徐婷婷,李 鋼,2,3,王皎貝 ，高 興，金安楠，張千禧

(1.西北大學(xué) 城市與環(huán)境學(xué)院，陜西 西安 710127;2.陜西省地表系統(tǒng)與環(huán)境承載力重點(diǎn)實(shí)驗(yàn)室,陜西 西安 710127;3.西北大學(xué) 地表系統(tǒng)與災(zāi)害研究院,陜西 西安 710127)

新型冠狀病毒肺炎(COVID-19)疫情,因嚴(yán)重威脅人類健康安全和社會正常運(yùn)轉(zhuǎn),已發(fā)展成為影響全球的重大突發(fā)公共衛(wèi)生事件。截至2020年10月12日,國內(nèi)已報告確診病例85 591例,累計死亡人數(shù)達(dá)4 634人。在全國人民的共同努力下,國內(nèi)疫情防控形勢持續(xù)向好,但境外疫情正在全球多地區(qū)迅速蔓延。整體來看,當(dāng)前全球形勢依然不容樂觀,對我國而言,嚴(yán)防境外輸入成為戰(zhàn)“疫”新挑戰(zhàn)。

疫情發(fā)生后,學(xué)界基于不同視角展開研究。病毒學(xué)領(lǐng)域,Zhou等[1]通過研究確診病例基因組序列,發(fā)現(xiàn)COVID-19的病毒在全基因組水平上與蝙蝠冠狀病毒相似率達(dá)96%,指出其來源可能為蝙蝠。臨床醫(yī)學(xué)視角,Chen等[2]通過分析2020年1月1日至1月2日期間,武漢金銀潭醫(yī)院99例確診病例的人口學(xué)特征、臨床和放射學(xué)特征,指出COVID-19為群體性疾病,更易影響具有疾病史的老年男性群體。流行病學(xué)角度的研究主要通過建模分析,預(yù)測疫情未來走向及可能感染人群數(shù)量。另有學(xué)者[3-4]通過優(yōu)化基本再生數(shù)(Basic Reproduction Number,R0)評估COVID-19疫情的傳播能力。而2020年2月12日湖北省統(tǒng)計口徑的變化,給建模分析與預(yù)測帶來挑戰(zhàn)。城市層面,針對典型城市溫州,李玲等[5]、Ruan等[6]探究了溫州市新型冠狀病毒的流行病學(xué)特征與其疫情防控措施對荊州、孝感、黃岡三市的影響。

重大疫情在人群與地域的傳播擴(kuò)散是典型的時空演化現(xiàn)象與人地互動的地理過程。因此,疫情防控本質(zhì)上是人與病毒對抗的時空問題,是亟需地理學(xué)者貢獻(xiàn)智慧和力量的社會現(xiàn)實(shí)痛點(diǎn)問題。在疾病傳播領(lǐng)域,具有地理編碼的空間數(shù)據(jù)相關(guān)性分析,首次應(yīng)用于1854年倫敦霍亂疾病的暴發(fā),英國的John Snow醫(yī)生通過對案例地點(diǎn)的分析,發(fā)現(xiàn)了其與一口公共飲用水井的關(guān)聯(lián),得出水井污染是疾病傳染源頭,進(jìn)而采取措施有效遏制了疾病的傳播[7]。此后,醫(yī)學(xué)地理(medical geography)逐漸興起,更多學(xué)者將醫(yī)學(xué)問題與地理空間要素相結(jié)合,關(guān)注醫(yī)療在地理空間上的組織形式,研究不同尺度上醫(yī)療衛(wèi)生服務(wù)及其可達(dá)性和公平性[8]。生態(tài)醫(yī)學(xué)地理則聚焦于疾病的地理分布及其控制,Haque等[9]基于貝葉斯統(tǒng)計模型識別孟加拉國的瘧疾地理風(fēng)險因素,并開發(fā)了預(yù)測患病率的后驗(yàn)分布地圖。Glass等[10]通過建立預(yù)測模型和地圖可視化,評估了美國巴爾的摩市萊姆病的危險等級。國內(nèi)部分學(xué)者從歷史視野,探究諸如兵疫[11]、鼠疫[12]、瘴瘧[13]等疾病流行的空間分布模式與地理環(huán)境關(guān)系。另外,HIV和癌癥的分布也是醫(yī)學(xué)地理研究的一大熱點(diǎn)。王瑩[14]、劉文東等[15]還利用GIS空間分析手段,探討了HIV/AIDS的空間熱點(diǎn)分布與影響因素。龔勝生等[16]研究了中國“癌癥村”的分布,得出6%的癌癥村分布在距河流3km范圍內(nèi)。2003年SARS病毒肆虐全球,武繼磊等[17]、曹志冬等[18]借助北京市、廣州市官方公布的病例數(shù)據(jù),采用空間計量分析手段,解析了SARS在地域空間上的流行過程和分異特征?？梢?地理學(xué)對于研究疾病在人群和地域的傳播擴(kuò)散、時空演化方面具有天然優(yōu)勢。

當(dāng)前COVID-19疫情蔓延,地理學(xué)者紛紛展開行動,李鋼等[19]從省、市、縣和小區(qū)4個空間尺度，探究疫情在中國的時空演化過程并提出綜合防控策略。金安楠等[20]、王皎貝等[21]分別解析了深圳市、陜西省的疫情演化,并構(gòu)建了疫情風(fēng)險地理畫像。另有多位地理學(xué)者及其團(tuán)隊(duì)如李德仁、傅伯杰、周成虎、朱竑、柴彥威等對遙感技術(shù)助力“抗疫”、疫情可視化分析、疫情APP開發(fā)、城市空間規(guī)劃等問題做了探索,為疫情演化防控提供了思路。個體人群水平的地理學(xué)研究關(guān)注人的主觀能動性和空間異質(zhì)性,其研究意義對現(xiàn)實(shí)社會的疫情防控和醫(yī)療資源配置尤為重要。從全國來看,在城市化與人口流動性加速的今天,疫情在人群與地域的傳播主要空間節(jié)點(diǎn)和焦點(diǎn)是城市。鑒于此,本文基于此次中國疫情高發(fā)市域溫州市COVID-19確診病例數(shù)據(jù)和人工判讀的病例詳細(xì)信息以及城市內(nèi)部相關(guān)POI數(shù)據(jù),解析疫情的時空演化特征,評估確診病例的就醫(yī)可達(dá)性,以期為城市尺度的疫情防控和未來應(yīng)對類似挑戰(zhàn)提供參考。

1 研究區(qū)、數(shù)據(jù)與方法

1.1 研究區(qū)概況

溫州市轄12個區(qū)縣,陸域面積達(dá)11 612.94 km2,截至2018年底常住人口為925萬人,是浙江省人口第2大城市,平均人口密度796人/km2,是全國平均水平的5.5倍,為全國人口最密集的城市之一(見圖1)。溫州人擅長經(jīng)商,“溫商”遍布海內(nèi)外,2011年包括港澳臺在外的溫州人有233.54萬人,占戶籍人口的3%[22]。2020年1月21日溫州通報首例市外輸入型病例后,疫情持續(xù)發(fā)展變化,截至2020年6月9日,COVID-19確診病例人數(shù)達(dá)517例(其中境外輸入12例),遠(yuǎn)超省會城市杭州。溫州作為非省會和非副省級城市,距離中國疫情重災(zāi)區(qū)武漢約910 km,其一度成為除湖北境內(nèi)市域以外,確診病例數(shù)量最多的地級市?？梢?溫州是探討中國疫情遠(yuǎn)距離傳播與擴(kuò)散的典型案例地。

注：本圖基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號為GS(2016)1585號的標(biāo)準(zhǔn)地圖制作，底圖無修改。圖1 研究區(qū)位置圖Fig.1 Location map of study area

1.2 數(shù)據(jù)來源

研究數(shù)據(jù)包括3類:① 病例數(shù)據(jù),從溫州市衛(wèi)健委官方網(wǎng)站共獲取486條確診病例數(shù)據(jù),包括人工采集的性別、年齡、感染原因、確診時間、早期癥狀、所屬區(qū)縣等信息;通過檢索查證,校對病例信息(由于12例境外輸入病例,無詳細(xì)病例信息,且由溫州龍灣國際機(jī)場直接送入隔離點(diǎn),在隔離期間出現(xiàn)癥狀,未造成市內(nèi)疾病傳播,本文對此只做時間演變分析)。② POI數(shù)據(jù),借助Python從騰訊地圖疫情小區(qū)、百度疫情、溫州本地寶等平臺爬取,經(jīng)過去重、糾偏與空間匹配,共采集到281個疫點(diǎn)、34個定點(diǎn)醫(yī)療救治機(jī)構(gòu)。③ 其他數(shù)據(jù),第六次人口普查數(shù)據(jù)來自于溫州市統(tǒng)計局;醫(yī)院病床數(shù)量獲取自各醫(yī)院官方網(wǎng)站;道路交通數(shù)據(jù)下載自O(shè)penStreetMap。

1.3 研究方法

1.3.1 標(biāo)準(zhǔn)差橢圓分析 標(biāo)準(zhǔn)差橢圓(standard deviational ellipse,SDE)是一種表示地理要素空間方向分布特征的統(tǒng)計方法[23]。長半軸代表地理要素的分布方向,短半軸表示其分布范圍,二者間差值越大,表征該地理要素在空間上方向性越明顯。本文利用標(biāo)準(zhǔn)差橢圓來揭示確診病例的空間分布趨勢,其圓心公式如下:

(1)

(2)

1.3.2 醫(yī)療機(jī)構(gòu)可達(dá)性測度 兩步移動搜索法(two-step floating catchment area method,2SFCA)由Radke和Mu[24]在2000年提出,以供給點(diǎn)和需求點(diǎn)為基礎(chǔ),移動搜索兩次,測度區(qū)域內(nèi)某一設(shè)施點(diǎn)的可達(dá)性?；诖?本文對34個醫(yī)療機(jī)構(gòu)進(jìn)行可達(dá)性分析,計算原理如下。

1)計算供需比

對每個供給點(diǎn)j,搜索所有在j的搜索半徑d0范圍內(nèi)的需求點(diǎn)i,計算供需比Rj:

(3)

其中,Rj為搜索區(qū)域內(nèi)病床數(shù)與確診病例數(shù)量比值;k為搜索半徑內(nèi)疫點(diǎn)小區(qū)的數(shù)量;dij為需求點(diǎn)i到供給點(diǎn)j間的距離;d0為醫(yī)療機(jī)構(gòu)的服務(wù)半徑。

2)計算可達(dá)性

對每個需求點(diǎn)i,搜索距離i閾值范圍內(nèi)d0的供給點(diǎn)j,對所有供需比Rj求和,即得到需求點(diǎn)i處的可達(dá)性值:

(4)

其中,Ai為每個疫點(diǎn)的可達(dá)性值;m為以d0為半徑的空間區(qū)域內(nèi)的醫(yī)療機(jī)構(gòu)數(shù)量;f(dij)為冪函數(shù)距離衰減函數(shù)。

2 疫情的時空演化特征

2.1 確診病例逐日變化特征

1)累計變化趨勢。2020年1月21日溫州市衛(wèi)健委通報首例市外輸入型病例后,確診病例數(shù)逐日上升,為描述疫情的梯度變化,對其累計確診人數(shù)、累計出院人數(shù)、累計確診增長率進(jìn)行分析(見圖2)。結(jié)果表明:疫情發(fā)展大致經(jīng)歷4個時期:① 市外輸入期(1月21日—1月26日)。該階段累計確診病例為32例,發(fā)現(xiàn)途徑主要為早期回溫人員自行就診,數(shù)據(jù)顯示,武漢“封城”后,1月23日至27日5天內(nèi),仍有1.88萬人從湖北進(jìn)入溫州。② 市內(nèi)擴(kuò)散期(1月27日—2月17日)。此階段前期累計確診增長率較高,原因在于正值春節(jié),外地返溫人員走親訪友,造成了市內(nèi)疫情迅速蔓延;后期自2月2日起,增長率明顯放緩,表明政府管控強(qiáng)度及居民防控意識提升,采取佩戴口罩、居家隔離等措施,有效抑制了疫情傳播。且2月6日溫州醫(yī)科大學(xué)附屬第二醫(yī)院開始接治確診患者,提升了救治能力。③ 穩(wěn)定控制期(2月18日—3月18日)。該階段疫情基本穩(wěn)定,無新增病例,緣于上一階段的嚴(yán)格管控,溫州政府出臺系列措施，包括禁止人群聚集活動、關(guān)閉高速入口、25條剛性舉措等,最大限度減少人群流動。④ 境外輸入期(3月19日—4月16日)。國內(nèi)疫情穩(wěn)定,境外疫情暴發(fā),3月19日起出現(xiàn)境外輸入病例,來源地多為西班牙、法國等歐洲國家,均為個體病例,累計確診增長率穩(wěn)定且趨于0,未造成市內(nèi)疫情二次擴(kuò)散。至4月16日,鹿城區(qū)新增1例湖北輸入型病例,此后截至研究日期,再無新增病例。

累計治愈病例增長呈現(xiàn)“先平緩后穩(wěn)升”的特征,2 月3日前累計出院人數(shù)為17人,2月4日至3月4日為治愈峰值區(qū)間,出院人數(shù)達(dá)450人,此階段疫情擴(kuò)散得以控制,新增人數(shù)顯著減少,醫(yī)療檢測技術(shù)趨于成熟,至3月16日全部病例治愈出院。

圖2 溫州市COVID-19確診病例時間變化Fig.2 Temporal evolution of confirmed COVID-19 cases in Wenzhou

2)單日新增變化趨勢。單日新增確診人數(shù)呈“雙峰”態(tài)勢,峰值出現(xiàn)于1月29日和2月3日,2月9日之前日新增人數(shù)呈波動變化,之后穩(wěn)步下降趨于0(見圖3)。在于政府全面實(shí)行交通管制,暫停省際班車客運(yùn)、減少市內(nèi)發(fā)車頻次,農(nóng)村、小區(qū)實(shí)行封閉管理,最大程度切斷傳播途徑。從性別來看,全市確診病例中,男性占比52.64%,女性占比47.36%,男女比例為1.11∶1,略高于全國病例基本水平1.06∶1[25]。男女病例均呈“單峰”態(tài)勢,女性波動變化更大,峰值出現(xiàn)于2月3日,而男性病例峰值相對較早,出現(xiàn)于1月29日,或與外出經(jīng)商人口多為男性有關(guān),致使其更早發(fā)病。

圖3 溫州市COVID-19確診病例性別與年齡時間變化Fig.3 Daily changes of gender and age of confirmed COVID-19 cases in Wenzhou

依據(jù)六普年齡結(jié)構(gòu)劃分,發(fā)現(xiàn)確診病例表現(xiàn)為,0～14歲兒童病例為5例(1.06%),新增時間為兩次峰值期間,與此年齡段多為基礎(chǔ)教育階段學(xué)生,居住地為溫州本地,流動性弱,前期感染人數(shù)較少,后期政府防控措施到位有關(guān)。15～59歲(80.55%)為此次感染的重點(diǎn)人群。其中,青年人(15～44歲,39.74%),多確診于2月8日之前,包含部分返溫的高校學(xué)生群體和大量外地就業(yè)人口,此確診時間與首例病例的14d潛伏期相吻合。中年人(45～59歲,40.8%)占比最大,該年齡段人群,多外出經(jīng)商,流動頻率高,確診峰值時間更早(1月28日),且確診時間跨度更大,2月11日之前此類人群為確診病例核心群體。而60歲及以上老年確診病例(18.4%),日增波動較為平緩,2月8日—2月13日疫情市內(nèi)擴(kuò)散后期,其單日確診人數(shù)高于其他年齡段,確診時間相對較后,表征此年齡段人群防控意識薄弱,且自身免疫功能低下,是流行病的易感人群和高危人群?？傮w而言,中青年社會活動頻繁、出行強(qiáng)度高，暴露時間長,易受到感染;老年人,多居住于本地，發(fā)病時間相對滯后，體質(zhì)較弱也較易于感染。

2.2 疫情空間分布格局

1)感染地空間屬性。通過對確診病例文本信息進(jìn)行判讀,發(fā)現(xiàn)本地感染型病例略高于市外輸入型病例(見圖4)。其中,市外輸入型病例達(dá)189例,主要包含3大子類,尤以武漢返溫型為最(占市外輸入型病例的81.8%),湖北(除武漢)返溫型次之,其他地區(qū)返溫型最少(占市外輸入型病例的6.95%),包含北京、廣州、西安等城市。這與學(xué)者[26-28]提出的依賴人際關(guān)系鏈,溫州人外出經(jīng)商,在北京形成“浙江村”、在廣州涉足皮革、皮具等行業(yè)、武漢為“溫州人第二故鄉(xiāng)”相契合。同時,官方表明(1)數(shù)據(jù)來源于2020年1月29日浙江省新型冠狀病毒感染肺炎疫情工作新聞發(fā)布會(第三場),武漢的溫商及家屬在2017年已有17萬之多,再加上就學(xué)人員,總數(shù)已達(dá)到18萬人左右。差異顯著的接觸感染途徑,表明早期疫情傳播主要在于大量在外經(jīng)商的溫籍人員返回,形成了輸入型的潛在感染群體。而本地感染型病例為285例,其中又以222例確診病例接觸型(與確診病例有過明確接觸)為最,其次為未知型(截至數(shù)據(jù)收集時,具體感染原因仍在調(diào)查中),銀泰商場感染型(確診病例曾在銀泰商場活動或與之有關(guān))最少。

圖4 溫州市COVID-19確診病例感染地類型Fig.4 Infection type of confirmed COVID-19 cases in Wenzhou

2)宏觀分布特征。確診病例大多分布于東部近海地區(qū),空間分布方向沿城市交通干線呈“東北—西南”軸向遞減(見圖5A),這與地理?xiàng)l件、城市空間規(guī)劃發(fā)展相關(guān)?？蓪⑵鋭澐譃?個等級:第一等級為樂清市,其地理面積居全市第三,人口總量居第四,但確診病例高達(dá)170例,遠(yuǎn)高于其他區(qū)縣,原因有二:① 依據(jù)百度熱力圖實(shí)時數(shù)據(jù)顯示,樂清市柳市—白象人口高度集聚區(qū)與確診病例高發(fā)地域相當(dāng)吻合;② 文獻(xiàn)考證,樂清人遍布全國各地,疫情期間大量樂清籍湖北人員返溫,成為本地潛在感染群體。第二等級則為瑞安市、鹿城區(qū)、甌海區(qū)以及永嘉縣中部片區(qū),為全市經(jīng)濟(jì)相對發(fā)達(dá)地區(qū)。第三等級以地理面積較大縣域和人口較少城區(qū)為主,包括泰順縣、平陽縣、文成縣、龍港市、龍灣區(qū)和洞頭區(qū),確診病例相對較少。

進(jìn)一步考察地區(qū)間疫情分布情況,將累計確診人數(shù)與流出人口數(shù)量、流入人口數(shù)量、老齡人口密度進(jìn)行相關(guān)性分析(見表1)。結(jié)果顯示,全市范圍內(nèi),溫州市累計確診人數(shù)與流出人口數(shù)量在95%水平上呈正相關(guān),而與流入人口數(shù)量、老齡人口密度無顯著相關(guān)性,即表明流動人口顯著影響確診病例,其中流出人口是導(dǎo)致溫州疫情暴發(fā)的主要因素?？h域分布上(見圖5B),樂清市、永嘉縣流出人口數(shù)量超25萬人,居全市前列,而流入人口和老齡人口密度處中等水平,進(jìn)一步證實(shí)該地發(fā)病人群以外地返溫人員為主。老城區(qū)(鹿城區(qū)、甌海區(qū)、龍灣區(qū))老齡人口密度較高(介于115～402人/km2),流出人口數(shù)量均不超過5萬人,確診人數(shù)更易受老齡人口密度影響。瑞安市經(jīng)濟(jì)居溫州前三,其確診病例數(shù)量受三者的共同影響。平陽縣、蒼南縣、文成縣的確診病例數(shù)量與流出人口數(shù)量和老齡人口密度關(guān)聯(lián)度相當(dāng),而流入水平整體較低;泰順縣老齡人口密度及流入人口數(shù)量均為全市縣區(qū)最低,但流出人口數(shù)量超過10萬,可見，流出人數(shù)顯著影響了該地的確診病例數(shù)量。

圖5 溫州市COVID-19確診病例數(shù)量及方向分布Fig.5 The number and direction distribution of confirmed COVID-19 cases in Wenzhou

表1 相關(guān)性分析結(jié)果Tab.1 Results of correlation analysis

3)微觀地點(diǎn)關(guān)系。對確診病例提取位置信息,為保證數(shù)據(jù)的真實(shí)性與最大還原性,未進(jìn)行地點(diǎn)合并(見圖6)。結(jié)果發(fā)現(xiàn):由于地理、人口、經(jīng)濟(jì)等因素，確診病例存在城鎮(zhèn)分布差異。城鎮(zhèn)54.7%,鄉(xiāng)村45.3%,城鎮(zhèn)高于鄉(xiāng)村,且疫情熱點(diǎn)高發(fā)區(qū)域?yàn)樾^(qū)、村莊兩大微觀場所。溫州市主城四區(qū)(鹿城區(qū)、甌海區(qū)、龍灣區(qū)、洞頭區(qū),以下簡稱主城四區(qū))以小區(qū)(61.41%)為病例主要分布點(diǎn),此外還包括人員復(fù)雜,流動頻繁的大廈、商廈、農(nóng)貿(mào)市場等公共場所。溫州市三縣級市(樂清市、瑞安市、龍港市,以下簡稱三市):樂清市以村莊(75.88%)、社區(qū)(20.59%)為主要分布點(diǎn);瑞安市有病例發(fā)生于老人公寓;龍港市未公布病例具體地址信息,病例分布地點(diǎn)未知。溫州市五縣(永嘉縣、平陽縣、蒼南縣、文成縣、泰順縣,以下簡稱五縣)確診病例分布則以村莊為首位,占比高達(dá)67.2%,且病例分布場所較集中,主要集聚于特定鄉(xiāng)鎮(zhèn),比如泰順縣鳳垟鄉(xiāng)14例,文成縣珊溪鎮(zhèn)9例,同一鎮(zhèn)域疫情高發(fā),存在地方聚集傳播的可能。

3 溫州市疫情與醫(yī)療服務(wù)可達(dá)性

3.1 醫(yī)療服務(wù)可達(dá)性分析

疫情的演變是個體在地理時空的轉(zhuǎn)移過程,其發(fā)展迅速、波及范圍大且危害性強(qiáng),而醫(yī)療機(jī)構(gòu)的合理布局,有助于阻礙疫情進(jìn)一步發(fā)展,進(jìn)而降低其社會危害性。基于此,借助ArcGIS中Network Analyst模塊,對溫州市10家定點(diǎn)救治醫(yī)療機(jī)構(gòu)(以下簡稱定點(diǎn)醫(yī)院，部分醫(yī)院是定點(diǎn)醫(yī)院，也是發(fā)熱門診)與33家發(fā)熱門診醫(yī)療機(jī)構(gòu)(以下簡稱發(fā)熱門診)的布局進(jìn)行考量,從醫(yī)療設(shè)施的空間可達(dá)性視角出發(fā),評價疫點(diǎn)與醫(yī)療機(jī)構(gòu)間最短路徑關(guān)系與就醫(yī)服務(wù)可達(dá)性。

圖6 溫州市COVID-19確診病例微觀地點(diǎn)與城鄉(xiāng)分布Fig.6 Microcosmic location and urban-rural distribution of confirmed COVID-19 cases in Wenzhou

結(jié)果表明(見圖7A),疫點(diǎn)距發(fā)熱門診的最近距離位于5 km以內(nèi),占比達(dá)54.23%,[5～10]km和[10～20]km占比相當(dāng),此后隨距離遞增呈衰減趨勢;而疫點(diǎn)距定點(diǎn)醫(yī)院間距離具有正態(tài)分布特征,峰值位于[10～20]km。累計占比表明(見圖7B),88.69%的疫點(diǎn)距發(fā)熱門診的距離位于20 km范圍以內(nèi),但總體約87%的疫點(diǎn)距定點(diǎn)醫(yī)院的距離位于30 km以內(nèi),駕車耗時約1 h。說明發(fā)熱門診的20 km近距離設(shè)置,可以有效降低普通居民的問診時間成本,縮小疫情傳播范圍;而定點(diǎn)醫(yī)院1 h(30 km)服務(wù)半徑,與其數(shù)量以及救治能力相適應(yīng),基本滿足了確診病例的就醫(yī)需求。

圖7 溫州市COVID-19確診病例醫(yī)療救治機(jī)構(gòu)最短路徑Fig.7 The shortest path to medical facilities for confirmed COVID-19 cases in Wenzhou

在對醫(yī)療機(jī)構(gòu)的基本空間距離測度后,考慮到醫(yī)院類型(定點(diǎn)醫(yī)院和發(fā)熱門診)對于其服務(wù)能力的影響,參考已有醫(yī)院可達(dá)性服務(wù)半徑研究和本文前述研究結(jié)果,以20 km為發(fā)熱門診的服務(wù)半徑,以30 km為定點(diǎn)醫(yī)院的服務(wù)半徑,通過兩步移動搜索法,進(jìn)一步構(gòu)建服務(wù)區(qū)(見圖8A),評估疫點(diǎn)人群的就醫(yī)可達(dá)性。醫(yī)療機(jī)構(gòu)的分布與疫點(diǎn)數(shù)量較為匹配,高水平區(qū)域位于人口、醫(yī)療機(jī)構(gòu)和路網(wǎng)相對集中片區(qū),20 km和30 km服務(wù)區(qū)覆蓋全市75.44% 的疫點(diǎn)。

對疫點(diǎn)就醫(yī)可達(dá)性反距離插值(見圖8B),發(fā)現(xiàn)可達(dá)性分布呈明顯圈層梯度結(jié)構(gòu),由高到低向四周遞減。甌海、鹿城、龍灣三區(qū)交界地帶可達(dá)性最好,此區(qū)域?yàn)闇刂菔欣铣菂^(qū),路網(wǎng)密集、市級醫(yī)院集聚于此,人口密集,所以病床供需比適中,滿足城區(qū)高密度人口的及時問診需求?？蛇_(dá)性較好片區(qū)為龍港市及其鄰近的蒼南縣和平陽縣部分區(qū)域,縣級醫(yī)院病床供需比介于8.56～26.31之間,病床充足,距離醫(yī)療設(shè)施服務(wù)點(diǎn)相對更近?？蛇_(dá)性一般片區(qū)大多處于可達(dá)性較好的外圍鄰接區(qū)域,此類地區(qū)距醫(yī)療機(jī)構(gòu)的距離10～15 km,出行較為通暢,既能獲取縣、區(qū)級醫(yī)院就診機(jī)會,又可獲取市級醫(yī)療機(jī)構(gòu)資源。而距醫(yī)院約30 km的片區(qū),可達(dá)性較差,此類疫點(diǎn)距醫(yī)院較遠(yuǎn),醫(yī)療資源獲取能力較弱?？蛇_(dá)性最差地區(qū)為文成縣(珊溪鎮(zhèn))、泰順縣(泗溪鎮(zhèn)、鳳垟鄉(xiāng)),縣級醫(yī)院床位供遠(yuǎn)大于求,滿足患者的就診需求,但疫點(diǎn)村莊位置較為偏遠(yuǎn),出行不便,削弱就醫(yī)可達(dá)性,從而導(dǎo)致了資源浪費(fèi)。總體就醫(yī)可達(dá)性排序顯示(見表2),主城四區(qū)就醫(yī)可達(dá)性優(yōu)勢顯著,鹿城區(qū)居首位,縣、縣級市相對較弱,而文成縣、泰順縣、洞頭區(qū)疫點(diǎn)鄉(xiāng)鎮(zhèn)距離醫(yī)療機(jī)構(gòu)超30 km,所以可達(dá)性均值為0。未來針對類似衛(wèi)生應(yīng)急事件,可在此類地區(qū)進(jìn)行醫(yī)療資源優(yōu)化布局。

綜上,疫點(diǎn)距醫(yī)療機(jī)構(gòu)的遠(yuǎn)近與地區(qū)人口、醫(yī)院總量、路網(wǎng)通達(dá)性相適應(yīng)。20 km范圍內(nèi)的發(fā)熱門診設(shè)置滿足了普通居民的基本問診需求;30 km的定點(diǎn)醫(yī)院服務(wù)半徑,滿足了確診病例的就醫(yī)需求。全市縣區(qū)可達(dá)性呈圈層梯度結(jié)構(gòu)分布,區(qū)縣差異顯著,較高地區(qū)集中于區(qū)級、市級及其鄰接區(qū)域,而縣級邊緣地區(qū)就醫(yī)可達(dá)性較低,且病床資源出現(xiàn)浪費(fèi)情況。

圖8 溫州市COVID-19醫(yī)療救治機(jī)構(gòu)服務(wù)區(qū)及可達(dá)性分析Fig.8 Service area and accessibility analysis of medical facilities of confirmed COVID-19 cases in Wenzhou

表2 縣域可達(dá)性值排序Tab.2 Sorting results of county accessibility values

3.2 服務(wù)布局優(yōu)化建議

現(xiàn)有醫(yī)療救治機(jī)構(gòu)已基本滿足服務(wù)區(qū)內(nèi)人群就醫(yī)需求,因此,針對醫(yī)療機(jī)構(gòu)服務(wù)區(qū)外的疫點(diǎn)(占比24.55%),提出相應(yīng)就醫(yī)優(yōu)化建議。依據(jù)距離成本將其分為兩種類型(見圖8C):近距不便型(距醫(yī)療機(jī)構(gòu)較近,出行不便)和遠(yuǎn)距稀疏型(距醫(yī)療機(jī)構(gòu)較遠(yuǎn),路網(wǎng)稀疏)。近距不便型主要位于樂清市北部地區(qū)和東部近海地區(qū),地處樂清市定點(diǎn)救治醫(yī)院服務(wù)邊界地帶,增加急救醫(yī)療設(shè)施點(diǎn)的成本相對較高,從節(jié)省成本與資源的角度考慮,建議劃分街道片區(qū),由醫(yī)療機(jī)構(gòu)開通定點(diǎn)就診直通車,適時接送就醫(yī)人群與確診患者,確保此類地區(qū)人群疫情期間的就醫(yī)便捷。遠(yuǎn)距稀疏型則主要位于五縣,包括泰順縣泗溪鎮(zhèn)、鳳垟鄉(xiāng),文成縣珊溪鎮(zhèn),平陽縣懷溪鎮(zhèn),蒼南縣沿浦鎮(zhèn)以及永嘉縣西北部的鄉(xiāng)村(石垟村、垟京村、黃岡下村、黃山村)和東部靠近樂清市的鶴盛鎮(zhèn)、楓臨鎮(zhèn)、沙頭鎮(zhèn),此類疫點(diǎn)距縣級定點(diǎn)醫(yī)院距離偏遠(yuǎn),造成了縣級醫(yī)院的病床資源浪費(fèi),而路網(wǎng)密度稀疏又導(dǎo)致了就醫(yī)的極大不便造成了信息不對等。針對此類地區(qū)建議將核酸檢測權(quán)力下放,在該地區(qū)鄉(xiāng)鎮(zhèn)/街道衛(wèi)生院就近設(shè)立檢測點(diǎn),提高檢測速率,同時,在區(qū)縣交界地帶增設(shè)臨時急救設(shè)施點(diǎn),防止因人群聚集與疫情信息接收、反饋的滯后,可能造成的小范圍疫情暴發(fā),從而更有效的防止疫情擴(kuò)散。

4 結(jié)論與討論

4.1 結(jié)論

本文以此次疫情中國高發(fā)市域溫州市為研究區(qū),基于多源時空大小數(shù)據(jù),綜合運(yùn)用文本分析、數(shù)理統(tǒng)計、空間分析等方法,解析疫情的時空演變特征,評估確診病例的就醫(yī)可達(dá)性。得出如下結(jié)論:

1)時間演化特征:疫情發(fā)展可分市外輸入期、市內(nèi)擴(kuò)散期、穩(wěn)定控制期、境外輸入期4個時期;累計治愈病例于2月5日起快速上升。男女病例比為1.11∶1,波動趨勢基本一致,男性峰值出現(xiàn)時間早于女性,15～59歲為重點(diǎn)感染人群,其中45～59歲中年群體,新增病例峰值時間出現(xiàn)最早,且時間跨度更大,而60歲以上老年病例新增時間相對滯后。

2)空間分布格局:宏觀上,確診病例多分布于東部近海地區(qū),且沿城市交通干線呈“東北—西南”軸向遞減分布。本地感染病例略高于市外輸入,流入人口數(shù)量顯著影響區(qū)縣確診病例分布,且市外輸入以武漢返溫型流入為最。微觀上,病例分布城鎮(zhèn)多于鄉(xiāng)村,主城四區(qū)以小區(qū)為主,五縣以村莊為首。

3)醫(yī)療服務(wù)可達(dá)性評估:疫點(diǎn)距定點(diǎn)醫(yī)療救治機(jī)構(gòu)20 km和30 km的服務(wù)半徑設(shè)置,滿足普通居民的基本問診需求與確診病例的就醫(yī)需求;就醫(yī)可達(dá)性呈圈層梯度結(jié)構(gòu)分布,區(qū)縣差異顯著,較高地區(qū)集中于區(qū)、縣級市及其鄰接區(qū)域,而縣級邊緣地區(qū)就醫(yī)可達(dá)性較低,且醫(yī)院病床供需比不均。基于此,對不在服務(wù)區(qū)的疫點(diǎn)提出兩種服務(wù)布局優(yōu)化方案。

4.2 討論

本研究基于溫州市疫情的發(fā)展與演變,通過解析確診病例的時空演化格局,評價城市內(nèi)部醫(yī)患供需結(jié)構(gòu)與醫(yī)療衛(wèi)生服務(wù)可達(dá)性,嘗試從個體遷移-群體聚集-社會資源布局三重維度,構(gòu)建城市疫情綜合演化機(jī)制(見圖9),并針對未來疫情防控提出以下幾點(diǎn)建議:① 外嚴(yán)。通過移動大數(shù)據(jù),網(wǎng)絡(luò)搜索,城市入口處排查等方法的組合,在交通節(jié)點(diǎn)嚴(yán)格檢查,車站、港口、碼頭、機(jī)場全面執(zhí)行健康碼出行,配備臨時發(fā)熱安置點(diǎn)。優(yōu)化機(jī)場送檢制度,對入境人員實(shí)行“點(diǎn)”(機(jī)場)至“點(diǎn)”(隔離賓館)的單線轉(zhuǎn)運(yùn),避免境外輸入引發(fā)市內(nèi)疫情復(fù)發(fā)。② 內(nèi)穩(wěn)。現(xiàn)階段疫情趨于穩(wěn)定,實(shí)時監(jiān)測必不可少,社區(qū)/小區(qū)建立實(shí)時響應(yīng)機(jī)制,向上傳遞疫情動態(tài),向下傳送最新政策信息,形成常態(tài)化防控機(jī)制。本地市民實(shí)行“城市一碼通”,精確記錄每一位人員的出行軌跡信息,提升行程的可追溯性。復(fù)工、復(fù)產(chǎn)、復(fù)學(xué)有序開展,學(xué)校、企業(yè)應(yīng)做好場所消毒與人員身體狀況的反饋,錯峰上班、上學(xué),選乘私家車或共享車等感染風(fēng)險較小的交通工具出行,城市內(nèi)部公交有序發(fā)車,分級制定差異化運(yùn)營方案,適當(dāng)增加人流聚集線路的發(fā)車頻次,減少公交單次載客量,確保后疫情時期的市民正常生活。③ 適當(dāng)開放。開放電影院、KTV、游樂園等娛樂場所,控制上座率與進(jìn)入率,做好體溫量測與衛(wèi)生消殺;景區(qū)景點(diǎn)通過網(wǎng)絡(luò)預(yù)約,以實(shí)名購票形式向大眾限流開放,嚴(yán)控人員聚集與景區(qū)日接待量;酒店、餐飲等人流量大的地方保證公共區(qū)域的消殺與室內(nèi)空氣的流通,多人聚餐時盡量保證隔人而坐。以鄉(xiāng)鎮(zhèn)(街道)為單元,確定不同鎮(zhèn)域風(fēng)險機(jī)制,設(shè)立1～2個新冠救治定點(diǎn)醫(yī)院,其他醫(yī)院恢復(fù)正常就醫(yī)問診,確保普通市民買藥、就醫(yī)的基本需求?？h域偏遠(yuǎn)鄉(xiāng)鎮(zhèn),考慮道路交通、信息閉塞等因素對其就醫(yī)可達(dá)性的影響,開展就近設(shè)點(diǎn)、送醫(yī)下鄉(xiāng)、入戶檢測等活動,防止因交通不便或信息滯后導(dǎo)致的漏報、漏治情況。

圖9 溫州市疫情綜合演化機(jī)制Fig.9 Comprehensive evolution mechanism of COVID-19 epidemic in Wenzhou

本文雖取得一些認(rèn)識,但仍有不足之處:從數(shù)據(jù)上來看,由于確診病例特征分析時缺少1月22日—1月26日的31例數(shù)據(jù)的詳細(xì)信息,是否會影響片區(qū)特征有待考量;大型醫(yī)院對于病例的吸引力以及人在救治時的主觀偏好(熟人醫(yī)院、醫(yī)療費(fèi)用、醫(yī)院服務(wù)態(tài)度等)會影響就診機(jī)構(gòu)選擇,以后工作需將主客觀因素相結(jié)合,優(yōu)化就醫(yī)可達(dá)性測度模型。總體來看,本研究是聚焦市域探析疫情時空演變的一次積極嘗試,未來值得深入探討的方向包括:地域上,宏觀揭示全國范圍內(nèi)疫情源—流—匯的傳播路徑與擴(kuò)散模式;對比重點(diǎn)高發(fā)市域(廣東深圳、河南信陽、安徽阜陽、山東濟(jì)寧)等城市間的病例差異、發(fā)病周期與地方政府管控間的關(guān)系。疫情防控上,評估省、市、縣、街道/鄉(xiāng)鎮(zhèn)、社區(qū)/村莊等不同尺度的疫情風(fēng)險,構(gòu)建變化條件下疫情“感知預(yù)判-擴(kuò)散演變-應(yīng)對防控”典型情境,提出針對性的防控對策及預(yù)案。