留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

COVID-19疫情早期中国确诊时间的时空特征及动态过程分析

张新 林晖 朱长明 王劲峰 李满春 徐成东 胡茂桂 孟斌 曹春香

张新, 林晖, 朱长明, 王劲峰, 李满春, 徐成东, 胡茂桂, 孟斌, 曹春香. COVID-19疫情早期中国确诊时间的时空特征及动态过程分析[J]. 武汉大学学报 ● 信息科学版, 2020, 45(6): 791-797. doi: 10.13203/j.whugis20200255
引用本文: 张新, 林晖, 朱长明, 王劲峰, 李满春, 徐成东, 胡茂桂, 孟斌, 曹春香. COVID-19疫情早期中国确诊时间的时空特征及动态过程分析[J]. 武汉大学学报 ● 信息科学版, 2020, 45(6): 791-797. doi: 10.13203/j.whugis20200255
ZHANG Xin, LIN Hui, ZHU Changming, WANG Jinfeng, LI Manchun, XU Chengdong, HU Maogui, MENG Bin, CAO Chunxiang. Spatiotemporal Characteristics and Dynamic Process Analysis of Epidemic Diagnosis Time of COVID-19 at Early Stage in Chinese Mainland[J]. Geomatics and Information Science of Wuhan University, 2020, 45(6): 791-797. doi: 10.13203/j.whugis20200255
Citation: ZHANG Xin, LIN Hui, ZHU Changming, WANG Jinfeng, LI Manchun, XU Chengdong, HU Maogui, MENG Bin, CAO Chunxiang. Spatiotemporal Characteristics and Dynamic Process Analysis of Epidemic Diagnosis Time of COVID-19 at Early Stage in Chinese Mainland[J]. Geomatics and Information Science of Wuhan University, 2020, 45(6): 791-797. doi: 10.13203/j.whugis20200255

COVID-19疫情早期中国确诊时间的时空特征及动态过程分析

doi: 10.13203/j.whugis20200255
基金项目: 

国家重点研发计划 2017YFB0504201

国家自然科学基金 61473286

详细信息
    作者简介:

    张新, 博士, 研究员, 主要从事地理时空分析与过程计算模拟研究。zhangxin@radi.ac.cn

  • 中图分类号: P208

Spatiotemporal Characteristics and Dynamic Process Analysis of Epidemic Diagnosis Time of COVID-19 at Early Stage in Chinese Mainland

Funds: 

The National Key Research and Development Program of China 2017YFB0504201

the National Natural Science Foundation of China 61473286

More Information
    Author Bio:

    ZHANG Xin, PhD, professor, majors in geographic space-time analysis and simulation research. E-mail:zhangxin@radi.ac.cn

  • 摘要: 流行病确诊时间能够反映一个国家和地方卫生部门的综合应急水平及理疗能力。基于中国疾病预防控制中心提供的中国大陆地区早期7万余个新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)确诊和疑似病例诊疗时间记录数据,采用分区统计、空间制图、趋势模拟和显著性检验等分析手段,研究了COVID-19疫情早期在诊断时间的时空分布、空间分异和动态过程。研究结果表明:(1)COVID-19疫情早期从发病到确诊的平均确诊时间为7.35 d,其中湖北省为7.99 d,其他省份平均为5.68 d;从疑似到确诊的平均确诊时间为3.86 d,湖北省为4.08 d,其他省份为2.91 d。虽然湖北省的确诊时间要略微高于中国大陆地区平均水平,但是这种空间分异现象差异不是特别明显,各地平均确诊时间离散度仅为0.58 d。(2)COVID-19疫情早期确诊时间呈显著下降趋势(Slope=-0.78,P < 0.01,双尾),确诊时间由疫情暴发早期的2个月内快速下降至1 d左右,大大提高了COVID-19诊疗效率。(3)对出院病例的治愈时间与确诊时间进行Pearson相关分析,结果表明,治愈时间和确诊时间显著相关(P < 0.01,双尾),这从侧面反映缩短确诊时间、早治早疗和及时诊疗可以有效提高治愈率。
  • 图  1  COVID-19早期确诊时间空间分布图

    Figure  1.  Spatial Distribution of Early Outbreak Epidemic Diagnosis Time of COVID-19

    图  2  COVID-19早期确诊时间距平

    Figure  2.  Anomalies of Early Outbreak Epidemic Diagnosis Time of COVID-19

    图  3  确诊时间箱线图及动态拟合曲线

    Figure  3.  Box Plot and Dynamic Fitting Curve of Epidemic Diagnosis Time

    图  4  湖北省和其他省份的确诊时间曲线

    Figure  4.  Epidemic Diagnosis Time Series of Hubei Province and Other Provinces

    图  5  COVID-19确诊时间与治愈时间的散点图

    Figure  5.  Scatter Plot Between Epidemic Diagnosis Time and Healing Time

  • [1] 张新, 林晖, 王劲峰, 等.中国数字化公共卫生应急管理体系建设的科技策略建议[J].武汉大学学报·信息科学版, 2020, 45(5): 633-639 doi:  10.13203/j.whugis20200151

    Zhang Xin, Lin Hui, Wang Jinfeng, et al. Scientific and Technological Strategies Proposal for the Construction of Digital Public Health Emergency Management System in China[J]. Geomatics and Information Science of Wuhan University, 2020, 45(5): 633-639 doi:  10.13203/j.whugis20200151
    [2] 姚树祥, Philip Taylor, 乔友林, 等.云锡矿工肺癌发现可疑到确诊时间分析[J].中国肿瘤, 2000(5):210-211 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK200001136401

    Yao Shuxiang, Philip Taylor, Qiao Youlin, et al. Analysis of the Time from Suspected Diagnosis of Lung Cancer in Yunnan Tin Miners[J]. Bulletin of Chinese Cancer, 2000(5): 210-211 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK200001136401
    [3] 黎满全, 陈小刚.排除检查诊断法在传染病快速诊断中的应用[J].中国国境卫生检疫杂志, 2006(5):275-281 doi:  10.3969/j.issn.1004-9770.2006.05.007

    Li Manquan, Chen Xiaogang. The Application of the Exclusion Test Diagnosis Method in the Rapid Diagnosis of Infectious Diseases[J]. Chinese Journal of Frontier Health and Quarantine, 2006(5): 275-281 doi:  10.3969/j.issn.1004-9770.2006.05.007
    [4] Wang J F, McMichael A J, Meng B, et al. Spatial Dynamics of an Epidemic of Severe Acute Respiratory Syndrome in an Urban Area[J]. Bulletin of the World Health Organization, 2006, 84(12): 965-968 doi:  10.2471/BLT.06.030247
    [5] 陈锡康, 杨翠红, 鲍勤, 等.新冠肺炎疫情对中国经济的影响分析与对策建议[J].中国科学院院刊, 2020, DOI: 10. 16418 /j.issn.1000-3045. 20200210003

    Chen Xikang, Yang Cuihong, Bao Qin, et al. Analysis of the Impact of the New Coronary Pneumonia Epidemic on the Chinese Economy and Countermeasures[J]. Bulletin of Chinese Academy of Sciences, 2020, DOI:10.16418/j.issn.1000-3045. 20200210003
    [6] Kamalich M R, Gerardo C, et al. Epidemic Doubling Time of the 2019 Novel Coronavirus Outbreak by Province in Mainland China[OL]. MedRxiv, DOI: 10.1101/2020.02.05.20020750
    [7] Epidemiology Working Group for NCIP Epidemic Response, Chinese Center for Disease Control and Prevention. The Epidemiological Characteristics of an Outbreak of 2019 Novel Coronavirus Diseases (COVID-19) in China[J]. Chinese Journal of Epidemiology, 2020, 41(2):145-151 http://d.old.wanfangdata.com.cn/Periodical/zhlxbx202002003
    [8] Yang Y, Lu Q, Liu M, et al. Epidemiological and Clinical Features of the 2019 Novel Coronavirus Outbreak in China[OL]. MedRxiv, DOI: 10.1101/2020.02.10.20021675v2
    [9] 石耀霖, 程惠红, 黄禄渊, 等.用离散随机模型研究湖北新冠肺炎COVID-19流行病动力学特征[J].中国科学院大学学报, 2020, 37(2):145-154 http://d.old.wanfangdata.com.cn/Periodical/zgkxyyjsyxb202002001

    Shi Yaolin, Cheng Huihong, Huang Luyuan, et al. Using a Discrete Stochastic Model to Study the Epidemic Dynamics of COVID-19 in Hubei, China[J]. Journal of University of Chinese Academy of Sciences, 2020, 37(2):145-154 http://d.old.wanfangdata.com.cn/Periodical/zgkxyyjsyxb202002001
    [10] 朱小丽, 黄翠, 马丽丽, 等.新型冠状病毒病(COVID-19)研究进展[J].中国生物工程杂志, 2020, 40(1/2):38-50 http://d.old.wanfangdata.com.cn/Periodical/swgcjz202001003

    Zhu Xiaoli, Huang Cui, Ma Lili, et al. Research Advances of Novel Coronavirus Disease (COVID-19)[J]. China Boitechnology, 2020, 40(1/2):38-50 http://d.old.wanfangdata.com.cn/Periodical/swgcjz202001003
    [11] 中国新闻社.多省份启动重大突发公共卫生事件一级响应机制[EB/OL].[2020-01-24].中新网

    CNS.Many Provinces Have Initiated a First-Level Response Mechanism for Major Public Health Emergencies[EB/OL].[2020-01-24]. http://www.chinanews.com/gn/2020/01-24/9068940.shtml.
    [12] 唐三一, 肖燕妮, 彭志行, 等.新型冠状病毒肺炎疫情预测建模、数据融合与防控策略分析[J].中华流行病学杂志, 2020, 41(4):480-484 doi:  10.3760/cma.j.cn112338-20200216-00107

    Tang Sanyi, Xiao Yanni, Peng Zhixing, et al.Prediction Modeling with Data Fusion and Prevention Strategy Analysis for the COVID-19 Outbreak[J]. Chinese Journal of Epidemiology, 2020, 41 (4): 480-484 doi:  10.3760/cma.j.cn112338-20200216-00107
    [13] Borame L, Joel R, Annelies W. Institutional, Not Home-Based, Isolation Could Contain the COVID-19 Outbreak[J]. The Lancet, 2020, 395(10 236): 1 541-1 542
    [14] Tian H, Liu Y, Li Y, et al.An Investigation of Transmission Control Measures During the First 50 Days of the COVID-19 Epidemic in China[J]. Science, 2020, 1 126(10):abb6105 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=10.1097/JCMA.0000000000000270
    [15] 李德仁, 邵振峰, 于文博, 等.基于时空位置大数据的公共疫情防控服务让城市更智慧[J].武汉大学学报·信息科学版, 2020, 45(4):475-487, 556 doi:  10.13203/j.whugis20200145

    Li Deren, Shao Zhenfeng, Yu Wenbo, et al. Public Epidemic Prevention and Control Services Based on Spatiotemporal Location Big Data Make Cities Smarter[J]. Geomatics and Information Science of Wuhan University, 2020, 45 (4): 475-487, 556 doi:  10.13203/j.whugis20200145
    [16] Bao A, Huang Y, Ma Y, et al. Assessing the Effect of EWDP on Vegetation Restoration by Remote Sensing in the Lower Reaches of Tarim River[J]. Ecological Indicators, 2017, 74: 261-275 doi:  10.1016/j.ecolind.2016.11.007
  • [1] 俞艳, 蒙文清, 樊建, 马薇霖, 夏杨玲.  经济空间场与ESDA结合的公共卫生事件应急策略制定 . 武汉大学学报 ● 信息科学版, 2021, 46(2): 159-166, 220. doi: 10.13203/j.whugis20200408
    [2] 唐迁, 杜博, 恽爽, 高莉, 吴爽, 张超, 兰猛, 陈紫业, 李亮, 查云飞, 张良培, 李平湘.  COVID-19 CT影像智能诊断系统 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 846-853. doi: 10.13203/j.whugis20200225
    [3] 陈晓慧, 刘俊楠, 徐立, 李佳, 张伟, 刘海砚.  COVID-19病例活动知识图谱构建——以郑州市为例 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 816-825. doi: 10.13203/j.whugis20200201
    [4] 彭明军, 李宗华, 刘辉, 孟成, 李勇.  基于中文分词的加权地理编码在COVID-19疫情防控空间定位中的应用 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 808-815. doi: 10.13203/j.whugis20200212
    [5] 周屈, 刘建强, 王剑茹, 邓实权, 田礼乔.  利用HY-1C卫星CZI数据在COVID-19疫情期间武汉知音湖和黄家湖的浊度监测研究 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 676-681. doi: 10.13203/j.whugis20200101
    [6] 李欣, 周林, 贾涛, 吴昊, 邹宇量, 秦昆.  城市因素对COVID-19疫情的影响——以武汉市为例 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 826-835. doi: 10.13203/j.whugis20200152
    [7] 张新, 林晖, 王劲峰, 徐成东, 胡茂桂, 孟斌, 刘冬林, 徐敏, 朱长明, 王刚, 曹春香, 骆剑承, 肖桂荣, 卢毅敏, 杨宇, 智国庆.  中国数字化公共卫生应急管理体系建设的科技策略建议 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 633-639. doi: 10.13203/j.whugis20200151
    [8] 蒋秉川, 游雄, 李科, 周小军, 温荟琦.  利用地理知识图谱的COVID-19疫情态势交互式可视分析 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 836-845. doi: 10.13203/j.whugis20200153
    [9] 冯明翔, 方志祥, 路雄博, 谢泽丰, 熊盛武, 郑猛, 黄守倩.  交通分析区尺度上的COVID-19时空扩散推估方法:以武汉市为例 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 651-657, 681. doi: 10.13203/j.whugis20200141
    [10] 张李盈, 李东宸, 任景莉.  多阶段动态时滞动力学模型的COVID-19传播分析 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 658-666. doi: 10.13203/j.whugis20200206
    [11] 应申, 徐雅洁, 窦小影, 陈学业, 赵军, 郭晗.  地理位置关联的COVID-19传播时空分析 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 798-807. doi: 10.13203/j.whugis20200241
    [12] 张亦汉, 乔纪纲.  基于CA的溢油扩散时空过程模拟及敏感性分析 . 武汉大学学报 ● 信息科学版, 2017, 42(2): 208-215. doi: 10.13203/j.whugis20140719
    [13] 李卫红, 闻磊, 陈业滨.  改进的GA-BP神经网络模型在财产犯罪预测中的应用 . 武汉大学学报 ● 信息科学版, 2017, 42(8): 1110-1116, 1171. doi: 10.13203/j.whugis20160911
    [14] 杨喜平, 方志祥, 赵志远, 萧世伦, 尹凌.  顾及手机基站分布的核密度估计城市人群时空停留分布 . 武汉大学学报 ● 信息科学版, 2017, 42(1): 49-55. doi: 10.13203/j.whugis20150646
    [15] 萧世伦, 方志祥.  从时空GIS视野来定量分析人类行为的思考 . 武汉大学学报 ● 信息科学版, 2014, 39(6): 667-670. doi: 10.13203/j.whugis20140127
    [16] 俞肇元, 袁林旺, 罗文, 易琳.  GIS时空分析系统的Clifford代数设计与实现 . 武汉大学学报 ● 信息科学版, 2011, 36(12): 1397-1401.
    [17] 李清泉, 杨必胜, 郑年波.  时空一体化GIS-T数据模型与应用方法 . 武汉大学学报 ● 信息科学版, 2007, 32(11): 1034-1041.
    [18] 李清泉, 李汉武, 谢智颖, 徐迪红.  面向动态路径选择的路段行程时间的分析研究 . 武汉大学学报 ● 信息科学版, 2006, 31(6): 519-522.
    [19] 潘国荣.  基于时间序列分析的动态变形预测模型研究 . 武汉大学学报 ● 信息科学版, 2005, 30(6): 483-487.
    [20] 赵庆志, 杨鹏飞, 李祖锋, 姚顽强, 姚宜斌.  COVID-19期间中国区域AOD与气象因子时空特征分析 . 武汉大学学报 ● 信息科学版, 0, 0(0): 0-0. doi: 10.13203/j.whugis20210209
  • 加载中
图(5)
计量
  • 文章访问数:  2010
  • HTML全文浏览量:  330
  • PDF下载量:  222
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-05-29
  • 刊出日期:  2020-06-05

COVID-19疫情早期中国确诊时间的时空特征及动态过程分析

doi: 10.13203/j.whugis20200255
    基金项目:

    国家重点研发计划 2017YFB0504201

    国家自然科学基金 61473286

    作者简介:

    张新, 博士, 研究员, 主要从事地理时空分析与过程计算模拟研究。zhangxin@radi.ac.cn

  • 中图分类号: P208

摘要: 流行病确诊时间能够反映一个国家和地方卫生部门的综合应急水平及理疗能力。基于中国疾病预防控制中心提供的中国大陆地区早期7万余个新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)确诊和疑似病例诊疗时间记录数据,采用分区统计、空间制图、趋势模拟和显著性检验等分析手段,研究了COVID-19疫情早期在诊断时间的时空分布、空间分异和动态过程。研究结果表明:(1)COVID-19疫情早期从发病到确诊的平均确诊时间为7.35 d,其中湖北省为7.99 d,其他省份平均为5.68 d;从疑似到确诊的平均确诊时间为3.86 d,湖北省为4.08 d,其他省份为2.91 d。虽然湖北省的确诊时间要略微高于中国大陆地区平均水平,但是这种空间分异现象差异不是特别明显,各地平均确诊时间离散度仅为0.58 d。(2)COVID-19疫情早期确诊时间呈显著下降趋势(Slope=-0.78,P < 0.01,双尾),确诊时间由疫情暴发早期的2个月内快速下降至1 d左右,大大提高了COVID-19诊疗效率。(3)对出院病例的治愈时间与确诊时间进行Pearson相关分析,结果表明,治愈时间和确诊时间显著相关(P < 0.01,双尾),这从侧面反映缩短确诊时间、早治早疗和及时诊疗可以有效提高治愈率。

English Abstract

张新, 林晖, 朱长明, 王劲峰, 李满春, 徐成东, 胡茂桂, 孟斌, 曹春香. COVID-19疫情早期中国确诊时间的时空特征及动态过程分析[J]. 武汉大学学报 ● 信息科学版, 2020, 45(6): 791-797. doi: 10.13203/j.whugis20200255
引用本文: 张新, 林晖, 朱长明, 王劲峰, 李满春, 徐成东, 胡茂桂, 孟斌, 曹春香. COVID-19疫情早期中国确诊时间的时空特征及动态过程分析[J]. 武汉大学学报 ● 信息科学版, 2020, 45(6): 791-797. doi: 10.13203/j.whugis20200255
ZHANG Xin, LIN Hui, ZHU Changming, WANG Jinfeng, LI Manchun, XU Chengdong, HU Maogui, MENG Bin, CAO Chunxiang. Spatiotemporal Characteristics and Dynamic Process Analysis of Epidemic Diagnosis Time of COVID-19 at Early Stage in Chinese Mainland[J]. Geomatics and Information Science of Wuhan University, 2020, 45(6): 791-797. doi: 10.13203/j.whugis20200255
Citation: ZHANG Xin, LIN Hui, ZHU Changming, WANG Jinfeng, LI Manchun, XU Chengdong, HU Maogui, MENG Bin, CAO Chunxiang. Spatiotemporal Characteristics and Dynamic Process Analysis of Epidemic Diagnosis Time of COVID-19 at Early Stage in Chinese Mainland[J]. Geomatics and Information Science of Wuhan University, 2020, 45(6): 791-797. doi: 10.13203/j.whugis20200255
  • 重大公共传染性疫情防控的关键是时间和效率, 它反映了各地卫生部门应对重大传染病的应急反应措施效率, 体现了医疗部门的综合治疗能力。随着应对响应时间的增加, 病毒在自然界暴露越久, 潜在的感染风险就越大, 感染人数将会呈几何级数增长[1]。流行病的确诊时间定义为患者从发病到确诊所需要的时间, 在流行传染病防控的众多时间指标中, 确诊时间是极其重要的指标之一[2-3]。降低社区暴露风险是传统的控制措施, 是减少传染性疾病传播非常有效的途径[4]。没有确诊之前, 潜在病例没有得到有效隔离和收治, 发生人与人相互交叉感染概率较大, 会加速病毒在物理空间的扩散;此外, 潜在病例没有确诊就得不到及时治疗, 延误治疗时机, 有效时间窗口将逐步收紧。因此在诊断治疗和集中收治的过程中耽搁时间越长, 潜在后患问题就越大, 无形中增加了病毒防控的难度和后续疫情控制的压力。研究和挖掘流行病的确诊时间时空特征, 一方面可从侧面反映一个国家和地区卫生部门的应急响应水平及理疗能力, 另一方面可以及时发现存在的问题和短板, 对指导物资设备调配和实现科学高效防控等均有重要意义。

    目前, 新型冠状病毒肺炎(coronavirus disease 2019, COVID-19)已经在全球100多个国家和地区大流行传播, 对人们的日常生产生活和社会经济的平稳健康运行造成了严重的影响[5]。由于各个国家或地区对待COVID-19的防控措施力度、医疗水平以及应急响应速度等存在差异, 其基本传染数和传染病倍增时间均存在较大的时空差异[6-9]。中国针对COVID-19疫情, 各个省份第一时间陆续启动了重大突发卫生公共事件一级响应机制, 制定了很多行之有效的科学防控措施, 如居家管控、集中隔离、寻找密切接触者和加快病毒检测等全国一盘棋的联防联控和群防群控措施, 取得了显著成效[10-12]。文献[13-14]表明, 中国居家管控和集中隔离至少减少了数百万人的潜在感染。利用基于时空大数据的病例分布情况、病例活动轨迹测算等对个人进行健康自查、核查, 通过网格化管理提供居民服务、引领社区治理等, 让城市更智慧[15]

    由于疫情早期对COVID-19病毒的相关流行病学特征和传播机制信息尚未完全明确, 缺乏快速确诊的方法, 对病毒的医学实验室确诊主要是通过核酸检测, 因此整个确诊方案过程比较繁琐, 患者的确诊时间普遍较长且存在不确定性。利用地理空间大数据分析技术研究COVID-19疫情在中国大陆地区早期的确诊时间时空特征和动态特征规律, 对认识中国应对COVID-19流行病疫情的防控措施力度和疫情变化趋势, 科学评估各地卫生医疗应急的综合实力和治疗能力水平等具有重要意义。为此, 本文基于中国疾病预防控制中心(Chinese Center for Disease Control and Prevention, CDC)提供的2019-12-08—2020-02-08中国大陆地区7万余个确诊和疑似病例从发病到确诊的诊疗过程时间记录, 采用分区统计、空间制图、相关分析和趋势分析等方法, 研究了COVID-19疫情暴发早期中国大陆地区的确诊时间空间分布、动态轨迹和趋势分析, 为中国COVID-19疫情的防控评估提供数据服务以及为大陆地区制定部署科学防控方案提供信息参考。

    • COVID-19疫情诊疗记录病例数据来自国务院联防联控机制疫情防控组大数据分析专题组建立的中国大陆地区确诊和疑似病例诊疗数据库, 数据统计截止时间为2020-02-08, 总计78 889条记录。所有病例诊疗记录内容包括首次出现相关症状的时间、疑似新冠肺炎的时间、确诊的时间、危重程度、治愈出院的时间、所属地区。所用数据由CDC提供, 相关病例数据经过了严格的审查和脱敏, 相关病例只有数字编号, 地址只有所属地行政代码。

      根据COVID-19疫情早期的确诊过程——发病-疑似-确诊3个阶段, 依据发病日期、疑似确诊日期和确诊日期, 分别统计每个病例从发病到确诊和从疑似到确诊的时间。从发病到确诊的时间计算如下:

      $$ T_{i}=D_{q i}-D_{s i}+1 $$ (1)

      式中, $ D_{q i}$为确诊COVID-19的日期;$ D_{s i}$为首次出现相关发病症状的日期。从疑似到确诊的时间计算法方法类同。

      首先根据病例所属地在空间上进行分省分区统计平均确诊时间。考虑到湖北省的集中暴发情况和试剂检测数量负荷实况, 分类计算了全国、湖北省和其他省份确诊时间的动态变化过程、趋势分析及显著性水平和突变检验。然后根据所属地行政代码属性链表, 实现各地区病例确诊时间的空间制图分析。

      根据每天确诊病例的平均确诊时间, 采用一元线性回归模型对时间序列数据进行拟合, 分析确诊时间的变化趋势特征, 并对回归模型进行显著性t检验, 以减少数据随机性和偶然性误差。同时运用Pearson参数方法进行确诊时间与治愈时间相互关系分析和显著性水平检验。其中变化特征趋势斜率(R)的计算公式如下[16]:

      $$ R = \frac{{n \times \sum\limits_{i = 1}^n {\left( {i \times {T_i}} \right)} - \sum\limits_{i = 1}^n i \times \sum\limits_{i = 1}^n {{T_i}} }}{{n \times \sum\limits_{i = 1}^n {{i^2}} - {{\left( {\sum\limits_{i = 1}^n i } \right)}^2}}} $$ (2)

      式中, $ n$为参与统计的数据期数;R为正值表示确诊时间呈增加趋势, 为负值表示呈减少趋势, 为零值表示呈恒定趋势。

    • 根据确诊病例的诊疗记录统计了COVID-19疫情早期的确诊时间, 并完成了地级市尺度空间分布制图, 如图 1所示。图 1(a)为从发病到确诊的确诊时间地级市尺度分布图, 图 1(b)为从疑似到确诊的确诊时间地级市尺度分布图。由图 1可知, COVID-19疫情早期的确诊时间存在一定差异, 首次出现发病症状到最终确诊的时间, 东部地区明显高于西部地区;从疑似到最终确诊的时间, 中部地区呈现明显的积聚, 湖北省内地级市的确诊时间高于其他地级市。

      图  1  COVID-19早期确诊时间空间分布图

      Figure 1.  Spatial Distribution of Early Outbreak Epidemic Diagnosis Time of COVID-19

      进一步分省统计确诊时间发现, COVID-19疫情早期从发病到确诊的平均确诊时间为7.35 d, 湖北省为7.99 d, 其他省份的平均确诊时间为5.68 d。从疑似病例到确诊的平均确诊时间为3.86 d, 湖北省为4.08 d, 其他省份的平均确诊时间为2.9 d。在省级尺度下, 湖北省的确诊时间高于其他省份;在地市级尺度下, 武汉市的确诊时间高于其他地级市。图 2显示了各地区确诊时间距平, 反映了各个地区确诊时间的离散程度和大小。由图 2可以看出, 湖北、西藏、江苏、广东、福建、江西、甘肃、辽宁、吉林、浙江、海南、河南、山西、山东等省级确诊时间均高于平均水平;武汉、鄂州、荆州、孝感、宜昌、荆门等地级市的确诊时间均高于湖北省平均水平。虽然湖北省的确诊时间要略微高于平均水平且各省市存在差异, 但是这种空间分异现象总体上不是特别的明显, 湖北省之外各地平均确诊时间的离散度为0.58 d。

      图  2  COVID-19早期确诊时间距平

      Figure 2.  Anomalies of Early Outbreak Epidemic Diagnosis Time of COVID-19

    • COVID-19疫情暴发早期确诊时间箱线图及动态过程拟合曲线见图 3图 3(a)为从发病到确诊的时间曲线;图 3(b)为从疑似到确诊的时间曲线。从图 3可以看出, 由于刚开始对COVID-19病毒缺乏了解和认识, 确诊时间耗时较长;但在时间动态过程上确诊时间呈现快速下降的态势, 平均确诊时间降低至1 d左右, 所有患者基本上1~2 d能就够准确确诊。而疑似到确诊的时长也由刚开始的最长18 d的记录下降到1 d, 所有疑似病例基本实现了当天清空。COVID-19早期确诊时间变化趋势R为-0.78(P < 0.01, 双尾)。

      图  3  确诊时间箱线图及动态拟合曲线

      Figure 3.  Box Plot and Dynamic Fitting Curve of Epidemic Diagnosis Time

      进一步将湖北省和其他省份的确诊时间分开统计, 得到相应的时间曲线, 如图 4所示。图 4(a)为湖北省从发病到确诊的时间曲线;图 4(b)为其他省份从发病到确诊的时间曲线;图 4(c)为湖北省从疑似到确诊的时间曲线;图 4(d)为其他省份从疑似到确诊的时间曲线。

      图  4  湖北省和其他省份的确诊时间曲线

      Figure 4.  Epidemic Diagnosis Time Series of Hubei Province and Other Provinces

      图 4可知, 疫情早期从发病到确诊以及从疑似到确诊的耗时均比较长, 且湖北省要略高于其他省份。但是, 在变化过程上, 湖北省内外的动态趋势高度相似, 随着时间的推移, 确诊时间快速下降, 当前各地区的确诊时间基本趋同, 所有首次发病和疑似病例均能够在1~2 d之内确诊。而其他省份从疑似到确诊的动态曲线在1月27日有个低谷反弹, 这主要是受到传统春节的影响所致。

    • 根据现有的治愈病例数据统计分析了从确诊到治愈出院的时间, 结果显示当前中国大陆地区的平均治疗时间为8.98 d。对比分析了省级尺度治愈时间与确诊时间的关系, 绘制了省级尺度确诊时间和治愈时间的散点图, 如图 5所示。由图 5可以看出, 治愈时间与确诊时间存在着一定关联, 进一步通过Pearson相关统计表明, COVID-19暴发早期的确诊时间和治愈时间显著相关(R=0.625, P < 0.01, 双尾)。

      图  5  COVID-19确诊时间与治愈时间的散点图

      Figure 5.  Scatter Plot Between Epidemic Diagnosis Time and Healing Time

    • 应对COVID-19重大传染性疫情的关键是时效, 病毒的传播与扩散过程在地理学本质上是疫情时空演变过程问题。疫情暴发以来, 中国政府及时成立了国务院应对COVID-19疫情联防联控工作机制, 采取了一系列科学有效的防控措施,

      从时空维度阻断疫情传播、抑制疫情扩散。本文结合国务院联防联控机制疫情防控组大数据分析专题组的实际工作, 以确诊时间为切入点, 基于截止到2020-02-08中国大陆地区各省市确诊和疑似病例的诊疗记录数据, 深入分析了COVID-19早期确诊时间的空间分布特征和时长的动态变化。

      由于早期COVID-19疫情在湖北省集中暴发, 且疑似患者数量积累较多, 涉及到检测设备紧缺和各种人力和物力资源的调配, 导致COVID-19早期在湖北省的确诊时间偏高。湖北省和其他省份确诊时间的空间差异主要受到潜在被感染规模和密切接触者数量的影响。总体上, COVID-19确诊时间空间差异不明显, 且随着时间的推移, 这种差异越来越小, 目前大多数病例基本能够做到当天确诊, 尤其是疑似病例日日清零。中国大陆地区各个省份的确诊时间显著降低的动态轨迹过程一方面体现了COVID-19诊疗技术取得了突破性进展;另一方面体现了中国政府针对COVID-19疫情应急措施的提升和综合防控治疗能力的加强。结合确诊时间和治愈时间的关系以及有关学者的研究结论[12-13], 综合说明缩短诊断时间、及时诊疗、早诊早治是提高治愈率的一个非常有效的措施。

参考文献 (16)

目录

    /

    返回文章
    返回