馬倩倩 高景宏 張文杰 趙 杰 崔芳芳 翟運(yùn)開，3△

【提 要】 目的 分析河南省新型冠狀病毒肺炎(Coronavirus Disease 2019，COVID-19)疫情的時(shí)空分布特點(diǎn)。方法 采用空間自相關(guān)、時(shí)空重排掃描、趨勢(shì)面等方法探索河南省各縣(區(qū))COVID-19病例的時(shí)空分布特征與時(shí)空聚集性。結(jié)果 河南省COVID-19患者于2月3日新增109例，達(dá)疫情高峰，隨后遞減趨于零星散發(fā)。河南省COVID-19病例呈中等程度的空間聚集格局(Moran′s I=0.412，Z=8.853，P<0.001)，聚集程度隨時(shí)間呈增強(qiáng)趨勢(shì)。COVID-19“熱點(diǎn)”發(fā)病區(qū)域?yàn)樾抨?yáng)、駐馬店、南陽(yáng)、鄭州(P<0.05)。河南存在3個(gè)有統(tǒng)計(jì)學(xué)意義的時(shí)空聚集區(qū)，分別為以桐柏縣為中心的主要聚集區(qū)(RR=18.47，LLR=927.593，P<0.001)，以輝縣市為中心的次要聚集區(qū)(RR=7.84，LLR=288.710，P<0.001)和以夏邑縣為中心的次要聚集區(qū)(RR=7.69，LLR=171.585，P<0.001)。COVID-19發(fā)病在東西方向呈減少趨勢(shì)，南北方向呈下降趨勢(shì)。結(jié)論 開展COVID-19時(shí)空分布特征分析可為疫情的預(yù)警、資源分配、制定有效防控措施等提供信息參考。

2020年1月21日，河南出現(xiàn)首例新型冠狀病毒肺炎(Coronavirus Disease 2019，COVID-19)患者，隨后疫情在全省迅速蔓延。截至2020年6月7日，河南省COVID-19病例累計(jì)報(bào)告1276例，位居全國(guó)第三位。傳染病流行的時(shí)空特征往往與疫情進(jìn)程相關(guān)。時(shí)空統(tǒng)計(jì)分析可以從時(shí)間、空間、時(shí)空等不同維度探索疾病流行特點(diǎn)與趨勢(shì)，揭示其流行的內(nèi)在規(guī)律，在疾病爆發(fā)與反彈的早期預(yù)警、高發(fā)區(qū)域探測(cè)、防控效果評(píng)價(jià)等方面可發(fā)揮重要作用。目前COVID-19相關(guān)研究側(cè)重于流行病特征[1]、趨勢(shì)預(yù)測(cè)[2-3]、案例分析[4]、臨床診療等[5]，僅少數(shù)研究涉及了COVID-19時(shí)空自相關(guān)與聚集性分析，且研究尺度相對(duì)局限于以地市、省份為空間單元，未能深入反映COVID-19病例時(shí)空分布規(guī)律。

為全面了解河南省COVID-19病例時(shí)空分布特征，本研究聚焦到縣(區(qū))級(jí)行政區(qū)域，對(duì)河南省疫情進(jìn)行了空間和時(shí)空聚集性統(tǒng)計(jì)分析，實(shí)現(xiàn)COVID-19數(shù)據(jù)的空間可視化，以深入探討COVID-19的時(shí)空分布規(guī)律與聚集格局，尋找疫情高發(fā)地區(qū)，為醫(yī)療衛(wèi)生部門在疾病監(jiān)測(cè)預(yù)警、資源分配等方面提供科學(xué)參考，從而進(jìn)一步制定有針對(duì)性的防控措施，同時(shí)為其他類似傳染病時(shí)空的監(jiān)測(cè)提供借鑒方法。

資料與方法

1.資料

河南省158個(gè)縣(區(qū))2020年1月21日至2020年6月7日的COVID-19病例數(shù)據(jù)收集自河南省及各地級(jí)市衛(wèi)生健康委員會(huì)官網(wǎng)[6]。2018年河南省及158個(gè)縣(區(qū))常住人口數(shù)據(jù)來源于《2019河南統(tǒng)計(jì)年鑒》[7]，地理位置來源于國(guó)家標(biāo)準(zhǔn)測(cè)繪的經(jīng)緯度。

2.方法

(1)空間自相關(guān)分析

采用空間自相關(guān)分析與熱點(diǎn)分析研究河南省COVID-19病例分布的空間聚集性。全局空間自相關(guān)從總體上研究整個(gè)研究區(qū)域確診病例在空間上的分布特征。選用全局Moran′sI作為分析指標(biāo)，其取值范圍為[-1，1]，為0時(shí)代表疫情暴發(fā)不存在相關(guān)性，為隨機(jī)分布；為正數(shù)時(shí)代表正相關(guān)，即相鄰地區(qū)間發(fā)病情況相似，越接近1代表空間聚集性越強(qiáng)。負(fù)數(shù)代表負(fù)相關(guān)，越接近-1說明空間離散性越大。局部空間自相關(guān)描述具體空間區(qū)域與其鄰近區(qū)域觀測(cè)值的空間依賴相關(guān)性，將空間模式分為高-高模式、低-低模式、高-低模式、低-高模式。低-高模式代表該地區(qū)低發(fā)但其周圍地區(qū)高發(fā)，依次類推?；贕etis-Ord Gi統(tǒng)計(jì)的熱點(diǎn)分析可識(shí)別具有統(tǒng)計(jì)學(xué)意義的高值(熱點(diǎn))和低值(冷點(diǎn))的空間聚類[8]，從而進(jìn)一步解釋COVID-19在局部地區(qū)的具體分布特征。通過計(jì)算各個(gè)縣區(qū)Z得分、P值和置信區(qū)間(Gi_Bin)探測(cè)存在局部熱點(diǎn)的區(qū)域。

(2)趨勢(shì)面分析

采用趨勢(shì)面分析繪制河南省COVID-19病例的坐標(biāo)分布的三維透視圖，并利用多項(xiàng)式擬合三維數(shù)據(jù)投影到二維平面上的離散點(diǎn)，立體直觀地觀察發(fā)病情況在經(jīng)緯度上的空間變化趨勢(shì)。

(3)時(shí)空掃描分析

在空間分析基礎(chǔ)上引入時(shí)間因素，利用SaTScan 9.6 進(jìn)行回顧性時(shí)空重排掃描統(tǒng)計(jì)分析。時(shí)空掃描統(tǒng)計(jì)由Kulldorff等[9]提出，以動(dòng)態(tài)變化的圓柱形掃描窗口對(duì)不同的時(shí)間和地理區(qū)域進(jìn)行掃描，探測(cè)所有病例可能發(fā)生聚集的時(shí)間和地理位置。掃描時(shí)間以“天”為單位，掃描區(qū)域以縣(區(qū))為單位，設(shè)定最大空間掃描區(qū)域?yàn)槿锌側(cè)丝跀?shù)的25%，最大掃描時(shí)間尺度設(shè)定為總體研究期限的50%，Monte Carlo迭代次數(shù)設(shè)為999次。時(shí)空重排掃描統(tǒng)計(jì)量采用Poisson概率模型，根據(jù)Poisson分布的原理，通過計(jì)算不同窗口下的對(duì)數(shù)似然比(log likelihood ratio，LLR)，經(jīng)蒙特卡羅方法對(duì)LLR值進(jìn)行檢驗(yàn)。當(dāng)P<0.05時(shí)，可認(rèn)為該掃描窗口內(nèi)的病例與窗口外相比，其相對(duì)危險(xiǎn)度(relativerisk，RR)有統(tǒng)計(jì)學(xué)意義，即該掃描窗口所代表的時(shí)空范圍存在病例的高度聚集。選擇LLR值最大的區(qū)域?yàn)橹饕奂瘏^(qū)，其余LLR值有統(tǒng)計(jì)學(xué)意義的區(qū)域?yàn)榇我奂瘏^(qū)。

結(jié) 果

1.疫情分布時(shí)空概況

河南省2020年1月21日出現(xiàn)首例COVID-19患者。1月29日至2月5日為疫情高發(fā)階段，2月3日達(dá)到疫情高峰，該日新增109例(8.57%)，2月22日后變?yōu)榱阈巧l(fā)(圖1)。1276例COVID-19患者主要分布在河南省136(86.08%)個(gè)縣(區(qū))，其中信陽(yáng)274例(21.54%)，鄭州159例(12.46%)、南陽(yáng)156例(12.23%)。信陽(yáng)患者集中于浉河區(qū)、平橋區(qū)、羅山縣(47.45%)，鄭州患者集中于金水區(qū)、二七區(qū)(52.83%)，南陽(yáng)患者集中于臥龍區(qū)、宛城區(qū)(35.26%)(圖2)。

圖1 河南省新型冠狀病毒肺炎時(shí)間分布

圖2 河南省新型冠狀病毒肺炎空間分布

2.空間自相關(guān)分析

以病例首次報(bào)告日后固定7日為間隔，采用一階Queen空間權(quán)重矩陣分別對(duì)1月27日、2月3日、2月10日、2月17日、2月24日、3月2日，以及采集到的6月7日最新數(shù)據(jù)時(shí)間點(diǎn)的河南省新型冠狀病毒肺炎累計(jì)病例進(jìn)行全局空間自相關(guān)分析，結(jié)果顯示Moran′sI統(tǒng)計(jì)量不斷上升至平緩狀態(tài)，即空間上聚集程度不斷增強(qiáng)至平穩(wěn)(表1)。1月27日Moran′sI為0.075(Z=1.851，P=0.064)，即病例數(shù)在空間上呈隨機(jī)分布。6月7日的Moran′sI值為0.412(Z=8.853，P<0.001)，提示河南省COVID-19病例呈非隨機(jī)分布，存在統(tǒng)計(jì)學(xué)意義的正向相關(guān)性，即總體上呈現(xiàn)中等程度的空間聚集格局。

表1 河南省COVID-19病例全局空間自相關(guān)Moran′s I指數(shù)

圖3為截止6月7日全部病例的熱點(diǎn)區(qū)域分布圖，在檢驗(yàn)標(biāo)準(zhǔn)α=0.05時(shí)，河南省COVID-19病例分布的熱點(diǎn)區(qū)域包括信陽(yáng)(商城縣、光山縣、潢川縣、息縣、羅山縣、平橋區(qū)、浉河區(qū)、固始縣、淮濱縣、新縣)，駐馬店(確山縣、正陽(yáng)縣)，南陽(yáng)(桐柏縣、宛城區(qū)、唐河縣、新野縣)以及鄭州(金水區(qū)、二七區(qū)、管城區(qū)、中原區(qū)、惠濟(jì)區(qū))。冷點(diǎn)區(qū)域?yàn)槁尻?yáng)(嵩縣、洛寧縣、宜陽(yáng)縣、伊川縣)。局部空間自相關(guān)可得到相似熱點(diǎn)區(qū)域，其結(jié)果提示全省158個(gè)縣(區(qū))COVID-19發(fā)病高-高模式分布在信陽(yáng)(商城縣、光山縣、潢川縣、息縣、羅山縣、平橋區(qū)、浉河區(qū)、固始縣)，駐馬店(確山縣、正陽(yáng)縣)，南陽(yáng)(桐柏縣、宛城區(qū)、臥龍區(qū))，鄭州(金水區(qū)、二七區(qū)、管城區(qū)、中原區(qū))。

圖3 河南省COVID-19熱點(diǎn)區(qū)域分布圖

3.三維趨勢(shì)面分析

將各縣(區(qū))的發(fā)病數(shù)視為三維空間中一點(diǎn)(X，Y，Z)，X、Y代表河南各地縣(區(qū))經(jīng)度、緯度，Z代表COVID-19病例數(shù)。利用數(shù)學(xué)曲面模擬樣本數(shù)據(jù)，運(yùn)用三維成像展示COVID-19發(fā)病在經(jīng)緯度上的空間分布規(guī)律與變化趨勢(shì)(圖4)。由結(jié)果可知，河南省COVID-19病例分布X-Z平面上綠色曲線提示隨著經(jīng)度增加，病例呈小幅增長(zhǎng)趨勢(shì)。Y-Z平面上藍(lán)色曲線提示隨著緯度增加，病例整體逐漸減少，即河南地區(qū)由北向南，病例遞增。

圖4 河南新型冠狀病毒肺炎趨勢(shì)面分析圖

4.時(shí)空掃描分析

對(duì)河南省2020年1月21日至6月7日COVID-19病例進(jìn)行時(shí)空掃描分析，共探測(cè)到三個(gè)時(shí)空聚集區(qū)域(表2，圖5)。結(jié)果顯示，在1月24日至2月14日，以桐柏縣為中心，半徑155.49km的區(qū)域COVID-19聚集性最強(qiáng)(RR=18.47，LLR=927.593，P<0.001)，聚集地區(qū)包括南陽(yáng)、信陽(yáng)、駐馬店和平頂山的35個(gè)縣(區(qū))。1月25日至2月12日以輝縣市為中心，半徑為90.18km的區(qū)域(RR=7.84，LLR=288.710，P<0.001)為次，聚集地區(qū)包括新鄉(xiāng)、鶴壁、焦作、安陽(yáng)、開封以及鄭州的44個(gè)區(qū)縣。另外一個(gè)次要聚集區(qū)是以夏邑縣為中心，154.93km為半徑的區(qū)域，覆蓋商丘、周口以及開封的20個(gè)縣(區(qū))，時(shí)間為1月26日至2月8日(RR=7.69，LLR=171.585，P<0.001)。綜上所述，河南省COVID-19疫情顯示出具有統(tǒng)計(jì)學(xué)意義的時(shí)空聚集特點(diǎn)，即疫情總體擴(kuò)散但局部聚集。

表2 河南省COVID-19疫情時(shí)空聚集性掃描結(jié)果

圖5 河南新型冠狀病毒肺炎R(shí)R空間分布及時(shí)空聚集圖

討 論

本文以縣(區(qū))級(jí)行政區(qū)域?yàn)榭臻g單元，進(jìn)行了空間自相關(guān)、時(shí)空聚集性等時(shí)空統(tǒng)計(jì)分析，實(shí)現(xiàn)COVID-19疫情特征的空間可視化，在全省范圍內(nèi)系統(tǒng)深入地探討了COVID-19的時(shí)空分布特征與聚集格局，發(fā)現(xiàn)高發(fā)“熱點(diǎn)”區(qū)域，可為醫(yī)療衛(wèi)生部門在同類型疾病的監(jiān)測(cè)、預(yù)警以及資源分配等方面提供科學(xué)參考與支持。

從時(shí)間角度看，1月29日至2月5日為河南省COVID-19疫情高發(fā)階段，2月3日達(dá)到疫情高峰，與全國(guó)確診病例于2月5日達(dá)到整體流行高峰[1]的結(jié)果接近。從空間角度看，全局Moran′sI統(tǒng)計(jì)量提示河南省COVID-19在整個(gè)研究階段總體上呈空間正相關(guān)聚集格局，聚集程度由弱正相關(guān)逐漸增強(qiáng)至中等程度聚集。河南空間聚集格局演變與全國(guó)整體存在差異，有學(xué)者以省域?yàn)槌叨龋l(fā)現(xiàn)全國(guó)COVID-19病例于2月3日前呈空間正相關(guān)并逐漸降低，后呈空間負(fù)相關(guān)并逐漸增強(qiáng)，至2月11日后呈空間隨機(jī)性分布[10]。曲面分析提示河南省COVID-19病例由北向南呈明顯的遞增趨勢(shì)，可能與河南南部和湖北接壤、相互間人員流動(dòng)頻繁有關(guān)。熱點(diǎn)分析提示，河南省COVID-19病例分布具有統(tǒng)計(jì)學(xué)意義的熱點(diǎn)區(qū)域?yàn)樾抨?yáng)、駐馬店、南陽(yáng)及鄭州的21個(gè)縣(區(qū))，部分地區(qū)可能因?yàn)槿巳阂苿?dòng)活躍度高，或者與湖北毗鄰，或者作為省會(huì)城市，經(jīng)濟(jì)和交通發(fā)達(dá)，跨區(qū)域性社會(huì)經(jīng)濟(jì)活動(dòng)較為頻繁。經(jīng)過熱點(diǎn)區(qū)域識(shí)別后，應(yīng)重點(diǎn)在高發(fā)疫區(qū)開展宣傳教育、監(jiān)測(cè)及培訓(xùn)等防控措施。

從時(shí)空角度看，時(shí)空掃描分析提示主要聚集區(qū)為河南南部，次要聚集區(qū)為小范圍河南東部、鄭州及其以北地區(qū)，聚集時(shí)間為1月底至2月中旬，呈現(xiàn)明顯的時(shí)空聚集特點(diǎn)，是疫情流行與爆發(fā)的信號(hào)。面對(duì)疫情，河南整體應(yīng)對(duì)較迅速，于1月17日公布定點(diǎn)救治醫(yī)院，22日設(shè)置檢疫站并進(jìn)行交通消毒，24日取消大型公眾聚集性活動(dòng)，并取消全省醫(yī)護(hù)人員春節(jié)假期[11]。信陽(yáng)1月24日起，勸返自湖北進(jìn)入市內(nèi)的車輛與人員，上線“新冠肺炎疫情服務(wù)平臺(tái)”；南陽(yáng)早于全省1天在24日啟動(dòng)重大突發(fā)公共衛(wèi)生事件一級(jí)響應(yīng)，25日實(shí)行全市交通管制；駐馬店新蔡縣1月24日停止運(yùn)營(yíng)公共交通，汝南縣同日關(guān)閉公共娛樂場(chǎng)所、農(nóng)貿(mào)市場(chǎng)等；鄭州市自1月26日起實(shí)施公共場(chǎng)所佩戴口罩，自2月3日依照規(guī)定開展相關(guān)人員強(qiáng)制集中隔離，2月10日上線小區(qū)健康登記管理系統(tǒng)[11]。河南各地區(qū)紛紛采取衛(wèi)生防疫、交通管制、集中隔離、信息共享、輿情引導(dǎo)等綜合防控措施。2月中旬后，未探測(cè)到新的時(shí)空聚集區(qū)出現(xiàn)，反映了此時(shí)河南省采取的措施一定程度上有效控制了疫情擴(kuò)散[12]。疾病的時(shí)空分布特征與疫情進(jìn)程存在關(guān)聯(lián)[13]，病例的空間分布在疫情流行期間往往呈現(xiàn)明顯的聚集性[14]，因此傳染病時(shí)間和空間上聚集性的探測(cè)在疾病爆發(fā)的早期探索與預(yù)警中發(fā)揮著重要作用[15]。在本文基礎(chǔ)上，持續(xù)監(jiān)測(cè)COVID-19空間聚集模式以及探測(cè)新的時(shí)空聚集性出現(xiàn)或者增強(qiáng)，可以早期識(shí)別潛在的疫情反彈，實(shí)現(xiàn)聚集區(qū)的早期防控。

目前尚未見河南省全省范圍內(nèi)系統(tǒng)深入的COVID-19病例時(shí)空統(tǒng)計(jì)分析，本研究首次分析了河南省縣(區(qū))水平的COVID-19時(shí)空分布特征，為河南地區(qū)的疫情防控提供信息參考，對(duì)其他地區(qū)的協(xié)同治理亦具有借鑒意義。但本研究仍存在一定局限性，首先，在空間自相關(guān)分析中，本文采用了流行病領(lǐng)域適宜并常用的Queen空間權(quán)重，即若空間單元具有公共邊或公共點(diǎn)，則兩者之間權(quán)重取1，否則取0。當(dāng)對(duì)某種傳染性過程建模時(shí)，由于通常是相鄰關(guān)系的區(qū)域先被傳染，故分析傳染性疾病的空間自相關(guān)時(shí)適宜采用此方法[16]。但不同空間權(quán)重矩陣的選擇對(duì)自相關(guān)和空間聚集性分析有一定影響，有待結(jié)合多種權(quán)重進(jìn)行分析[17-18]。其次，常住人口數(shù)選取的是2018年年末數(shù)據(jù)，可能與當(dāng)?shù)刈钚碌娜丝跔顩r存在一定差異，故研究結(jié)果可能存在一定偏倚。