2019冠狀病毒病暴發初期時空特征及污染物評估*

何淼，石昌浩，佘鉉捷，程梓淇，董朔含，劉天昊，張志浩，劉菁

1. 中山大學生命科學學院，廣東 廣州 510275

2. 安陽市腫瘤醫院醫務科，河南 安陽 455002

2019 年底在中國內地發現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，世界衛生組織將這種由嚴重急性呼吸綜合征冠狀病毒2（SARS-CoV-2，severe acute respiratory syndrome coronavirus 2）引發的疾病重新命名為2019 冠狀病毒病（COVID-19，coronavirus disease 2019）［3］。截至2021 年5 月17 日16 時12 分，中國內地累計有90 872 例2019 冠狀病毒病確診感染者，累計導致4 636 人死亡；給中國社會和經濟發展造成了特別巨大的損失。

流行病的發生與傳播，通常在時間和空間上均會呈現出特定的分布格局。在不同的地理環境中，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聯因素的影響。地理信息系統（GIS，geographic information system）技術已普遍應用于流行病發生與傳播機制的研究；包括發現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、開展流行病空間自相關分析及運用空間回歸模型預警等。空間自相關分析和趨勢分析已被成功應用于傷寒傳播的空間特征分析［4］。廣義加性模型（GAM，generalized additive model）常用于流行病相關影響因素的風險評估。有學者采用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，疫情持續了8周左右的時間；我們將這8周時間劃分為暴發初期、暴發中期和暴發后期等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地暴發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行風險評估。當前，2019 冠狀病毒病持續在全球范圍快速傳播［6-7］。2021 年至今，中國內地局部地區多次暴發疫情。鑒于未來疫情可能出現反復，總結經驗可為相關機構和部門科學合理地制定疫情防控策略提供參考。

1 數據與方法

1.1 數據來源

從中國國家及各省市衛生健康委員會網站獲取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”）數據。

從湖北省氣象局網站獲取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、日平均風速和日平均相對濕度等氣象數據。對應時間段的空氣污染數據來源于網站www.aqistudy.cn；從該網站獲取并整理了大氣細顆粒物（PM2.5）、可吸入顆粒物（PM10）、SO2、NO2、CO 和O3等空氣污染指標日平均質量濃度的數據，其中，O3數據取當日8 h平均質量濃度。

從自然資源部“標準地圖服務系統”（http：//bzdt.ch.mnr.gov.cn/index.html）下載地圖的底圖。

1.2 全局空間自相關分析

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

其中xi是變量x在區域i的觀測值，xˉ是算術平均值，n是區域的數目，Wij是空間權重矩陣W中的元素，Wij為區域i和j的空間權重，W空間權重矩陣根據鄰接標準度量，將連接的空間單元定義為1，不連接的空間單元定義為0，如果區域i和j相鄰，則Wij= 1，否則，Wij= 0；So是所有空間權重的總和。Moran'sI系數的取值區間為［-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，意味著該區域日增病例存在聚集現象。

1.3 局部空間自相關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、人口數量和族群行為特征等差異而存在不同的擴散模式，特定區域與鄰近區域不一定具有相同的特征。鑒于全局空間自相關模式不能完全闡釋疫情的傳播擴散規律。本文采用安瑟倫局部莫蘭指數（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）等特征的區域。

安瑟倫局部莫蘭指數計算公式為

本文使用ArcGIS10.7 軟件完成了局部空間自相關分析和熱點分析。

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行擬合，以三維投影的形式展示擬合結果。基于經度和緯度應用多項式函數，包括觀察到節點的日增病例，用以估計未知節點的日增病例。將地圖中經度、緯度分別沿X和Y軸向標記；Z軸向表示投影網格矩陣的各省份日增病例。借助坐標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 斯皮爾曼等級相關系數

將原始數據轉換為等級數據，可計算出變量間的斯皮爾曼等級相關系數ρ（Spearman's correlation coefficient for ranked data），ρ的取值區間為［-1，1］；如果ρ>0，為正相關，ρ= 0，為不相關，ρ＜0，為負相關。斯皮爾曼等級相關系數計算公式

其中m為等級數目，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引入GAM，用以排除長期和季節性趨勢及天氣條件與日增病例之間潛在的非線性關聯。采用赤池信息量準則（AIC，Akaike's information criterion）確定光滑函數的自由度，最小AIC 值對應于首選模型。以相對危險度（RR，relative risk）為指標，評估大氣污染物對日增病例的影響。計算當大氣污染物日平均質量濃度每增加10 μg/m3時，日增病例的超額危險度（ER，excess risk）及95%置信區間（CI，confidence interval）。同時，分別計算大氣污染物的當日（Lag 0）及1～5 d（Lag 1～5）滯后效應。對單日滯后模型（Lag 0～5）和多日滯后模型（Lag 0～4）進行統計顯著性檢驗。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；sT是自由度df=5，時間為自變量的三次樣條函數；sD是自由度為df=2，日氣象指標為自變量的3次樣條函數；β0是截距。

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

2 結 果

2.1 2020年中國內地2019冠狀病毒病暴發初期日增病例情況

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

表1 2020年2019冠狀病毒病暴發初期中國內地各大區日增病例統計Table 1 Daily new cases of every big district in the early stage of COVID-19 outbreak in the Chinese Mainland in 2020

中國內地2019 冠狀病毒病暴發初期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；中國內地日增病例呈現先增后減的趨勢。各大區日增病例有較大差異；其中，華中區日增病例最多，華東區和華南區日增病例緊隨其后。

2.2 2020年中國內地2019冠狀病毒病暴發初期日增病例時空分布特征

鑒于湖北省為疫情初發核心區域，本研究的目的是發現湖北省以外的疫情高發區域及傳播的時空特征；因此，未將湖北省的數據納入空間自相關分析。

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

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

2.2.2 局部空間自相關分析局部空間自相關分析表明，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、內蒙古自治區和西藏自治區等9個省份存在正相關，且計算結果具有統計學意義（P＜0.05）。全國2019冠狀病毒病暴發初期，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；新疆維吾爾自治區、內蒙古自治區和西藏自治區屬于低-低聚集區；福建省和上海市屬于相對低值區。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；新疆維吾爾自治區、內蒙古自治區和西藏自治區屬于低-低聚集區，貴州省和福建省屬于相對低值區。在第2周，上海市替換貴州省成為相對低值區。第3周與第2周相比沒有發生明顯的變化（見圖1）。

圖1 2020年中國內地2019冠狀病毒病暴發初期日增病例局部空間自相關及熱點分析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3周的局部熱點分析，可將各個地區劃分為7個等級。總體上，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，計算結果具有統計學意義（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；第2 周，江蘇省替換貴州省成為熱點地區；第3周，熱點地區沒有變化。熱點地區主要分布在東經108°47'～123°10'和北緯25°31'～35°20'范圍以內。

2.2.3 傳播方向及趨勢分析以周為時間單位，分析中國內地2019 冠狀病毒病暴發初期前3 周的傳播方向及趨勢（見圖2）。結果表明，疫情總體上呈現由西北向東南指數增長、由北向南快速傳播的趨勢。暴發初期前3周的疫情由西向東方向呈現倒U形的發展趨勢；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年中國內地2019冠狀病毒病暴發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年中國內地2019冠狀病毒病暴發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冠狀病毒病暴發初期大氣環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現象。我們選擇疫情暴發的典型地區湖北省為研究對象，探究大氣環境因素對湖北省疫情傳播的影響。由于武漢市是中國內地2019 冠狀病毒病的初發地，確診人數顯著多于鄰近地區，并且，數月后政府相關部門對數據進行了重大修訂；武漢市的疫情可能存在不同的傳播模式；因此，武漢市的相關數據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日平均質量濃度符合國家二級標準；SO2日平均質量濃度均符合國家一級標準；CO 日平均質量濃度超過國家標準；NO2日平均質量濃度符合國家一級標準；O3_8h平均質量濃度符合國家一級標準。

表4 2020年湖北省2019冠狀病毒病暴發初期氣象因素及空氣污染物日平均質量濃度情況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系數（ρ）計算結果見表5。分析表明，PM10、NO2、O3和日平均相對濕度與日增病例呈現顯著相關（P＜0.05）；其中，PM10、NO2和O3與日增病例呈現顯著正相關（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極顯著負相關（ρ= -0.744，P＜0.01）。故將PM10、NO2、O3和日平均相對濕度納入后續分析。

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險評估

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

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

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

單污染物模型計算結果顯示，PM2.5和PM10日平均質量濃度與當日（Lag 0）的日增病例相關，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日平均質量濃度對日增病例的影響存在滯后效應，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 值達到最大，為1.003（95%CI：0.998～1.007）；O3日平均質量濃度每增加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日平均質量濃度對滯后4 d 的日增病例影響最大。這些計算結果均具有統計學意義（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

根據單污染物模型滯后效應分析結果，選擇各因素相對危險度數值最大的滯后時間擬合多污染物模型。計算結果顯示，在雙污染物模型中，當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NO2引入O3后，對日增病例的影響也有所增強；O3日平均質量濃度每增加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果1）Table 7 ER calculation results of single pollutant model %

在三污染物模型中，當PM2.5、PM10分別同時引入NO2和O3，發現對日增病例的影響有所減小，但是，仍具有統計學意義（P＜0.10）；分別控制PM2.5、PM10和O3，當引入NO2日平均質量濃度增加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定。

計算方差膨脹因子（VIF，variance inflation factor）值，發現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行了敏感性分析，沒有發現計算結果有顯著改變。

3 結 論

本文研究表明，自2020 年1 月20 日～2 月9 日，中國內地日增病例呈現顯著的聚集現象，并且，表現出“低-高-低”的特征。分析顯示，自2019冠狀病毒病暴發初期的第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的。

局部空間自相關分析表明，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；新疆維吾爾自治區、內蒙古自治區和西藏自治區屬于低-低聚集區。福建省和上海市屬于低-高聚集區。總體上，熱點地區主要分布在東經108°47'～123°10'和北緯25°31'～35°20'范圍以內。中國內地2019 冠狀病毒病暴發初期疫情擴散總體上呈現由西北向東南指數增長、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。

研究發現，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關系。對大氣污染物相對危險度評估發現，PM10和PM2.5的RR 值在當日達到最大，NO2的RR 值在滯后4 d 時達到最大，O3的RR 值在滯后0～1 d 時達到最大。NO2日平均質量濃度每增加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域，有學者通過構建傳染病模型同樣可預測出潛在的熱點區域［9］。研究表明，在2019冠狀病毒病傳播的早期，中國內地鐵路運輸和疫情傳播之間呈現顯著的相關關系［10］。多年研究表明，大氣污染物PM2.5、PM10、NO2和O3等會導致人類的多種呼吸系統和心血管系統疾病［5］。德國一項研究發現，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，還可能與大氣污染程度有關。研究發現，死亡人數較多地區，相應區域NO2日平均質量濃度顯著高于其他地區，垂直空氣交換量顯著低于其他地區。此外，大氣污染水平、空氣流動及日冕暴發的嚴重程度與2019 冠狀病毒病死亡率之間可能存在關聯［11］。本文研究結果初步表明，NO2日平均質量濃度可能對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 年中國內地2019 冠狀病毒病暴發初期，湖北省空氣質量總體較佳；但是，本文研究顯示，大氣污染物PM10、NO2和O3日平均質量濃度與日增病例仍然存在顯著的正相關，并且，NO2和PM10日平均質量濃度對日增病例可能存在重大的正向影響。雖然，本文發現NO2和PM10日平均質量濃度與日增病例存在顯著的正相關，但是，并未證明這兩種大氣污染物會促進人類感染2019 冠狀病毒病，要獲得確切的結論則需要病理學的研究證實。當然，在疫情熱點區域，降低大氣環境中的NO2質量濃度可能對疫情防控具有積極的作用。

進入2021 年，中國內地再度暴發2019 冠狀病毒病局部性疫情。依據國家衛生健康委員會網站公布數據（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。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峻，國內局部地區零散出現不確定的突發疫情；本文研究結果對于相關部門科學合理地制定疫情防控措施具有一定的參考價值。