新冠疫情下影响住院人数的因素

陆艺伟, 葛沭含, 郭 飒, 林支桂

(扬州大学数学科学学院, 江苏 扬州 225002)

新型冠状肺炎(corona virus disease 2019, COVID-2019)是指2019新型冠状病毒感染导致的肺炎．截止2021年5月24日, 全球现有确诊30 140 725例, 累计确诊167 839 391例, 累计治愈134 210 234例, 累计死亡3 475 697 例(https://voice.baidu.com/act/newpneumonia/newpneumonia/)．大量研究表明, 做好个人防护与隔离措施对遏制病毒传播具有重大作用[1-3], 过早地解除个人防护会导致病毒传播范围更大, 传播时间更长,感染人数增多,甚至会引起病毒的变异和其他传染病的爆发[4-5]．同时, 新冠肺炎疫情对医院的诊疗活动产生了重大影响,有研究报道新冠肺炎疫情对门诊患者的就诊情况影响显著,门诊就诊人次较同期非疫情期间有显著减少[6-7],而且新冠肺炎疫情也降低了住院患者人数,改变了住院患者的人员构成比和病情危重程度[7]．本文以江苏省某三甲医院呼吸科2019年和2020年1月15日至3月31日之间的住院人数数据为基础, 拟运用最小二乘法及相关性分析法[8]探究新冠疫情下影响住院人数的因素．

1 病例数分析

令h2019,h2020分别表示2019年和2020年从1月15日至3月31日每周呼吸科住院人数, Δh表示h2019与h2020之间的差值,T表示全国新冠疫情确诊人数．图1为2019年和2020年从1月15日至3月31日每周全国确诊人数和呼吸科住院人数图．从图1中可以看出,相同时段2020年的住院人数明显少于2019年的住院人数,住院人数的减少主要受到新冠疫情的影响．当疫情来临时, 国家立刻启动了一级防控,医院为了防止交叉感染采取了响应措施, 导致2020年第一季度的住院人数骤减．通过计算2019年与2020年第一季度的住院人数差Δh, 可以发现住院人数差Δh总体上呈现先增加后减少的变化趋势, 并伴有小幅度波动．由于2019年第3周和2020年第2周恰逢春节, 数据显示住院人数的变化受到了春节的影响．将住院人数差Δh与全国疫情确诊人数T作对比,发现两者之间存在一定的相关性．

图1 2019年和2020年从1月15日至3月31日 每周全国确诊人数和呼吸科住院人数Fig.1 The number of confirmed cases and respiratory inpatients for 2019 and 2020 from 15 January to 31 March

2 结果与讨论

2.1 春节效应的影响

令除夕(2019年2月4日,2020年1月24日)当天的时间t=0, 则t∈[-5,5]表示除夕前后各5天,yt,2019、yt,2020分别表示2019年和2020年t日实际住院人数．计算得到: 2019年除夕前后7天平均住院人数为65人; 2020年除夕前后7天平均住院人数为58人．令Δy2019=|yt,2019-65|, Δy2020=|yt,2020-58|, 并进行去均值处理, 可以反映春节期间(除夕前后5天间)住院人数的波动情况．令Δy=(Δy2019+Δy2020)/2,相关结果见表1．

表1 春节效应拟合数据Tab.1 Fitting data of Spring Festival effect

表2 春节效应模型的回归系数Tab.2 Regression coefficient of Spring Festival effect model

通过Δy与t的散点图, 可以发现连接散点的曲线近似为二项式, 故假设Δy与t的关系式为Δy=a+ct+bt2, 其中a,c,b为未知参数．由于该公式研究的是春节带来的影响, 故t的取值应在除夕前后,即当t的取值区间扩大时, 该方程无使用意义．根据表1中的数据, 运用最小二乘法拟合, 得a=19.906 8,c=0.000 0,b=0.899 8, 从而得到回归方程Δy=19.906 8-0.899 8t2．对此方程做显著性检验, 结果如表2所示．表2结果显示,p值很小, 即回归系数显著, 说明拟合效果很好, 该模型具有统计学意义．

图2 消除春节效应后2019年和2020年 从1月15日至3月31日呼吸科住院人数Fig.2 The number of respiratory inpatients for 2019 and 2020 from 15 January to 31 March after eliminating the Spring Festival effect

2.2 疫情的影响

令h′2019、h′2020分别表示消除春节效应后2019年和2020年从1月15日至3月31日每周呼吸科住院人数, Δh′表示h′2019与h′2020之间的差值．图2为消除春节效应所带来的影响后的住院人数和全国新冠肺炎患者确诊人数图．从图2中可以看出,住院人数差Δh′与全国疫情确诊人数T之间存在较强的相关性,但在时间关系上住院人数差Δh′滞后于全国疫情确诊人数T, 故新冠疫情是影响住院人数的重要因素之一．

2.3 媒体报道的影响

随着新冠肺炎疫情在全球蔓延, 信息井喷,受众恐慌,大众传播面临着极大的压力和挑战．主流媒体作为信息发布的主要载体和舆论引导的重要工具,在报道疫情动向、宣传防控措施、澄清谬误、解读政策中发挥着重要的作用[9]．

本文选取中国网(query.china.com.cn)、新浪新闻(news.sina.com.cn)、中国政府网(www.gov.cn)、中国新闻网(www.chinanews.com)、中国疾病预防控制中心(chinacdc.cn)和环球网(huanqiu.com)为研究对象,通过高级检索查找文中出现“新冠”字眼的报道,以周为单位统计了从2020年1月15日到3月31日之间与“新冠”有关的新闻报道数,结果如图3所示．

从图3可以看出,新闻报道数总体上呈现先快速增长, 后趋于稳定的变化趋势．除环球网和新浪新闻外,其余4个主流媒体的新闻报道数在第6周左右达到最大值．与图1中2020年住院人数作对比,发现住院人数先减少,在第6周到达最低点,然后缓慢回升,表明疫情暴发初期媒体报道篇数会随着确诊人数的增加而增加,在确诊人数达到最高值时相应的媒体报道篇数也达到最高值．而新闻报道数的增加和防控力度的增强都会加重病人的恐慌心理,导致人们行为的改变,从而降低了风险[10]．

利用统计软件对新闻报道数和住院人数作相关性分析, 结果见表3．计算结果显示, 两者之间的Pearson相关系数为-0.847, 可见媒体报道数量与医院的住院人数有着高度的负相关性,即媒体报道的增加会导致住院人数不断减少．

2.4 住院人数与口罩消耗量的关系

分别用m2019、m2020表示2019年和2020年从1月15日至3月31日呼吸科口罩消耗量, 如图4所示．从图4中可以看出, 2020年口罩的消耗量m2020远远多于2019年口罩的消耗量m2019,但同一周期住院人数h2020却明显少于h2019, 这主要原因是, 尽管疫情期间住院病人减少, 但科室里所有人员包括医生、病人和护工等都佩戴口罩,保持社交距离,进一步降低接触感染率．

图3 2020年从1月15日至3月31日之间 的新闻报道数Fig.3 Media coverage from January 15 to March 31, 2020

图4 2019年和2020年从1月15日至3月31日 呼吸科口罩消耗量Fig.4 The number of masks consumption for 2019 and 2020 from 15 January to 31 March

表3给出了相关性分析结果．结果显示, 2019年住院人数h2019与2019年口罩消耗量m2019间的相关系数为0.798, 表明h2019与m2019有着较高的正相关性, 非疫情期间住院人数越多,消耗的口罩越多．但是2020年住院人数h2020与2020年口罩消耗量m2020间的相关系数只有0.331, 表明h2020与m2020之间低度相关, 受疫情的影响口罩使用量异常增加, 导致了口罩使用量与住院人数之间的相关性大大减弱, 主要原因是医院加强了防控措施, 要求相关人员佩戴口罩,特别是疫情开始时段,科室所有相关人员领取和储备了足够的口罩,导致初期消耗量异常增加．有关这一方面的研究未见报道,尚须进一步探究．

表3 各变量间的相关系数矩阵Tab.3 Correlation coefficient matrix between variables