2019- 2020年我国2019-新型冠状病毒肺炎传播力变化及潜在影响因素分析

摘要

背景．近日，一场大规模的新型冠状病毒肺炎疫情席卷中国。截至2020年2月9日，中国累计确诊新型冠状病毒肺炎患者40260人，疑似感染新型冠状病毒肺炎患者23589人，这对中国的公共卫生和临床治疗提出了巨大挑战。目前，我国正处于新型冠状病毒肺炎的高发期。因此，分析新型冠状病毒感染的传播力变化及其可能的影响因素，可为制定有效的防控策略提供可靠的参考。方法．通过计算瞬时基本复制数的方法由Cori等人(2013)提出，我们使用以描述2019-2020年中国COVID-19传播性变化。此外，选取百度指数(BDI)和百度迁移量表(BMS)分别衡量公众对武汉封锁(武汉限制人员离开疫区)策略的认知程度和效果。采用格兰杰因果检验(Granger causality test, GCT)，探讨公众意识、武汉封锁策略效果与COVID-19传播能力之间的关系。结果．2019年12月8日至2020年2月9日，全国新型冠状病毒肺炎平均基本复制数为3.44例，95% CI(2.87, 4.0)。瞬时基本复制数( ）有两个波，分别在1月8日和1月27日达到高峰。在1月27日达到顶峰后，呈持续下降趋势。2月9日,已降至1.68(95%置信区间:1.66,1.7)，但仍大于1。我们发现，公众意识与COVID-19传播能力变化之间存在显著负相关关系，累计BDI增加一个单位，导致下降0.0295% (95% CI: 0.0077, 0.051)。 ．我们还发现武汉封锁策略的影响与COVID-19的传播率变化之间存在显著的负相关关系，BMS每下降一个单位可能导致2.7%的下降(95%置信区间:0.382,4.97)。 ．结论．当前防控措施有效降低了疫情传播能力;然而,仍然大于阈值1。结果表明，政府采取武汉封锁战略，对迅速控制武汉潜在感染，限制武汉潜在感染人员流出疫区，避免全国蔓延具有重要作用。同时，自2020年1月18日以来，人们陆续通过互联网获取了新冠肺炎相关信息，这有助于有效实施政府防控战略，有助于降低新型冠状病毒肺炎的传播能力。因此，持续的旅行限制和公共卫生意识仍然是至关重要的，为控制COVID-19疫情的爆发奠定基础。

1.介绍

近日，我国爆发大规模新型冠状病毒肺炎疫情，新加坡、韩国、日本、意大利、马来西亚等国际多个国家也陆续出现新型冠状病毒肺炎病例[1，2］.截至2020年2月9日，全国累计确诊新型冠状病毒肺炎患者40171人;累计追踪密切接触者39.9487万人[3.，这对我国的公共卫生和临床治疗提出了巨大的挑战。截至目前，新型冠状病毒感染症(COVID-19)疫情仍呈现出每天新增确诊病例和疑似病例大量增加的态势。因此，评估COVID-19传播能力的变化，可以定量评估疫情的严重程度，并为基于经验数据的更有效的公共卫生决策提供依据，从而最大限度地控制疫情，减少社会经济损失。

流行病学动态中最重要的参数之一是基本繁殖数( ），可以认为是一个人群中所有个体都容易感染的一个病例直接产生的预期病例数[4］.因此，基本繁殖数可以代表一种传染病的传播能力。自新冠肺炎疫情爆发以来，许多研究人员建立了一些数学模型来估计基本繁殖数量COVID-19。例如，Imai等人[5估计的平均的2.6的不确定性范围1.5 - -3.5到2020年1月18日,基于分析结合他们过去的估计在武汉爆发的大小与计算模型潜在的流行轨迹,并预测控制措施需要阻止传播超过60%可有效控制疫情。根据425例确诊的新型冠状病毒肺炎患者的信息，Li等[1]估计基本繁殖数为2.2 (95% CI: 1.4-3.9)。Tang等人[6]得到基于似然和模型分析的估计结果，显示基本复制数可能高达6.47 (95% CI: 5.71-7.23)。考虑到疾病报告率变化的影响，Zhao等[7的平均值范围从2.24 (95% CI: 1.96-2.55)到3.58 (95% CI: 2.89-4.39)，报告率增加8- 2倍。采用指数增长(EG)和最大似然估计(ML)估计繁殖数量为2.92 (95% CI: 2.32-3.63) [8］.Sheng等[9估计了基本的复制数量到2020年1月22日，有效繁殖数已降至2.08(1.99-2.18)。更多相关结果[10，11关于在森林概要图中显示(见图)1更多的细节)。

在新冠肺炎确诊病例席卷全国后不久，全国31个省级地区均启动了最高级防控措施。这些防控策略的实施取决于公众的反应，如提高公共卫生意识，2020年1月23日，武汉被封锁，限制了武汉的人员从震中地区外流。这些策略可能与COVID-19传播力变化有关，如何定量衡量公众意识和武汉封锁策略对COVID-19传播力变化的影响是关键问题之一。据我们所知，这方面的结果很少。

因此，为了评估COVID-19的传播模式和潜在因素，本文近期对COVID-19的传播能力进行了估计，并探讨了瞬时基本繁殖数( ），公众意识，以及武汉封锁战略的影响。

2.材料和方法

每日确诊病例由中华人民共和国国家卫生健康委员会提供[3.]及湖北省卫生健康委员会[12］.2019年12月8日至2020年1月20日每日确诊病例由Li et al. [1］.

评估传染病在流行期间的传播能力变化是制定和调整公共卫生应对措施的基础。传播率可以通过基本繁殖数量来衡量，这也可以反映干预措施的有效性和控制力度。Cori等人[13]提出了一种估计瞬时基本复制数的工具从发病时间序列和序列间隔(SI，原发病例出现症状和继发病例出现症状之间的时间)。估算模型在日期如下: 在哪里新冠肺炎确诊病例时间是一天,为COVID-19 SI分布所决定的加权函数，感染发生率的总和是否达到时间步长 ，和表示窗口的最大大小。李等人[1估算了COVID-19的序列时间(SI)。SI的均值为7.5天，标准差为3.5天。

百度指数[14] (BDI)以网民在百度中的搜索量为数据库，以关键词为统计对象。将百度网络搜索中每个关键词的搜索频率加权求和计算为BDI(详见附录)一个)．我们以中文术语“new coronavirus”收集BDI数据，数据可以在一个在线网站上找到(我们选择这个关键词的原因在附录中给出B)．

此外，百度迁移规模(BMS) [15]反映了中国某一地区人口迁入或迁出的规模(详情见附录)一个)．我们选择武汉市作为BMS的移民目的地，收集2020年1月1日至2020年2月9日的每日BMS数据。我们认为，北斗系统是武汉封锁战略效果的一个代理。

受Zhao等人的激励[16]，我们采用以下单变量回归定量探讨公众意识和武汉封锁策略对COVID-19传播力变化的影响: 在哪里为响应变量的期望，潜在因素是在吗日(如BDI或BMS)，为均值为0，方差为常数的正态分布的随机误差，回归系数是，和为透射率变化百分比。为了避免伪回归，我们还进行了格兰杰因果检验(Granger causality test, GCT) [17，18]分析传播率变化与BDI(或BMS)之间的因果关系。用偏自相关函数(partial autocorrelation function, PACF)确定gct的排序。GCT通常用于检验两个时间序列之间可能的因果关系，即一个序列的过去行为可能影响另一个序列的当前行为。gct意义重大，这意味着公共卫生意识、武汉封锁策略和瞬时基本繁殖数之间可能存在因果关系COVID-19。

GCT分析使用STATA软件包“gcause”进行，其他分析使用MATLAB软件(MathWorks, Version 2012a)和R软件(R Project for Statistical Computing, Version 3.6.2)进行。

3.结果

我们估计了瞬时基本复制数如图所示2．2019年12月8日至2020年2月9日，平均基本繁殖数(95% CI: 2.91-4.09)，与赵等的研究结果一致[7］.瞬时基本复制数有两个波，分别在1月8日和1月27日达到峰值。2020年1月27日之后，持续下降趋势，2020年2月9日降至1.68 (95% CI: 1.66, 1.7)。

我们发现瞬时基本复制数之间存在负关联累积BDI(滞后时间为1 ~ 12天)和瞬时基本繁殖数之间的负相关关系和BMS(见表1)．由此可见，累积BDI和BMS是造成BMS的格兰杰原因 ．更准确地说，累积BDI的最佳拟合优度出现在滞后12 d, R-square为0.285。拟合结果显示，累计BDI增加1单位(百度搜索引擎中关于“新型冠状病毒”信息的1万项搜索)，下降0.0295% (95% CI: 0.0077, 0.051) ．2019冠状病毒病传播率下降0.0295%，可能是由于公众通过互联网搜索相关信息，提高了自我保护意识。

从图2 (d)，我们观察到2020年1月23日武汉实施封锁战略后，武汉的流出率突然降至非常低的值(BMS从1月23日的11.4降至1月25日的1.3)。我们还发现武汉封锁的影响与COVID-19传播能力的变化显著负相关(表)1)，每降低一个单位的BMS可导致2.7%的下降(95%置信区间:0.382,4.97) ．r平方值为0.137与BMS。因此，武汉封锁战略对COVID-19传播力变化的贡献可能为2.7%。

4.结论

近期发生的新型冠状病毒感染的肺炎疫情，严重影响了我国人民健康和社会经济发展。我们估计了新冠病毒在中国的传播力变化，得到了平均基本繁殖数中国COVID-19的患病率为3.44,95% CI(2.87, 4.0)。到目前为止，瞬时基本复制数有两个波，分别在1月8日和1月27日达到高峰。在1月27日达到顶峰后，呈持续下降趋势。2月9日,已经跌至1.68，但仍高于1。

我们发现，累积BDI增加一个单位，可导致in下降0.0295% ．国家防控宣传力度不断加大，人们可以在互联网上获取更多疫情报告、防控措施、个人防护措施等相关信息。随着累积信息的增加，公众健康意识逐渐增强，这可能有利于防控政策的实施。此外，我们发现武汉封锁策略的效果对降低COVID-19的传播能力具有重要作用。瞬时基本复制数2020年1月27日达到最大值，然后持续下降(见图)1(a))。定量回归分析发现，BMS降低一个单位，可使COVID-19传播率变化降低2.7% (95% CI: 0.382, 4.97)。

当前防控措施有效降低了疫情传播能力;不过，瞬时基本复制数仍然大于阈值1;因此，为了最大限度地降低感染传播的风险，持续的旅行限制和公共卫生意识仍然是至关重要的，为控制COVID-19的爆发奠定基础。

附录

A.百度指数和百度迁移规模

. 1。百度指数

百度指数(14] (BDI)以网民在百度中的搜索量为数据库，以关键词为统计对象。将百度网络搜索中每个关键词搜索频率的加权和计算为BDI。BDI可以反映网民的关注度，也代表着热点的不断变化。根据数据来源的不同，百度指数可分为PC百度指数和移动百度指数。在我们的工作中，我们使用PC百度指数和移动百度指数的总和。

百度索引的简单算法如下:

步骤1:记录基于关键词的网页搜索量，并进一步进行过滤和权重调整。

步骤2:系统根据搜索量计算BDI。BDI是一个移动平均值，可以通过比较期基于关键词的网页搜索量与基于相同关键词的基准期网页搜索量的比值来计算。即比较时段的数据是将用户当日的搜索量与过去30天百度相关新闻的量进行比较得到的。

由信用证。百度迁移规模

百度迁移规模(BMS) [15反映了中国迁入或迁出一个地方的人口数量。百度公司对定位大数据进行全采样数据处理，探索人口迁移变化，并根据数亿部手机定位数据的变化，可视化人口迁移轨迹。

基于百度位置服务(LBS)开放平台，计算并分析百度迁移规模。通过对百度地图LBS开发平台每天响应100亿次定位请求的数据挖掘和分析，全面、动态、即时、直观地展示了中国人口迁移的轨迹和特征[19］.

B.百度指数关键字的选取

在我们的工作中，我们使用了来自中国最大搜索引擎的百度指数数据。由于中国人说中文、写中文，所以我们分别按照“novel coronavirus”、“coronavirus”、“coronavirus pneumonia”等中文术语收集BDI数据，其他所有设置均相同(见图)3.和表2更多的细节)。

通过比较COVID-19的三个不同关键词，我们旨在解释为什么在我们的主要背景下选择了“新型冠状病毒”这个关键词。从图3.，我们可以观察到这三个BDI时间序列具有相似的趋势和拐点(或峰值)。另外，表中估计了这三个时间序列之间的Pearson相关系数和Spearman秩相关系数2．这些结果表明，“新型冠状病毒”百度指数可以用来衡量公众对COVID-19的认知程度。因此，基于“新型冠状病毒”BDI的结果与基于其他两种BDI的结果是一致的。

数据可用性

用于支持本研究结果的数据可在网站或通讯作者要求时获得。

的利益冲突

作者声明没有利益冲突。

作者的贡献

余昭撰写了初稿。王若南收集数据并操作软件。李江平进行了方法学和软件操作。张玉红对论文进行了审阅和编辑。杨惠芳对论文进行了审阅和编辑。赵毅对论文进行了审阅和编辑。

致谢

作者感谢史钊博士在手稿准备过程中提出的宝贵建议。本研究得到了2019年宁夏医科大学优势学科群建设项目、宁夏重点研发计划科技支撑项目([2020]-4)和宁夏医科大学科研项目(XT2017002)的资助。

参考文献

1. 李青，关晓华，吴鹏等，“新型冠状病毒感染的肺炎在中国武汉的早期传播动态，”新英格兰医学杂志，第382卷，第2期13, pp. 1199-1207, 2020。视图:出版商的网站|谷歌学者
2. 世卫组织，《新型冠状病毒肺炎疫情报告》，2020年2月，https://www.who.int/emergencies/diseases/novel-coronavirus-2019/situation-reports/．视图:谷歌学者
3. 中华人民共和国国家卫生健康委员会2020年2月，http://www.nhc.gov.cn/xcs/xxgzbd/gzbd_index.shtml．视图:谷歌学者
4. C. Fraser, C. a . Donnelly, S. Cauchemez等，“a型流感(H1N1)毒株的大流行潜力:早期发现”，科学，卷324号5934, pp. 1557-1561, 2009。视图:出版商的网站|谷歌学者
5. N. Imai, A. Cori, I. Dorigatti等，“报告3:2019-nCoV的传播性”，技术代表，https://www.imperial.ac.uk/media/imperial-college/medicine/sph/ide/gida-fellowships/Imperial-2019-nCoV-transmissibility.pdf．视图:谷歌学者
6. 唐斌，王新民，李强等，“2019-nCoV传播风险评估及其对公共卫生干预的启示”，SSRN电子杂志, 2020年。视图:出版商的网站|谷歌学者
7. Zhao S.， Lin Q.， Ran J. et al.，“2019- 2020年中国新型冠状病毒(2019- ncov)基本繁殖数量的初步估计:疫情早期数据驱动分析”，国际传染病杂志，第92卷，214-217页，2020。视图:出版商的网站|谷歌学者
8. 刘涛，胡军，肖军等，“2019新型冠状病毒(2019- ncov)的传播动态”，bioRxiv, 2020年。视图:出版商的网站|谷歌学者
9. 沈敏，彭志鹏，肖颖，张磊，“2019年新型冠状病毒肺炎疫情在中国的流行趋势模拟”，bioRxiv, 2020年。视图:出版商的网站|谷歌学者
10. J. M. Read, J. R. E. Bridgen, D. A. T. Cummings, A. Ho, C. P. Jewell，“新型冠状病毒2019-nCoV:流行病学参数的早期估计和流行病学预测”，medRxiv, 2020年。视图:出版商的网站|谷歌学者
11. J. Riou和C. L. Althaus，“武汉2019新型冠状病毒(2019- ncov)早期人际传播模式，2019年12月至2020年1月，”Eurosurveillance，第25卷，第2期4、2020。视图:出版商的网站|谷歌学者
12. 湖北省卫生健康委员会http://wjw.hubei.gov.cn/fbjd/dtyw/index.shtml．视图:谷歌学者
13. A. Cori, N. M. Ferguson, C. Fraser, and S. Cauchemez，“一种估计流行病期间时变繁殖数量的新框架和软件，”美国流行病学杂志，第178卷，第2期9, pp. 1505-1512, 2013。视图:出版商的网站|谷歌学者
14. “百度指数”,http://index.baidu.com/v2/index.html#/．视图:谷歌学者
15. “百度2020年1月1日至2020年2月9日中国新冠病毒迁移规模”http://qianxi.baidu.com/．视图:谷歌学者
16. Zhao S.， S. S. H. Musa, J. Qin，和D. H. He，“2017年也门公众意识、当地降水和霍乱之间的关系”，美国热带医学和卫生杂志，第101卷，第1期。3，第521-524页，2019。视图:出版商的网站|谷歌学者
17. M. Eichler，《时间序列分析中的因果推理》，刊于因果关系:统计视角和应用W. A. Shewhart, S. S. Wilks, C. Berzuini, P. Dawid, L. Bernardinelli, Eds。， pp. 327-354, John Wiley & Sons, Ltd.， 2012。视图:出版商的网站|谷歌学者
18. C. W.格兰杰，《通过计量经济学模型和跨谱方法研究因果关系》，计量经济学:计量经济学学会杂志，第37卷，第2期3，第424-438页，1969。视图:出版商的网站|谷歌学者
19. “百度迁移规模。”https://baike.baidu.com/．视图:谷歌学者

版权

版权所有©2020于钊等。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。