變量，I0為當(dāng)天確診總?cè)藬?shù)，R0為當(dāng)天恢復(fù)人數(shù)，S0為當(dāng)天易感染總?cè)藬?shù)，其計(jì)算公式為N-I0-R0，β為感染系數(shù)，γ為治愈系數(shù)，其初始數(shù)值都為0.000 1。

5.1.2? 確認(rèn)訓(xùn)練集

方程中的參數(shù)β與γ皆為常數(shù)，能夠反映模型中疫情特征。但不同疫情具有不同特性，預(yù)防措施也不盡相同，實(shí)際上難以求解，只能通過模型計(jì)算得出數(shù)據(jù)進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)期間，湖北為2020-1-15至2020-1-23這八天的數(shù)據(jù)來作為訓(xùn)練集訓(xùn)練模型，模型訓(xùn)練出來的β與γ：[0.358 138 35? 0.037 049 89]，全國(guó)為2020年1月15日至2020年1月23日這八天的數(shù)據(jù)來作為訓(xùn)練集訓(xùn)練模型，模型訓(xùn)練出來的β與γ：[0.398 643 46? 0.028 968 42]。

5.1.3? 預(yù)測(cè)

使用訓(xùn)練集訓(xùn)練出來的β與γ值繪制的湖北省預(yù)測(cè)與實(shí)際對(duì)照的圖形如圖13所示。

在圖13可以看出，疫情實(shí)際拐點(diǎn)相對(duì)于預(yù)測(cè)拐點(diǎn)提前出現(xiàn)。這是由于疫情暴發(fā)初期沒有足夠的試劑盒檢測(cè)，導(dǎo)致部分疑似感染者無法檢測(cè)出是否感染COVID-19，數(shù)據(jù)存在缺陷，預(yù)測(cè)出的感染人數(shù)比實(shí)際感染人數(shù)高。隨著檢測(cè)試劑的增加，以及2月13日臨床診斷病例被納入確診人數(shù)，確定部分疑似感染者被感染，感染人數(shù)暴增。

疫情暴發(fā)前武漢實(shí)行封城，國(guó)家衛(wèi)健委要求落實(shí)“集中患者、集中專家、集中資源、集中救治”原則，降低市民每日接觸率，阻斷病毒的傳播，減少市民感染風(fēng)險(xiǎn)。

在SIR模型中，病毒的傳播率是固定的。而圖14中感染人數(shù)單調(diào)的增加，一些局部變化而引起的顯著改變將無法預(yù)測(cè)。例如在1月23日武漢封城前，春運(yùn)使得各城市人口流動(dòng)數(shù)量暴增，導(dǎo)致病毒傳播率提高，為后續(xù)疫情暴發(fā)提供基礎(chǔ);2月8日火雷兩院建成，對(duì)感染者進(jìn)行有效治療與統(tǒng)一管理，減少感染者與人群密切接觸，每日感染人數(shù)稍有下降。

使用訓(xùn)練集訓(xùn)練出來的β與γ值繪制的全國(guó)預(yù)測(cè)與實(shí)際對(duì)照的圖形如圖15所示。

從圖15看出，在疫情前期預(yù)測(cè)數(shù)據(jù)接近實(shí)際數(shù)據(jù)。1月23日至2月11日，全國(guó)處于疫情爆發(fā)期，累計(jì)確診病例數(shù)量暴增。為控制疫情蔓延，各個(gè)城市關(guān)閉公共場(chǎng)合，所有小區(qū)拒絕外來訪客以此降低人口流動(dòng)量，切斷病毒傳播途徑。只有在湖北封城前出城的湖北居民才有可能是新冠肺炎的攜帶者。但后期預(yù)測(cè)結(jié)果與實(shí)際相差甚大，其原因在于：SIR模型是默認(rèn)所有人都有感染風(fēng)險(xiǎn)。而做好防護(hù)措施且沒有接觸肺炎攜帶者的人感染風(fēng)險(xiǎn)極小。所以SIR預(yù)測(cè)全國(guó)感染人數(shù)與實(shí)際相差甚大。2月16日疫情達(dá)到增長(zhǎng)拐點(diǎn)附近，隨后每日確診的感染人數(shù)減少，治愈病例穩(wěn)定增加，說明疫情期間的各項(xiàng)舉措開始發(fā)揮作用。

5.1.4? 感染系數(shù)β與治愈系數(shù)γ

在訓(xùn)練參數(shù)的過程中，選擇使用疫情早期的數(shù)據(jù)作為訓(xùn)練集進(jìn)行模型訓(xùn)練，而在疫情早期政府的防疫措施不夠完善，人為干預(yù)較少，預(yù)測(cè)出的曲線則更偏向自然傳播，感染系數(shù)β高達(dá)0.486 3。

隨后疫情暴發(fā)，武漢實(shí)行封城，使肺炎患者的數(shù)量集中在湖北一帶，患者密度增大。隨后雷神山、火神山醫(yī)院建成，患者和公共醫(yī)療資源較為充足，疫情得到較好的控制，有數(shù)據(jù)可知感染系數(shù)β=0.353 8，有所下降。

在長(zhǎng)期的斗爭(zhēng)后，本土疫情逐漸穩(wěn)定，隨后的增長(zhǎng)主要是外部輸入，但零星暴發(fā)風(fēng)險(xiǎn)仍然存在。

6? 結(jié)? 論

本文基于國(guó)家衛(wèi)健委及各級(jí)地方衛(wèi)健委發(fā)布的官方數(shù)據(jù)，對(duì)中國(guó)、湖北、福建疫情進(jìn)行了科學(xué)的分析和合理的預(yù)測(cè)，使用真實(shí)數(shù)據(jù)集對(duì)SIR模型進(jìn)行訓(xùn)練，運(yùn)用訓(xùn)練得出的參數(shù)β與參數(shù)γ對(duì)疫情后期發(fā)展進(jìn)行預(yù)測(cè)。根據(jù)不同的政府措施將疫情分為3個(gè)時(shí)間節(jié)點(diǎn)，得出1月23日至2月2日的日感染系數(shù)在0.3左右，2月5日至2月12日的感染系數(shù)小于0.2且大于0.1。由此驗(yàn)證隔離方法能有效降低感染系數(shù)。

結(jié)果表明得益于中國(guó)強(qiáng)勢(shì)的管控，采取封城及啟動(dòng)一級(jí)響應(yīng)，限制人口流動(dòng)，健康碼的實(shí)時(shí)追蹤以及建造大型專用醫(yī)院，集中公共醫(yī)療資源等措施，使得疫情蔓延趨勢(shì)得到有效控制，現(xiàn)應(yīng)該加強(qiáng)飛機(jī)場(chǎng)、港口等境外輸入渠道的管控，加強(qiáng)入境人員的健康跟蹤及反饋，以嚴(yán)密的措施防止境外疫情輸入。

參考文獻(xiàn)：

[1] 網(wǎng)易新聞.實(shí)時(shí)更新|新冠肺炎疫情動(dòng)態(tài)地 [EB/OL].（2020-08-07）.https：//wp.m.163.com/163/page/news/virus_report/index.html.

[2] 騰訊新聞.實(shí)時(shí)更新：新冠肺炎疫情最新動(dòng)態(tài) [EB/OL].（2020-08-07）.https：//news.qq.com/zt2020/page/feiyan.htm#/global.

[3] 福建省衛(wèi)生健康委員會(huì).福建省新型冠狀病毒肺炎疫情情況 [EB/OL].（2020-08-07）.http：//wjw.fujian.gov.cn/ztzl/gzbufk/yqtb/.

[4] 柳葉刀TheLancet.COVID-19疫情防控：中國(guó)經(jīng)驗(yàn)VS美國(guó)經(jīng)歷 [EB/OL].（2020-04-22）.https：//www.medsci.cn/article/

show_article.do？id=ac80192e541c.

[5] 新型冠狀病毒感染的肺炎診療方案（試行第五版） [J/OL].中國(guó)中西醫(yī)結(jié)合雜志（2020-02-08）.http：//kns.cnki.net/kcms/detail/11.2787.R.20200208.1034.002.html.

[6] KERMACK W O，MCKENDRICK A G. A Contribution to the Mathematical Theory of Epidemics [J]. Proceedings of The Royal Society A Mathematical Physical and Engineering ences，1927，115（772）：700-721.

[7] 尹楠.基于SIR模型的有限區(qū)域內(nèi)新冠肺炎疫情傳播仿真模擬 [J].統(tǒng)計(jì)與決策，2020（5）：15-20.

作者簡(jiǎn)介：蘇志湧（1997—），男，漢族，福建泉州人，本科在讀，主要研究方向：數(shù)據(jù)分析;通訊作者：何煌媚（1999—），女，漢族，福建龍海人，本科在讀，主要研究方向：數(shù)據(jù)分析;李榮杰（2000—），男，漢族，福建寧德人，本科在讀，主要研究方向：數(shù)據(jù)分析;陳祎（2000—），女，漢族，福建福州人，本科在讀，主要研究方向：數(shù)據(jù)分析;肖佳瑩（1999—），女，漢族，福建福州人，本科在讀，主要研究方向：數(shù)據(jù)分析;程曦（2001—），女，漢族，福建南平人，本科在讀，主要研究方向：數(shù)據(jù)分析;陳真真（2001—），女，漢族，福建泉州人，本科在讀，主要研究方向：數(shù)據(jù)分析;李仁鐘（1963—），男，漢族，臺(tái)灣宜蘭人，博士，教授，博/碩生導(dǎo)師，主要研究方向：智能計(jì)算、數(shù)據(jù)挖掘。