荆州市新型冠状病毒肺炎时空分布特征分析

蔺茂文，刘 天，田克卿，江 鸿，曾旻敏，王 丽，殷 俊，雷若倩，姚梦雷，黄继贵

湖北省荆州市疾病预防控制中心，荆州 434000

新型冠状病毒肺炎（coronavirus disease 2019，COVID-19）是由新型冠状病毒SARS-CoV-2（severe acute respiratory syndrome coronavirus 2）感染引起的，以呼吸道飞沫、接触传播为主的急性呼吸道传染病[1-3]。截至2020 年3 月12 日24 时，我国累计报告确诊病例80 813 例，其中湖北省累计报告确诊病例67 786 例[4]。荆州市位于湖北省中南部，地处长江中游，是江汉平原腹地，距武汉市约250 km。截至2020 年3 月12 日24 时，荆州市累计报告COVID-19 确诊病例1 580 例，位居湖北省第4 位[5]。百度人口迁徙数据显示，2020 年1 月1 日—23 日武汉市累计迁出总人口数中，迁出地为荆州市的人数居第3 位[6]。为探讨COVID-19 在该市时空分布的特点，本研究利用地理信息技术对荆州市COVID-19 时空聚集性、聚集趋势进行分析，以识别COVID-19 的高风险区域，评估荆州市的防控效果。

1 资料与方法

1.1 资料来源

荆州市COVID-19 病例信息来源于中国疾病监测信息报告管理系统，人口资料来源于网络直报系统子系统基本信息系统。将现住址为荆州市、发病日期为2020 年1 月 1 日—3 月12 日的病例资料导出，病例类型包括确诊病例、临床诊断病例和核酸检测阳性病例。荆州市1:1 800 000 矢量化县（市、区）界、乡镇（街道）界地图由荆州市疾病预防控制中心提供。

1.2 统计分析

运用ArcGIS 10.0 软件绘制空间分布地图，进行趋势面分析、全局空间自相关分析、局部空间自相关分析。运用SaTScan 9.5 软件进行时空扫描分析。采用Excel 2019软件整理资料并进行统计分析，P＜0.05 认为差异有统计学意义。

1.2.1 趋势面分析 趋势面分析是将采样点Z 作为散点图投影到XZ 和YZ 平面上，再根据投影平面上的散点图，通过多项式拟合做出拟合线，以模拟Z 的空间趋势[7-9]。其中X、Y、Z 分别表示经度、纬度和COVID-19 发病率，本研究选择二次多项式进行拟合。

1.2.2 全局空间自相关分析 全局空间自相关（Global Moran's I）探测整个研究区域的空间模式，目的在于分析某种现象在空间上是否具有聚集的特性，Global Moran's I系数为常用指标。Moran's I 系数取值范围为–1 ～1，取值越接近1，说明COVID-19 发病率与空间的正相关性越强（高发病率地区聚集在其他高发病率地区附近，低发病率地区聚集在其他低发病率地区附近）；取值越接近–1，说明COVID-19 发病率与空间的负相关性越强（高发病率地区排斥其他高发病率地区，而倾向于靠近低发病率地区）；取值为0，说明发病率与空间无相关性[7-8,10]。本研究运用反距离法定义空间关系的概念化，运用欧氏距离法测量距离。

1.2.3 局部空间自相关分析 全局空间自相关分析只能反映某种想象的总体空间聚集性，并不能反映某种现象的局部空间聚集特征。为了识别具体区域的聚集性，本研究采用局部Moran's I 和Getis-Ord Gi 2 种方法进行分析。局部Moran's I 分析根据局部Moran's I 值、Z 值可将局部空间关联模式划分为4 种类型（P＜0.05）：高值聚类（HH）、低值聚类（L-L）、高值由低值围绕的异常值（H-L）、低值由高值围绕的异常值（L-H），其中H-H、H-L、L-H提示有COVID-19 高发区。Getis-Ord Gi 分析即热点分析，通过Gi 统计量Z 值来判断聚集关系：其中Z＞1.96，提示为高值聚集区，记为热点；Z＜-1.96，即为低值聚集区，记为冷点[10-12]。本研究为探讨COVID-19 疫情在空间上随时间变化的趋势，以2020 年2 月10 日为界将荆州市疫情分为流行前期、流行后期。选择2 月10 日为分割点主要基于2 点：①荆州市COVID-19 流行高峰为1 月23 日—28 日，随着“离汉离荆通道关闭”“餐饮等服务行业停止营业”等防控措施的落实，人口流动性逐步减小，最大限度地减少了COVID-19 的传播。理论上经过14 d（99% COVID-19 病例的潜伏期≤14 d）[13]至2 月10 日，疫情暴发趋势应显著下降。②2 月10 日，密切接触者集中隔离措施正式启动。

1.2.4 时空扫描分析 时空扫描分析的基本思想是首先采用一个以空间距离定义半径、时间长度定义高度的圆柱体作为二维扫描窗口，扫描每一个时空事件，然后在每个窗口根据泊松分布，以人口数与总发病数计算理论发病数，通过窗口内外理论与实际发病人数构造统计量对数似然比（loglikelihood ratio，LLR），用LLR 来评价扫描窗口内发病数的异常程度。选取LLR 值较大的窗口为可能高发病聚集窗口，并计算该窗口的相对危险度（relative risk，RR）及检验有无统计学意义。LLR 的概率值通过蒙特卡罗随机化法得到。最终选取LLR 值最大且有统计学意义的窗口为主聚集区，其他LLR 值较小且有统计学意义的窗口均为次聚集区[12,14]。本研究将有武汉旅行居住史的病例定义为输入病例，无武汉旅行居住史的病例定义为本地病例，分别进行时空扫描，探讨输入病例和本地病例的聚集性差异。本研究以d 为时间单位，以15%风险人口数为最大空间尺度，并以50%时间周期为最大时间尺度[15]。

2 结果

2.1 COVID-19 发病率概况

荆州市累计报告COVID-19 病例1 623 例，发病率为29.03/10 万，其中输入病例804 例，本地感染819 例。在流行前期，以输入病例为主（52.18%，765/1 466），流行后期以本地病例为主（75.16%，118/157）。在县（市、区）层面，洪湖市发病率最高（54.12/10 万），石首市发病率最低（14.35/10 万）；在乡镇（街道）层面，洪湖市新堤街道发病率最高，为176.51/10 万（图1）。

图1 荆州市COVID-19 发病率地区分布Fig 1 Regional distribution on incidence rate of COVID-19 in Jingzhou City

2.2 趋势面分析

趋势面分析结果见图2。其中XZ 平面上的曲线代表东西方向趋势，YZ 平面上的曲线代表南北方向的趋势，可以看出荆州市COVID-19 发病率自西向东呈轻微“U”形，且东部略高；自南向北呈倒“U”型，且南部略高。

图2 荆州市COVID-19 发病率趋势面分析Fig 2 Trend surface analysis on incidence rate of COVID-19 in Jingzhou City

2.3 全局空间自相关分析

荆州市COVID-19 全局空间自相关Moran's I 系数为0.410（P=0.000），提示COVID-19 发病率存在空间聚集性。

2.4 局部空间自相关分析

2.4.1 局部Moran's I 分析 Moran's I 分析共探测到2 个H-H 聚集区。一个聚集区包括沙市区、荆州区10 个乡镇（街道）；另一个聚集区为洪湖市新堤街道。2 月10 日前H-H 聚集区主要集中在荆州市主城区（沙市区、荆州区）和洪湖市主城区（新堤街道），与整体数据扫描结果类似。2 月10 日后，H-H 聚集区主要为洪湖市中东部地区的 5 个乡镇（街道）（图3）。

图3 荆州市COVID-19 发病率局部空间自相关分析情况Fig 3 Local spatial autocorrelation analysis on incidence rate of COVID-19 in Jingzhou City

2.4.2 Getis-Ord Gi 分析 共探测到2 个热点区域，一个热点区域涵盖沙市区、荆州区、公安县共计17 个乡镇（街道）；另一个热点区域涵盖洪湖市5 个乡镇（街道）。 2 月10 日前热点区域与整体数据扫描结果基本一致；2 月10 日后，热点区域主要集中在洪湖市中东部地区的13 个乡镇街道（图4）。

图4 荆州市COVID-19 发病率热点分析情况Fig 4 Hot spot analysis on incidence rate of COVID-19 in Jingzhou City

2.5 时空扫描分析

2.5.1 输入病例 共发现5 个时空聚集区（图5，表1）。 主聚集区的聚集时间为1 月18 日—2 月3 日，聚集区域为联合街道及周边15 个乡镇（街道），半径为13.42 km，该聚集区内COVID-19 发病风险是其他区域的7.395倍；次聚集区1 的聚集时间为1 月17 日—2 月2 日，聚集区域为黄家口镇及周边29 个乡镇（街道），半径为33.55 km，该聚集区内COVID-19 发病风险是其他区域的6.842 倍。

2.5.2 本地病例 共发现5 个时空聚集区（图5，表1）。主聚集区的聚集时间为1 月20 日—2 月24 日，聚集区域为新堤街道，该聚集区内COVID-19 发病风险是其他区域的16.133 倍；次聚集区1 的聚集时间为1 月22 日—2 月8 日，聚集区域为岑河原种场及周边19 个乡镇（街道），半径为18.28 km，该聚集区内COVID-19 发病风险是其他区域的8.378 倍。

图5 荆州市COVID-19 时空扫描分布Fig 5 Spatial-temporal scanning distribution of COVID-19 in Jingzhou City

表1 荆州市COVID-19 时空扫描结果Tab 1 Spatial-temporal scanning distribution of COVID-19 in Jingzhou City

3 讨论

目前，国内外对COVID-19 的研究主要集中在传染性[16-19]、 疾病谱[20-21]等方面。本研究在乡镇（街道）级别上，采用趋势面分析、全局空间自相关分析、局部空间自相关分析和时空扫描分析4 种方法，探讨荆州市COVID-19 时空聚集性分布特点，识别高风险区域，评估防控效果。

总体上，荆州市COVID-19 发病率在空间上自西向东呈轻微“U”形，且东部略高；自南向北呈倒“U”型，且南部略高。全局空间自相关分析显示，荆州市COVID-19发病率存在地区聚集性，与趋势面分析结果一致。进一步以局部Moran's I 分析、Getis-Ord Gi 分析探讨COVID-19空间聚集特点，2 种方法均显示荆州市COVID-19 存在2个聚集区域，包括荆州市主城区（沙市区、荆州区）部分乡镇（街道）、洪湖市部分乡镇（街道），可能与荆州主城区人口密度大、武汉流入人口多，洪湖市与武汉市毗邻有关。2020 年1 月1 日—2 月10 日，荆州市主城区为热点区域。2 月11 日—3 月12 日，随着“内防扩散、外防输入”防控措施的落实，主城区不存在明显聚集，疫情显著下降。洪湖市在2 月10 日前后，聚集地区不断扩大，疫情形势严峻，防控措施未得到有效落实[22]。

输入病例时空扫描结果显示，5 个时空聚集区均与湖北省内其他地区接壤，聚集时间主要集中在1 月18 日—2 月 3 日，主聚集区位于荆州市主城区，次聚集区1 位于洪湖市，这与局部空间自相关分析结果相一致。武汉市自1 月23 日采取“离汉”通道交通管制后[23]，经过14 d，有武汉暴露史的病例相继发病，荆州市1 月底、2 月初迎来发病高峰，与时空扫描聚集时间一致，提示荆州市大部分病例均与武汉暴露史有关。

本地病例时空扫描结果显示，2 个聚集区（新堤街道、府场镇）聚集时间跨越了2 月10 日，提示洪湖市主城区、北部乡镇、监利县北部乡镇防控措施未得到有效落实；其他3 个聚集区聚集时间均在2 月10 日以前，2 月10 日以后无聚集，提示大部分地区随着1 月24 日“封城”，2 月2 日“交通管制”“社区封闭管理”后[23]，传染源管控严格、传播途径相继被阻断，疫情得到有效控制。

综上所述，荆州市COVID-19 在空间上具有明显空间聚集性。高值聚集区主要集中在荆州市主城区和洪湖市主城区，是COVID-19 防控的重点区域。除洪湖市、监利县部分乡镇外，荆州市COVID-19 防控效果显著。

致谢：感谢荆州市疾控中心、监利县疾控中心、公安县疾控中心、江陵县疾控中心、洪湖市疾控中心、石首市疾控中心、松滋市疾控中心所有参与COVID-19 疫情防控的公共卫生工作者！

参·考·文·献

[1] 国家卫生健康委员会办公厅, 国家中医药管理局办公室. 新型冠状病毒肺炎诊疗方案（试行第七版）[EB/OL]. (2020-03-04)[2020-03-14]. http://www.gov.cn/zhengce/zhengceku/2020-03/04/content_5486705.htm.

[2] Liu K, Fang YY, Deng Y, et al. Clinical characteristics of novel coronavirus cases in tertiary hospitals in Hubei Province[J]. Chin Med J, 2020, 133(9): 1025-1031.

[3] Thompson RN. Novel coronavirus outbreak in Wuhan, China, 2020: intense surveillance is vital for preventing sustained transmission in new locations[J]. J Clin Med, 2020, 9(2): E498.

[4] 国家卫生健康委员会. 截至3 月12 日24 时新型冠状病毒肺炎疫情最新情况[EB/OL]. (2020-03-13)[2020-03-14]. http://www.nhc.gov.cn/xcs/yqtb/20200 3/816e6f71236b4dca96378df5f6f4ae53.shtml.

[5] 湖北省卫生健康委员会. 2020 年3 月12 日湖北省新冠肺炎疫情情况[EB/OL]. (2020-03-13)[2020-03-14]. http://wjw.hubei.gov.cn/bmdt/ztzl/fkxxgzbdgrfyyq/xxfb/202003/t20200313_2180674.shtml.

[6] 百度地图慧眼. 百度迁徙[EB/OL]. (2020-01-24)[2020-03-14]. http://qianxi.baidu.com/.

[7] 池建. 精通ArcGIS 地理信息系统[M]. 北京: 清华大学出版社, 2011: 352.

[8] 赵月. 四川省甘孜藏族自治州棘球蚴病空间聚集性分析[D]. 北京: 中国疾病预防控制中心, 2015.

[9] 李怡, 袁方, 周春碚, 等. 趋势面分析在疾病防控领域中的应用进展[J]. 现代医药卫生, 2017, 33(16): 2476-2478.

[10] 王帅. 犯罪案件时空热点分析研究[D]. 北京: 首都师范大学, 2012.

[11] 刘天, 陈红缨, 姚梦雷, 等. 2016 年湖北省手足口病时空分布特征分析[J]. 疾病监测, 2018, 33(8): 653-658.

[12] Xu X, Zhao Y, Xia S, et al. Investigation of multi-scale spatio-temporal pattern of oldest-old clusters in China on the basis of spatial scan statistics[J]. PLoS One, 2019, 14(7): e0219695.

[13] Lauer Stephen A, Grantz Kyra H, Bi Q, et al. The incubation period of coronavirus disease 2019 (COVID-19) from publicly reported confirmed cases: estimation and application[J]. Ann Intern Med, 2020, 179(2): 577-582.

[14] Kulldorff M, Heffernan R, Hartman J, et al. A space-time permutation scan statistic for disease outbreak detection[J]. PLoS Med, 2005, 2(3): e59.

[15] 唐咸艳, 李峤, 仇小强, 等. 扫描统计量中最大空间扫描窗口的尺度选择[J]. 中华疾病控制杂志, 2015, 19(3): 316-317, 320.

[16] Li Q, Guan XH, Wu P, et al. Early transmission dynamics in Wuhan, China, of novel coronavirus-infected pneumonia[J]. N Engl J Med, 2020, 382(13): 1199-1207.

[17] Chan JF, Yuan S, Kok KH, et al. A familial cluster of pneumonia associated with the 2019 novel coronavirus indicating person-to-person transmission: a study of a family cluster[J]. Lancet, 2020, 395(10223): 514-523.

[18] Riou J, Althaus CL. Pattern of early human-to-human transmission of Wuhan 2019 novel coronavirus (2019-nCoV), December 2019 to January 2020[J]. Euro Surveill, 2020, 25(4). DOI:10.2807/1560-7917.ES.2020.25.4.2000058.

[19] Wu P, Hao X, Lau EHY, et al. Real-time tentative assessment of the epidemiological characteristics of novel coronavirus infections in Wuhan, China, as at 22 January 2020[J]. Euro Surveill, 2020, 25(3). DOI: 10.2807/1560-7917.ES.2020.25.3.2000044.

[20] 胡世雄, 徐巧华, 罗恺伟, 等. 湖南省新型冠状病毒肺炎感染者流行病学特征分析[J/OL]. 实用预防医学, 2020. (2020-03-06)[2020-03-15]. http://kns.cnki.net/kcms/detail/43.1223.R.20200304.1301.002.html.

[21] 周生余, 王春亭, 张伟, 等. 山东省新型冠状病毒肺炎患者537 例临床特征与救治效果[J/OL]. 山东大学学报(医学版), 2020. (2020-03-13)[2020-03-15]. http://kns.cnki.net/kcms/detail/37.1390.r.20200310.1047.002.html.

[22] 朱宏, 史文钊, 刘莉, 等. 广东驰援湖北洪湖市医疗队的抗疫实践及思考[J/OL]. 中华医学杂志, 2020. (2020-03-11)[2020-03-15]. http://rs.yiigle.com/yufabiao/1184395.htm. DOI: 10.3760/cma.j.cn112137-20200228-00496.

[23] 武汉市新型冠状病毒感染的肺炎疫情防控指挥部. 武汉市新型冠状病毒感染的肺炎疫情防控指挥部通告（第1号）[EB/OL]. (2020-01-23)[2020-03-14]. http://www.gov.cn/xinwen/2020-01/23/content_5471751.htm.

[24] 荆州市新型冠状病毒感染的肺炎防控指挥部. 关于进一步加强市区人口出行管控的紧急通知[EB/OL]. (2020-02-02)[2020-03-14]. http://www.jingzhou.gov.cn/zfwxw/jzyq/202002/t20200203_453340.shtml.