温州市COVID-19疫情时空演化与医疗服务可达性研究

徐婷婷,李 钢,2,3,王皎贝 ，高 兴，金安楠，张千禧

(1.西北大学 城市与环境学院，陕西 西安 710127;2.陕西省地表系统与环境承载力重点实验室,陕西 西安 710127;3.西北大学 地表系统与灾害研究院,陕西 西安 710127)

新型冠状病毒肺炎(COVID-19)疫情,因严重威胁人类健康安全和社会正常运转,已发展成为影响全球的重大突发公共卫生事件。截至2020年10月12日,国内已报告确诊病例85 591例,累计死亡人数达4 634人。在全国人民的共同努力下,国内疫情防控形势持续向好,但境外疫情正在全球多地区迅速蔓延。整体来看,当前全球形势依然不容乐观,对我国而言,严防境外输入成为战“疫”新挑战。

疫情发生后,学界基于不同视角展开研究。病毒学领域,Zhou等[1]通过研究确诊病例基因组序列,发现COVID-19的病毒在全基因组水平上与蝙蝠冠状病毒相似率达96%,指出其来源可能为蝙蝠。临床医学视角,Chen等[2]通过分析2020年1月1日至1月2日期间,武汉金银潭医院99例确诊病例的人口学特征、临床和放射学特征,指出COVID-19为群体性疾病,更易影响具有疾病史的老年男性群体。流行病学角度的研究主要通过建模分析,预测疫情未来走向及可能感染人群数量。另有学者[3-4]通过优化基本再生数(Basic Reproduction Number,R0)评估COVID-19疫情的传播能力。而2020年2月12日湖北省统计口径的变化,给建模分析与预测带来挑战。城市层面,针对典型城市温州,李玲等[5]、Ruan等[6]探究了温州市新型冠状病毒的流行病学特征与其疫情防控措施对荆州、孝感、黄冈三市的影响。

重大疫情在人群与地域的传播扩散是典型的时空演化现象与人地互动的地理过程。因此,疫情防控本质上是人与病毒对抗的时空问题,是亟需地理学者贡献智慧和力量的社会现实痛点问题。在疾病传播领域,具有地理编码的空间数据相关性分析,首次应用于1854年伦敦霍乱疾病的暴发,英国的John Snow医生通过对案例地点的分析,发现了其与一口公共饮用水井的关联,得出水井污染是疾病传染源头,进而采取措施有效遏制了疾病的传播[7]。此后,医学地理(medical geography)逐渐兴起,更多学者将医学问题与地理空间要素相结合,关注医疗在地理空间上的组织形式,研究不同尺度上医疗卫生服务及其可达性和公平性[8]。生态医学地理则聚焦于疾病的地理分布及其控制,Haque等[9]基于贝叶斯统计模型识别孟加拉国的疟疾地理风险因素,并开发了预测患病率的后验分布地图。Glass等[10]通过建立预测模型和地图可视化,评估了美国巴尔的摩市莱姆病的危险等级。国内部分学者从历史视野,探究诸如兵疫[11]、鼠疫[12]、瘴疟[13]等疾病流行的空间分布模式与地理环境关系。另外,HIV和癌症的分布也是医学地理研究的一大热点。王莹[14]、刘文东等[15]还利用GIS空间分析手段,探讨了HIV/AIDS的空间热点分布与影响因素。龚胜生等[16]研究了中国“癌症村”的分布,得出6%的癌症村分布在距河流3km范围内。2003年SARS病毒肆虐全球,武继磊等[17]、曹志冬等[18]借助北京市、广州市官方公布的病例数据,采用空间计量分析手段,解析了SARS在地域空间上的流行过程和分异特征。可见,地理学对于研究疾病在人群和地域的传播扩散、时空演化方面具有天然优势。

当前COVID-19疫情蔓延,地理学者纷纷展开行动,李钢等[19]从省、市、县和小区4个空间尺度，探究疫情在中国的时空演化过程并提出综合防控策略。金安楠等[20]、王皎贝等[21]分别解析了深圳市、陕西省的疫情演化,并构建了疫情风险地理画像。另有多位地理学者及其团队如李德仁、傅伯杰、周成虎、朱竑、柴彦威等对遥感技术助力“抗疫”、疫情可视化分析、疫情APP开发、城市空间规划等问题做了探索,为疫情演化防控提供了思路。个体人群水平的地理学研究关注人的主观能动性和空间异质性,其研究意义对现实社会的疫情防控和医疗资源配置尤为重要。从全国来看,在城市化与人口流动性加速的今天,疫情在人群与地域的传播主要空间节点和焦点是城市。鉴于此,本文基于此次中国疫情高发市域温州市COVID-19确诊病例数据和人工判读的病例详细信息以及城市内部相关POI数据,解析疫情的时空演化特征,评估确诊病例的就医可达性,以期为城市尺度的疫情防控和未来应对类似挑战提供参考。

1 研究区、数据与方法

1.1 研究区概况

温州市辖12个区县,陆域面积达11 612.94 km2,截至2018年底常住人口为925万人,是浙江省人口第2大城市,平均人口密度796人/km2,是全国平均水平的5.5倍,为全国人口最密集的城市之一(见图1)。温州人擅长经商,“温商”遍布海内外,2011年包括港澳台在外的温州人有233.54万人,占户籍人口的3%[22]。2020年1月21日温州通报首例市外输入型病例后,疫情持续发展变化,截至2020年6月9日,COVID-19确诊病例人数达517例(其中境外输入12例),远超省会城市杭州。温州作为非省会和非副省级城市,距离中国疫情重灾区武汉约910 km,其一度成为除湖北境内市域以外,确诊病例数量最多的地级市。可见,温州是探讨中国疫情远距离传播与扩散的典型案例地。

注：本图基于自然资源部标准地图服务网站下载的审图号为GS(2016)1585号的标准地图制作，底图无修改。图1 研究区位置图Fig.1 Location map of study area

1.2 数据来源

研究数据包括3类:① 病例数据,从温州市卫健委官方网站共获取486条确诊病例数据,包括人工采集的性别、年龄、感染原因、确诊时间、早期症状、所属区县等信息;通过检索查证,校对病例信息(由于12例境外输入病例,无详细病例信息,且由温州龙湾国际机场直接送入隔离点,在隔离期间出现症状,未造成市内疾病传播,本文对此只做时间演变分析)。② POI数据,借助Python从腾讯地图疫情小区、百度疫情、温州本地宝等平台爬取,经过去重、纠偏与空间匹配,共采集到281个疫点、34个定点医疗救治机构。③ 其他数据,第六次人口普查数据来自于温州市统计局;医院病床数量获取自各医院官方网站;道路交通数据下载自OpenStreetMap。

1.3 研究方法

1.3.1 标准差椭圆分析 标准差椭圆(standard deviational ellipse,SDE)是一种表示地理要素空间方向分布特征的统计方法[23]。长半轴代表地理要素的分布方向,短半轴表示其分布范围,二者间差值越大,表征该地理要素在空间上方向性越明显。本文利用标准差椭圆来揭示确诊病例的空间分布趋势,其圆心公式如下:

(1)

(2)

1.3.2 医疗机构可达性测度 两步移动搜索法(two-step floating catchment area method,2SFCA)由Radke和Mu[24]在2000年提出,以供给点和需求点为基础,移动搜索两次,测度区域内某一设施点的可达性。基于此,本文对34个医疗机构进行可达性分析,计算原理如下。

1)计算供需比

对每个供给点j,搜索所有在j的搜索半径d0范围内的需求点i,计算供需比Rj:

(3)

其中,Rj为搜索区域内病床数与确诊病例数量比值;k为搜索半径内疫点小区的数量;dij为需求点i到供给点j间的距离;d0为医疗机构的服务半径。

2)计算可达性

对每个需求点i,搜索距离i阈值范围内d0的供给点j,对所有供需比Rj求和,即得到需求点i处的可达性值:

(4)

其中,Ai为每个疫点的可达性值;m为以d0为半径的空间区域内的医疗机构数量;f(dij)为幂函数距离衰减函数。

2 疫情的时空演化特征

2.1 确诊病例逐日变化特征

1)累计变化趋势。2020年1月21日温州市卫健委通报首例市外输入型病例后,确诊病例数逐日上升,为描述疫情的梯度变化,对其累计确诊人数、累计出院人数、累计确诊增长率进行分析(见图2)。结果表明:疫情发展大致经历4个时期:① 市外输入期(1月21日—1月26日)。该阶段累计确诊病例为32例,发现途径主要为早期回温人员自行就诊,数据显示,武汉“封城”后,1月23日至27日5天内,仍有1.88万人从湖北进入温州。② 市内扩散期(1月27日—2月17日)。此阶段前期累计确诊增长率较高,原因在于正值春节,外地返温人员走亲访友,造成了市内疫情迅速蔓延;后期自2月2日起,增长率明显放缓,表明政府管控强度及居民防控意识提升,采取佩戴口罩、居家隔离等措施,有效抑制了疫情传播。且2月6日温州医科大学附属第二医院开始接治确诊患者,提升了救治能力。③ 稳定控制期(2月18日—3月18日)。该阶段疫情基本稳定,无新增病例,缘于上一阶段的严格管控,温州政府出台系列措施，包括禁止人群聚集活动、关闭高速入口、25条刚性举措等,最大限度减少人群流动。④ 境外输入期(3月19日—4月16日)。国内疫情稳定,境外疫情暴发,3月19日起出现境外输入病例,来源地多为西班牙、法国等欧洲国家,均为个体病例,累计确诊增长率稳定且趋于0,未造成市内疫情二次扩散。至4月16日,鹿城区新增1例湖北输入型病例,此后截至研究日期,再无新增病例。

累计治愈病例增长呈现“先平缓后稳升”的特征,2 月3日前累计出院人数为17人,2月4日至3月4日为治愈峰值区间,出院人数达450人,此阶段疫情扩散得以控制,新增人数显著减少,医疗检测技术趋于成熟,至3月16日全部病例治愈出院。

图2 温州市COVID-19确诊病例时间变化Fig.2 Temporal evolution of confirmed COVID-19 cases in Wenzhou

2)单日新增变化趋势。单日新增确诊人数呈“双峰”态势,峰值出现于1月29日和2月3日,2月9日之前日新增人数呈波动变化,之后稳步下降趋于0(见图3)。在于政府全面实行交通管制,暂停省际班车客运、减少市内发车频次,农村、小区实行封闭管理,最大程度切断传播途径。从性别来看,全市确诊病例中,男性占比52.64%,女性占比47.36%,男女比例为1.11∶1,略高于全国病例基本水平1.06∶1[25]。男女病例均呈“单峰”态势,女性波动变化更大,峰值出现于2月3日,而男性病例峰值相对较早,出现于1月29日,或与外出经商人口多为男性有关,致使其更早发病。

图3 温州市COVID-19确诊病例性别与年龄时间变化Fig.3 Daily changes of gender and age of confirmed COVID-19 cases in Wenzhou

依据六普年龄结构划分,发现确诊病例表现为,0～14岁儿童病例为5例(1.06%),新增时间为两次峰值期间,与此年龄段多为基础教育阶段学生,居住地为温州本地,流动性弱,前期感染人数较少,后期政府防控措施到位有关。15～59岁(80.55%)为此次感染的重点人群。其中,青年人(15～44岁,39.74%),多确诊于2月8日之前,包含部分返温的高校学生群体和大量外地就业人口,此确诊时间与首例病例的14d潜伏期相吻合。中年人(45～59岁,40.8%)占比最大,该年龄段人群,多外出经商,流动频率高,确诊峰值时间更早(1月28日),且确诊时间跨度更大,2月11日之前此类人群为确诊病例核心群体。而60岁及以上老年确诊病例(18.4%),日增波动较为平缓,2月8日—2月13日疫情市内扩散后期,其单日确诊人数高于其他年龄段,确诊时间相对较后,表征此年龄段人群防控意识薄弱,且自身免疫功能低下,是流行病的易感人群和高危人群。总体而言,中青年社会活动频繁、出行强度高，暴露时间长,易受到感染;老年人,多居住于本地，发病时间相对滞后，体质较弱也较易于感染。

2.2 疫情空间分布格局

1)感染地空间属性。通过对确诊病例文本信息进行判读,发现本地感染型病例略高于市外输入型病例(见图4)。其中,市外输入型病例达189例,主要包含3大子类,尤以武汉返温型为最(占市外输入型病例的81.8%),湖北(除武汉)返温型次之,其他地区返温型最少(占市外输入型病例的6.95%),包含北京、广州、西安等城市。这与学者[26-28]提出的依赖人际关系链,温州人外出经商,在北京形成“浙江村”、在广州涉足皮革、皮具等行业、武汉为“温州人第二故乡”相契合。同时,官方表明(1)数据来源于2020年1月29日浙江省新型冠状病毒感染肺炎疫情工作新闻发布会(第三场),武汉的温商及家属在2017年已有17万之多,再加上就学人员,总数已达到18万人左右。差异显著的接触感染途径,表明早期疫情传播主要在于大量在外经商的温籍人员返回,形成了输入型的潜在感染群体。而本地感染型病例为285例,其中又以222例确诊病例接触型(与确诊病例有过明确接触)为最,其次为未知型(截至数据收集时,具体感染原因仍在调查中),银泰商场感染型(确诊病例曾在银泰商场活动或与之有关)最少。

图4 温州市COVID-19确诊病例感染地类型Fig.4 Infection type of confirmed COVID-19 cases in Wenzhou

2)宏观分布特征。确诊病例大多分布于东部近海地区,空间分布方向沿城市交通干线呈“东北—西南”轴向递减(见图5A),这与地理条件、城市空间规划发展相关。可将其划分为3个等级:第一等级为乐清市,其地理面积居全市第三,人口总量居第四,但确诊病例高达170例,远高于其他区县,原因有二:① 依据百度热力图实时数据显示,乐清市柳市—白象人口高度集聚区与确诊病例高发地域相当吻合;② 文献考证,乐清人遍布全国各地,疫情期间大量乐清籍湖北人员返温,成为本地潜在感染群体。第二等级则为瑞安市、鹿城区、瓯海区以及永嘉县中部片区,为全市经济相对发达地区。第三等级以地理面积较大县域和人口较少城区为主,包括泰顺县、平阳县、文成县、龙港市、龙湾区和洞头区,确诊病例相对较少。

进一步考察地区间疫情分布情况,将累计确诊人数与流出人口数量、流入人口数量、老龄人口密度进行相关性分析(见表1)。结果显示,全市范围内,温州市累计确诊人数与流出人口数量在95%水平上呈正相关,而与流入人口数量、老龄人口密度无显著相关性,即表明流动人口显著影响确诊病例,其中流出人口是导致温州疫情暴发的主要因素。县域分布上(见图5B),乐清市、永嘉县流出人口数量超25万人,居全市前列,而流入人口和老龄人口密度处中等水平,进一步证实该地发病人群以外地返温人员为主。老城区(鹿城区、瓯海区、龙湾区)老龄人口密度较高(介于115～402人/km2),流出人口数量均不超过5万人,确诊人数更易受老龄人口密度影响。瑞安市经济居温州前三,其确诊病例数量受三者的共同影响。平阳县、苍南县、文成县的确诊病例数量与流出人口数量和老龄人口密度关联度相当,而流入水平整体较低;泰顺县老龄人口密度及流入人口数量均为全市县区最低,但流出人口数量超过10万,可见，流出人数显著影响了该地的确诊病例数量。

图5 温州市COVID-19确诊病例数量及方向分布Fig.5 The number and direction distribution of confirmed COVID-19 cases in Wenzhou

表1 相关性分析结果Tab.1 Results of correlation analysis

3)微观地点关系。对确诊病例提取位置信息,为保证数据的真实性与最大还原性,未进行地点合并(见图6)。结果发现:由于地理、人口、经济等因素，确诊病例存在城镇分布差异。城镇54.7%,乡村45.3%,城镇高于乡村,且疫情热点高发区域为小区、村庄两大微观场所。温州市主城四区(鹿城区、瓯海区、龙湾区、洞头区,以下简称主城四区)以小区(61.41%)为病例主要分布点,此外还包括人员复杂,流动频繁的大厦、商厦、农贸市场等公共场所。温州市三县级市(乐清市、瑞安市、龙港市,以下简称三市):乐清市以村庄(75.88%)、社区(20.59%)为主要分布点;瑞安市有病例发生于老人公寓;龙港市未公布病例具体地址信息,病例分布地点未知。温州市五县(永嘉县、平阳县、苍南县、文成县、泰顺县,以下简称五县)确诊病例分布则以村庄为首位,占比高达67.2%,且病例分布场所较集中,主要集聚于特定乡镇,比如泰顺县凤垟乡14例,文成县珊溪镇9例,同一镇域疫情高发,存在地方聚集传播的可能。

3 温州市疫情与医疗服务可达性

3.1 医疗服务可达性分析

疫情的演变是个体在地理时空的转移过程,其发展迅速、波及范围大且危害性强,而医疗机构的合理布局,有助于阻碍疫情进一步发展,进而降低其社会危害性。基于此,借助ArcGIS中Network Analyst模块,对温州市10家定点救治医疗机构(以下简称定点医院，部分医院是定点医院，也是发热门诊)与33家发热门诊医疗机构(以下简称发热门诊)的布局进行考量,从医疗设施的空间可达性视角出发,评价疫点与医疗机构间最短路径关系与就医服务可达性。

图6 温州市COVID-19确诊病例微观地点与城乡分布Fig.6 Microcosmic location and urban-rural distribution of confirmed COVID-19 cases in Wenzhou

结果表明(见图7A),疫点距发热门诊的最近距离位于5 km以内,占比达54.23%,[5～10]km和[10～20]km占比相当,此后随距离递增呈衰减趋势;而疫点距定点医院间距离具有正态分布特征,峰值位于[10～20]km。累计占比表明(见图7B),88.69%的疫点距发热门诊的距离位于20 km范围以内,但总体约87%的疫点距定点医院的距离位于30 km以内,驾车耗时约1 h。说明发热门诊的20 km近距离设置,可以有效降低普通居民的问诊时间成本,缩小疫情传播范围;而定点医院1 h(30 km)服务半径,与其数量以及救治能力相适应,基本满足了确诊病例的就医需求。

图7 温州市COVID-19确诊病例医疗救治机构最短路径Fig.7 The shortest path to medical facilities for confirmed COVID-19 cases in Wenzhou

在对医疗机构的基本空间距离测度后,考虑到医院类型(定点医院和发热门诊)对于其服务能力的影响,参考已有医院可达性服务半径研究和本文前述研究结果,以20 km为发热门诊的服务半径,以30 km为定点医院的服务半径,通过两步移动搜索法,进一步构建服务区(见图8A),评估疫点人群的就医可达性。医疗机构的分布与疫点数量较为匹配,高水平区域位于人口、医疗机构和路网相对集中片区,20 km和30 km服务区覆盖全市75.44% 的疫点。

对疫点就医可达性反距离插值(见图8B),发现可达性分布呈明显圈层梯度结构,由高到低向四周递减。瓯海、鹿城、龙湾三区交界地带可达性最好,此区域为温州市老城区,路网密集、市级医院集聚于此,人口密集,所以病床供需比适中,满足城区高密度人口的及时问诊需求。可达性较好片区为龙港市及其邻近的苍南县和平阳县部分区域,县级医院病床供需比介于8.56～26.31之间,病床充足,距离医疗设施服务点相对更近。可达性一般片区大多处于可达性较好的外围邻接区域,此类地区距医疗机构的距离10～15 km,出行较为通畅,既能获取县、区级医院就诊机会,又可获取市级医疗机构资源。而距医院约30 km的片区,可达性较差,此类疫点距医院较远,医疗资源获取能力较弱。可达性最差地区为文成县(珊溪镇)、泰顺县(泗溪镇、凤垟乡),县级医院床位供远大于求,满足患者的就诊需求,但疫点村庄位置较为偏远,出行不便,削弱就医可达性,从而导致了资源浪费。总体就医可达性排序显示(见表2),主城四区就医可达性优势显著,鹿城区居首位,县、县级市相对较弱,而文成县、泰顺县、洞头区疫点乡镇距离医疗机构超30 km,所以可达性均值为0。未来针对类似卫生应急事件,可在此类地区进行医疗资源优化布局。

综上,疫点距医疗机构的远近与地区人口、医院总量、路网通达性相适应。20 km范围内的发热门诊设置满足了普通居民的基本问诊需求;30 km的定点医院服务半径,满足了确诊病例的就医需求。全市县区可达性呈圈层梯度结构分布,区县差异显著,较高地区集中于区级、市级及其邻接区域,而县级边缘地区就医可达性较低,且病床资源出现浪费情况。

图8 温州市COVID-19医疗救治机构服务区及可达性分析Fig.8 Service area and accessibility analysis of medical facilities of confirmed COVID-19 cases in Wenzhou

表2 县域可达性值排序Tab.2 Sorting results of county accessibility values

3.2 服务布局优化建议

现有医疗救治机构已基本满足服务区内人群就医需求,因此,针对医疗机构服务区外的疫点(占比24.55%),提出相应就医优化建议。依据距离成本将其分为两种类型(见图8C):近距不便型(距医疗机构较近,出行不便)和远距稀疏型(距医疗机构较远,路网稀疏)。近距不便型主要位于乐清市北部地区和东部近海地区,地处乐清市定点救治医院服务边界地带,增加急救医疗设施点的成本相对较高,从节省成本与资源的角度考虑,建议划分街道片区,由医疗机构开通定点就诊直通车,适时接送就医人群与确诊患者,确保此类地区人群疫情期间的就医便捷。远距稀疏型则主要位于五县,包括泰顺县泗溪镇、凤垟乡,文成县珊溪镇,平阳县怀溪镇,苍南县沿浦镇以及永嘉县西北部的乡村(石垟村、垟京村、黄冈下村、黄山村)和东部靠近乐清市的鹤盛镇、枫临镇、沙头镇,此类疫点距县级定点医院距离偏远,造成了县级医院的病床资源浪费,而路网密度稀疏又导致了就医的极大不便造成了信息不对等。针对此类地区建议将核酸检测权力下放,在该地区乡镇/街道卫生院就近设立检测点,提高检测速率,同时,在区县交界地带增设临时急救设施点,防止因人群聚集与疫情信息接收、反馈的滞后,可能造成的小范围疫情暴发,从而更有效的防止疫情扩散。

4 结论与讨论

4.1 结论

本文以此次疫情中国高发市域温州市为研究区,基于多源时空大小数据,综合运用文本分析、数理统计、空间分析等方法,解析疫情的时空演变特征,评估确诊病例的就医可达性。得出如下结论:

1)时间演化特征:疫情发展可分市外输入期、市内扩散期、稳定控制期、境外输入期4个时期;累计治愈病例于2月5日起快速上升。男女病例比为1.11∶1,波动趋势基本一致,男性峰值出现时间早于女性,15～59岁为重点感染人群,其中45～59岁中年群体,新增病例峰值时间出现最早,且时间跨度更大,而60岁以上老年病例新增时间相对滞后。

2)空间分布格局:宏观上,确诊病例多分布于东部近海地区,且沿城市交通干线呈“东北—西南”轴向递减分布。本地感染病例略高于市外输入,流入人口数量显著影响区县确诊病例分布,且市外输入以武汉返温型流入为最。微观上,病例分布城镇多于乡村,主城四区以小区为主,五县以村庄为首。

3)医疗服务可达性评估:疫点距定点医疗救治机构20 km和30 km的服务半径设置,满足普通居民的基本问诊需求与确诊病例的就医需求;就医可达性呈圈层梯度结构分布,区县差异显著,较高地区集中于区、县级市及其邻接区域,而县级边缘地区就医可达性较低,且医院病床供需比不均。基于此,对不在服务区的疫点提出两种服务布局优化方案。

4.2 讨论

本研究基于温州市疫情的发展与演变,通过解析确诊病例的时空演化格局,评价城市内部医患供需结构与医疗卫生服务可达性,尝试从个体迁移-群体聚集-社会资源布局三重维度,构建城市疫情综合演化机制(见图9),并针对未来疫情防控提出以下几点建议:① 外严。通过移动大数据,网络搜索,城市入口处排查等方法的组合,在交通节点严格检查,车站、港口、码头、机场全面执行健康码出行,配备临时发热安置点。优化机场送检制度,对入境人员实行“点”(机场)至“点”(隔离宾馆)的单线转运,避免境外输入引发市内疫情复发。② 内稳。现阶段疫情趋于稳定,实时监测必不可少,社区/小区建立实时响应机制,向上传递疫情动态,向下传送最新政策信息,形成常态化防控机制。本地市民实行“城市一码通”,精确记录每一位人员的出行轨迹信息,提升行程的可追溯性。复工、复产、复学有序开展,学校、企业应做好场所消毒与人员身体状况的反馈,错峰上班、上学,选乘私家车或共享车等感染风险较小的交通工具出行,城市内部公交有序发车,分级制定差异化运营方案,适当增加人流聚集线路的发车频次,减少公交单次载客量,确保后疫情时期的市民正常生活。③ 适当开放。开放电影院、KTV、游乐园等娱乐场所,控制上座率与进入率,做好体温量测与卫生消杀;景区景点通过网络预约,以实名购票形式向大众限流开放,严控人员聚集与景区日接待量;酒店、餐饮等人流量大的地方保证公共区域的消杀与室内空气的流通,多人聚餐时尽量保证隔人而坐。以乡镇(街道)为单元,确定不同镇域风险机制,设立1～2个新冠救治定点医院,其他医院恢复正常就医问诊,确保普通市民买药、就医的基本需求。县域偏远乡镇,考虑道路交通、信息闭塞等因素对其就医可达性的影响,开展就近设点、送医下乡、入户检测等活动,防止因交通不便或信息滞后导致的漏报、漏治情况。

图9 温州市疫情综合演化机制Fig.9 Comprehensive evolution mechanism of COVID-19 epidemic in Wenzhou

本文虽取得一些认识,但仍有不足之处:从数据上来看,由于确诊病例特征分析时缺少1月22日—1月26日的31例数据的详细信息,是否会影响片区特征有待考量;大型医院对于病例的吸引力以及人在救治时的主观偏好(熟人医院、医疗费用、医院服务态度等)会影响就诊机构选择,以后工作需将主客观因素相结合,优化就医可达性测度模型。总体来看,本研究是聚焦市域探析疫情时空演变的一次积极尝试,未来值得深入探讨的方向包括:地域上,宏观揭示全国范围内疫情源—流—汇的传播路径与扩散模式;对比重点高发市域(广东深圳、河南信阳、安徽阜阳、山东济宁)等城市间的病例差异、发病周期与地方政府管控间的关系。疫情防控上,评估省、市、县、街道/乡镇、社区/村庄等不同尺度的疫情风险,构建变化条件下疫情“感知预判-扩散演变-应对防控”典型情境,提出针对性的防控对策及预案。