重大公共卫生事件中民众诉求的主题挖掘与演变透视

杨建梁，刘越男，祁天娇，何思源

1 研究背景

重大公共卫生事件的应急处理与有效应对是对政府治理能力的重大考验。2020年10月发布的《中国共产党第十九届中央委员会第五次全体会议公报》高度肯定政府处理与应对重大公共卫生事件的能力，始终把人民生命安全和身体健康放在第一位，加大宏观政策应对。疫情防控取得的重大战略成果离不开对民众诉求的有效识别和政策回馈。公众舆论是民众主动表达诉求、政府识别及回应民众诉求的重要载体。在重大公共卫生事件发生与应对过程中，民众的生产和生活受到怎样的影响、民众对政府治理提出怎样的诉求、公共政策是否回应了诉求、诉求与政策之间如何相互影响、随着时空的变化民众诉求会呈现出怎样的变化规律，都可以从公众舆论中挖掘出有效结论。《国民经济和社会发展第十四个五年规划和二〇三五年远景目标》指出，要坚持把实现好、维护好、发展好最广大人民根本利益作为发展的出发点和落脚点。对民众诉求的主题挖掘及其演变透视，将对重大公共卫生事件之中与之后的政府治理与社会发展起到方向性的引导作用。

如何从公众舆论中发掘民众诉求的主题及其变化，从而为今后重大公共卫生事件的处理与应对提供方向性借鉴是本研究要解决的核心问题。为此，本文以COVID-19为案例，以人民网《领导留言板》为数据来源，对COVID-19期间民众诉求的主题分类及其时空演变进行挖掘分析，并与不同时期政府防疫政策进行关联，旨在从诉求变化的角度来检测应对政策的成效，为今后应对与处理可能发生的此类重大公共卫生事件中的民生问题提供预案参考。

2 相关研究

在重大公共事件的舆论热点分析方面，现有研究大多针对特定事件，采用社交媒体数据和新闻媒体数据进行分析。沈洪洲等采用微博数据对台风“山竹”期间(发生前、发展中、发生后)公众舆论的主题和情感演化进行挖掘及分析，并对公众情感态度的引导提出建议[1]。Yin等采用新浪微博数据对COVID-19期间的热点事件和信息传播进行分析，通过构建信息传播模型，实现对舆情发展趋势的预测[2]。姜金贵等采用热门的新浪微博数据对红黄蓝虐童事件中公众关注的主题和情绪进行分析，揭示公众关注主题和公众情绪的相互作用和舆情演化的过程[3]。李春林等基于新闻数据对中美贸易战的主题和新闻特征进行分析，总结贸易战中各个阶段的特点[4]。王家辉等使用知识问答平台的数据对某个学术不端事件的舆情热点进行挖掘，基于句法规则和社会网络聚类方法实现主题挖掘和演化分析，并对分析结果进行可视化展现[5]。上述研究主要探索舆情及其演化，通过分析一段时期内的社交媒体数据来探讨某一事件中公众讨论的主题变化和情感变化。但是，社交媒体数据与新闻媒体数据很难直接反映在重大事件影响下民众对政府的诉求。

在诉求表达方面，网络问政平台是最常见的民众诉求承接平台。随着我国政府数字治理能力的增强，公众参与政府决策并与政府互动的水平也在不断提升[6]，逐步形成独特的公众-政府互动参政议政模式，即网络问政[7]。创立于2006年的人民网《领导留言板》是我国一个体系较为完整、回应机制较为完善的网络问政平台[8]，为中央和地方各级党政领导干部搭建同群众互动的沟通渠道，是集民众监督、民主管理、政务点评、大数据分析于一体的网上群众工作综合性平台[9]。COVID-19(新冠疫情)期间的《领导留言板》是网络问政的平台，是民众与政府有关部门沟通的重要途径；其内容也反映了民众的诉求，体现了民众对政府工作的舆论反映，是政府工作成效的一种反馈。相比于社交媒体，以《领导留言板》为代表的网络问政平台更能精准地显现疫情期间民众对政府的诉求。为此，本文选择人民网《领导留言板》的公众舆论数据为数据源，对COVID-19疫情严重程度不同的多个省份的民众留言进行采集、清洗和分析，通过隐含狄利克雷分布(Latent Dirichlet Allocation，LDA)主题模型和相关分析方法对民众诉求进行主题挖掘和主题演变分析，以求更准确地反映新冠疫情期间民众所关注的民生问题，为今后类似重大公共卫生事件发生时的政府治理提供方向性指导。

3 数据和方法

3.1 数据获取及清洗

根据国家卫生健康委员会发布的我国各地区COVID-19疫情数据，本研究按确诊人数划分疫情严重程度，结合疫情严重程度和区位因素，采集疫情重度地区(确诊1，0000人以上，湖北)、疫情中度地区(确诊1，000～1，0000 人，河南、浙江、广东)和疫情轻度地区(确诊1，000 人以下，陕西、广西、北京、天津、重庆)的人民网地方政府《领导留言板》[10]2019年12月1日-2020年5月15日的留言数据。采集数据项包括留言标题、留言内容、留言时间、留言类型、回复时间等。在采集完成后，进行留言清洗和关键词筛选，共获得留言数据28，024项，其内容字数的分布与留言的类型比例如图1所示。留言的字数大多小于500字，集中在100～300字之间。留言类型是民众在留言时从留言板提供的类型选项中自选的，从图1 可看出投诉类与求助类留言的占比最多，其次是咨询类和建言类，感谢类最少。

图1 民众留言的字数分布与类型比例

3.2 留言文本预处理

为了对留言进行主题挖掘和时空演变分析，本研究进一步对清洗后的留言文本数据进行预处理，以获得文本的特征并将文本特征向量化。

(1)分词、去除停用词和词性筛选。对于中文内容，在构建词袋之前需要根据语义进行分词。本研究采用PKU-SEG算法，这是目前表现最好的中文分词算法[11]。在分词的同时，还对文本进行词性标注(Pos-tag)。停用词(stopwords)是指在词级上没有明确语义表达的词汇，如“并且”“那么”“但是”“等等”，虽然数量很多，但一般不会被选为特征词。本研究使用哈尔滨工业大学停用词表进行停用词筛除，为减少噪音，在去除停用词后，再根据词性标注的结果对特征词进行筛除，只保留非专指名词和动词，如“杭州”“新乡”等地名，“2月”“3月”等时间词，“坚决”“强烈”等表示程度的副词都被去除。经过上述处理，留言文本中剩下的将是表示文本的特征词。

(2)基于TF-IDF 的特征权重。本研究采用“词频-逆文档频率”(Term Frequency-Inverse Document Frequency，TF-IDF)算法赋予权重。其算法公式如下：

其 中 ，freqr，w是 留言 r 中特征词 w 的词频，freqc，w是留言集合C中特征词w的词频。|C|是集合中留言的总数， |Cw|是留言集合中包含特征词w的留言数量。对于留言r，特征词w的TF-IDF权重tfidfr，w为 tfr，w与 idfw的 乘积。根据TF-IDF 算法，词的重要性与其在留言中出现的次数成正比，但会与它在语料库中出现的频率成反比。通过TF-IDF算法，构建文本级的语义特征表示。

(3)Bigram特征词。除经过分词并筛选得到的特征词外，还加入Bigram特征词。Bigram特征词是指连续出现的两个词。出现频率高的Bigram特征词往往是词组或有特定语义，在主题模型中引入Bigram特征词能提高主题的可解释性。比如，词语“形式”和“主义”可以形成Bigram特征词“形式主义”。本研究以词频作为筛选指标，出现超过5 次的被认为是有效的Bigram特征词，被添加到每份留言文本的词袋中。与普通特征词一样，通过TF-IDF 来计算Bigram特征词的权重。

3.3 LDA主题模型

民众诉求的主题挖掘，主要使用LDA主题模型对留言进行聚类并获取主题。LDA主题模型能够从大规模无标注的文档中抽取主题和主题词，并实现文档的聚类[12]。LDA主题模型是一种三层贝叶斯概率图，包含文档、主题、主题词三层结构，其基本逻辑如图2所示。对一篇文档d，从文档—主题狄利克雷分布中生成d的主题概率分布，从文档d对应的多项式分布中生成主题，从主题—词语狄利克雷分布中采样生成主题对应的词语分布，再从词语的多项式分布中采样生成词语。在训练过程中，通过求得参数α→和β→来确文档—主题分布和主题—主题词分布。

图2 LDA模型的基本逻辑

4 研究发现

4.1 主题发现

应用LDA主题模型时需要确定主题的数量。对主题数量的选择，一方面应从模型效果的角度，通过计算和观测困惑度(Perplexity)、相干值(Coherence Value)等指标来确定；另一方面也需考虑观测所获得的主题—主题词是否具有较好的解释性。本研究以UMass相干值来衡量不同主题数量的表现[13]，并选取[2，39]为主题数量范围对LDA主题模型进行实验，观测其相干值情况，结果如图3所示。在所实验的主题数量范围内，相干值在0.3896～0.5040之间变动，主题数量在13～22之间时模型的表现较好。结合主题—主题词的语义表达情况，本研究最终确定模型的主题数量为20个，其相干值为0.4972。

图3 不同预设主题数量下LDA主题模型的相干值情况

对主题词的顺序，采用关联度指标对主题词进行排序，通过调整关联度系数增强主题词对主题的表达能力[14]。在[0.4-1.0]区间内调整关联度，结合文档—主题分布中抽样留言文档的内容，确定各个主题中主题词的排序。经过挖掘，新冠疫情期间民众诉求的主题词见表1。根据“主题—主题词”表对各个主题的内涵进行了归纳。基本上，所有主题都可以根据词的含义判断出主题的内涵。比如，主题1的主题词包括“医院”“医疗”“检测”“报销”“住院”等，对应的主题是疫情影响下有关医疗和核酸检测的诉求；主题9的主题词包括“学校”“学生”“开学”“家长”“学习”等，对应的主题是疫情影响下有关教育和开学的诉求；主题11的主题词包括“信息”“显示”“程序”“打卡”“京心相助”等，对应的主题是疫情期间大数据防疫平台的相关诉求；主题18的主题词包括“口罩”“营业”“价格”“销售”“药店”等，对应的主题是疫情期间有关口罩购买和稳定价格的诉求。在此基础上，进一步对所发现的20个主题按内容特征进行归类，并根据内涵将其划分为医疗防疫、社区管理、学校教育、交通物流和经济措施五类。主题内涵及对应的主题类型如表2所示。

表1 COVID-19期间民众诉求的主题

表2 民众诉求主题的类型

4.2 主题热度的时间演变

本研究按主题类型绘制2019 年 12 月 1 日-2020 年 5月15日各类主题热度的时间变动情况图，所讨论的主题热度是基于诉求留言各个主题的概率分布按时间划分后计算所得。参考范少萍等、陈斌等对主题热度的算法设计[15-16]，本文的主题热度计算公式如下：

其中，Htito表示在ti时刻主题类型to的热度；rtito表示在ti时刻留言r在主题to上的概率；φ是阈值函数。考虑到实际情况中，民众在留言中可能会谈及多个诉求，因此留言r可能包含多个主题，直接选取最大概率主题并不适宜本研究的场景。因此，对大于概率阈值的主题都认为是留言所属的主题；nto是规模系数，表示主题类型to所包含子类主题的数量。

五类主题热度随时间变动的情况如图4 所示，其中浅灰色区域表示新增新冠肺炎患者人数。

(1)医疗防疫。在疫情暴发初期(2020年1月20日-2月10日)，该类诉求有轻微的上升且比较集中，但是上升幅度不大，随着国家防疫和医疗措施的推进，其热度有所减缓。2020年2月下旬医疗防疫的主题热度再次大幅上升，成为热度最高的主题之一，涉及基础疾病治疗、住院不便、医疗报销、隔离费用报销等诉求。3下旬至4月初国内疫情风险较低的地区逐步开始复工，海外多国暴发COVID-19疫情，民众的诉求热点开始转向恢复正常的医疗服务和防止境外疫情输入。随着全国疫情的缓解，医院医疗服务逐步恢复至日常状态，医疗防疫的主题热度逐渐降低。

图4 五类主题热度随时间变动情况

(2)社区管理。在疫情初期此类诉求爆发式增长。随着疫情的发展和防疫工作的开展，全国各地实行社区封闭管理，有关社区管理的留言快速增加，成为热度最高的主题。这反映出防疫初期“宅家”生活的各类诉求是民众关注的焦点。随着社区防疫工作逐步常态化、程序化，社区管理主题的热度也随之下降，在3月初达到一个相对低点。随着我国新冠疫情的缓解，3月中旬后疫情风险较低的地区逐步复工，社区管理的热度再度提升，有关异地返工、健康码、社区证明等问题不断出现，相关诉求也有所增加。此后疫情得到进一步控制，日常生活逐渐恢复，社区管理也恢复到平时状态，相关问题随之大幅减少。

(3)经济措施。其热点主要发生在疫情逐步缓解期，与医疗防疫和社区管理主题的变动有明显区别。疫情初期，在各类诉求中有关经济措施的诉求热度最低，民众相关诉求较模糊，只是表达了希望政府帮扶企业和有困难个人的愿望，大多缺乏具体的问题和帮扶建议。随着疫情缓解，国家允许有序返工和复工，3月后希望政府对个人和企业实施帮扶的诉求明显增加，主题热度逐步上升，4月达到最高点。这期间民众有关经济措施的诉求主要包括增加贷款供给、工资发放、小微企业扶持、工业用电费用减免等。5月各地复工状态基本达到100%，经济措施的主题热度随之明显下降。

(4)交通物流。交通物流诉求热度也现出随时间稳步上升并在4月达到峰值态势。疫情初期有关交通物流的诉求已出现，主要涉及围绕无法返乡、返乡滞留、无法探亲等内容。3月后疫情趋于缓解，逐渐恢复正常的生活和工作，疫情风险较低的地区开始复工，有关上班通勤、交通管制的诉求频繁出现在留言中，有关货物运送、快递收发等诉求也开始出现。4月上旬至中旬有关交通物流的诉求达到明显的峰值，留言中出现大量有关取消或减少交通管制、提高货运效率的诉求，体现了民众对交通物流恢复到疫情前状态的迫切希望。随着复工复产进一步推进，5月交通物流主题的热度明显降低。

(5)学校教育。除疫情初期低于社区管理外，其他各时间段其热度高于其他4类主题，体现了民众对教育问题的关注度非常之高。疫情初期学校教育诉求的热度迅速升高，当时民众对COVID-19疫情怀有较强的恐惧感，反映在诉求上就是希望政府部门推迟开学时间，避免疫情在学校传播。随着时间推移，我国疫情控制逐渐向好，3月开始民众在学校教育方面的诉求转变为希望尽快开学、中考高考、毕业生就业等问题，并在4 月下旬达到峰值，随后呈现下降态势。在本研究数据周期的截止点，有关学校教育的诉求热度依然明显高于其他各类诉求。

4.3 主题热度的空间演变

本研究针对不同疫情风险程度的地区绘制相应的主题变化图，展现所采集省份的历史感染人数及感染人数变化曲线。3类地区的主题热度变化如图5-7所示。由图5-7可知，各类诉求的整体热度值呈现从疫情重度到中度再到轻度地区依次递减趋势。在疫情重度地区，医疗防疫主题的热度明显高于其他主题。在时间上，社区管理类诉求在疫情初期出现明显上升，其它4类诉求的上升期集中在2-3月，这与疫情重度地区的疫情发展进程呈现较强的关联。在疫情中度地区，民众对社区管理和学校教育的诉求热度明显高于其他主题，其中社区管理类诉求的热度上升期集中在疫情初期和3月下旬，在疫情初期社区管理类诉求的热度明显高于其他主题的诉求；学校教育类诉求在3-4月呈现较高热度，而且自2月10日后直至本研究数据周期结束均明显高于其他类诉求。在疫情轻度地区，民众诉求主题热度最高的分别是学校教育、交通物流和社区管理。相对于重度和中度地区，疫情轻度地区有关社区管理的诉求热度在疫情初期上升幅度稍弱，在整个周期内对学校教育的关注程度更高，而疫情中后期对交通物流的关注更是大幅攀升后回落，体现了当地民众恢复正常工作和生活的愿望。

图7 疫情轻度地区的主题热度变化

整体来看，疫情重度、中度、轻度地区的民众诉求热度高峰呈现出时间上的推移(重度地区：3月上旬到中旬；中度地区：3月下旬到4月上旬；轻度地区：4月上旬到中旬)。在疫情暴发初期，各类地区的民众诉求在社区管理领域都呈现出较高的热度，这与疫情突袭、社区尚未形成成熟的工作机制、民众不适应疫情期间的社区管理措施等有关。随着疫情发展和各地防疫工作开展，民众的诉求点逐渐转向医疗防疫、学校教育和交通物流等方面。疫情重度地区的民众对医疗防疫相关问题的关注度普遍高于其他主题；中度和轻度地区的民众在学校教育方面的诉求热度较高；轻度地区的民众对交通物流的诉求热度也比较高。值得注意的是，民众诉求热度与新增患者的人数具有一定关联，但是关联并不明显。

进一步比较三类地区在“医疗防疫”“社区管理”“学校教育”“交通物流”“经济措施”诉求上的热度变化情况，如图8所示。图8各个子图中的蓝线、红线、黄线分别表示疫情重度、中度、轻度地区各类诉求主题随时间推移的热度变化情况。其中，社区管理主题在疫情初期出现爆发式增长，其他4类主题的热度在疫情暴发初期开始上升，2月普遍呈现迅速上升态势，然后受疫情程度影响，3类地区在不同时间出现峰值。

(1)医疗防疫主题。疫情重度地区2月中旬开始迅速攀升，3月初达到峰值，整个3月呈现较高热度，随着疫情缓解，3月下旬开始回落。疫情中度地区，疫情初期主题热度开始上扬，3月中旬明显提升，3月下旬达到顶点。疫情轻度地区，该主题诉求热度整体不高，4月出现一个热度相对较高的平台期，可见在该类地区疫情对医疗系统的冲击程度较弱。

图8 不同疫情风险程度的地区各类诉求主题的热度变化

(2)社区管理主题。疫情重度地区，疫情初期该主题的热度就有明显提升并出现峰值，随后迅速回落；2月中旬又开始拉升并在3月初达到次高峰值，其后热度轻度下滑并维持两周左右，3月下旬迅速回落。疫情中度地区，疫情初期同样达到峰值，然后迅速回落，热度稳定1个月后，3月下旬再次迅速上升并出现第二个峰值。轻度疫情地区，疫情初期出现热度小高峰后回落并维稳，3月中旬后呈现稳步增长态势，整体峰值出现在4 月上旬，这与4 月境外输入病例明显增多、轻度疫情地区是入境重点区域、社区管理形势严峻有关。

(3)学校教育和经济措施主题。二者热度变化趋势比较相近。疫情重度地区疫情初期热度变化较小，2月中旬后迅速升高，3月上中旬达到高点，随后迅速下降。疫情中度地区在疫情初期二者热度迅速上升，3 月下旬达到峰值，随后回落；4月中旬出现回升趋势，4月下旬达到第二个峰值。轻度疫情地区疫情初期两个主题的热度迅速升高，随后上升趋势减缓，但依然持续走高，4月达到峰值。

(4)交通物流主题。疫情重度地区，疫情初期迅速上升并出现小高峰，随后缓慢下降；2月下旬又开始迅速上升，3月上旬和下旬分别出现2个峰值，随后持续下滑，降至疫情初期水平。疫情中度地区，在疫情初期没有出现高峰，但一直呈现持续增高态势，直至2 月下旬达到前期峰值，随后热度出现波动，并在3月下旬再次达到新峰值，然后出现逐步下降的态势。疫情轻度地区，疫情暴发后该主题的热度就开始缓慢持续上升，直到4月中旬达到峰值，随后大幅下降。

5 民众诉求与防疫政策的关联分析

在分析主题热度的时空演变时，本研究发现不同主题在时间上的分布具有较为明显的特征，而这种特征不仅与疫情暴发状态有关，也与政府不同时期发布的防疫政策有关。因此，本文进一步分析民众诉求与相关防疫政策的关联性，尤其是与社区管理和医疗防疫政策的关联变化，以探求民众诉求与公共政策之间的互动关系。

5.1 社区管理诉求与社区防疫政策

图9 社区管理主题热度变化与相关政策出台的时间节点

严格的社区防疫措施是防疫取得重大成果的关键。为探讨民众社区管理的诉求与中央各部委相关政策的关系，本文通过北大法宝网站搜集疫情期间有关社区管理和社区防疫的政策，并对社区管理主题热度和相关政策进行关联分析，绘制政策发布时间节点和主题热度图(见图9)。政策发布时间点分别是2020年1月24日、1月29日、2月16日、3月2日和4月14日。从政策发布时间和主题热度变化看，几乎每次有关政策的发布都会引发社区管理诉求热度的上升。这是因为社区管理措施在一定程度上给民众日常生活带来不便，从而引发民众积极在留言板上留言。根据图9，疫情初期社区管理诉求呈现爆发式增长，这与1月24日发布《关于加强新型冠状病毒感染的肺炎疫情社区防控工作的通知》密不可分，该通知开启了COVID-19社区防疫阶段。3月2日发布《民政部办公厅 中央网信办秘书局 工业和信息化部办公厅 国家卫生健康委办公厅关于印发〈新冠肺炎疫情社区防控工作信息化建设和应用指引〉的通知》，此后直到4 月初有关“信息”“打卡”“显示”“通行码”“京心相助”“使用”“出错”等关键词频繁出现在留言中。这一方面说明民众对防疫信息化工作的接受存在一定难度，需要培养使用习惯；另一方面也提示各类信息化软件，特别是基于大数据的APP，在应用于社区管理的过程中可能会出现问题。这启发今后应对类似重大公共卫生事件时，信息化应用不能一刀切，需充分考虑不同年龄、文化程度、收入水平群体之间的数字鸿沟，并在长期工作中致力于提升国民信息素养。此外，也需要建立信息化应用软硬件的容错机制和错后应对方案。

5.2 医疗防疫诉求与医疗防疫政策

在重大公共卫生事件中，医疗防疫政策直接影响着防疫结果及民众的生命健康。本研究在北大法宝网站上搜集疫情期间有关医疗服务的政策，并将其与医疗防疫诉求进行关联分析，绘制政策发布时间节点和主题热度图(见图10)。疫情期间中央及各部委出台的医疗防疫政策更加密集。疫情之初的政策内容主要涉及基层医疗防疫要求、医疗物资质量和供应、医护人员安全等。当新增患者减少，相关政策转向疫情期间民众基本就医、老年慢性病患者医疗服务等方面。疫情逐渐得到控制，有关政策则强调分区分级的医疗服务管理、推进分区分级恢复正常医疗服务工作等。根据图10，医疗防疫主题的诉求热度峰值出现在3月下旬，这与3月20日发布《关于进一步推进分区分级恢复正常医疗服务工作的通知》有着密切关系。该通知强调恢复正常医疗服务的重要性，要求分区分级尽快恢复正常医疗服务。在2-3月的民众诉求中，有关“医疗”“住院”“报销”“隔离”等主题词出现频率较高，反映了民众对恢复正常医疗服务的呼声；相关部门也较早认识到该问题，2月26日《国家卫生健康委办公厅关于进一步落实科学防治精准施策分区分级要求做好疫情期间医疗服务管理工作的通知》发布，提出针对不同风险分级地区逐步恢复正常医疗服务。该发现表明，对于新冠疫情类重大公共卫生事件，政府部门在部署防疫工作后，还需考虑正常医疗服务与防疫工作的统筹安排，在疫情防控和患者救治的同时应尽快分区分级地恢复正常医疗服务，重点关注慢性病患者、重大疾病患者的救治工作，降低疫情对民众日常生活的影响。

图10 医疗防疫主题热度变化与相关政策出台的时间节点

6 重大公共卫生事件中的民众诉求识别与政策反馈

COVID-19防疫期间，政府治理能力尤其是数字治理能力经受了重大考验。借助网络问政平台，民众表达诉求、参与公共政策制定以及与政府、政策互动的方式也发生重大变化。一方面，这反映出我国政府与社会经过长时间的数字转型，一种基于互联网的施政、参政与问政的新模式正逐渐形成，民众诉求的主题愈发丰富，政府识别诉求的难度也逐渐增加。为此，需要使用新的、不依赖人工预判的互联网数据挖掘手段来自动、客观地对网络问政平台上的公众舆论数据进行现状挖掘与规律透视。例如，本文利用LDA主题模型和相关分析方法对疫情期间人民网《领导留言板》中民众诉求的主题进行挖掘，并对主题的时空演变及其与政策发布的关系进行了分析，发现民众诉求主题的整体分布以及不同时间、空间和政策背景下的主题分布变化情况。这种主题分析方法具有很强的可复用性，可用于类似重大公共卫生事件中民众诉求的主题挖掘与演变规律透视。另一方面，在应对和处理重大公共卫生事件的过程中，民众诉求的主题及其演变会受到政策发布内容与频率的影响，并进一步影响后续公共政策的制定与发布。这种民众诉求与公共政策之间的双向互动，正是公众有效参政、问政的实质表现，但也对政府从保护民众根本利益出发、基于民众诉求制定相关政策以积极回应相关诉求的能力提出更高要求。本研究发现，在重大公共卫生事件中，医疗防疫、社区管理、学校教育、交通物流和经济措施等，是民众最为关注的问题，也是民众诉求最为集中的领域，应是政府制定和实施公共政策的主要方向。此外，在重大公共卫生事件的进展中，民众诉求在不同领域的集中程度也会发生转变。在时间上，初期，民众诉求会大量集中在医疗防疫与社区管理上；中期，有关医疗防疫与社区管理方面的诉求受不同地区政策变化的影响会有所震荡，但学校教育等主题的诉求逐步增长；后期，随着社会生活秩序的恢复，民众诉求将更多集中在学校教育、交通物流和经济措施等方面。在空间上，受重大公共卫生事件影响最重的地区，民众诉求主要集中在社区管理和医疗防疫领域；而中度和轻度地区的民众诉求则集中在学校教育和交通物流方面。因此，政府在应对重大公共卫生事件过程中，应把政策制定与实施的重点放在几个关键领域，且对受影响程度不同的地区“因地施政”；要在重大公共卫生事件发展的不同阶段，适时调整政策动向，提高识别民众诉求及其变化的敏感度，及时以有效政策进行回应。

政府对重大公共卫生事件的有效处理与应对，需以明确民众诉求及其变化为依据。本研究为挖掘和透视民众诉求主题分布及其时空演变规律提供了可借鉴方法，希望为我国今后应对此类重大公共卫生事件提供参考。本文的后续研究将针对其他国家和地区重大公共卫生事件中的民众诉求进行主题分析，并开展时空演变对比研究，旨在从多视角探讨重大公共卫生事件下政府应重点关注的民生问题，以期为提升国际社会对重大公共卫生事件的应对能力做出贡献。