何淼，石昌浩，佘鉉捷，程梓淇，董朔含，劉天昊，張志浩，劉菁

1. 中山大學(xué)生命科學(xué)學(xué)院，廣東 廣州 510275

2. 安陽市腫瘤醫(yī)院醫(yī)務(wù)科，河南 安陽 455002

2019 年底在中國內(nèi)地發(fā)現(xiàn)了新型冠狀病毒肺炎［1］，其具有傳染力強的特征，迅速在多地蔓延［2］。2020 年2 月11 日，世界衛(wèi)生組織將這種由嚴(yán)重急性呼吸綜合征冠狀病毒2（SARS-CoV-2，severe acute respiratory syndrome coronavirus 2）引發(fā)的疾病重新命名為2019 冠狀病毒?。–OVID-19，coronavirus disease 2019）［3］。截至2021 年5 月17 日16 時12 分，中國內(nèi)地累計有90 872 例2019 冠狀病毒病確診感染者，累計導(dǎo)致4 636 人死亡；給中國社會和經(jīng)濟發(fā)展造成了特別巨大的損失。

流行病的發(fā)生與傳播，通常在時間和空間上均會呈現(xiàn)出特定的分布格局。在不同的地理環(huán)境中，流行病的分布具有一定的時空特征差異。研究流行病傳播的時空特征，有助于理解疾病的傳播機制及探究關(guān)聯(lián)因素的影響。地理信息系統(tǒng)（GIS，geographic information system）技術(shù)已普遍應(yīng)用于流行病發(fā)生與傳播機制的研究；包括發(fā)現(xiàn)疾病流行的空間格局和傳播擴散模式、探測疾病流行聚集區(qū)、開展流行病空間自相關(guān)分析及運用空間回歸模型預(yù)警等?？臻g自相關(guān)分析和趨勢分析已被成功應(yīng)用于傷寒傳播的空間特征分析［4］。廣義加性模型（GAM，generalized additive model）常用于流行病相關(guān)影響因素的風(fēng)險評估。有學(xué)者采用GAM 分析了山東省濟南市流感樣疾病傳播的影響因素，評估了空氣污染物對疾病傳播的相對風(fēng)險［5］。

自2020 年1 月23 日武漢市政府宣布“封城”開始，至3 月19 日武漢市新增2019 冠狀病毒病確診病例首次為零，疫情持續(xù)了8周左右的時間；我們將這8周時間劃分為暴發(fā)初期、暴發(fā)中期和暴發(fā)后期等3 個階段。本文探究了2020 年1 月20 日～2月9日期間，2019冠狀病毒病在中國內(nèi)地暴發(fā)初期傳播擴散的時空特征；并以湖北省為例，對可能影響疫情傳播擴散的大氣污染因素進(jìn)行風(fēng)險評估。當(dāng)前，2019 冠狀病毒病持續(xù)在全球范圍快速傳播［6-7］。2021 年至今，中國內(nèi)地局部地區(qū)多次暴發(fā)疫情。鑒于未來疫情可能出現(xiàn)反復(fù)，總結(jié)經(jīng)驗可為相關(guān)機構(gòu)和部門科學(xué)合理地制定疫情防控策略提供參考。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

從中國國家及各省市衛(wèi)生健康委員會網(wǎng)站獲取2020 年1 月20 日～2 月9 日全國各省份和直轄市的2019 冠狀病毒病每日新增確診病例（簡稱“日增病例”）數(shù)據(jù)。

從湖北省氣象局網(wǎng)站獲取2020 年1 月20 日～2月9 日湖北省孝感市、黃岡市、荊州市、襄陽市、隨州市、黃石市、宜昌市、荊門市、鄂州市、咸寧市、十堰市等11 個地級市的日最高溫度、日最低溫度、日溫差、日平均風(fēng)速和日平均相對濕度等氣象數(shù)據(jù)。對應(yīng)時間段的空氣污染數(shù)據(jù)來源于網(wǎng)站www.aqistudy.cn；從該網(wǎng)站獲取并整理了大氣細(xì)顆粒物（PM2.5）、可吸入顆粒物（PM10）、SO2、NO2、CO 和O3等空氣污染指標(biāo)日平均質(zhì)量濃度的數(shù)據(jù)，其中，O3數(shù)據(jù)取當(dāng)日8 h平均質(zhì)量濃度。

從自然資源部“標(biāo)準(zhǔn)地圖服務(wù)系統(tǒng)”（http：//bzdt.ch.mnr.gov.cn/index.html）下載地圖的底圖。

1.2 全局空間自相關(guān)分析

空間自相關(guān)統(tǒng)計量常用于測度地理區(qū)域日增病例的基本屬性，即特定區(qū)域與其他區(qū)域日增病例之間的相互依賴程度。具有相似的高發(fā)區(qū)域被定義為自相關(guān)。常用量化指標(biāo)是莫蘭指數(shù)（Moran'sI）；莫蘭指數(shù)可用于描述區(qū)域日增病例的空間關(guān)系，計算公式為

其中xi是變量x在區(qū)域i的觀測值，xˉ是算術(shù)平均值，n是區(qū)域的數(shù)目，Wij是空間權(quán)重矩陣W中的元素，Wij為區(qū)域i和j的空間權(quán)重，W空間權(quán)重矩陣根據(jù)鄰接標(biāo)準(zhǔn)度量，將連接的空間單元定義為1，不連接的空間單元定義為0，如果區(qū)域i和j相鄰，則Wij= 1，否則，Wij= 0；So是所有空間權(quán)重的總和。Moran'sI系數(shù)的取值區(qū)間為［-1，1］。Z值為Z檢驗值，E（I）為I的平均值，V（I）為I的方差，如果Z>1.96，P＜0.05，且Moran'sI>0，意味著該區(qū)域日增病例存在聚集現(xiàn)象。

1.3 局部空間自相關(guān)分析和局部熱點分析

在地理空間上，鑒于疫情可能因感染源、傳播方式、人口數(shù)量和族群行為特征等差異而存在不同的擴散模式，特定區(qū)域與鄰近區(qū)域不一定具有相同的特征。鑒于全局空間自相關(guān)模式不能完全闡釋疫情的傳播擴散規(guī)律。本文采用安瑟倫局部莫蘭指數(shù)（Anselin local Moran'sI）和局部熱點分析方法重點鑒別具有諸如高-高聚集（或高值聚類）和高-低聚集（或高值被低值包圍類）等特征的區(qū)域。

安瑟倫局部莫蘭指數(shù)計算公式為

本文使用ArcGIS10.7 軟件完成了局部空間自相關(guān)分析和熱點分析。

1.4 趨勢分析

趨勢分析可用于描述流行病傳播的時空特征［4］。通過對日增病例的地理空間分布進(jìn)行擬合，以三維投影的形式展示擬合結(jié)果?；诮?jīng)度和緯度應(yīng)用多項式函數(shù)，包括觀察到節(jié)點的日增病例，用以估計未知節(jié)點的日增病例。將地圖中經(jīng)度、緯度分別沿X和Y軸向標(biāo)記；Z軸向表示投影網(wǎng)格矩陣的各省份日增病例。借助坐標(biāo)指示方向生成方向趨勢曲線。本文選擇了兩個視角，0°視角曲線代表東西和南北方向的趨勢；45°視角曲線代表東北、西南、東南和西北方向的趨勢。本文采用ArcGIS10.7軟件完成了趨勢分析。

1.5 斯皮爾曼等級相關(guān)系數(shù)

將原始數(shù)據(jù)轉(zhuǎn)換為等級數(shù)據(jù)，可計算出變量間的斯皮爾曼等級相關(guān)系數(shù)ρ（Spearman's correlation coefficient for ranked data），ρ的取值區(qū)間為［-1，1］；如果ρ>0，為正相關(guān)，ρ= 0，為不相關(guān)，ρ＜0，為負(fù)相關(guān)。斯皮爾曼等級相關(guān)系數(shù)計算公式

其中m為等級數(shù)目，d為2列成對變量的等級差值。

1.6 廣義加性模型

日增病例近似服從于泊松分布，可采用基于準(zhǔn)泊松回歸的廣義加性模型分析大氣污染物、氣象因素與日增病例的關(guān)系。將時間趨勢、氣象因素（例如，日平均相對濕度等）等非線性變量的自然三次樣條函數(shù)引入GAM，用以排除長期和季節(jié)性趨勢及天氣條件與日增病例之間潛在的非線性關(guān)聯(lián)。采用赤池信息量準(zhǔn)則（AIC，Akaike's information criterion）確定光滑函數(shù)的自由度，最小AIC 值對應(yīng)于首選模型。以相對危險度（RR，relative risk）為指標(biāo)，評估大氣污染物對日增病例的影響。計算當(dāng)大氣污染物日平均質(zhì)量濃度每增加10 μg/m3時，日增病例的超額危險度（ER，excess risk）及95%置信區(qū)間（CI，confidence interval）。同時，分別計算大氣污染物的當(dāng)日（Lag 0）及1～5 d（Lag 1～5）滯后效應(yīng)。對單日滯后模型（Lag 0～5）和多日滯后模型（Lag 0～4）進(jìn)行統(tǒng)計顯著性檢驗。使用的模型如下

其中DICt表示第t天的日增病例；APi表示大氣污染物自變量；β1為回歸系數(shù)；sT是自由度df=5，時間為自變量的三次樣條函數(shù)；sD是自由度為df=2，日氣象指標(biāo)為自變量的3次樣條函數(shù)；β0是截距。

上述統(tǒng)計分析過程使用了R3.6.2 軟件和mgcv軟件包。所有統(tǒng)計檢驗均為雙尾檢驗，當(dāng)P＜0.05時，計算結(jié)果具有統(tǒng)計學(xué)意義。

2 結(jié) 果

2.1 2020年中國內(nèi)地2019冠狀病毒病暴發(fā)初期日增病例情況

參照中國內(nèi)地的大區(qū)劃分，我們逐日匯總了2020年1月20日至2月9日各大區(qū)的2019冠狀病毒病日增病例的數(shù)據(jù)（見表1）；其中，華北區(qū)包括北京市、天津市、河北省、山西省和內(nèi)蒙古自治區(qū)；華東區(qū)包括上海市、江蘇省、浙江省、江西省、安徽省、福建省和山東??；東北區(qū)包括遼寧省、吉林省和黑龍江??；華中區(qū)包括河南省、湖北省和湖南省；華南區(qū)包括廣東省、廣西壯族自治區(qū)和海南?。晃髂蠀^(qū)包括四川省、云南省、貴州省、西藏自治區(qū)和重慶市；西北區(qū)包括寧夏回族自治區(qū)、新疆維吾爾自治區(qū)、青海省、陜西省和甘肅省。

表1 2020年2019冠狀病毒病暴發(fā)初期中國內(nèi)地各大區(qū)日增病例統(tǒng)計Table 1 Daily new cases of every big district in the early stage of COVID-19 outbreak in the Chinese Mainland in 2020

中國內(nèi)地2019 冠狀病毒病暴發(fā)初期3 周的累計確診病例39 877例；其中，第1周累計確診病例2 496例，第2周累計確診病例14 336例，第3周累計確診病例23 045 例；中國內(nèi)地日增病例呈現(xiàn)先增后減的趨勢。各大區(qū)日增病例有較大差異；其中，華中區(qū)日增病例最多，華東區(qū)和華南區(qū)日增病例緊隨其后。

2.2 2020年中國內(nèi)地2019冠狀病毒病暴發(fā)初期日增病例時空分布特征

鑒于湖北省為疫情初發(fā)核心區(qū)域，本研究的目的是發(fā)現(xiàn)湖北省以外的疫情高發(fā)區(qū)域及傳播的時空特征；因此，未將湖北省的數(shù)據(jù)納入空間自相關(guān)分析。

2.2.1 全局空間自相關(guān)分析利用2020 年1 月20日～2月9日中國內(nèi)地各省份和直轄市的日增病例數(shù)據(jù)，以周為時間單位，計算中國內(nèi)地2019 冠狀病毒病暴發(fā)初期前3周的全局莫蘭指數(shù)，取值分別為0.249、0.307 和0.297（P＜0.01），表明中國內(nèi)地日增病例存在顯著的聚集現(xiàn)象；并且，前3周的全局莫蘭指數(shù)呈現(xiàn)“低-高-低”的特征（見表2）。

表2 2020年中國內(nèi)地2019冠狀病毒病暴發(fā)初期全局莫蘭指數(shù)Table 2 Moran's I in the early stage of COVID-19 outbreak in the Chinese Mainland in 2020

2.2.2 局部空間自相關(guān)分析局部空間自相關(guān)分析表明，湖南省、廣東省、江西省、浙江省、安徽省、江蘇省、新疆維吾爾自治區(qū)、內(nèi)蒙古自治區(qū)和西藏自治區(qū)等9個省份存在正相關(guān)，且計算結(jié)果具有統(tǒng)計學(xué)意義（P＜0.05）。全國2019冠狀病毒病暴發(fā)初期，總體上，湖南省、廣東省、江西省、浙江省、安徽省和江蘇省屬于高-高聚集區(qū)；新疆維吾爾自治區(qū)、內(nèi)蒙古自治區(qū)和西藏自治區(qū)屬于低-低聚集區(qū)；福建省和上海市屬于相對低值區(qū)。在第1周，湖南省、江西省、浙江省、安徽省、廣東省、江蘇省和上海市屬于高-高聚集區(qū)；新疆維吾爾自治區(qū)、內(nèi)蒙古自治區(qū)和西藏自治區(qū)屬于低-低聚集區(qū)，貴州省和福建省屬于相對低值區(qū)。在第2周，上海市替換貴州省成為相對低值區(qū)。第3周與第2周相比沒有發(fā)生明顯的變化（見圖1）。

圖1 2020年中國內(nèi)地2019冠狀病毒病暴發(fā)初期日增病例局部空間自相關(guān)及熱點分析Fig.1 Local spatial autocorrelation and hotspot analysis of daily new cases in the early stage of COVID-19 outbreak in the Chinese Mainland in 2020

基于連續(xù)3周的局部熱點分析，可將各個地區(qū)劃分為7個等級?？傮w上，湖南省、廣東省、江西省、安徽省、浙江省、福建省、江蘇省和上海市屬于熱點地區(qū)，計算結(jié)果具有統(tǒng)計學(xué)意義（P＜0.05）。

第1 周，貴州省、湖南省、廣東省、江西省、浙江省、福建省、安徽省和上海市屬于熱點地區(qū)；第2 周，江蘇省替換貴州省成為熱點地區(qū)；第3周，熱點地區(qū)沒有變化。熱點地區(qū)主要分布在東經(jīng)108°47'～123°10'和北緯25°31'～35°20'范圍以內(nèi)。

2.2.3 傳播方向及趨勢分析以周為時間單位，分析中國內(nèi)地2019 冠狀病毒病暴發(fā)初期前3 周的傳播方向及趨勢（見圖2）。結(jié)果表明，疫情總體上呈現(xiàn)由西北向東南指數(shù)增長、由北向南快速傳播的趨勢。暴發(fā)初期前3周的疫情由西向東方向呈現(xiàn)倒U形的發(fā)展趨勢；從總體上看，東南方向是疫情傳播的主要方向（見表3）。

圖2 2020年中國內(nèi)地2019冠狀病毒病暴發(fā)初期疫情傳播趨勢分析Fig.2 Spread trend analysis in the early stage of COVID-19 outbreak in the Chinese Mainland in 2020

表3 2020年中國內(nèi)地2019冠狀病毒病暴發(fā)初期疫情傳播方向及趨勢分析Table 3 Spread direction and trend in the early stage of COVID-19 outbreak in the Chinese Mainland in 2020

2.3 2020年湖北省2019冠狀病毒病暴發(fā)初期大氣環(huán)境因素對疫情傳播的影響分析

考慮疫情并非在各省市普遍存在暴發(fā)現(xiàn)象。我們選擇疫情暴發(fā)的典型地區(qū)湖北省為研究對象，探究大氣環(huán)境因素對湖北省疫情傳播的影響。由于武漢市是中國內(nèi)地2019 冠狀病毒病的初發(fā)地，確診人數(shù)顯著多于鄰近地區(qū)，并且，數(shù)月后政府相關(guān)部門對數(shù)據(jù)進(jìn)行了重大修訂；武漢市的疫情可能存在不同的傳播模式；因此，武漢市的相關(guān)數(shù)據(jù)未納入本文計算分析。

2.3.1 氣象因素和大氣污染物情況湖北省2019冠狀病毒病暴發(fā)初期的氣象因素和大氣污染物情況見表4。湖北省11 市日平均溫度在0～15 ℃之間，日平均相對濕度大于64%以上。PM2.5與PM10日平均質(zhì)量濃度符合國家二級標(biāo)準(zhǔn)；SO2日平均質(zhì)量濃度均符合國家一級標(biāo)準(zhǔn)；CO 日平均質(zhì)量濃度超過國家標(biāo)準(zhǔn)；NO2日平均質(zhì)量濃度符合國家一級標(biāo)準(zhǔn)；O3_8h平均質(zhì)量濃度符合國家一級標(biāo)準(zhǔn)。

表4 2020年湖北省2019冠狀病毒病暴發(fā)初期氣象因素及空氣污染物日平均質(zhì)量濃度情況Table 4 Meteorological factors and average daily concentrations of air pollutants in the early stage of COVID-19 outbreak in Hubei Province in 2020

2.3.2 每日新增確診病例與氣象因素及大氣污染物相關(guān)分析日增病例與氣象因素及大氣污染物之間的斯皮爾曼等級相關(guān)系數(shù)（ρ）計算結(jié)果見表5。分析表明，PM10、NO2、O3和日平均相對濕度與日增病例呈現(xiàn)顯著相關(guān)（P＜0.05）；其中，PM10、NO2和O3與日增病例呈現(xiàn)顯著正相關(guān)（ρ=0.515，0.579和0.536，P＜0.05），日平均相對濕度與日增病例呈現(xiàn)極顯著負(fù)相關(guān)（ρ= -0.744，P＜0.01）。故將PM10、NO2、O3和日平均相對濕度納入后續(xù)分析。

表5 2020年湖北省日增病例與氣象因素及空氣污染物相關(guān)分析1）Table 5 Correlation analysis of daily new cases，meteorological factors and air pollutants in Hubei Province in 2020

2.4 影響湖北省2019冠狀病毒病疫情傳播的大氣污染物風(fēng)險評估

鑒于PM2.5受到廣泛的關(guān)注，本文增加了對PM2.5的風(fēng)險評估。影響湖北省2019 冠狀病毒病疫情傳播的大氣污染物風(fēng)險評估結(jié)果見表6～表8。

表6 單污染物模型相對危險度計算結(jié)果1）Table 6 RR calculation results of single pollutant model

表8 雙污染物及三污染物模型風(fēng)險評估1）Table 8 Risk assessment of two-pollutant and three-pollutant models

單污染物模型計算結(jié)果顯示，PM2.5和PM10日平均質(zhì)量濃度與當(dāng)日（Lag 0）的日增病例相關(guān)，RR值 分 別 為1.004（95% CI：1.002～1.005）和1.003（95% CI：1.002～1.004）；PM2.5和PM10日平均質(zhì)量濃 度 各 分 別 增 加10 μg/m3，日 增 病 例 的ER 為3.548%（95% CI：2.032%～5.087%）、3.175%（95%CI：1.663%～4.708%）。NO2日平均質(zhì)量濃度對日增病例的影響存在滯后效應(yīng)，在滯后4 d 時其RR值最大，為1.029（95% CI：1.011～1.047）；NO2日平均質(zhì)量濃度每增加10 μg/m3，日增病例ER 為32.745%（95% CI：11.586%～57.916%）。O3在滯后0～1 d 時RR 值達(dá)到最大，為1.003（95%CI：0.998～1.007）；O3日平均質(zhì)量濃度每增加10 μg/m3，日增病 例ER 為2.839%（95% CI：-1.762%～7.656%）（見圖3）。分析表明，NO2日平均質(zhì)量濃度對滯后4 d 的日增病例影響最大。這些計算結(jié)果均具有統(tǒng)計學(xué)意義（P＜0.05）。

圖3 單日滯后模型PM2.5、PM10、NO2、O3相對危險度（RR）分布Fig.3 Relative risk(RR)distribution of PM2.5,PM10,NO2 and O3 in single-day lag model

根據(jù)單污染物模型滯后效應(yīng)分析結(jié)果，選擇各因素相對危險度數(shù)值最大的滯后時間擬合多污染物模型。計算結(jié)果顯示，在雙污染物模型中，當(dāng)PM2.5、PM10分別引入NO2后，對日增病例的影響均有所加強；NO2日平均質(zhì)量濃度每增加10 μg/m3，日增病例ER 則分別取值為23.929%（95%CI：4.705%～46.682%）和24.672%（95% CI：5.379%～47.496%）。當(dāng)NO2引入O3后，對日增病例的影響也有所增強；O3日平均質(zhì)量濃度每增加10 μg/m3，日增病例ER為4.664%（95%CI：1.558%～7.866%）。

表7 單污染物模型超額危險度計算結(jié)果1）Table 7 ER calculation results of single pollutant model %

在三污染物模型中，當(dāng)PM2.5、PM10分別同時引入NO2和O3，發(fā)現(xiàn)對日增病例的影響有所減小，但是，仍具有統(tǒng)計學(xué)意義（P＜0.10）；分別控制PM2.5、PM10和O3，當(dāng)引入NO2日平均質(zhì)量濃度增加10 μg/m3時，日增病例的ER 則分別取值為21.587%（95% CI：-0.315%～48.302%）和21.965%（95% CI：-0.030%～48.800%）。表明控制PM2.5、PM10和O3后，NO2對日增病例的影響保持相對穩(wěn)定。

計算方差膨脹因子（VIF，variance inflation factor）值，發(fā)現(xiàn)PM2.5和PM10具有共線性，故沒有納入同一個雙污染物模型和三污染物模型分析。通過改變時間和日平均相對濕度的自由度對模型進(jìn)行了敏感性分析，沒有發(fā)現(xiàn)計算結(jié)果有顯著改變。

3 結(jié) 論

本文研究表明，自2020 年1 月20 日～2 月9 日，中國內(nèi)地日增病例呈現(xiàn)顯著的聚集現(xiàn)象，并且，表現(xiàn)出“低-高-低”的特征。分析顯示，自2019冠狀病毒病暴發(fā)初期的第3周開始，疫情傳播開始得到了有效控制；政府部門部署和實施的防控措施是果斷及得當(dāng)?shù)摹?/p>

局部空間自相關(guān)分析表明，湖南省、廣東省、江西省、浙江省、安徽省和江蘇省屬于高-高聚集區(qū)；新疆維吾爾自治區(qū)、內(nèi)蒙古自治區(qū)和西藏自治區(qū)屬于低-低聚集區(qū)。福建省和上海市屬于低-高聚集區(qū)?？傮w上，熱點地區(qū)主要分布在東經(jīng)108°47'～123°10'和北緯25°31'～35°20'范圍以內(nèi)。中國內(nèi)地2019 冠狀病毒病暴發(fā)初期疫情擴散總體上呈現(xiàn)由西北向東南指數(shù)增長、由北向南快速增長的趨勢；東南方向是疫情的主要傳播方向。

研究發(fā)現(xiàn)，湖北省大氣污染物PM10、NO2、O3和日平均相對濕度與日增病例存在顯著的相關(guān)關(guān)系。對大氣污染物相對危險度評估發(fā)現(xiàn)，PM10和PM2.5的RR 值在當(dāng)日達(dá)到最大，NO2的RR 值在滯后4 d 時達(dá)到最大，O3的RR 值在滯后0～1 d 時達(dá)到最大。NO2日平均質(zhì)量濃度每增加10 μg/m3，日增病 例 的ER 值 為32.745% （95% CI：11.586%～57.916%）。PM2.5、PM10分別引入NO2后，均對日增病例的影響有所加強；NO2日平均質(zhì)量濃度每增加10 μg/m3，日增病例的ER 分別取值為23.929%（95% CI：4.705%～46.682%）和24.672%（95% CI：5.379%～47.496%）。當(dāng)NO2引入O3后，對日增病例的影響也有所加強。

本文采用空間自相關(guān)分析和趨勢分析研究了疫情傳播擴散的時空特征及熱點區(qū)域，有學(xué)者通過構(gòu)建傳染病模型同樣可預(yù)測出潛在的熱點區(qū)域［9］。研究表明，在2019冠狀病毒病傳播的早期，中國內(nèi)地鐵路運輸和疫情傳播之間呈現(xiàn)顯著的相關(guān)關(guān)系［10］。多年研究表明，大氣污染物PM2.5、PM10、NO2和O3等會導(dǎo)致人類的多種呼吸系統(tǒng)和心血管系統(tǒng)疾?。?］。德國一項研究發(fā)現(xiàn)，2019 冠狀病毒病有如此高的致死率，不僅與病毒及患者身體狀況有關(guān)，還可能與大氣污染程度有關(guān)。研究發(fā)現(xiàn)，死亡人數(shù)較多地區(qū)，相應(yīng)區(qū)域NO2日平均質(zhì)量濃度顯著高于其他地區(qū)，垂直空氣交換量顯著低于其他地區(qū)。此外，大氣污染水平、空氣流動及日冕暴發(fā)的嚴(yán)重程度與2019 冠狀病毒病死亡率之間可能存在關(guān)聯(lián)［11］。本文研究結(jié)果初步表明，NO2日平均質(zhì)量濃度可能對2019 冠狀病毒病的每日新增確診病例存在顯著的正向影響。

2020 年中國內(nèi)地2019 冠狀病毒病暴發(fā)初期，湖北省空氣質(zhì)量總體較佳；但是，本文研究顯示，大氣污染物PM10、NO2和O3日平均質(zhì)量濃度與日增病例仍然存在顯著的正相關(guān)，并且，NO2和PM10日平均質(zhì)量濃度對日增病例可能存在重大的正向影響。雖然，本文發(fā)現(xiàn)NO2和PM10日平均質(zhì)量濃度與日增病例存在顯著的正相關(guān)，但是，并未證明這兩種大氣污染物會促進(jìn)人類感染2019 冠狀病毒病，要獲得確切的結(jié)論則需要病理學(xué)的研究證實。當(dāng)然，在疫情熱點區(qū)域，降低大氣環(huán)境中的NO2質(zhì)量濃度可能對疫情防控具有積極的作用。

進(jìn)入2021 年，中國內(nèi)地再度暴發(fā)2019 冠狀病毒病局部性疫情。依據(jù)國家衛(wèi)生健康委員會網(wǎng)站公布數(shù)據(jù)（http：//www.nhc.gov.cn/xcs/xxgzbd/gzbd_index.shtml），2021 年第1 周，河北省新增123例確診病例，其中，113 例來自石家莊地區(qū)。而2020 年1 月5 日同期，武漢市共計報告不明原因病毒肺炎病例59 例。鑒于石家莊市與武漢市經(jīng)度近乎一致，南北方向基本處于一條直線上；氣候條件具有一定的相似性；因此，2019 冠狀病毒病疫情傳播的時空特征可能具有一定的相似性。

目前，國外疫情依然十分嚴(yán)峻，國內(nèi)局部地區(qū)零散出現(xiàn)不確定的突發(fā)疫情；本文研究結(jié)果對于相關(guān)部門科學(xué)合理地制定疫情防控措施具有一定的參考價值。