2020年初COVID-19出院患者日常生活时空行为分析

截至2022年5月新型冠状病毒感染（COVID-19）患者数量累计已逾世界人口的6%。罹患COVID-19的经历对于出院患者的日常生活究竟造成怎样的影响,成为中国乃至全球共同关注的问题。本文以武汉市为例,针对2020年初感染COVID-19的出院患者,基于个体时空行为视角,开展纸质问卷与电话访谈相结合的时空行为调查并获取一手数据资料,分析患者在患病前与出院后不同时期日常生活时空行为的特征差异及影响因素。研究发现,出院后6个月,患者的日常生活呈现出全天睡眠延长、日间活动杂化、晚间休闲活跃的特征,患者的时空行为模式主要表现为从外出工作到外出工作、从外出工作到居家混合、从居家休闲到居家混合的转变。基于时间地理学理论,研究得出,患者身体状况及经济条件的能力制约、个人生活与所需资源形成的组合制约、政策规定及社会舆论形成的权威制约是导致患者出院后日常生活时空行为发生改变的根本原因,进一步探索发病机理、制定康复计划、提高社会认可对患者的身心恢复至关重要。研究结果可为重大突发公共卫生事件下的患者生活质量评价及公共卫生政策制定提供科学依据,并为行为地理学面向特殊事件、特殊人群、特殊阶段开展时空行为研究提...     

中国COVID-19疫情时空演化与综合防控

新型冠状病毒肺炎（COVID-19）疫情仍在全球范围内蔓延,是当前人类社会面临的重大突发公共卫生事件,对个人、家庭、社会乃至国家均产生深远影响。基于官方通报的病例数据及相关POI数据,综合运用数理统计与空间分析等方法,从省域、市域、县域和小区4个空间尺度探究疫情在中国的时空演化过程,进而探索疫情防控的综合机制与策略。结果表明：① 中国COVID-19疫情在时间演变上,始于大雪,盛于立春,衰于惊蛰,滞于春分,并经历早期武汉主导暴发、中期全国差异扩散、后期武汉主导衰减及末期本土疫情传播基本阻断4个阶段,对重要事件节点响应明显;② 空间分布呈现“喇叭”状的“一核两弧多岛”格局,主要受邻近性与联系强度影响;空间演化经历“核发—群发—散发—点发”4阶段模态,各阶段核心聚集区均位于湖北省内。最后,整合中国疫情演化的影响因素及相关措施,提出针对当前疫情发展和应对未来类似挑战的人地互馈协同发展的有效对策,具体随时间表现为及时响应、统筹合作、常态防控及严防输入等,并展望未来深入探究的方向。     

陕西省COVID-19疫情时空演化与风险画像

新型冠状病毒肺炎（COVID-19）疫情的暴发与蔓延，给中国乃至全球带来了极大挑战，已成为社会与学界关注的痛点问题。大流行病在人群与地域的传播扩散是人类与疫情抗争的时空动态过程，值得从地理学视角展开讨论。文章以毗邻中国疫情始发省域湖北的陕西省为研究区，基于官方通报的病例数据与人工判读采集的病例详细信息及相关POI数据，综合运用数理统计、空间分析、文本分析、案例分析等方法，重点探究确诊病例的社会人口学特征和疫情的时空演化格局，评估重点市域的疫情风险等级。结果表明：1）陕西省确诊病例以男性居多，年龄上整体趋向中高龄化，以40~49岁人群为最；外地感染与本地感染均以由“城”作起点的迁移主导；多呈由武汉输入型病例所致的小型核心家庭群聚感染模式，而大型复合感染及特殊场所感染影响深远。2）疫情时间变化差异性显著，整体呈现波动发展、低速衰退、平稳清存3个阶段，确诊时间相对发病时间及初诊时间存在滞后性，且输入型病例多在返陕后0~3 d出现症状。3）疫情在陕西省的空间扩散呈现“远鄂单核”的结构模式，这显著区别于其他环鄂省域。陕西省COVID-19发病率空间分异显著，表现为集中于中南部的倒“T”型分布模式；市域演变呈“三足鼎立”模态；流动路径以“武汉—西安”为主，呈“一源多汇、汉入中南”的流动格局。4）重点市域西安疫情风险等级的空间分布特征表现为“一组团三小片”格局，主城区风险等级高于周边区县。     

中国COVID-19疫情扩散的时空模式及影响因素

在2020年全球暴发新型冠状病毒肺炎（COVID-19）疫情的背景下,揭示中国疫情扩散时空模式及影响因素对于科学制定防疫策略具有重要作用。针对2020年1月24日—3月18日期间中国COVID-19疫情从快速扩散到逐步控制的完整过程,基于累计确诊病例数据,以317个地级市为对象,建立疫情扩散时空模式判别模型,结合峰位置、半峰间距、峰度、偏度等参数,解析时空模式的基本特征;基于交通可达性、城市关联程度和人口流动构建多元Logistic回归模型,揭示时空模式的关键影响因素。结果显示：① 距武汉市直线距离588 km为判别疫情扩散4种空间模式的有效边界,综合同一空间模式下的时间过程类别,得到13类疫情扩散时空模式。② 蛙跳型的疫情扩散相对严重;除近距离蛙跳型以外,其余空间模式的疫情扩散时间过程差异明显;各种时空模式的新增确诊病例峰值大多为2020年2月3日;所有普通类城市的平均半峰间距约为14 d,与COVID-19病毒的潜伏期一致。③ 与武汉市的人口关联度主要影响蔓延型和近距离蛙跳型空间模式,与武汉市的通航状况对远距离蛙跳型空间模式具有正向影响,迁出人口数量对蛙跳型空间模式有显著作用,综合型空间模式受初级和次级疫情暴发地的双重影响。不同城市应根据自身的疫情扩散时空模式,在疫情期间高度重视交通管控,从关键环节遏制疫情扩散。     

我国COVID-19疫情时空演变特征研究——基于314个城市329天面板数据

基于2020年1月24日至12月18日我国314个城市的COVID-19现存确诊数、累计确诊数等统计数据,采用地理数据探索、新兴时空热点分析、空间马尔科夫链、动态面板数据空间杜宾模型等方法分析了COVID-19疫情的时空变化特征。研究发现:我国COVID-19疫情大致划分为大规模快速爆发期、全国严格防控期、全国抑制期、局部复发期、常态化防疫期5个阶段,绝大部分城市的疫情变化特征与全国总体情况类似;新兴时空热点方法识别出4种类型共124个疫情冷热点,其中增强热点24个、振荡热点27个、持续冷点16个、渐少的冷点57个;疫情热点主要分布于中东部地区特别是湖北周边区域,疫情冷点主要分布于西南、西北及东北地区;各城市现存确诊人数的马尔科夫链转移概率矩阵分析结果显示,各种类型维持现状的概率大于0. 893,向下转移的平均概率明显高于向上转移的概率,在不同空间滞后类型的影响下各类型转移概率发生明显变化;动态面板空间杜宾模型估计结果显示314个城市现存确诊数具有显著的时空自相关性且不同阶段有明显差异。     

2020年湖南省COVID-19疫情的地理学分析

以发病数和发病率为依据,利用ArcGIS 10.3软件和地理探测器,探究湖南省2020-01-21—02-28间COVID-19疫情的时空变化及其影响因素,结果显示：1）疫情演变具有时序阶段性。湖南省COVID-19流行过程可分为扩散期—鼎盛期—衰减期—消亡期4个阶段;所有发病县区中84.47%的首发病例为武汉输入。2）疫情传播具有交通依赖性。确诊患者和高发病率地区集中在铁路干线附近,“地级市早发、主城区多发”特征明显。3）疫情程度具有距离衰减性。邻近武汉的湘中、湘北、湘东北地区发病数和发病率最高。4）疫情分布具有空间集聚性。发病数和发病率集聚水平先增大后保持高位,疫情热点区位于长株潭及岳阳市,冷点区位于湘西州。5）疫情流行具有因子交互性。无风、寒冷、干燥的天气更利于疫情传播;人口密度、路网密度和GDP是影响疫情空间分异的主要因素;自然因子与社会因子的交互作用最强。6）影响因子具有空间异质性。空间距离、人口密度对发病数和发病率两者的影响都有空间异质性,空间距离对湘东北地区疫情的影响最大,人口密度对湘西北、湘北地区疫情的影响最大;人口流动性、卫技人员数仅对发病数的影响有空间异质性,人口流动性的影响程度由北向南递减,卫技人员数的影响程度以长株潭城市群为核心向外围圈层递减。     

基于多源数据的湖北省COVID-19疫情时空扩散影响因子分析

利用武汉市人口迁出规模指数与武汉迁入到湖北各市人口比例的乘积(MSI)及市内交通强度(TI),建立时间回归模型,分析各市的COVID-19每日新增病例;利用交通可达性及各市GDP比例,建立空间回归模型,分析湖北省各市COVID-19的万人累计感染率.结果显示:1)基于人口迁徙数据与各市每日新增COVID-19病例构建的...     

COVID-19疫情对中国城市人口迁徙的短期影响及城市恢复力评价

新型冠状病毒肺炎（COVID-19）疫情对中国国民经济和社会发展产生剧烈冲击。科学评价中国受新冠疫情短期影响及恢复情况并揭示其时空特征,可为常态化疫情防控阶段的经济形势研判和城市恢复提供有力支撑。基于2020年1月13日—4月8日百度迁徙大数据,通过构建恢复指数（RRI）和恢复缺口（RGI）等指标,从多尺度揭示中国受COVID-19疫情短期影响的逐日特征、阶段特征以及时空格局。结果发现：① 疫情未影响春节前返乡迁徙,节后恢复经历恢复停滞期、快速恢复期、平稳恢复期,全国总体恢复程度由恢复停滞期不足20%上升至快速恢复期末60%左右,3月3日开始进入平稳恢复期,恢复指数达70%以上,完全恢复至历史同期水平仍需较长时间。② 疫情对周末和节假日城市间交往活动影响显著,中部和东北地区尤为明显。③ 疫情影响的区域差异性明显,相对恢复程度西部>东部>中部>东北地区。④ 城市间恢复程度差异显著,节后至4月8日呈现南高北低空间格局。结合疫情程度,广州、深圳、重庆处于高确诊高恢复聚类,河北、天津、黑龙江、河南、安徽、湖南处于低确诊低恢复聚类。⑤ 随着疫情有效控制,城市层面恢复缺口由京津冀、长三角、珠三角等城市群的大规模成片劳动力迁入缺口,转变为国家中心城市和部分省会城市的点状缺口。本文研究结果表明时空大数据在重大突发公共卫生事件实时影响评价方面具有较好应用前景。     

石家庄市远郊村COVID-19传播网络解构及其流行病学解释

2021年1月石家庄市远郊村疫情是中国首次爆发于农村地区的COVID-19公共卫生紧急事件。依据941例确诊病例确诊前14 d个体移动轨迹,以传播网络结构性分析和流行病传播动力学分析为手段,对比大城市城区,拟从疫点形成、输出形式、热区扩缩三方面解构农村地区COVID-19传播网络。结论如下：(1)疫点数量和类型较多。快速城市化背景下与中心城市同时并发形成新疫点;社区活跃度较高导致共同暴露疫点形成;短距离“钟摆移动”加大了个体移动轨迹交叉密度,进而增加了临时暴露疫点形成的风险。(2)具有显著的个体-个体接触传染特性以及上下游输出关系链特性,家族聚集性以及家族高代次输出是二次输出现象产生的主要原因。(3)有症状确诊病例延迟决策就医致使其隐匿时间较长相对危险度较高,导致网络热区范围和扩缩时间跨度增加。基此,本文提出机场邻近区域防控扩展、潜在疫点溢出人员延长管理、风险缓冲隔离区合理划设3点建议。散发公共卫生紧急事件传播网络研究是一种有益探索,将为提高农村地区公共卫生网络韧性提供依据。     

城市交通热点区域的空间交互网络分析

城市热点区域是人们频繁活动的体现,利用人们的出行可构建空间交互网络。目前的相关研究主要集中于对热点提取方法及其动态变化的研究,对交通热点的交互作用及其构成的空间交互网络的研究还很少。本文以武汉市的出租车轨迹为数据源,利用基于时空数据场的聚类方法提取城市交通热点区域;基于复杂网络理论与方法,分析城市交通热点区域之间的空间交互作用。通过研究发现：①节假日,热点区域之间的往返交互较多;工作日,热点区域之间的交互较少;②节假日,影响力较大的节点为车站、机场等;工作日,影响力较大的节点是社区和工作地;③社团探测发现,工作日跨越长江的交互较多,非工作日跨越长江的交互较少。上述研究结论可为交通管理部门针对节假日和工作日分别制定不同的交通管理政策和方法提供参考。     

基于交通管控效应的中国COVID-19疫情扩散的时空特征及其危险性

基于中国各级卫健委公布的疫情数据和全国列车数据,结合交通管控措施解析了中国COVID-19疫情扩散的时空特征和危害性,以及湖北"封省"对全国铁路系统的影响,结果发现:1)中国的疫情增长过程高度符合Logistic分布;空间上由湖北往东、南方向蔓延强度较大,各省内部疫情较为严重的地区通常为省会或经济发达城市.基于交通管控...     

新冠疫情对中国国际航空网络连通性的影响及空间差异

航空运输在实现各国互联互通、推动全球经济发展中发挥着重要作用。突发公共卫生事件或恶劣天气等均易对航空网络的连通性造成影响。本研究以新冠疫情为例，从全球航空网络视角探讨新冠疫情对中国国际航空网络连通性的影响及地区差异。研究结果表明：疫情期间，中国境外通航城市、国际航班、国际航线数量均大幅缩减，航空网络连通效率显著降低，但其空间格局未发生根本性变化，东亚和东南亚仍是中国对外主要联系地区，经济联系与贸易仍然起着重要作用。航线停飞对中国与中亚、西亚和大洋洲航空网络的连通性影响最大，而航班缩减对中国与东亚、中亚和东南亚航空网络的连通性影响最大。在国内，北京、上海和广州仍然是中国对外联系的枢纽城市，且其聚集度在疫情期间得到提升。     

Spatiotemporal patterns of the daily relative risk of COVID-19 in China

The coronavirus disease 2019(COVID-19) pandemic continues to threaten lives and the economy around the world. Estimating the risk of COVID-19 can help in predicting spreading trends, identifying risk areas, and making public health decisions. In this study, we proposed a comparative risk assessment method to estimate comprehensive and dynamic COVID-19 risks by considering the pandemic severity and the healthcare system pressure and then employing the z-order curve and fractal theory. We took the COVID-19 cases from January 19–March 10, 2020 in China as our research object. The results and analysis revealed that(1) the proposed method demonstrated its feasibility to assess and illustrate pandemic risk;(2) the temporal patterns of the daily relative risk indices of 31 provinces were clustered into four groups(high-value, fluctuating-increase, inverted U-shaped, and low-stable);(3) the spatial distribution of the relative pandemic risk indicated a significant circular pattern centered on Hubei Province; and(4) healthcare system capacity is the key to reducing relative pandemic risk, and cases imported from abroad should be given more attention. The methods and results of this study will provide a methodological basis and practical guidance for regional pandemic risk assessment and public health decision-making.     

Spatiotemporal analysis of COVID-19 risk in Guangdong Province based on population migration

Journal of Geographical Sciences - Population migration, especially population inflow from epidemic areas, is a key source of the risk related to the coronavirus disease 2019 (COVID-19) epidemic....     

COVID-19疫情时空聚集性特征及影响因素分析——以重庆市为例

新型冠状病毒肺炎(COVID-19)在城市内部的病例时空聚集性特征及影响因素对于疫情防控具有重要参考价值。论文以重庆市为例,收集2020年1月21日—2月24日的458例COVID-19确诊病例数据,结合手机信令数据与空间环境数据,采用空间聚集性分析、因子分析与回归分析等方法,探究重庆市新冠疫情在街道尺度上的时空聚集性特征,并分析其影响因素。结果表明：① 时间上,确诊病例前期增长较快,以外地输入为主,后期逐渐趋缓,以本地传播(包括街道间传播、街道内传播、家庭内传播)为主,其中家庭内传播占比最大(23%);② 空间上,病例呈现显著的聚集特征,且聚集性逐渐增强,热点街道分布于重庆市西部、东北部;分类型来看,本地病例热点街道集中于人口密度较大、经济发展更好的西北部、西南部,外地输入病例热点街道集中于地理邻近湖北省的中部、东北部;③ 所有病例密度、本地病例密度、外地输入病例密度与因子分析所得4个因子(即城市交通因子、街道间活动因子、生活服务因子、居民分布因子)的回归结果显示,交通设施水平与病例密度存在密切关联,商店超市餐饮等生活服务地点与病毒传播显著相关,街道间活动是发生聚集性疫情的重要因素,而外地输入型病例多出现于人口密集区域。疫情防控中应根据不同区域疫情传播模式差异实施针对性措施,例如在重庆市中部、东北部关注外地输入防控,西北部、西南部以本地传播防控为重点;同时,应加强城市内部交通与街道居民接触密集区域的防控措施,有效防止疫情反弹。     

城市微博数据驱动的群体疫情情感响应时空特征——以武汉市和石家庄市新冠疫情为例

研究城市大规模人群对疫情的情感响应时空特征,对于安抚人们情感状态以及优化防控措施具有重要意义。该文以带有地理标签的新浪微博数据为主要数据源,结合实地调查问卷,提出疫情场景下城市用户群体多维情感响应时空特征分析框架,该框架重点构建了城市用户群体对于疫情的多维情感强度的精确评估方法;在此基础上,分析疫情情感响应在时空维度上的变化特征,解析情感响应的显著影响因子。研究结果表明:1)该文提出的疫情情感响应评估方法,可准确量化疫情场景下城市群体多维情感响应强度;2)疫情防控期间政府采取的防控措施能够有效安抚城市群体愤怒、恐惧等负面情感;3)喜悦情感是疫情防控期间城市群体情感响应的主体情感;4)面对疫情再次发生,城市群体负面情感强度上升幅度会显著下降。该研究可为政府部门增强疫情情感监测能力、提升情感治理水平提供方法参考和决策依据。     

基于人口流动的广东省COVID-19疫情风险时空分析

人口流动,特别是来自疫源区的人口输入,COVID-19疫情传播的关键风险来源。本文以广东省为例,利用人口迁移大数据与地理空间分析技术,综合考虑人口来源地风险差异与流入地社会经济属性差异,并依据输入性病例发病的间隔时间分布引入时滞过程,构建了包含时滞效应的疫情风险时空分析模型,理论上可以根据现状人口流动研判未来一定时期的疫情风险的变化趋势及空间格局,为提前谋划和精准防控提供决策参考。分析结果表明：① 广东省新型冠状病毒肺炎疫情在2020年1月29日拐点初现,随后呈现逐步下降的趋势。② 基于输入性病例发病的时滞过程分析,输入性病例从输入到发病普遍存在间隔时间,且间隔时间为1~14 d的病例比重较高。③ 疫情风险存在明显的空间差异,各地疫情风险依据输入风险、易感风险以及抵御风险能力的不同而存在较大的差异。④ 广东省各地市与疫源区城市之间的联系程度、人口流动规模及其交通区位因素,显著影响省内疫情风险的分级。深圳、广州等一线城市是高风险区,东莞、佛山、惠州、珠海、中山等邻近深圳和广州的珠三角城市是中风险区,珠三角城市群外围的粤东西北地区是低风险区。应根据疫情潜在风险,制定基于分区分级的防控措施,促进局地精准防控与社会整体良性运转。     

新型冠状病毒肺炎疫情公众关注度的时空差异与影响因素

公众关注作为疫情防控与舆情治理的重要环节,其时空差异与影响因素却鲜见被讨论。因此,文章将百度搜索指数作为网络公众关注度的测量指标,采用百度人口流动大数据和疫情实时监测数据,运用空间分析、时空可视化、回归分析等方法,分析2020-01-09—03-02中国公众对“新型冠状病毒”网络关注度的省域时空差异与影响因素。研究发现：1）在空间上,公众对疫情的关注度东、西部差异较大,沿海高于内陆,且与疫情高发区吻合;在时间上,武汉“封城”前后各省份的公众关注度分布格局基本趋于一致,且“封城”后均明显高于“封城”前;春节期间关注度达到最高峰,而后随疫情周期性规律（潜伏—暴发）呈波动式下降;关注主题遵循“从早期对相关病毒的搜索到后期关注临床诊断与发展状况”的疫情发展规律。2）疫情动态数据、武汉人口流动的日动态因素与固定区位特征的经济社会发展因素会不同程度地影响受众对疫情的关注度,当疫情基本得到控制,宏观区位因素对公众关注度的影响作用开始凸显,具有持续稳定的影响;3）影响因素在疫情暴发前后2个阶段对公众关注度起着不同的影响效果。在疫情暴发初期,公众更易受疫情动态信息影响引发主动搜索行为;而在疫情暴发后期阶段,公众将注意力转移到流入各省份的武汉人口上。