EN中文

热带地理 >

2022 , Vol. 42 >Issue 10: 1713 - 1723

DOI: https://doi.org/10.13284/j.cnki.rddl.003488

公共安全研究

广州“5·21”新冠肺炎疫情时空演化与防控管理

  • 李文辉 , 1, 3 ,
  • 陈丽茹 2 ,
  • 冼楚盈 1 ,
  • 孙彩歌 1
展开
  • 1. 华南师范大学，地理科学学院，广州 510006
  • 2. 华南师范大学，经济与管理学院，广州 510006
  • 3. 华南师范大学，国家绿色光电子国际联合研究中心，广州 510006

李文辉（1980—），男，广东惠州人，博士，研究员，主要研究方向为数理统计与疫情地理、专利计量与创新地理，（E-mail）。

收稿日期: 2021-11-17

  修回日期: 2022-01-20

  网络出版日期: 2022-10-28

基金资助

国家社科基金重大项目(21ZDA011)

国家自然科学基金项目(41871107)

收起

Temporal and Spatial Evolution and Prevention and Control Management of the "5·21" COVID-19 in Guangzhou

  • Wenhui Li , 1, 3 ,
  • Liru Chen 2 ,
  • Chuying Xian 1 ,
  • Caige Sun 1
Expand
  • 1. School of Geography, South China Normal University, Research on Green Optoelectronics, South China Normal University, Guangzhou 510006, China
  • 2. School of Economics and Management, Research on Green Optoelectronics, South China Normal University, Guangzhou 510006, China
  • 3. National Center for International, Research on Green Optoelectronics, South China Normal University, Guangzhou 510006, China

Received date: 2021-11-17

  Revised date: 2022-01-20

  Online published: 2022-10-28

Fold

本文亮点

广州“5·21”新冠肺炎疫情是境内首起由新冠病毒“德尔塔”（Delta）变异毒株引发的本土疫情。以广州“5·21”疫情感染者为对象，采用统计分析、文本分析和社会网络分析方法，分析本土境外输入关联疫情的统计特征、扩散网络与防控管理。研究结论主要有：1）广州“5·21”疫情感染者以老年人居多，感染者潜伏期较短，病毒传播速度快。核酸检测筛查可将病毒传播的风险精准控制在已知范围；行程轨迹可以辅助及时厘清病毒传播链条，切断传播途径。2）感染者所在区和镇街、重点防控区域、分级分类防控管理区域呈片状和点状分布，感染者在少数镇街呈集聚分布特征，疫情传播以接触扩散为主、兼具跳跃扩散的特征。3）疫情扩散传播网络以“簇状”和“链状”为主，网络整体呈现一定“小世界”特征；网络节点层面指标值较高的节点处于疫情接触扩散传播网络的关键路径，是疫情分级分类防控管理的重点对象。4）疫情分级分类防控管理应做好出入管理、社区管控、居家隔离、需求保障、生活垃圾处理、环境消杀、健康监测和服务、核酸检测、宣传引导和管控解除等工作。

本文引用格式

李文辉 , 陈丽茹 , 冼楚盈 , 孙彩歌 . 广州“5·21”新冠肺炎疫情时空演化与防控管理[J]. 热带地理, 2022 , 42(10) : 1713 -1723 . DOI: 10.13284/j.cnki.rddl.003488

Highlights

The "5·21" epidemic in Guangzhou was the first local outbreak in China caused by the COVID-19 mutation (Delta). This study analyzed the statistical characteristics, diffusion network, and prevention and control management of the epidemic domestically and globally, using infected persons during the "5·21" epidemic in Guangzhou as an example. The research methods include statistical analysis, text analysis and social network analysis. The research conclusions showed: (1) that most infected people during the epidemic were older adults. The virus incubation period was short and spread quickly. Furthermore, nucleic acid detection and screening can accurately control the risk of virus transmission within a known range. The virus's travel path in Guangzhou helped clarify the transmission chain timeously and cut off the transmission route. (2) The infected persons in Guanzhou were distributed in fragments and distributed throughout the region, town streets, key areas, and designated prevention and control management areas. The infected persons were clustered in a few towns and streets in Guangzhou. The epidemic spread in Guangzhou is mainly due to interpersonal contact and has airborne spread characteristics. (3) The virus spread happened in "cluster" and "chain" formations. This network presents "small world" characteristics as a whole. In Guangzhou, nodes with high index values at the network node level have established extensive contact relations with other nodes and are on the key path of the epidemic contact diffusion network. They are the key objects of hierarchical and classified epidemic prevention and control management. (4) The "5·21" epidemic situation in Guangzhou shows the hierarchical and classified prevention and control management measures should include 10 aspects: access management, community control, home isolation, demand guarantee, domestic waste treatment, environment disinfection, health monitoring and services, nucleic acid detection, publicity and guidance, control lifting.

新型冠状病毒肺炎（Corona Virus Disease 2019，COVID-19）出现以来，社会各界给予高度关注。从集中暴发期的情况看，中国COVID-19疫情在空间扩散上表现出邻近扩散、迁移扩散、等级扩散和廊道扩散等地理模式（王姣娥 等，2020），空间分布上呈现“喇叭”状的“一核两弧多岛”格局（李钢 等，2020）；在时间变化上表现出隐性扩散、快速扩散与暴发、扩散遏制、扩散衰减4个阶段（向云波 等，2020），呈“核发—群发—散发—点发”特征（李钢 等，2020）；确诊病例数经历了“快速增长扩散、基本控制、逐渐下降、局部地区完全控制”的变化特征（巫细波 等，2021）；疫情扩散受地理邻近性、人口流动、人口规模、交通网络、疫情防控管理等因素的影响（向云波 等，2020）。从湖北疫情看，人口迁徙数、医疗机构数、GDP和交通路网等对扩散具有显著影响（廖文悦 等，2021）。从浙江（白雪 等，2021）、广东（刘逸 等，2020）、河南（刘勇 等，2020）、安徽（洪丹丹 等，2021）、重庆（陈晓 等，2020）等省市疫情看，遵循与湖北地理邻近和网络邻近的特征，且大多为家庭式集聚性扩散。从境外疫情看，颗粒物在COVID-19传播扩散中具有明显的潜在作用（Setti et al., 2020），商店、超市、餐饮、汽车站、医院、银行等生活服务地点与病毒传播显著相关（Pourghasemi et al., 2020），有效的社交距离和最佳的检测水平，可以减缓病毒传播（Vatcheva et al., 2021）。边境口岸地区是传染病境外输入防控中的薄弱区域（程艺 等，2021），中国境外输入病例集中来自欧洲、亚洲和北美洲，主要输入到中国沿海和边境省份，全球疫情升级及境外病例输入给中国的疫情防控造成巨大压力（沈淑容 等，2021）。
2020年12月至2021年1月，COVID-19疫情在中国呈现多点同时散发的特征，辽宁大连和沈阳、河北石家庄和邢台、黑龙江绥化和哈尔滨、吉林通化、北京大兴相继发生疫情。在此之后，云南瑞丽、辽宁营口、安徽六安、广东深圳和广州，先后于2021年3月，5月上中旬、下旬发生了COVID-19疫情，但疫情呈现散发特征，即疫情零星分散出现，且情况不太严重，还没有导致局部的暴发和大面积流行。这也印证，只要世界疫情没有结束，中国疫情防控就无法结束（潇湘名医，2020；张文宏，2020）。
2021-05-21，广州市卫生健康委员会网站公布了1例境外输入关联确诊病例，并由此引发了新一轮本土疫情，新增确诊病例和无症状感染者延续至6月18日，称为广州“5·21”疫情。6月18日T 24：00开始，广州市COVID-19疫情确诊病例和无症状感染者再度“清零”，且超过14 d无新增（国家卫生应急办公室，2021）。广州“5·21”疫情是境内首起由新冠病毒“德尔塔”（Delta）变异毒株引发的本土境外输入关联疫情，其防控经验对常态化疫情防控具有重要意义。因此，本研究以2021-05-21—06-18广东省广州市新型冠状病毒肺炎疫情为例，分析本土境外输入关联疫情的统计特征、扩散网络与防控管理。以期为巩固疫情防控成果，做好常态化下散发疫情精准防控管理提供借鉴。

1 研究设计与数据来源

1.1　研究区域与对象

研究区域为广东省广州市（图1）。广州是中国广东省省会、国家重要的中心城市、国际商贸中心和综合交通枢纽，是中国通往世界的南大门和粤港澳大湾区、泛珠江三角洲经济区的中心城市以及“一带一路”的枢纽城市（广州市商务局，2016）；广州全市下辖11个区，总面积7 434.40 km2，2020年常住人口1 867.66万人，地区生产总值25 019.11亿元（广州市统计局，2021）。具体研究对象为2021-05-21—06-18广东省广州市公布的153例新型冠状病毒肺炎境内确诊病例和无症状感染者（合称“感染者”），及其与地理流行病学和疫情防控相关的情况。
图1 广州市各区及镇街区划

Fig.1 The zoning of districts, towns and streets in Guangzhou

1.2　数据来源与整理

“感染者”数据来源于广州市卫生健康委员会网站 1公布的数据。利用Python与C++语言构建分布式爬虫程序提取2021-05-21—06-18广州境内本土感染者信息。借助SPSS26.0统计分析软件，采用文本分析方法，共收集整理境内本土感染者信息153例。以“广东-广州”首字母+月日+当日序号”对153例感染者进行编码，如5月21日的1号“感染者”编码为“GDGZ0521-1”，并收集性别、年龄、接触时间、确诊时间、接触者和居住地址等信息。
密切接触者、重点防控区域分布、分级分类防控管控数据均来源于广州市卫生健康委员会网站①，核酸检测量数据来源于广州市人民政府新闻办公室每日举办的广州市疫情防控新闻发布会 2和广州市各有关区公布的数据，分级分类防控管控涉及人口数据来源于广州市各有关区人民政府网站信息和有关单位网站。利用Python与C++语言构建分布式爬虫程序提取有关信息，共收集整理密切接触者2 589名、重点防控区域243个、分类防控管控区域82个、核酸检测量3 548.01万剂次以及分级分类防控管控区域涉及人口270.16万人。

1.3　研究方法

1）统计分析法。借助SPSS26.0统计分析软件，通过整理收集的数据信息分析感染者人群特征、时序演变特征、潜伏期特征和密切接触者特征。
2）文本分析法。借助Python与C++语言构建分布式爬虫程序，通过整理收集的文本信息分析感染者区域分布特征、重点防控区域特征和核酸检测特征。
3）社会网络分析法。借助Ucinet等软件，通过已编码的感染者矩阵信息，分析疫情扩散网络结构特征。网络由一组节点V（V 1、V 2……Vn ）和一组边E（E 1、E 2……En ）构成。具体指标见表1（李文辉 等，2020）。
表1 广州“5·21”疫情扩散网络分析指标体系

Table 1 The analysis index system of diffusion network for "5·21" epidemic situation in Guangzhou

网络层级 衡量指标 计算公式 指标说明
整体层面 节点数 N=|V| （1） 反映网络的规模
边数 M=|E| （2）
密度 D e = 2 | E | | V | ( | V | - 1 ) （3） 反映网络的 紧凑程度
平均路径长度 L = 1 1 2 N ( N + 1 ) d i j （4） 反映网络中信息 传递的效率
节点层面 节点度 C D ( N i ) = ∑ j = 1 N a i j ( i ≠ j ) （5） 衡量网络节点的 基本特征
度数中心性 C D ( N i ) ̃ = ∑ j = 1 N a i j i ≠ j N - 1 （6） 反映网络节点地位 最直接的指标
中间中心性 C B = ∑ j < k g j k ( N i ) g j k （7）
接近中心性 C ( i ) = N - 1 ∑ n = 1 N D i n （8） 反映网络节点的独立性

注：式（4）中dij 代表节点i和节点j之间的距离；式（5）中当节点i与节点j之间存在连接边时，aij=1，否则aij=0；式（7）中gjk 为节点j和k间存在的最短线数目，gjk （Ni ）为包含Ni 个gjk 节点；式（8）中 D i n表示节点i到节点n的最短距离。公式参考文献（李文辉 等，2020）

2 疫情统计特征分析

2.1　感染者人群特征

图2显示，153例感染者中，男性63例，占41.18%；女性90例，占58.82%。除少年儿童外，其他年龄段的感染者均为女性多于男性。老年人感染者最多，为52例，占33.99%。这与本轮疫情集中在老年人较多的老城区荔湾区有关（符畅，2019）。广州老人有“喝早茶”的习惯，导致“早茶传播链”中多人感染。中年人感染者37例，占24.18%；青年人感染者36例，占23.53%；少年儿童感染者28例、占18.30%。感染者年龄最大的92岁，最小的1岁，平均年龄47.34岁。女性感染者多于男性的原因是中老年女性更热衷于参加早茶、广场舞等聚集性活动。如53岁的GDGZ0528-5女性感染者，共通过密切接触直接传染15人，其中，14人为女性（12人为中老年女性）。
图2 广州“5·21”疫情感染者年龄结构特征

Fig.2 The age structure characteristics of infected persons for "5·21" epidemic situation in Guangzhou

2.2　感染者时序演变特征

从图3可以看出，2021-05-21—06-18，广州共报告境内COVID-19感染者153例，平均每日报告5.46例。每日新增情况总体上呈现先增后减的趋势，5月21日至6月2日新增感染者数量在波动中呈增长趋势，其中6月2日达到峰值，为16例，反映了广州“5·21”疫情在初期快速传播的特点；6月3日之后，每日新增数在波动中呈递减趋势。这说明疫情扩散势头在10 d左右的短期内得到有效控制。
图3 广州“5·21”疫情感染者数量时序演变特征

Fig.3 The time series evolution characteristics of the number of infected persons for "5·21" epidemic situation in Guangzhou

2.3　感染者潜伏期特征

从图4可以看出，153例COVID-19感染者中，潜伏期为1 d的感染者最多，为68例，占44.44%；感染者潜伏期最长的为14 d，共1例，占0.65%。平均潜伏期为3.25 d，比有关研究发现的疫情早期潜伏期10.14 d短6.89 d（李文辉 等，2020）。广州“5·21”疫情潜伏期小于平均值3.25 d的感染者共107例、占69.93%，潜伏期大于平均值的感染者共46例、占30.07%。说明接近7成的感染者在3 d左右即被发现，这得益于广州市疾控部门对重点人群所开展的精准排查，以及开展全区全员核酸检测工作。其中43例感染者为在重点人群排查中直接发现，占感染者总数153例的28.10%。这也说明新冠病毒“德尔塔”（Delta）变异毒株引起的新冠肺炎感染者潜伏期更短，传播速度更快（高珊珊，2021）。
图4 广州“5·21”疫情感染者潜伏期特征

Fig.4 The characteristics of incubation period of infected persons for "5·21" epidemic situation in Guangzhou

2.4　感染者区域分布特征

从图5可以看出，153例感染者共分布在广州市的荔湾、南沙、海珠、番禺、白云和越秀等6个区的16个镇街。荔湾区感染者共128例，占83.66%。其中，白鹤洞街道89例，占58.17%；中南街道30例，占19.61%；东漖街道4例，占2.61%；花地街道和龙津街道各2例，分别占1.31%；东沙街道1例，占0.65%。南沙区共10例，占6.54%，均在珠江街道。海珠区共8例，占5.23%。其中，瑞宝街道3例，占1.96%；沙园街道2例，占1.31%；滨江街道、南州街道和昌岗街道各1例，分别占0.65%。番禺区大石街道和洛浦街道各2例，分别占1.31%。白云区永平街道2例，占1.31%。越秀区北京街道1例，占0.65%。可见，从行政区分布看，除南沙区外，其他有感染者分布的区均与疫情最早出现的荔湾区接壤，反映了疫情传播以接触扩散为主、兼具跳跃扩散的特征。从感染者的镇街分布看，荔湾区白鹤洞街道和中南街道、南沙区珠江街道感染者均在两位数，反映了感染者在少数镇街集聚分布的特征。这些镇街在区域上呈片状和点状分布，原因是广州市政府较早采取了封闭、封控和闭环等疫情分级分类防控管理措施，将疫情有效控制在一定区域内，抑制疫情扩散。
图5 广州“5·21”疫情感染者区域和重点防控区域分布特征

Fig.5 The regional distribution characteristics of infected persons and key prevention and control areas for "5·21" epidemic situation in Guangzhou

2.5　核酸检测量变化特征

图6反映了广州“5·21”疫情核酸检测量变化特征。截至2021-06-18，广州疫情共开展核酸检测3 548.01万剂次，即每新增1例感染者需开展核酸检测23.19万剂次，核酸检测总费用约为28.38亿元。从趋势看，感染病例数的增长趋势拟合指数R 2为0.967 2，核酸检测量的增长趋势拟合指数R 2为0.893 3，两者的增长趋势具有明显的正向相关性；感染病例数的日均增长率为24.50%，核酸检测量的日均增长率为36.36%，即核酸检测量的增加速度比感染病例数的增加速度快11.86%，才能更好地有效控制疫情扩散。而“无新增并不代表无风险”，截至2021-07-08在院感染者全部清零，广州市累计开展核酸检测六轮共5 780.00万剂次（高珊珊，2021）。可见，疫情防控需要耗费大量财力开展多轮、多层次的核酸筛查工作，而只有进行多轮核酸检测才能确保疫情防控在与病毒“赛跑”中取得时效。
图6 广州“5·21”疫情核酸检测量变化特征

Fig.6 The variation characteristics of nucleic acid detection for "5·21" epidemic situation in Guangzhou

2.6　密切接触者特征

图7反映了广州“5·21”疫情密切接触者人数变化特征。广州“5·21”疫情共甄别密切接触者2 589人，最大限度地追踪和排查了有感染风险的人员；平均每位感染者的密切接触者为16.92人，即每新增1例感染者大约会新增密切接触者17人。从趋势看，感染病例数的增长趋势拟合指数R 2为0.967 2，密切接触者数的增长趋势拟合指数R 2为0.975 7，两者的增长趋势具有明显的正向相关性；感染病例数的日均增长率为24.50%，密切接触者数的日均增长率为23.47%，即密切接触者数的增加速度比感染病例数的增加速度慢1.03%，原因是从6月13日开始的新增病例，均是在分级分类防控管理措施中从密切接触者排查发现的，没有出现新的密切接触者。广州通过多部门协同开展流行病学调查，形成范围广、速度快、精准程度较高的感染者行程轨迹，锁定密切接触者，及时厘清了病毒可能传播的完整链条，有效切断了传播途径。
图7 广州“5·21”疫情密切接触者人数变化特征

Fig.7 The change characteristics of the number of close contacts for "5·21" epidemic situation in Guangzhou

2.7　重点防控区域分布特征

表2和图5反映了广州“5·21”疫情重点防控区域分布特征。可以看出，疫情重点防控区域分布在荔湾、南沙、海珠、番禺、越秀、白云、天河和黄埔等8个区。共涉及镇街43个，其中荔湾涉及镇街最多，共12个，占27.91%；其次为海珠，共8个，占18.60%；越秀共7个，占16.28%。243个疫情重点防控区域中，荔湾最多，共94个，占38.68%；其次为南沙，共63个，占25.93%；海珠和番禺也超过20个，分别为29和25个，占11.93%和10.29%。可见，除南沙、天河和黄埔区外，其他有重点防控区域分布的区均与疫情最早出现的荔湾区接壤，也反映了疫情传播以接触扩散为主、兼具跳跃扩散的特征。重点防控区域比感染者的分布要相对分散，原因是广州市政府除了感染者外，还对密切接触者进行了行程轨迹流行病学调查，以确定疫情重点防控区域。可见，疫情防控还需要花费大量的人力，才能将病毒传播的风险精准控制在已知的重点防控区域内。
表2 广州“5·21”疫情重点防控区域数量区域分布情况

Tab.2 The number and distribution of key prevention and control areas for "5·21" epidemic situation in Guangzhou

序号 所在区 涉及镇街数量/个 重点防控区域数量/个
合计 43 243
1 荔湾 12 94
2 南沙 4 63
3 海珠 8 29
4 番禺 3 25
5 越秀 7 14
6 白云 3 10
7 天河 5 6
8 黄埔 1 2

3 感染者扩散传播网络特征分析

3.1　网络整体层面特征

图8为以153例感染者为节点、以接触扩散传播关系为边生成的广州“5·21”疫情感染者扩散网络。可以看出，多数节点之间存在接触扩散传播关系，少数节点为孤立节点，扩散传播网络以“簇状”和“链状”为主，网络整体呈现一定“小世界”特征，即网络的局部结构具有较明显的集聚特性。
图8 广州“5·21”疫情感染者扩散传播网络

Fig.8 The schematic diagram of infection diffusion network for "5·21" epidemic situation in Guangzhou

广州“5·21”疫情感染者扩散传播网络节点数为153个，即153例感染者。网络边数为264条，即节点之间存在264对接触扩散传播关系。网络密度为0.022，网络较稀疏（Mayhew, 1976）。网络平均路径长度为2.99，即2个感染者之间需要有3个中间感染者，才有可能出现接触扩散传播关系。这也说明广州“5·21”疫情得到了较好的防控，没有造成密集的接触扩散传播网络。

3.2　网络节点层面特征

表3反映了广州“5·21”疫情感染者扩散传播网络节点层面指标特征，因篇幅所限，仅列出各指标值排前5（含并列）的情况。从节点度看，GDGZ0528-5最大，为15，即该节点与其他15例感染者形成接触扩散传播关系；其次是GDGZ0526-2，为10，GDGZ0606-1和GDGZ0606-2的节点度均为8，GDGZ0607-7和GDGZ0526-1的节点度均为6。这些节点度较大的节点，是网络中与接触其他感染者最多、造成疫情扩散传播最广泛的节点。
表3 广州“5·21”疫情感染者扩散传播网络节点层面指标特征（TOP5）

Table 3 The characteristics of indicators at the node level of infected people's diffusion network for "5·21" epidemic situation in Guangzhou

节点 节点度 度数中心性 中间中心性 接近中心性
GDGZ0528-5 15 9.868 1.821 —
GDGZ0526-2 10 6.250 2.531 0.799
GDGZ0606-1 8 5.263 — —
GDGZ0606-2 8 5.263 — —
GDGZ0607-7 6 3.947 — —
GDGZ0526-1 6 3.947 1.229 0.798
GDGZ0527-2 — — 1.621 0.798
GDGZ0605-3 — — 1.155 0.798
GDGZ0526-3 — — — 0.798
GDGZ0526-4 — — — 0.798
度数中心性最大的节点是GDGZ0528-5，为9.868；其次是GDGZ0526-2，为6.250；GDGZ06 06-1和GDGZ0606-2的度数中心性均为5.263，GDGZ0607-7和GDGZ0526-1的度数中心性均为3.947。这些度数中心性较大的节点处在网络的中心位置，与其他节点建立了更为广泛的接触传播关系，对疫情扩散具有更为重要的影响。
中间中心性最大的节点是GDGZ0526-2，为2.531；其次是GDGZ0528-5，为1.821；GDGZ 0527-2、GDGZ0526-1和GDGZ0605-3的中间中心性分别为1.621、1.229和1.155。这些中间中心性较大的节点，位于许多其他关系对的最短路径上，对疫情接触扩散传播网络拥有较高的控制程度，可以将不同的节点联系起来，促进不同节点之间的接触交流，从而增大了疫情扩散传播的可能性和速度。
接近中心性最大的节点是GDGZ0526-2，为0.799；其次是GDGZ0526-1、GDGZ0527-2、GD GZ0605-3、GDGZ0526-3和GDGZ0526-4，接近中心性均为0.798。这些接近中心性较大的节点，占据节点间连接路径的关键位置，与各方向的其他节点距离更近，也更不容易受到其他节点的控制和影响，更易造成疫情接触扩散传播。
从表3也可以看出，虽然网络节点层面指标4项指标考察角度和计算方法各不相同，但计算结果在网络中的排位比较相近，这些指标值较高的节点既与其他节点建立了广泛的接触关系，又处于疫情接触扩散传播网络的关键路径，具有较强的影响力和控制力。如GDGZ0528-5感染者，为广州“5·21”疫情于荔湾区中南街道海南村发现的第1例感染者，共导致海南村28人感染，其中与GDGZ 0528-5相关联的感染者22人，有直接密切接触的感染者15人。因此，更需要对网络节点层面指标值较大的节点及其涉及的重点防控区域，实施分级分类精准防控管理。如前文所分析，GDGZ0528-5为53岁的女性感染者，中老年女性更热衷于参加早茶、广场舞等聚集性活动。

4 疫情分级分类防控管理分析

4.1　区域分布特征

广州“5·21”疫情发生之后，广州市根据疫情防控形势，采取了分级分类防控管理措施。图9反映了广州“5·21”疫情分级分类防控管控区域特征，共划分管控区域82个，涉及人口270.16万人，即每1例感染者涉及1.77万人需要被管控；涉及人口数量占广州市2020年常住人口1 867.66万人的14.47%（广州市统计局，2021）。其中，封闭管理区域43个，占管控区域82个的52.44%，涉及人口21.68万人，占管控区域涉及人口的8.02%；封控管理区域14个，占17.07%，涉及人口46.72万人，占17.29%；闭环管理区域25个，占30.49%，涉及人口201.76万人，占74.68%。封闭管理区域分布为荔湾区29个，占67.44%；海珠区和黄埔区各3个，分别占6.98%；番禺区、天河区和越秀区各2个，分别占4.65%；白云区和南沙区各1个，分别占2.33%。封控管理区域分布为荔湾区6个，占42.86%；南沙区4个，占28.57%；番禺区和黄埔区各1个，分别占7.14%。闭环管理区域分布为荔湾区13个，占52.00%；番禺区4个，占16.00%；白云区3个，占12.00%；海珠区和越秀区各2个，分别占8.00%；南沙区1个，占4.00%。可见，从各区分布看，疫情分级分类防控管理区域呈片状和点状分布特征，也可以看出管理所涉及的范围广、人口多，增加了疫情防控管理的成本和难度。
图9 广州“5·21”疫情封闭、封控、闭环管理区域分布特征

Fig.9 The regional distribution characteristics of closed, sealed and closed-loop management for "5·21" epidemic situation in Guangzhou

4.2　管理措施

广州市采取了疫情分级分类防控管理措施（表4），包括出入管理、社区管控、居家隔离、需求保障、生活垃圾处理、环境消杀、健康监测和服务、核酸检测、宣传引导、管控解除等10个方面。这些措施使广州能够精准有效地在10 d左右快速遏制了疫情的蔓延（高珊珊，2021），没有造成疫情向省外扩散和溢出。
表4 广州“5·21”疫情分级分类防控管控管理措施

Table 4 The hierarchical and classified prevention and control management measures for "5·21" epidemic situation in Guangzhou

管理措施 封闭管理 封控管理 闭环管理
出入管理 相关区域设置卡口，实行24 h值守
相关区域仅保留一个出入口；人员只进不出，车辆禁止通行；人员 就医等需求需提供相关佐证方可出入，出入时规范防护，严格消毒 出入口严格执行体温必测、口罩必戴、扫通行码、亮健康码通行；禁止非必要人员及车辆进出
社区管控 娱乐场所、群众性健身文化活动场所等全部停业
停止区域内所有商贸服务 停止区域内非生活必需的商贸服务，保留1~2家超市、肉菜市场，其员工不得离开封控管理区，工作时全程规范佩戴口罩 餐饮单位严禁堂食；超市、肉菜市场加强通风，限制人流，提倡非现金支付
居家隔离 所有人员足不出户 不聚集不串门，在第1次核酸检测结果出具前暂实施居家隔离；持48 h内核酸检测阴性结果的，外出时尽量避免乘坐公共交通，“两点一线”往返目的地
－ 待2次核酸检测结果阴性后，可以有序到社区（村）内的超市采购生活物资、领取快递以及参加非聚集性活动等
需求保障 关注残疾人、独居老人、外出就医等人群的特殊需求，困难人员由政府保障生活必需品的供给；物流专人管理 区域内公共交通限制载客量保持在限定值60%以下
保障水电网络通讯畅通，引导居民网上购物，无接触配送到家 组织物流网络保障物资供应，区域内超市、肉菜市场为居民提供服务；可适当设置外卖、快递临时暂存点，无接触配送
生活垃圾 处理 普通居民产生的垃圾按“其他相关生活垃圾”处置；使用后废弃的口罩，按照生活垃圾分类要求处理
涉疫情生活垃圾清理前用含有效氯500~1 000 mg/L的消毒液或75%的酒精喷洒消毒，双层垃圾袋包装，再按照生活垃圾分类要求处理；设置指定垃圾收集装置，日产日清
环境消杀 严格按照操作标准开展消毒工作，重点对厢式电梯、公共楼道、公共卫生间、公共座椅、健身器材等公共区域与设施和电梯按键、楼梯扶手、单元门把手、快递柜等手经常接触的重点部位进行消毒 加强爱国卫生运动，清除卫生死角，加强对公共卫生间、社区活动场所、户外活动设施等公共部位以及垃圾站点的消毒
健康监测和 服务 实施“专人包户”制度，居委和属地公安机关组成监控和服务团队，“社区三人组”负责居家观察人员健康监测，每日2次体温检测和症状询问；出现发热、咳嗽等症状人员及时送定点医院排查；辖区医疗机构负责居民日常疾病诊疗，需转区域外时及时进行核酸检测 落实“四个一”健康服务，指导居民自我健康检测，每日测量体温，出现发热、咳嗽等症状及时到辖区内正规医疗机构就诊，并向所在社区报备，基层医疗卫生服务机构随访；辖区医疗机构加强发热病例监测，药店强化发热等感冒药销售登记上报管理
核酸检测 隔离第1天、第4天、第7天、第14天对区域内全体居民开展核酸检测（封闭管理区域在第10天增加1次），采样时避免人群聚集和交叉 根据实际情况开展核酸检测
宣传引导 密切关注群众反映，加强对群众的心理疏导和宣传引导，营造“不造谣、不传谣、不信谣”的防控氛围，维护区域稳定
管控解除 14 d内无新增感染者，病例及密切接触者有效管控，环境清洁消毒合格，达到封控管理时限后，由街道（镇）提交申请，区新冠肺炎防控指挥部组织相关部门进行评估，报市新冠肺炎防控指挥部同意，解除管控

5 结论

以2021-05-21—06-18广东省广州市新型冠状病毒肺炎疫情为例，借助SPSS26.0统计分析软件和Ucinet软件，采用统计分析、文本分析和社会网络分析等方法，分析散发疫情的地理流行病学统计特征、扩散网络与防控管理，得出以下结论：
1）从地理流行病学特征看，广州“5·21”疫情感染者以老年人居多，感染者数量时序演变呈先增后减趋势，说明新冠病毒“德尔塔”（Delta）变异毒株引起的新冠肺炎感染者潜伏期较短，传播速度快。疫情防控需要耗费大量财力开展多轮、多层次的核酸筛查工作，而只有进行多轮核酸检测才能确保疫情防控在与病毒“赛跑”中取得时效。疫情常态化防控已经逐渐成为一项系统性非常强的工作，因此广州通过卫健、疾控、社区和党团等多部门协同开展流行病学调查，形成了范围广、速度快、精准程度较高的感染者行程轨迹，及时厘清了病毒可能传播的完整链条，有效切断了传播途径。
2）从区域分布特征看，感染者所在区和镇街呈片状和点状分布，在少数镇街呈集聚分布特征，反映了疫情传播以接触扩散为主、兼具跳跃扩散的特征。重点防控区域和分级分类防控管理区域也呈片状和点状分布，但比感染者的分布要相对分散，原因是广州市政府除了感染者，还对密切接触者进行了行程轨迹流行病学调查和管控。广州在疫情来临时成立了专门的“流调作业中心”，“封、调、筛、隔” 同步推进，在流调黄金24 h内完成各区域密接次密甄别追踪、重点场所管控和重点人员排查等处置工作，并实行“网格化”管理。
3）从社会网络看，疫情扩散传播网络以“簇状”和“链状”为主，网络整体呈现一定“小世界”特征。网络节点层面指标值较高的节点，如节点GDGZ0528-5感染者，既与其他节点建立了广泛的接触关系，又处于疫情接触扩散传播网络的关键路径，具有较高的影响力和控制力，是疫情分级分类防控管理的重点对象。因此，广州采取对每一起病例“包干”制度，从接到初筛阳性报告开始接手，直到该病例的密接、次密接、重点场所完成甄别、管控到位，有效控制了传播人员范围。
4）疫情分级分类防控管理措施是实现疫情快速“动态清零”的关键。“出入管理”方面，要严格执行体温必测、口罩必戴、扫行程码和亮健康码通行。“社区管控”方面，要做到娱乐场所和群众性健身文化活动场所等及时暂停营业。“居家隔离”方面，要要求所有人员足不出户、不聚集不串门。“需求保障”方面，要关注特殊人群需求，保障生活必需品供应。“生活垃圾处理”方面，涉疫情生活垃圾要进行专门消毒，设置指定垃圾收集装置，日产日清。“环境消杀”方面，要对公共区域和手经常接触的重点部位进行消毒。“健康监测和服务”方面，要实施“专人包户”和“社区三人组”制度，强化药店和发热门诊等的“前哨”作用。“核酸检测”方面，要及时开展区域内全体居民核酸检测工作，确保不落一人、不漏一户。“宣传引导”方面，要营造“不造谣、不传谣、不信谣”的氛围，确保防控信息发布速度快于谣言和病毒的速度。“管控解除”方面，要进行科学评估，动态调整，将影响减小到最低限度。这些工作都有赖于各社区和管理单元落到实处，除了医务人员，环卫工人外、快递人员和志愿者都发挥了重要作用。这些措施也使广州能够精准有效地在10 d左右快速遏制了疫情的蔓延，并没有造成疫情向省外扩散和溢出。

脚注

1 http://wjw.gz.gov.cn/

2 http://www.gz.gov.cn/zt/gzsrmzfxwfbh/index.html

李文辉：负责论文构思与撰写；

陈丽茹、冼楚盈：负责数据收集整理和建模分析；

孙彩歌：负责图表制作。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
白雪，乔观民，李加林，梅思雨，马仁锋. 2021. 浙江省新型冠状病毒感染肺炎疫情时空分布特征. 地理科学，40（12）：2010-2018.

Bai Xue, Qiao Guanmin, Li Jialin, Mei Siyu and Ma Renfeng. 2021. Spatial-Temporal Distribution Characteristics of COVID-19 Epidemic Disease in Zhejiang Province. Scientia Geographica Sinica, 40(12): 2010-2018.

陈晓，黄宇金，李佳慧，汪诗洋，裴韬. 2020. COVID-19疫情时空聚集性特征及影响因素分析——以重庆市为例. 地理科学进展，39（11）：1798-1808.

Chen Xiao, Huang Yujin, Li Jiahui, Wang Shiyang and Pei Tao. 2020. Clustering Characteristics of COVID-19 Cases and Influencing Factors in Chongqing Municipality. Progress in Geography, 39(11): 1798-1808.

程艺，刘慧，张芳芳. 2022. 中国边境口岸地区传染病境外输入风险评估——以新冠肺炎疫情为例. 地理研究，41(3)：851-866.

Cheng Yi, Liu Hui and Zhang Fangfang. 2022. Cross-Border Infections in Border Port Areas of China: Take COVID-19 as an Example. Geographical Research, 41(3)：851-866.

符畅. 2019. 广州三个老城区进入中度老龄化社会，老年人可享超多“福利”. （2019-10-18）[2021-07-05]. https://news.ycwb.com/2019-10/18/content_30359991.htm.

Fu Chang. 2019. The Three Old Urban Areas of Guangzhou Have Entered a Moderately Aging Society, and the Elderly Can Enjoy More “Benefits”. (2019-10-18)[2021-07-05]. https://news.ycwb.com/2019-10/18/content_30359991.htm.

高珊珊. 2021. 交锋国内首起德尔塔变异株突袭 广州总结十项经验. （2021-07-10）[2021-08-05]. https://baijiahao.baidu.com/s?id=1704857296943755963&wfr=spider&for=pc.

Gao Shanshan. 2021. The First Delta Mutant Raid in China. Guangzhou Summarizes Ten Experiences. (2021-07-10)[2021-08-05]. https://baijiahao.baidu.com/s?id=1704857296943755963&wfr=spider&for=pc.

广州市商务局. 2016. 广州简介. （2016-03-17）[2021-06-16]. http://www.gz.gov.cn/ztwzq/jjl/2016zggzgjtznh/gzjj/content/post_3013603.html.

Guangzhou Municipal Bureau of Commerce. 2016. Introduction to Guangzhou. (2016-03-17) [2021-06-16]. http://www.gz.gov.cn/ztwzq/jjl/2016zggzgjtznh/gzjj/content/post_3013603.html.

广州市统计局. 2021. 2020年广州市国民经济和社会发展统计公报. （2021-03-28）[2021-06-16]. http://www.gz.gov.cn/zwgk/sjfb/tjgb/content/mpost_7177238.html.

Guangzhou Municipal Bureau of Statistics. 2021. Statistical Bulletin of National Economic and Social Development of Guangzhou in 2020. (2021-03-28)[2021-06-16]. http://www.gz.gov.cn/zwgk/sjfb/tjgb/content/mpost_7177238.html.

国家卫生应急办公室. 2021. 截至6月18日24时新型冠状病毒肺炎疫情最新情况. （2021-06-18）[2021-06-26]. http://www.nhc.gov.cn/xcs/yqfkdt/202106/944b99aa10b34a1f99c57350aef461cc.shtml.

Health Emergency Office. 2021. Up to 24 June 18th, New Coronavirus Pneumonia Latest Update. (2021-06-18)[2021-06-26]. http://www.nhc.gov.cn/xcs/yqfkdt/202106/944b99aa10b34a1f99c57350aef461cc.shtml.

洪丹丹，徐婷婷，王皎贝，尚小清，李钢. 2021. 安徽省COVID-19疫情的时空格局演变与影响因素分析. 西北大学学报（自然科学版），51（2）：220-230.

Hong Dandan, Xu Tingting, Wang Jiaobei, Shang Xiaoqing and Li Gang. 2021. Spatio-Temporal Pattern Evolution and Influencing Factors of COVID-19 Epidemic in Anhui Province. Journal of Northwest University (Natural Science Edition), 51(2): 220-230.

李钢，王皎贝，徐婷婷，高兴，金安楠，于悦. 2020. 中国COVID-19疫情时空演化与综合防控. 地理学报，75（11）：2475-2489.

Li Gang, Wang Jiaobei, Xu Tingting, Gao Xing, Jin Annan and Yu Yue. 2020. Spato-Temporal Evolution Process and Integrated Measures for Prevention and Control of COVID-19 Epidemic in China. Acta Geographica Sinica, 75(11): 2475-2489.

李文辉，邱晓晴. 2020. 基于社会网络的城市疫情空间扩散及治理研究——以深圳新冠肺炎病例为依据. (2020-10-30)[2021-04-16]. 世界地理研究. https://kns.cnki.net/kcms/detail/31.1626.P.20201030.1400.002.html.

Li Wenhi and Qiu Xiaoqing. 2020.Research on Spatial Spread and Control of Urban Epidemic by Social Network: Based on the Prevention and Control of COVID-19 in Shenzhen. (2020-10-30)[2021-04-16]. World Regional Studies, https://kns.cnki.net/kcms/detail/31.1626.P.20201030.1400.002.html.

廖文悦，孙美薇，余楚滢，邓应彬，李苗，杨骥，李勇，许剑辉，陈裕婵，严滢伟. 2021. 基于多源数据的湖北省COVID-19疫情时空扩散影响因子分析. 热带地理，41（1）：12-24.

Liao Wenyue, Sun Meiwei, Yu Chuying, Deng Yingbin, Li Miao, Yang Ji, Li Yong, Xu Jianhui, Chen Yuchan and Yan Yingwei. 2021. Impact Factors of COVID-19 Epidemic Spread in Hubei Province Based on Multi-Source Data. Tropical Geography, 41(1): 12-24.

刘逸，李源，黎卓灵，韩芳菲. 2020. 新冠肺炎疫情在广东省的扩散特征. 热带地理，40（3）：367-374.

Liu Yi, Li Yuan, Li Zhuoling and Han Fangfei. 2020. Diffusion Characteristics of the Corona Virus Disease 2019 (COVID-19) Outbreak in Guangdong Province. Tropical Geography, 40(3): 367-374.

刘勇，杨东阳，董冠鹏，张航，苗长虹. 2020. 河南省新冠肺炎疫情时空扩散特征与人口流动风险评估——基于1243例病例报告的分析. 经济地理，40（3）：24-32.

Liu Yong, Yang Dongyang, Dong Guanpeng, Zhang Hang and Miao Changhong. 2020. The Spatio-Temporal Spread Characteristics of 2019 Novel Coronavirus Pneumonia and Risk Assessment Based on Population Movement in Henan Province: Analysis of 1243 Individual Case Reports. Economic Geography, 40(3): 24-32.

Mayhew B H and Levinger R L. 1976. Size and the Density of Interaction in Human Aggregates. American Journal of Sociology, 82(1): 86-110.

Pourghasemi H R, Pouyan S, Heidari B, Farajzadeh Z, Shamsi S R F, Babaei S, Khosravi R, Etemadi M, Ghanbarian G, Farhadi A, Safaeian R, Heidari Z, Tarazkar M H, Tiefenbacher J P, Azmi A and Sadeghian F. 2020. Spatial Modelling, Risk Mapping, Change Detection, and Outbreak Trend Analysis of Coronavirus (COVID-19) in Iran (Days Between 19 February to 14 June 2020). International Journal of Infectious Diseases, 98: 90-108.

Setti Leonardo, Passarini F, De Gennaro G, Barbieri P, Licen S, Perrone M G, Piazzalunga A, Borelli M, Palmisani J, Di Gilio A, Rizzo E, Colao A, Piscitelli P and Miani A. 2020. Potential Role of Particulate Matter in the Spreading of COVID-19 in Northern Italy: First Observational Study Based on Initial Epidemic Diffusion. BMJ Open, 10(9): 1-9.

沈淑容，马紫程，许以灵，高宇，陈析丰. 2021. 新型冠状病毒境外输入对我国疫情的影响. 浙江师范大学学报（自然科学版），44（2）：197-205.

Shen Shurong, Ma Zicheng, Xu Yiling, Gao Yu and Chen Xifeng. 2021. Epidemic Impact of Overseas-Imported COVID-19 Infected Cases on China. Journal of Zhejiang Normal University (Natural Sciences), 44(2): 197-205.

Vatcheva K P, Sifuentes J, Oraby T, Maldonado J C, Huber T and Villalobos M C. 2021. Social Distancing and Testing as Optimal Strategies Against the Spread of COVID-19 in the Rio Grande Valley of Texas. Infectious Disease Modelling, 6(4): 729-742.

王姣娥，杜德林，魏冶，杨浩然. 2020. 新冠肺炎疫情的空间扩散过程与模式. 地理研究，39（7）：1450-1462.

Wang Jiao'e, Du Delin, Wei Ye and Yang Haoran. 2020. The Development of COVID-19 in China: Spatial Diffusion and Geographical Pattern. Geographical Research, 39(7): 1450-1462.

巫细波，赖长强，葛志专. 2021. 政府严控期我国地级市COVID-19疫情的时空集聚、演变及自相关效应研究. 地球信息科学学报，23（2）：246-258.

Wu Xibo, Lai Changqiang and Ge Zhizhuan. 2021. Study on Agglomeration, Evolution and Autocorrelation Effects of Spatiotemporal of COVID-19 Epidemic in Prefecture-Level Cities in China During Government's Strict Control Period. Journal of Geo-Information Science, 23(2): 246-258.

向云波，王圣云. 2020. 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. 热带地理，40（3）：408-421.

Xiang Yunbo and Wang Shengyun. 2020. Spatial Relationship Between Epidemic Spread and Population Outflow of the Corona Virus Disease 2019 (COVID-19) That Impacted Chinese Urban Public Health Classification. Tropical Geography, 40(3): 408-421.

潇湘名医. 2020. 新冠病毒可能长期存在！张文宏称，我们应具有与病毒共存的智慧. (2020-07-16)[2021-06-16]. https://baijiahao.baidu.com/ s?id=1672352140284299964&wfr=spider&for=pc.

Xiaoxiang Famous Doctor. 2020. COVID-19 May Exist for a Long Time. Zhang Wenhong Said That We Should Have the Wisdom to Coexist with the Virus. (2020-07-16)[2021-06-16]. https://baijiahao.baidu.com/s? id=1672352140284299964&wfr=spider&for=pc.

张文宏. 2020. 走向未来：科技抗疫的现状与挑战. （2020-10-19）[2021-06-16]. https://www.sohu.com/a/425764733_120082555.

Zhang Wenhong. 2020. Towards the Future: Current Situation and Challenges of Scientific and Technological Anti Epidemic. (2020-10-19)[2021-06-16]. https://www.sohu.com/a/425764733_120082555.

Options
文章导航

/

〈 〉