EN中文

热带地理 >

2020 , Vol. 40 >Issue 3: 408 - 421

DOI: https://doi.org/10.13284/j.cnki.rddl.003247

·“健康/医学地理视角下的新冠肺炎疫情解读”专题·

新冠肺炎疫情扩散与人口流动的空间关系及对中国城市公共卫生分类治理启示

  • 向云波 , 1, 2 ,
  • 王圣云 , 2
展开
  • 1. 湖南科技大学 建筑与艺术设计学院，湖南 湘潭 411201
  • 2. 南昌大学 中国中部经济社会发展研究中心，南昌 330047
王圣云（1977-），男，山西河曲人，研究员，博士，主要从事福祉地理与区域差异研究，（E-mail）。

向云波（1978―），男，湖南永顺人，副教授，博士，主要从事经济地理和区域发展研究，（E-mail）；

收稿日期: 2020-04-07

  修回日期: 2020-04-28

  网络出版日期: 2020-06-30

基金资助

教育部人文社会科学研究项目(20YJA790071)

国家自然科学基金(41861025)

江西省高校人文社会科学研究规划项目(JJ19118)

收起

Spatial Relationship between Epidemic Spread and Population Outflow of the Corona Virus Disease 2019 (COVID-19) That Impacted Chinese Urban Public Health Classification

  • Yunbo Xiang , 1, 2 ,
  • Shengyun Wang , 2
Expand
  • 1. School of Architecture and Art Design, Hunan University of Science and Technology, Xiangtan 411201, China
  • 2. Center for Economic and Social Development in Central China of Nanchang University, Nanchang 330047, China

Received date: 2020-04-07

  Revised date: 2020-04-28

  Online published: 2020-06-30

Fold

本文亮点

人口流动影响新冠肺炎疫情传播与风险扩散。基于百度迁徙大数据和各省市区卫生健康委员会数据，结合地理信息技术，研究了2020年1月1日至3月5日136个城市新冠肺炎疫情扩散与武汉市人口流出的空间关系及其对我国城市公共卫生治理启示。研究表明：1）中国新冠肺炎疫情扩散过程具有阶段性特征，经历了疫情发生与隐性扩散、快速扩散与暴发、扩散遏制和扩散衰减4个阶段。2）研究时间段武汉市人口主要流向湖北省境内以及周边省市和北京、上海、广州、深圳等一线城市，具有地理邻近性和倾向区域中心城市的人口流入特征。受地理距离、时间成本、社会经济联系、境外输入等因素的影响，新冠肺炎疫情空间分布的不平衡性明显，长江中游城市群、京津冀城市群、长三角城市群、粤港澳大湾区和成渝城市群成为新冠肺炎疫情集中分布的重点区域，一些重点出入境口岸城市的新冠疫情扩散风险较大。3）新冠肺炎疫情扩散与人口流出之间具有较强的正向等级相关性。两者之间的空间关系可以分为8种调控类型，近90%的城市具有人口流入多、确诊病例数高或人口流入少、确诊病例数低的特征。其中，人口流入多、确诊病例数高的城市主要集中分布在湖北省境内以及中国重点城市群的中心城市，其防控压力来自人口流入多、确诊病例数高带来的疫情扩散风险；而人口流入少、确诊病例数低的城市分布较为分散，其防控的难点在于提高防控对策的精准性。我国疫情防控取得了显著成效，但随着时间的演进全球疫情形势反弹的不确定性仍然存在，外防输入、内防反弹的压力依然很重，现阶段乃至未来一段时期，疫情防控将伴随中国经济社会发展成为新常态。建议针对8种调控类型，从人口流动、交通和资源等引导与管控方面分类提出精细化的疫情防控策略，提升城市公共卫生治理能力。

本文引用格式

向云波 , 王圣云 . 新冠肺炎疫情扩散与人口流动的空间关系及对中国城市公共卫生分类治理启示[J]. 热带地理, 2020 , 40(3) : 408 -421 . DOI: 10.13284/j.cnki.rddl.003247

Highlights

Population mobility affects the spread of the new coronavirus and of risk. Based on Baidu migration big data and provinces and municipalities’ health committee data, combined with geographic information technology, this paper studies the spatial relationship between the spread of Corona Virus Disease 2019(COVID-19) in 136 cities from January 1st to March 5th, 2020, and the outflow of population in Wuhan, which impacted urban public health management in China. The following results were obtained. The spread of COVID-19 in China has the following stages and characteristics: occurrence and recessive spread, rapid spread and outbreak, diffusion containment, and diffusion attenuation. From January 1st to March 5th, 2020, it was observed that the population flow of Wuhan City mainly extends to the Hubei Province and its surrounding provinces and cities, as well as Beijing, Shanghai, Guangzhou, Shenzhen and other first-tier cities, with geographical proximity and characteristics similar to regional central city population inflow. Influenced by geographical distance, time cost, social and economic connection, overseas input, and so on, the spatial distribution of COVID-19 is evidently unbalanced. The urban agglomeration in the middle reaches of the Yangtze River, the Beijing-Tianjin-Hebei urban agglomeration, the Yangtze River Delta urban agglomeration, Guangdong-Hong Kong-Macau Greater Bay Area, and the Chengdu-Chongqing urban agglomeration have become key areas for the concentrated distribution of COVID-19. Additionally, some key entry and exit port cities present a higher risk of spreading. A strong positive grade correlation between epidemic spread and population outflow is observed with COVID-19. The spatial relationship between the two can be divided into eight regulation types. Nearly 90% of cities have the characteristics of large population inflow, high numbers of confirmed cases or small population inflow, and low numbers of confirmed cases. Among these, cities with large population inflow and high numbers of confirmed cases are mainly concentrated in the Hubei Province and central cities of key urban agglomerations in China. The pressure of prevention and control stems from the risk of epidemic spread, caused by a large population inflow and high number of confirmed cases. The urban distribution, with a small population inflow and low number of confirmed cases, is scattered, and the difficulty involved in prevention and control is the improvement of the precision of such countermeasures. Although China’s strategies for epidemic prevention and control have achieved remarkable results, considering the evolution of the global epidemic situation, rebound uncertainty still exists, and external defense input as well as internal defense rebound pressure are still very heavy. Currently, and in the future, the prevention and control of the epidemic situation will become the “new normal” with the economic and social development of our country. Improving the capacity for urban public health management is necessary for the prevention and control of the epidemic situation in China, especially in the future. Chinese epidemic prevention and control should still consider local conditions and formulate targeted prevention and control strategies. In particular, it is necessary to consider the relationship between the spread of COVID-19 and population flow, economic ties, transportation costs, international exchanges and other factors, and set specific classifications and control plans. To facilitate the joint prevention and control strategy to formulate full coverage, and “Not One Less,” we should not only approach the current epidemic prevention and control it from a dynamic perspective, but also consider epidemic prevention and control work in specific types of cities. Urban agglomeration areas and port cities often have a large population inflow, frequent economic ties, high economic development pressure, and high-risk epidemic prevention and control. They bear the dual responsibility of economic and social development, stability, epidemic prevention, and control and management. In the context of resuming production, work, and economic and social recovery, special attention should be paid to the regular prevention and control of the epidemic situation as well as the improvement of urban public health management capacities.

新冠肺炎（COVID-19）疫情作为突发性公共卫生事件已经成为全球性议题（国家卫生健康委员会医政管理局，2020）。据美国约翰斯·霍普金斯大学发布的疫情统计数据，截至北京时间2020-06-04 T 20:10，全球累计确诊病例6 663 729例，其中美国累计确诊病例1 872 660例，中国累计确诊病例84 171例。新冠肺炎疫情发生以后，中央政府统一部署和全国各地齐心协力，3月初中国境内疫情已基本得到控制，湖北省内新增受感染确诊数显著下降，其他大多省份接近于零（戴二彪，2020）。中国新冠肺炎疫情防控取得了显著成效，但当前境外疫情扩散蔓延势头仍然没有得到有效遏制，国内个别地区聚集性疫情仍然存在，外防输入、内防反弹的压力依然很重（国务院联防联控机制联络组，2020；武文韬 等，2020）。
武汉是中国最早发现新冠肺炎确诊病例且新冠肺炎疫情最严重的城市。据武汉市卫生健康委员会发布的疫情统计数据，截至2020-06-04 T 24:00，武汉市累计报告确诊病例50 340例，累计死亡3 869例，累计治愈出院46 471例，现有确诊病例0例，现有疑似病例0例，抗疫成果来之不易。武汉是中部地区乃至全国重要的区域中心城市和交通枢纽，人员密集，人口流动频繁。尤其是受春节和疫情的影响，在2020-01-23“封城”之前已有逾500万人离开武汉。人口迁移在疾病传播中起着关键作用，往往会引发急性疾病的暴发，还会导致特定地区传染病的扩散（Barnett et al., 2008）。武汉逾500万人口的大规模流出大大增加了新冠肺炎疫情在国内的传播和扩散风险（Guan et al., 2020; Chan et al., 2020）。传播动力学研究发现，湖北省以外省市区绝大多数病例是来自武汉或湖北或与之有直接联系（中国卫生健康委员会，2020）。在此背景下，武汉流出的500多万人的空间去向会对中国新冠肺炎疫情扩散与防控产生深远影响。但目前已有新冠肺炎疫情研究文献主要关注新型冠状病毒基因组的生物信息（陈嘉源 等，2020）、流行病学特征（Guan et al.,2020；中华预防医学会新型冠状病毒肺炎防控专家组，2020）、临床诊疗（王玉光 等，2020；管汉雄 等，2020；边原 等，2020）、疫情扩散预测与模拟（Wu et al., 2002；王霞 等，2020），以及疫情防控经验与策略等（谈在祥 等，2020），较少从武汉市人口流出视角来分析新冠肺炎疫情空间扩散的趋势和调控类型，提出中国城市公共卫生分类治理的策略，而这恰恰是地理学在新冠肺炎疫情联防联控方面的最好切入点。为此，本文从人口流出视角，基于百度迁移大数据和各省市区卫生健康委员会统计数据，结合地理信息技术，分析新冠肺炎疫情发生时期，武汉市人口流出空间规律和136个目的地城市新冠肺炎确诊病例数空间演变规律，揭示城市新冠肺炎疫情扩散与人口流出的空间关系，提出相应的分类治理策略，以期为国家相关部门预测新冠肺炎疫情扩散时空演变趋势，制定有效的城市公共卫生分类治理措施提供参考。

1 数据来源与研究方法

1.1　数据来源

武汉市人口流出数据来源于百度迁徙数据。本文将武汉市人口流动数据的采集时间选定为2020-01-01—01-23。主要是因为2019-12-31武汉市卫生健康委员会官方首次确认发现新冠肺炎确诊病例27例；2020-01-23为了防控新冠肺炎疫情扩散，武汉市停止内外交通运行，实行“封城”管理，人口流动受到严格控制。百度迁徙大数据最多包括某一城市迁入或迁出前100位城市的百分比，以及某一城市迁徙规模指数。从2020-01-01—01-23共采集到武汉市人口迁入目的地城市数据2 300条，经过整理共涉及到136个目的地城市；采集到武汉市迁移规模指数数据23条。新冠肺炎确诊病例数来源于2020-01-20—03-05各省市区卫生健康委员会公布数据。时间距离数据来源于百度地图 1、中国铁路客户中心网站 2，其计算公式为：
T j = 1 / ( r j p j q j ) 1 s
式中： T j表示武汉市到 j城市的时间距离； r j 、 p j 、 q j 分别为武汉市到 j城市公路驾车、铁路和飞机的最短时间； s为交通方式类型数（王圣云 等，2019）。

1.2　研究方法

1.2.1　人口迁入规模指数

百度迁徙大数据没有提供武汉市迁入各目的地城市的具体人口规模数量，提供了某一天从武汉市迁入到某一城市的人数与当天武汉市迁出总人口数量的百分比；同时提供城市迁移规模指数，该指数反映城市迁入或迁出人口规模，城市间可横向对比。为了使不同城市、不同时间段人口迁徙数据具有可比性，本文将某一天武汉市迁入某一城市的人口百分比，乘以对应时间武汉市迁出人口规模指数，并扩大1 000倍，进而构建武汉市迁入各城市人口规模的迁入规模指数，用以衡量武汉市迁入各城市的人口规模，该指数具有可比性。具体计算公式如下：
P M k = ∑ i n P R t k × P S t × 1000
式中： P M k为武汉市迁入 k城市的人口迁入规模指数； P R t k为 t时间武汉市迁入 k城市的人口数量百分比； P S t代表 t时间武汉市迁移规模指数。

1.2.2　新冠肺炎疫情扩散系数

本文建立新冠肺炎疫情扩散系数（ D k t）来反映新冠肺炎疫情在城市扩散的动态变化情况，其定义为一定时期内某城市新冠肺炎确诊病例变化率与全国除武汉以外地级及以上城市新冠肺炎确诊病例变化率的比值。 D k t＞1，说明该城市新冠肺炎疫情扩散速度比全国除武汉以外地级及以上城市快； D k t=1，说明该城市新冠肺炎疫情扩散速度与全国除武汉以外地级及以上城市一致； D k t＜1，说明该城市新冠肺炎疫情扩散速度比全国除武汉以外地级及以上城市慢。扩散系数计算公式如下：
      D k t = ( N N C P R t / U N C P R k t ) = ( N N C P t 2 - N N C P t 1 ) N N C P t 1 / ( U N C P k t 2 - U N C P k t 1 ) U N C P k t 1
式中： D k t代表 k城市 t时间疫情扩散系数； N N C P R t为全国除武汉以外地级及以上城市的 t时间新冠肺炎增长率； U N C P R k t代表 k城市 t时间新冠肺炎增长率； N N C P t为全国除武汉以外地级及以上城市的 t时间新冠肺炎累计确诊病例数量； U N C P k t代表 k城市 t时间新冠肺炎累计确诊病例数量； t 1、 t 2分别表示研究时间段起始和结束时间节点。

1.2.3 新冠肺炎疫情扩散与人口流出的空间关系类型

本文根据城市人口迁入规模指数（ P M K）、新冠肺炎确诊病例数量（ U N C P k t）与其平均值（M）的高低关系，以及新冠肺炎疫情扩散系数（ D k t）变化情况，将新冠肺炎疫情扩散与人口流出的空间关系划分为8种类型（表1）。
表1 新冠肺炎疫情扩散与人口流出的空间关系类型

Table 1 Types of spatial relationship between COVID-19 epidemic spread and population outflow

具体类型 主要特征 PM k UNCP kt Dkt
第I类：高高扩散快 人口流入多，病例数高，疫情扩散快 PM k≥M UNCP kt≥M Dkt≥1
第II类：高低扩散快 人口流入多，病例数低，疫情扩散快 PM k≥M UNCP kt <M Dkt≥1
第III类：低高扩散快 人口流入少，病例数高，疫情扩散快 PM k <M UNCP kt≥M Dkt≥1
第IV类：低低扩散快 人口流入少，病例数低，疫情扩散快 PM k <M UNCP kt <M Dkt≥1
第V类：高高扩散慢 人口流入多，病例数高，疫情扩散慢 PM k≥M UNCP kt≥M Dkt<1
第VI类：高低扩散慢 人口流入多，病例数低，疫情扩散慢 PM k≥M UNCP kt <M Dkt<1
第VII类：低高扩散慢 人口流入少，病例数高，疫情扩散慢 PM k <M UNCP kt≥M Dkt<1
第VIII类：低低扩散慢 人口流入少，病例数低，疫情扩散慢 PM k <M UNCP kt<M Dkt<1

2 人口流出视域下我国新冠肺炎疫情扩散过程

借鉴齐默尔曼等的研究文献（Zimmerman et al., 2011），结合生命周期理论，本文从人口流出的视角揭示我国新冠肺炎疫情扩散过程及其阶段性特征（图1）。
图1 我国新冠肺炎疫情扩散过程

Fig. 1 Spread process of COVID-19 in China

2.1 疫情发生与隐性扩散阶段

这一阶段时间约为2019年12月至2020年1月中旬，疫情特征表现为新冠肺炎病例陆续出现并开始在城市人群中隐性传播。由于病情具有一定的潜伏期、隐蔽性，加之病例数量少，公众和相关部门对新冠肺炎认知有限，疫情的严重性、危险性暂时被掩盖，具有明显的隐蔽性扩散特点。从2019年12月武汉市陆续出现病例以来，截至2020年1月19日24时，武汉市新冠肺炎累计确诊病人数已经上升至198人，北京、上海和广州等全国其他城市也陆续出现新冠肺炎确诊病例。

2.2　疫情快速扩散与暴发阶段

该阶段时间对应为2020年1月下旬至2020年2月上旬，其疫情特征表现为新冠肺炎疫情在武汉和与武汉有密切人员往来的城市快速扩散与暴发，各城市新冠肺炎确诊病例数迅速增长、暴发，引起管理部门和地方政府高度重视，各城市相继加强疫情防控和人口流动管制。从2020-01-23 T 10:00起，武汉市城市公共交通系统暂停运营，离汉通道暂时关闭，控制人口流动。截至02-10 T 24:00，全国新冠肺炎累计确诊人数已达到37 626人，武汉市18 454例；新增确诊病例2 478例，武汉市1 552例，武汉以外全国其他城市926例。

2.3　疫情扩散遏制阶段

该阶段时间对应为2020年2月中旬至下旬。随着各方力量介入，中央和地方政府高度重视和有效组织，全国疫情防控工作高效、有序展开，防控措施不断完善，加之对新冠肺炎认知不断深入，诊疗水平提升，新冠肺炎疫情快速扩散、暴发的态势得到有效遏制。武汉市以外全国其他城市新冠肺炎新增确诊病例数持续下降，疫情发展态势平稳、趋好。武汉市每日新增确诊病例数从最高峰时的2月13日3 910例，下降到2月27日313例，新增治愈出院病例数从2月20日开始连续8 d超过了新增确诊病例数，重症、危重症病例占确诊病例比例下降，病死率下降，充分表明疫情正在得到有力地遏制。除湖北省之外，全国多地开始逐渐转入有序复工复产阶段（梁万年，2020）。

2.4　疫情扩散衰减阶段

该阶段时间对应为2020年3月初后。该阶段新冠肺炎每日新增确诊病例数、新增疑似病例数、重症和危重症病例占确诊病例比例、病死率4个关键指标持续下降。2020-02-21以来，多个省市区、多日新冠肺炎新增确诊病例为0，至2月28日除武汉市以外，全国其他地区新冠肺炎新增确诊病例数下降至个位数，治愈出院人数增多，新冠肺炎疫情扩散进入衰减阶段。

3 新冠肺炎疫情扩散与人口流出的空间关系

3.1　武汉市人口流出的空间格局变化

基于人口迁入规模指数，对2020年1月1日至1月23日武汉市人口流出方向、规模的时空特征进行分析。

3.1.1　人口主要流向湖北省境内、北上广深和成渝方向

从人口迁入规模指数的洛伦兹曲线（图2）可知，武汉市流出人口的空间分布很不均衡。
图2 人口迁入规模指数和确诊病例的洛伦兹曲线

Fig.2 Lorentz curve of population migration size index and confirmed cases

武汉市人口主要流向湖北省境内其他城市以及北上广深和成渝方向的大城市（表2）。研究时段内，武汉市人口迁入规模指数排名前10的城市均为湖北省境内城市。除神农架林区之外，湖北省其他15个城市的排名均进入前20之内。孝感、黄冈、荆州、咸宁、鄂州、襄阳和黄石等城市人口迁入规模指数具有相对较高的排名，占较大比重。其中，孝感人口迁入规模指数约占136个目的地城市人口迁入规模指数总量14.34%、黄冈约占13.58%、荆州约占6.86%。湖北省内15个城市的人口迁移规模指数约占136个目的地城市迁入规模指数总量73.80%。这说明当时武汉市人口主要流向湖北省境内其他城市。除湖北省境内城市以外，北京、上海、广州—深圳和重庆—成都4个方向人口迁入规模指数较高。北京、上海、重庆等城市人口迁入规模指数均排进前20。此外，北京方向的信阳、广州—深圳方向的长沙也位列前20城市内。
表2 排名前10和前20城市迁入规模指数

Table 2 Migration scale index of TOP10 and TOP20 cities

位序 城市 迁入规模指数 占比/%
1 孝感* 20 752 14.34
2 黄冈* 19 647 13.58
3 荆州* 9 930 6.86
4 咸宁* 8 074 5.58
5 鄂州* 6 814 4.71
6 襄阳* 6 251 4.32
7 黄石* 6 011 4.15
8 荆门* 4 952 3.42
9 随州* 4 794 3.31
10 宜昌* 4 429 3.06
11 仙桃* 4 406 3.05
12 天门* 3 023 2.09
13 十堰* 2 956 2.04
14 恩施* 2 931 2.03
15 信阳 2 162 1.49
16 重庆 1 969 1.36
17 长沙 1 900 1.31
18 北京 1 843 1.27
19 潜江* 1 820 1.26
20 上海 1 359 0.94

注：“*”表示属于湖北省的城市。

3.1.2　人口流出具有地理邻近以及倾向区域中心城市的特征

从人口迁入规模指数看，研究时段内武汉市人口绝大多数流向湖北省境内及其周边省市地区，包括孝感、黄冈、荆州、咸宁、鄂州以及信阳、重庆、长沙等城市。随着地理距离的增加，多数城市人口迁入规模指数逐渐衰减，具有地理邻近性特征，与武汉市距离超过1 000 km的城市普遍人口迁入规模指数小，城市数量较少。同时目的地城市人口迁入规模指数也表现出在地理距离相当的情况下，区域中心城市人口迁入指数高的特征。距离武汉市地理距离较远，人口迁入规模指数高的城市多为区域中心城市和特殊职能城市，如省会城市乌鲁木齐、哈尔滨、昆明以及旅游城市丽江、三亚等。

3.2　新冠肺炎疫情扩散的时空特征

3.2.1　新冠肺炎疫情扩散与地理距离尤其是时间距离相关

以2020-01-23武汉市“封城”作为时间节点，以7~14 d为周期，研究136个城市新冠肺炎疫情扩散时空特征。疫情扩散除了受地理距离影响外，还受武汉至各城市时间距离的影响。从地理距离看，新冠肺炎确诊病例增加数量较多、比重高的城市多集中在湖北省境内及其周边省市，具有地理邻近性的特征。如孝感2月20日新冠肺炎累计确诊病例达到3 346例，占武汉以外地区的11.11%；黄冈、荆州、鄂州、随州和襄阳新冠肺炎累计确诊病例数均超过了1 000例，占武汉以外地区城市确诊病例数的比重为3.88%~9.48%。对第一时间段T 1（2020-01-30—02-06）和第二时间段T 2（2020-02-06—20）136个城市的新冠肺炎确诊病例数量变化与其至武汉市的时间距离进行分析，两者之间具有较强的相关关系（P<0.001），拟合发现两者之间存在线性函数关系，R 2分别为0.630 5和0.682 1（图3）。北京、上海、广州和深圳等中心城市虽然距离武汉地理距离较远，但由于航空、高速铁路和高速公路等快速交通网络的连接，城市之间的时间距离大大缩短，城市之间的经济联系更加紧密，人员流动更加频繁，新冠肺炎疫情比较严重。
图3 新冠肺炎确诊病例数变化与时间距离相关关系

Fig.3 Relationship between the number of confirmed cases of COVID-19 and time distance

3.2.2 新冠肺炎疫情集中分布在重点城市群地区的中心城市

在Arcgis10.5软件中，运用自然断裂点方法，将新冠肺炎确诊病例数分为高、较高、中等、较低和低5个等级（图4），累计确诊病例数量多的城市集中分布于重点城市群的空间特征十分显著。武汉市所处的长江中游城市群是新冠肺炎累计确诊病例最集中分布的区域。其次，包括京津冀城市群、长三角城市群、粤港澳大湾区和成渝城市群也是新冠肺炎累计确诊病例数较高、增长数量大、分布较集中的区域。特别是这些城市群的中心城市北京、上海、广州、深圳、重庆和成都等新冠肺炎确诊病例数量较高、增长数量大。这说明疫情扩散具有邻近扩散和等级扩散的空间特征。
图4 新冠肺炎累计确诊病例空间特征

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2019)1697号的标准地图制作，底图无修改。

Fig. 4 Spatial pattern of cumulative confirmed COVID-19 cases

3.2.3　新冠肺炎疫情扩散的空间不平衡特征十分明显

从图2新冠肺炎确诊病例洛伦兹曲线可以看出，随着时间的演进，疫情扩散的空间不平衡呈加剧态势。同时，由图4-a、图4-b和图4-c可见，新冠肺炎确诊病例数量高、增长数量多的城市，集中分布在湖北省境内包括孝感、黄冈、随州、荆州、鄂州、黄石、宜昌、咸宁、十堰等城市，以及重点城市群的中心城市，与武汉市人口流出空间特征具有高度相似性。从新冠肺炎累计确诊病例等级变化趋势看（图4-c），湖北省境内城市累计确诊病例数量等级继续维持在较高级别，而京津冀城市群、长三角城市群、粤港澳大湾区和成渝城市群等诸多城市累计确诊病例数等级有一定程度的下降。这些区域之外的全国其他城市新冠肺炎累计确诊病例等级较低，增加数量少。究其原因，2020-01-23武汉关闭离汉通道，各城市相继加强边界管控，城市间人口流动几乎停滞，而之前武汉人口流入多的湖北省内和北上广深等城市，新冠肺炎病毒携带者和“潜伏者”多，导致该时间段内新冠肺炎确诊病例增长数量多、等级高，其他城市新冠肺炎确诊病例增长数量相对较少、等级也比较低。

3.3　空间关系类型分析

3.3.1　相关性分析

选取136个目的地城市人口迁入规模指数与2020-01-30、02-06、02-13和02-20新冠肺炎确诊病例数据进行相关性分析。基于SPSS.22软件，运用Kolmogorov-Smirnov方法，对各城市迁入规模指数和新冠肺炎累计确诊病例进行正态性检验，结果显示两者都不符合正态分布，故选用Spearmen对两者进行双变量相关分析。136个目的地城市人口迁入规模指数与1月30日、2月6日、2月13日和2月20日城市新冠肺炎确诊病例的Spearmen相关系数分别为0.726、0.811、0.810和0.797（ p < 0.001），这说明武汉市人口流出规模和目的地城市新冠肺炎累计确诊病例之间具有较强的正向等级相关性，与周成虎等研究结论一致（周成虎 等，2020）。其中，武汉市“封城”后的第14天（2月6日）相关系数最高，该时间节点之前和之后相关系数有所下降。选取指数、线性、对数、多项式、幂函数模型进行函数关系拟合，计算拟合系数 R 2，发现线性、多项式的拟合程度高，其 R 2为0.95~0.96，说明人口迁入规模指数和新冠肺炎累计确诊病例之间存在明显的函数关系（图5）。
图5 城市人口迁移规模指数与新冠肺炎累计确诊病例散点图

Fig. 5 Scatter plot of urban between population migration scale index and COVID-19 cumulative confirmed cases

3.3.2 空间关系类型划分

运用构建的新冠肺炎疫情扩散与人口流出空间关系类型划分体系，分析2020年1月30日至2月6日（第一时间段t 1）和2月6日至2月20日（第二时间段t 2）2个时间段136个目的地城市新冠肺炎疫情扩散与人口流出的空间关系特征（图6）。
图6 新冠肺炎疫情扩散与人口流出的空间关系类型

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2019)1697号的标准地图制作，底图无修改。

Fig. 6 Types of spatial relationship between COVID-19 epidemic spread and population outflow

1）从第一时间段来看（图6-a）：人口迁入规模指数、新冠肺炎确诊病例数量和疫情扩散系数分类情况可知，人口流入规模指数和新冠肺炎确诊病例数量一致的“高高扩散快”和“高高扩散慢”的城市有33个，约占城市总数的24.26%；“低低扩散快”和“低低扩散慢”的城市有89个，约占城市总数的65.44%，其他类型的城市有14个，约占城市总数的10.30%。可见，近90%的城市具有“人口流入多，确诊病例数高”或“人口流入少，确诊病例数低”的特征。从疫情扩散速度看，疫情扩散慢的城市比重高（约占63.97%），表明我国城市疫情防控整体表现良好。
具体来看，第I类“高高扩散快”类型：包括安庆、深圳、信阳、驻马店、孝感、荆州、仙桃、黄冈、襄阳、黄石、随州、宜昌、潜江、长沙、岳阳和西安等16个城市，约占城市总数量的11.76%，具有“人口流入多，病例数高，疫情扩散快”的特征；第V类“高高扩散慢”类型：包括合肥、北京、广州、郑州、南阳、咸宁、鄂州、天门、十堰、恩施、荆门、九江、南昌、上海、成都、杭州、重庆等17个城市，约占城市总数量12.5%，具有“人口流入多，病例数高，疫情扩散慢”的特征。这两类型城市都具有“人口流入多，病例数高”的特征。这些城市受地理位置、时间距离、社会经济联系等因素影响，从武汉流入的人口多，加大了新冠肺炎感染和传播的机率，新冠肺炎确诊病例数高。同时，由于各城市所采取的防控措施、医疗资源和诊治水平等不同，虽然同为“人口流入多，病例数高”的城市，但有些城市疫情扩散快，有些城市疫情扩散慢。如上海市属于“人口流入多，确诊病例数高，疫情扩散慢”类型，与其疫情防控早、科学精准施策、医疗资源充足和防控措施得力等有紧密关系。在1月23日累计发现新冠肺炎确诊病例20例当天下午，上海市就启动了重大突发公共卫生事件一级响应机制，确定复旦大学附属公共卫生临床中心等为新冠肺炎患者的定点收治医院，同时加强对城市入口、人口流动、城市社区以及重点场所疫情防控管理，进入紧张而有序的防备状态，有效阻碍了疫情的传播与扩散。
第IV类“低低扩散快”类型：包括六安、东莞、湛江、中山、贵阳、遵义、邯郸、长春、南通、镇江、抚州、济宁、潍坊、晋中等26个城市，约占城市总数量的19.12%，具有“人口流入少，病例数低，疫情扩散快”的特征；第VIII类“低低扩散慢”类型：包括宜春、惠州、南宁、都匀、海口、保定、沧州、株洲、徐州、无锡、福州、厦门、泉州、莆田、三明、兰州、乌鲁木齐等63个城市，约占城市总数量的46.32%，具有“人口流入少，病例数低，疫情扩散慢”的特征。这两类型城市分布地域范围比较广泛、分散。其中，甘肃、新疆、福建、山东、吉林等省的部分城市主要是因为距离武汉市地理距离和时间距离都比较远，与武汉社会经济联系相对较弱，贸易、商务、劳务和人员往来等也比较少，所以人口流入少，新冠肺炎确诊病例数低；湖北周边河南、湖南、安徽等省的部分城市虽然距离武汉地理距离和时间距离较近，但这些城市不是重要的区域中心城市，社会经济发展水平也一般，亦不处于重要交通干线上，与武汉之间的社会经济联系和人员往来也不太紧密，因此人口流入少，新冠肺炎确诊病例数低。同时，由于各城市疫情防控开始的时间、防控措施、医疗资源和医疗水平等存在一定的差异，使得这些城市疫情扩散速度存在快慢差别。
此外，其他类型城市数量较少，分布比较分散。例如，周口属于第II类“高低扩散快”类型城市，具有“人口流入多，病例数低，疫情扩散快”的特征；南京属于第VI类“高低扩散慢”类型，具有“人口流入多，病例数低，疫情扩散慢”的特征。这两类型城市人口流入多，但确诊病例数低。疫情发生后，周口迅速通过各种APP、移动短信、气象“大喇叭”等渠道广播、宣传疫情防控知识，在高速路口、城镇、乡村等建立卡口，早防早控，及时做好基层疫情防控精细化管理，取得了很好的成效。南京市作为省会城市疫情防控开始时间早、疫情防控措施严格、医疗资源丰富和医疗水平高等具有紧密关系。江苏省1月24日启动公共卫生事件一级响应后，南京市1月26日就发布了关于在公共场所实施佩戴口罩有关措施的通告，并及时出台一系列严格的疫情防控措施，将大数据、网格化等新型技术方法和手段运用于城市疫情防控中，形成科学、有效的城市群防群控疫情防控体系，有效阻碍了疫情的传播、扩散。亳州、珠海、商丘、哈尔滨、上饶、宁波属于第III类“低高扩散快”类型，具有“人口流入少，病例数高，疫情扩散快”的特征。阜阳、邵阳、苏州、天津、温州、台州属于第VII类“低高扩散慢”类型，具有“人口流入少，病例数高，疫情扩散慢”的特征。这两类型城市人口流入少，但是新冠肺炎确诊病例数高，可能与城市疫情防控措施、医疗资源、地域社会文化等因素有关。以浙江温州为例，新冠肺炎疫情发生后，虽然温州政府陆续出台了诸多严格的防控措施，但疫情仍然比较严重。一方面，可能与温州商人喜欢抱团、崇尚“熟人关系网络”，有春节前密集走亲访友的传统有关；另一方面，也可能与新冠肺炎疫情管控措施不够精准、部分干部疫情防控失职等因素有关，后续一系列相关人员在疫情防控中失职的报道也证实这一点。
2）从第二时间段来看（图6-b）：第I类“高高扩散快”和第V类“高高扩散慢”类型城市为32个，约占城市总数量的23.53%；第IV类“低低扩散快”和第VIII类“低低扩散慢”类型城市90个，约占城市总数量的66.18%；其他类型有14个，约占城市总数量的10.29%。从疫情扩散速度看，“扩散速度快”和“扩散速度慢”的城市分别为38个和98个，分别约占城市总数量27.94%和72.06%。与第一时间段比较，人口流入多，病例数高的城市数量减少；人口流入少，病例数少的城市数量增加；扩散速度快的城市减少，扩散速度慢的城市增多，说明城市新冠肺炎疫情发展情况进一步趋好，防控成效显著。
与第一个时间段相比较，第I类“高高扩散快”类型城市数量比重下降5.14%，除西安市之外，其他8个城市均为湖北省境内城市，地理位置分布更加集中于武汉市周边地区；第V类“高高扩散慢”类型城市数量比重上升4.41%，集中分布在湖北省境内以及河南、重庆、湖南、江西、安徽等周边区域和北京、上海、广州、深圳等一线城市。这说明新冠肺炎疫情发展态势趋好，但湖北境内、周边省市以及北上广深等重点城市，由于人口流入多，确诊病例数高，疫情防控压力仍然很大。第IV类“低低扩散快”类型城市约占17.65%，下降1.47%，多分布在贵州、海南、河南和广东等省。贵州省多个城市2个时间段均处于“疫情扩散快”的发展态势，贵州省疫情研判专家组，密切追踪疫情变化，并对重点人群全面开展核酸筛查，通过“查、防、控、治、保、导”六位一体防控体系，有效遏制疫情扩散。第VIII类“低低扩散慢”类型城市约占48.53%，上升2.21%，分布地域较广，且多数距武汉市较远，地域分散。
其他类型城市数量少。南京属于第II类“高低扩散快”类型；安庆和周口属于第VI类“高低扩散慢”类型。与第一时间段比较，南京疫情扩散速度加快，这可能与其中心城市地位、人口密度大、流动人口多等特性有关。周口疫情扩散速度减慢，而且河南多个城市疫情扩散速度均呈现由快转慢的发展态势，表明该省政府采取的一系列“硬核”防控措施和手段发挥了重要作用。哈尔滨、济宁、天津、宜春属于第III类“低高扩散快”类型。山东济宁类型发生转变的主要原因是地方监狱系统管理不力，导致新冠肺炎疫情在监狱内传播和扩散。亳州、上饶、宁波、阜阳、邵阳、温州、台州属于第VII类“低高扩散慢”类型。亳州、上饶和宁波3个城市疫情扩散速度由快转慢，说明其疫情防控很有成效。此外，与第一时间段相比较，浙江省的多个城市疫情扩散速度也得到有效遏制，说明其防控成效十分明显。

3.3.3 关系类型的动态变化分析

由表3可知，从第一时间段（t 1）到第二时间段（t 2），城市人口流出与新冠肺炎疫情扩散空间关系类型发生了转换。总体来看，研究时间段有32个城市转换为“疫情扩散慢”类型，约占总数的23.53%；有21个城市转换为“疫情扩散快”类型，约占总数的15.44%；“疫情扩散慢”类型城市净增加11个，约占总数的8.09%。有12个城市从“高高扩散快”类型转换为“高高扩散慢”和“高低扩散慢”类型，约占城市总数的8.8%，这些城市主要分布在湖北省周边的湖南、陕西、河南等省；有5个城市从“高高扩散慢”类型转换为“高高扩散快”类型，约占城市总数的3.7%，这些多为湖北省境内城市。有14个城市从“低低扩散快”类型转化为“低低扩散慢”类型，约占城市总数10.29%，其中有多个城市位于河南省境内；有14个城市从“低低扩散慢”类型转换为“低低扩散快”类型，其中有多个城市分布在广东、江苏和海南等省。其他类型的相互转换较少。
表3 空间关系类型的动态变化矩阵 (个)

Table 3 Transformation matrix of spatial relationship

第二时间段（t 2）

第一时间段

（t 1）

 第I类 第II类 第III类 第IV类 第V类 第VI类 第VII类 第VIII类 P 1
第I类 4 0 0 0 11 1 0 0 16
第II类 0 0 0 0 0 1 0 0 1
第III类 0 0 1 0 0 0 3 2 6
第IV类 0 0 1 11 0 0 0 14 26
第V类 5 0 0 0 12 0 0 0 17
第VI类 0 1 0 0 0 0 0 0 1
第VII类 0 0 1 0 0 0 4 1 6
第VIII类 0 0 1 13 0 0 0 49 63
P 2 9 1 4 24 23 2 7 66 136
P 2-P 1 -7 0 -2 -2 6 1 1 3 —

注：1）第I类：“高高扩散快”；第II类：“高低扩散快”；第III类：“低高扩散快”；第IV类：“低低扩散快”；第V类：“高高扩散慢”；第VI类：“高低扩散慢”；第VII类：“低高扩散慢”；第VIII类：“低低扩散慢”。2）P 1、P 2分别为第一时间段（2020-01-30—02-06）和第二时间段（2020-02-06—20）各空间关系类型城市数量。

从空间关系类型转换情况看，我国城市疫情防控情况总体态势趋好，疫情扩散速度趋缓，但是防控压力依然很大。一方面，武汉市周边一些城市从“高高扩散慢”类型转换为“高高扩散快”类型，城市疫情防控形势依然严峻；另一方面，一些靠近湖北省的“低低扩散慢”类型城市，也转换为“低低扩散快”类型。由于相邻地区长期以来经济社会往来的复杂性和人口流动的频繁性，加大了疫情防控难度。如湖北省境内的咸宁、鄂州、天门、十堰和恩施等城市与武汉市经济联系密切，人员流动频繁，空间关系类型从“高高扩散慢”转为“高高扩散快”类型。需要指出的是虽然城市距离相近、社会经济联系紧密、人员往来频繁会增大疫情传播与扩散风险，但如果城市疫情防控开始时间早、措施得当、医疗资源充足等，仍能有效阻碍疫情的传播与扩散。如与湖北省距离较近的河南邯郸、洛阳、新乡、许昌、平顶山、开封等城市，从“低低扩散快”类型转换为“低低扩散慢”类型；湖南长沙、岳阳等城市从“高高扩散快”类型转换为“高高扩散慢”类型。

4 结论与启示

4.1　结论

基于百度迁移数据和各省市区卫生健康委员会数据，结合地理信息技术，从人口流出的视角分析了2020-01-01—03-05武汉市人口流出和136个目的地城市新冠肺炎疫情扩散的空间关系及其特征。研究发现：
1）我国新冠肺炎疫情传播与扩散过程经历了发生与隐性扩散、快速扩散与暴发、扩散遏制和扩散衰减4个阶段。人口流入与新冠肺炎疫情扩散之间存在明显的空间关联作用，长江中游、京津冀、长三角、粤港澳大湾区和成渝城市群等地区是我国新冠肺炎疫情比较集中分布的重点区域，但城市之间的地理距离、时间成本以及社会经济联系强度等因素会对我国人口流入与新冠肺炎疫情扩散之间的空间关系造成影响，同时这种关系也受到境外输入因素的影响，一些重点出入境口岸城市的新冠疫情扩散风险较大。
2）从新冠肺炎疫情扩散与人口流出的空间关系角度，本文将136个城市划分为“高高扩散快”“高低扩散快”“低高扩散快”“低低扩散快”“高高扩散慢”“高低扩散慢”“低高扩散慢”“低低扩散慢”8种类型，但“高高”“低低”类型占到90%，这也表明人口流动因素是影响我国疫情扩散严重程度的关键因素，“高高”类型的城市集中分布在湖北省及其周边以及和湖北经济联系紧密的北上广深等一线城市，表明新冠疫情扩散不仅仅是人口流动单一因素的结果，而且与城市之间经济联系强度、交流程度、时间成本等多种因素有关。需要指出的是，“低低扩散快”和“低低扩散慢”两种类型的空间分布较分散，造成其疫情扩散快慢差异的主要因素是各城市的疫情防控意识和应对措施不同。人口流入比例低、确诊病例比重低并不意味着疫情扩散的风险低，“低低扩散快”的城市仍存在着一定的疫情扩散潜在风险。疫情空间的分散化往往会使对策缺乏精准性，这也增加了全国疫情联防联控的难度。全国联防联控一盘棋的战略仍然不能放松，需要针对不同疫情扩散类型，关注空间分布分散的个别城市以及疫情扩散与人口流入关系不很紧密的个别城市，提出精细化的防控策略，这对中国当前尤其是未来新常态疫情防治工作仍十分必要。

4.2　启示

根据上述研究结论，本文对我国城市公共卫生治理提出以下三点政策启示：
1）我国疫情防控已经取得重大战略成果，但随着时间演进，全球疫情形势扩散的不确定性仍然存在。现阶段乃至未来一段时期，疫情防控将伴随中国经济社会发展成为新常态。本文得出的政策启示在于，中国疫情防控仍然要重视因地制宜、制定有针对性的防控策略。特别要重视新冠肺炎疫情扩散与人口流动、经济联系、交通成本、国际交流等多因素的关系，提出具体的分类调控预案。对于高高扩散型城市，建议制定城市边界管控条例，完善高速铁路、高速公路和航空等交通网络阻止疫情扩散的管控机制；要加强城市社区内部引导人员有秩序流动和监测的数字化管理，尽快完善社区公共卫生保障体系和数字化系统；要加强科技攻关，提升新冠肺炎诊疗水平，整合国内外优势医疗资源。还要加强人员迁移时空轨迹追踪与身体健康状况管理技术的进一步开发，创新大数据技术和手段在新冠疫情防治中的应用（周成虎 等，2020）。对于低低扩散型城市，建议要制定个性化的疫情防控方案。虽然这类城市人口流入少，确诊病例低，但是分布分散，防控和管理的难度大，难以做到精准防控。该类型城市的疫情防控最容易被忽视，但其潜在风险却很高。这类城市和发达地区的人口与经济联系偏弱，公共卫生和医疗资源供给相对较少，市民的疫情防控知识和防控意识普遍偏低，社区规范化的治理手段相对落后，一旦这类城市爆发疫情并快速扩散，防控治理难度和成本都很高。特别需要加强对“低低扩散快”类型城市疫情变化监控，加强风险意识，尽早提出这类城市有针对性的防控方案。
2）已有研究仅仅关注了人口流入与新冠肺炎疫情扩散之间的关系，对全国城市疫情防控未能提供分类指导建议。本文基于人口流入与新冠肺炎疫情扩散提出的分类调控方案，不仅涉及各种类型城市的分布，而且关注到了不同类型城市的演变。这给我们的启示在于，不仅要从动态的视角去看待当前的疫情防控，还要关注一些特殊类型城市的疫情防控工作，做到联防联控策略制定全覆盖、“一个都不能少”。这类特殊类型城市虽然数量不多，但往往关系着疫情防控工作的成败。需要指出的是，河南周口和江苏南京人口流入多，但新冠肺炎确诊病例数量低，这类城市疫情防控的成功经验和模式对其他城市疫情防控可能具有参考价值。而湖南的邵阳和浙江的温州的人口流入少，新冠肺炎确诊病例数高，这类城市疫情扩散必然存在特殊的原因，其监测与管理能力有待提升和优化。此外，一些疫情扩散和人口流入空间关系类型突然发生变化的城市，如山东济宁从“低低扩散快”类型转换为“低高扩散快”类型，主要是因为地方监狱系统管理不力所致，这类现象暴露出我国联防联控策略制定存在某些“死角”。可见，一些重点单位、特殊场所的疫情防控隐患的排查制度应该常态化，有助于堵上疫情防控存在的深层次漏洞。
3）城市群地区的中心城市以及边境口岸城市是我国对内对外经济联系的重点地区，也是疫情防控的重点地区。京津冀城市群、长三角城市群、粤港澳大湾区、长江中游城市群、成渝城市群、中原城市群等重点城市群是我国重要的交通枢纽和人流、物流重要集散地，人员密集，与全国乃至全球诸多城市之间都具有密切的社会经济往来和人员流动，其经济发展和新冠肺炎疫情防控事关我国经济社会发展全局。在当前情况下，要在分级管控京广、京九、沪昆等重要交通网络的人员流动背景下，对其沿线重点城市铁路、公路、航空等出入境口岸监管与防控仍不能掉以轻心，同时要化危为机，发挥城市群整体优势，集聚各城市合力，构建一体化的城市群数字经济项目和新冠肺炎疫情联防联控机制。有助于推进我国城市群地区之间在信息交换、物质调配、人员流动引导与管控、交通一体化、公共卫生一体化等方面建立城市协调联动示范机制，形成城市群间经济社会与公共卫生一体化体系。研究数据量、情景分析的多寡对研究结果的准确性具有重要影响。目前流行病学调查，新冠肺炎病毒潜伏期为1~14 d，多为3~7 d（国家卫生健康委员会医政管理局，2020）。因此，把2月23日武汉市“封城”后的第一个14天——2月6日作为新冠肺炎疫情暴发的第一个高峰期时间节点，以14 d作为疫情空间研究的一个时间节点，能较好地刻画武汉市人口流出和新冠肺炎疫情扩散的时空关系。但是新冠肺炎患者的潜伏期为0~14 d，探索多个时间段城市迁移规模指数和新冠肺炎累计确诊病例之间的时空关系，有助于增进人口流出与疫情扩散之间的组合情景分析。本文的研究价值一方面在于揭示136个城市新冠肺炎疫情扩散与人口流入的空间关系类型，更重要的是，城市群地区和口岸城市往往是我国人口流入多、经济联系频繁、经济发展压力大、疫情防控风险高的地区，承担着经济社会发展与稳定和疫情防控与治理的双重重任，本文力图为这些地区在疫情防控新常态和经济社会复苏背景下提供一些参考。

1 百度地图网址：https://map.baidu.com/@12573905,3220024,13z。

2 中国铁路客户中心网站：http://www.114piaowu.com/news/huochepiao/13351/。

感谢两位匿名审稿专家和编辑对本文的建设性意见和建议！

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Barnett E D and Walker P F. 2008．Role of Immigrants and Migrants in Emerging Infectious Diseases. Medical Clinics of North America, 92(6): 1447-1458.

边原，王玥媛，杨勇，舒永全，熊堉，童荣生，闫峻峰，何林，龙恩武，陈岷．2020．新型冠状病毒感染性肺炎抗病毒药物合理使用与药学监护．（2020-02-03）[2020-03-25]. 医药导报，http://kns.cnki.net/kcms/detail/42.1293.R.20200203.1003.002.html. [Bian Yuan, Wang Yueyuan, Yang Yong, Shu Yongquan, Xiong Yu, Tong Rongsheng, Yan Junfeng, He Lin, Long Enwu and Chen Min．2020．Rational Administration and Pharmaceutical Care of Antiviral Drugs for Novel Coronavirus Pneumonia. （2020-02-03）[2020-03-25]. Herald of Medicine. http://kns.cnki.net/kcms/detail/42.1293.R.20200203.1003.002.html.]

陈嘉源，施劲松，丘栋安，刘畅，李鑫，赵强，阮吉寿，高山．2020．2019新型冠状病毒基因组的生物信息学分析.生物信息学，18（2）：96-102. [Chen Jiayuan, Shi Jinsong, Tung On Yau,Liu Chang, Li Xin,Zhao Qiang,Ruan Jishou and Gao Shan．2020．Bioinformatics Analysis of the 2019 Novel Coronavirus Genome．Chinese Journal of Bioinformatics， 18（2）：96-102. ]

Chan Jasper Fuk-Woo, Yuan Shuofeng and Kok Kin-Hang．2020．A Familial Cluster of Pneumonia Associated with the 2019 Novel Coronavirus Indicating Person-to-Person Transmission: A Study of a Family Cluster. The Lancet, 395(10223): 514-523.

戴二彪．2020．新冠病毒疫情的全球现状与中国今后的对策. （2020-03-23）[2020-03-25]. https://baijiahao.baidu.com/s?id=1661917067933248451&wfr=spider&for=pc. [Dai Erbiao．2020．Global Status of Novel Coronavirus Epidemic and China's Countermeasures in the Future. (2020-03-23) [2020-03-25]. https://baijiahao.baidu.com/s?id=1661917067933248451&wfr=spider &for=pc. ]

管汉雄，熊颖，申楠茜，樊艳青，邵剑波，李宏军，李小明，胡道予，朱文珍，金征宇．2020．武汉2019新型冠状病毒(2019-nCoV)肺炎的临床影像学特征初探. 放射学实践，35（2）：125-130. [Guan Hanxiong, Xiong Ying, Shen Nanqian, Fan Yanqing, Shao Jianbo, Li Hongjun, Li Xiaoming, Hu Daoyu, Zhu Wenzen and Jin Zhengyu．2020．Clinical and Thin-section CT Features of Patients with 2019-nCoV-Pneumoniain Wuhan．Radiologic Practice， 35（2）： 125-130. ]

国家卫生健康委员会医政管理局．2020．关于印发新型冠状病毒肺炎诊疗方案（试行第六版）的通知．（2020-02-08）[2020-03-25]. 医政医管局，http://www.nhc.gov.cn/yzygj/s7653p/202002/8334a8326dd94d329df351d7da8aefc2.shtml. [National Health Council Medical Administration．2020．The Notice on the Issuance of a Programme for the Diagnosis and Treatment of Novel Coronavirus Pneumonia (The Sixth Trial Version)．(2020-02-08) [2020-03-25]. State Health and Health Commission of the People's Republic of China, http://www.nhc.gov.cn/yzygj/s7653p/202002/8334a8326dd94d329df351d7da8aefc2.shtml. ]

Guan Weijie, Ni Zhengyi, Hu Yu, Liang Wenhua, Ou Chunquan , He Jianxing, Liu Lei,Shan Hong, Lei Chunliang, David SC Hui, Du Bin, Li Lanjuan, Zeng Guang , Kowk-Yung Yuen, Chen Ruchong , Tang Chun-li, Wang Tao, Chen Pingyan, Xiang Jie, Li Shiyue, Wang Jinlin, Liang Zijing, Peng Yixiang, Wei Li, Liu Yong, Hu Yahua, Peng Peng, Wang Jianming, Liu Jiyang, Chen Zhong, Li Gang, Zheng Zhijian, Qiu Shaoqin ,Luo Jie, Ye Changjiang, Zhu Shaoyong and Zhong Nanshan．2020．Clinical Characteristics of 2019 Novel Coronavirus Infection in China. (2020-02-06) [2020-03-25]. medRxiv．http://dx.doi.org/10.1101/2020.02.06.20020974.

梁万年．2020．武汉疫情快速流行上升趋势得到遏制.（2020-02-09）[2020-03-25]. 新华网，http://www.nhc.gov.cn/xcs/fkdt/202002/de8415817d274c0da43f61f8d8c70b3d.shtml. [Liang Wannian．2020．The Rising Trend of the Epidemic Situation in Wuhan is Contained. (2020-02-09) [2020-03-25]. The Xinhua Net，http://www.nhc.gov.cn/xcs/fkdt/202002/de8415817d274c0da43f61f8d8c70b3d.shtml. ]

谈在祥，吴松婷，韩晓平．2020．美国、日本突发公共卫生事件应急处置体系的借鉴及启示——兼论我国新型冠状病毒肺炎疫情应对. （2020-02-10）[2020-03-25]. 卫生经济研究，https://doi.org/10.14055/j.cnki.33-1056/f.20200210.001. [Tan Zaixiang, Wu Songting and Han Xiaoping．2020．References and Enlightenments from the Public Health Emergency Response Systems of the United States of America and Japan—Pneumonia Epidemic Response to Novel Coronavirus Pneumonia in China．（2020-02-10）[2020-03-25]. Health Economics Research，https://doi.org/10.14055/j.cnki.33-1056/f.20200210.001. ]

王圣云，宋雅宁，温湖炜，李晶．2019．双向联系视域下长江经济带城市群网络结构——基于时间距离和社会网络分析方法.经济地理，39（2）：73-81. [Wang Shengyun, Song Yaning, Wen Huwei and Li Jing．2019．Network Structure Analysis of Urban Agglomeration in the Yangtze River Economic Belt under the Perspective of Bidirectional Economic Connection：Based on Time Distance and Social Network Analysis Method．Economic Geography, 39(2):73-81. ]

王霞，唐三一，陈勇，冯晓梅，肖燕妮，徐宗本．2020．新型冠状病毒肺炎疫情下武汉及周边地区何时复工? 数据驱动的网络模型分析.中国科学：数学，50：1-10 [2020-02-20]. http://kns.cnki.net/kcms/detail/11.5836.o1.20200220.1907.002.html.[Wang Xia, Tang Sanyi, Chen Yong, Feng Xiaomei, Xiao Yanni and Xu Zongben．2020．When Will be the Resumption of Work in Wuhan and Its Surrounding Areas during COVID-19 Epidemic? A Data-Driven Network Modeling Analysis . Sci. Sin. Math, 50: 1-10 [2020-02-20]. DOI: 10.1360/SSM-2020-0037. ]

王玉光，齐文升，马家驹，阮连国，卢幼然，李旭成，赵昕，张忠德，刘清泉．2020．新型冠状病毒（2019-nCoV）肺炎中医临床特征与辨证治疗初探．中医杂志，61（4）：281-285.[Wang Yuguang, Qi Wenshen, Ma Jiaju, Ruan Liguo, Lu Youran, Li Xucheng, Zhao Xin, Zhang Dezhong and Liu Qingquan．2020．Clinical Features and Syndrome Differentiation of Novel Coronavirus Pneumonia in Traditional Chinese Medicine. Journal of Traditional Chinese Medicine, 61（4）： 281-285. ]

Wu Joseph T, Leung Kathy and Leung Gabriel M．2020．Nowcasting and Forecasting the Potential Domestic and International Spread of the 2019-nCoV Outbreak Originating in Wuhan, China: A Modelling Study. The Lancet, 395: 689-697[2020-01-31]. http://www.indiaenvironmentportal.org.in/files/file/2019-nCoV-out break.pdf.

武文韬，柏如海，李达宁，冯敖梓，徐安定，吕军．2020．广东省新型冠状病毒肺炎疫情流行趋势的初步预测. （2020-02-12）[2020-03-25]. 暨南大学学报（自然科学与医学版），http://kns.cnki.net/kcms/detail/44.1282.n.20200212.1132.004.html. [Wu Wentao, Bai Ruhai, Li Daning, Feng Aozi, Xu Anding and Lv Jun．2020．Preliminary Prediction of the Epidemic Trend of 2019 Novel Coronavirus (2019-nCoV) Pneumonia in Guangdong Province．(2020-02-12) [2020-03-25]. Journal of Jinan University( Natural Science & Medicine Edition), http://kns.cnki.net/kcms/detail/44.1282.n.20200212.1132.004.html.]

中国卫生与健康委员会．2020．中国-世界卫生组织新型冠状病毒肺炎（COVID-19）联合考察报告. （2020-02-08）[2020-03-25]. 疾病预防控制局，http://www.nhc.gov.cn/jkj/s3578/202002/87fd92510d094e4b9bad597608f5cc2c.shtml. [Health and Health Commission of the People's Republic of China．2020．China-World Health Organization Joint Investigation Report on New Coronavirus Pneumonia (COVID-19).(2020-02-08) [2020-03-25]. The Department of Disease Prevention and Control，http://www.nhc.gov.cn/jkj/s3578/202002/87fd92510d094e4b9bad597608f5cc2c.shtml. ]

中华预防医学会新型冠状病毒肺炎防控专家组，中华预防医学会．2020．新型冠状病毒肺炎流行病学特征的最新认识．中国病毒病杂志，https://doi.org/10.16505/j.2095-0136.2020.0015. [Special Expert Group for Control of the Epidemic of Novel Corvirus Pneumonia of the Chinese Prevenive Medicine Association and the Chinese Preventive Medicine Association．2020．A Update on the Epidemiological Characteristics of Novel Coronavirus Pneumonia(COVID-19)．Chinese Journal of Viral Diseases．https://doi.org/10.16505/j.2095-0136.2020.0015. ]

周成虎，裴韬，杜云艳，陈洁，许珺，王姣娥，张国义，苏奋振，宋辞，易嘉伟，马廷，葛咏，张岸，姜莉莉．2020．新冠肺炎疫情大数据分析与区域防控政策建议.中国科学院院刊，35（2）：200-203. [Zhou Chenghu, Pei Tao, Du Yunyan, Chen Jie, Xu Jun, Wang Jiao'e, Zhang Guoyi, Su Fenzhen,Song Ci, Yi Jiawei, Ma Ting, Ge Yong, Zhang An and Jiang Lili．2020．Big Data Analysis on COVID-19 Epidemic and Suggestions on Regional Prevention and Control Policy．Bulletin of Chinese Academy of Sciences, 35(2): 200-203. ]

Zimmerman C, Kiss L and Hossain M．2011．Migration and Health: A Framework for 21st Century Policy-Making. PLoS Medicine, 8(5): e1001034.

Options
文章导航

/

〈 〉