中国SARS疫情的探索性空间数据分析
关于利用地理信息系统进行疾病防控的研究
关于利用地理信息系统进行疾病防控的研究作者：陈雨乔来源：《科学与信息化》2020年第03期摘要地理信息技术在莱姆病、疟疾、丝虫病和血吸虫病等疾病的研究中已经发挥了重要的作用，在流行病领域有良好的应用前景。
本次新型冠状病毒事件中，也可利用地理信息系统对疾病进行防控。
利用GIS技术中构建缓冲区，规划最短路径等方法可以对于疾病的防控起到有效帮助。
本文对于已经运用于疾病防控中的地理信息技术进行综述并针对此次新型冠状病毒事件对构建医疗防控平台进行构想。
关键词地理信息系统;疾病控制;医疗资源;平台构建Abstract Geographic information system which has a good application prospect in the field of epidemic diseases has played an important role in the research of lyme disease， malaria， filariasis and schistosomiasis. In this Novel coronavirus pneumonia event， geographic information system can also be used to prevent and control the disease. Using GIS technology to construct buffer zone，planning shortest path and other methods can effectively help the prevention and control of diseases. This paper summarizes the geographic information technology that has been applied in disease prevention and control and proposes the construction of a medical prevention and control platform for this new coronavirus event.Key words Geographic information system; Disease prevention; Medical resource; Platform construction疾病傳播的研究在极大程度上依赖于空间分析，通过分析疾病与周围环境关系，为疾病的防控决策提供依据。
病传播的空间统计分析方法研究
病传播的空间统计分析方法研究疾病传播是一个复杂的过程，其中空间因素的影响不可忽视。
针对疾病传播的空间统计分析方法的研究，已经成为公共卫生领域的热点问题。
本文将就这一主题展开讨论，介绍常用的疾病传播的空间统计分析方法，包括聚集性分析、点模式分析和空间回归分析。
一、聚集性分析聚集性分析主要用于检测疾病在空间上的聚集现象，即疾病发生的集中和非集中区域。
常用的聚集性分析方法有格点统计、索引检验和扫描统计。
1. 格点统计格点统计是一种常见的空间统计分析方法，它将疾病数据在地理空间上转换为格点数据，并对每个格点的疾病发生情况进行统计。
通过计算每个格点的疾病发病率，可以绘制出疾病分布的等值线图，从而直观地展示疾病的空间分布情况。
2. 索引检验索引检验是一种用于确定疾病空间聚集的统计检验方法。
其中最常用的指数是Moran's I指数和Getis-Ord Gi*指数。
Moran's I指数用于检验数据的全局自相关性，而Getis-Ord Gi*指数用于检测局部聚集现象。
通过计算这些指数，可以评估疾病在空间上的聚集情况。
3. 扫描统计扫描统计是一种基于统计显著性的空间聚类检测方法。
它通过滑动一个扫描窗口在地理空间上进行扫描，计算每个窗口内的疾病发病率，并与整个研究区域的发病率进行比较。
通过找到具有最高或最低发病率的扫描窗口，可以确定疾病的聚集区域。
二、点模式分析点模式分析主要用于研究疾病传播的空间聚集模式，即疾病传播的路径和速度。
常用的点模式分析方法有K函数和距离带分析。
1. K函数K函数是一种用于测量点过程的空间相关性的统计方法。
在疾病传播研究中，可以将病例点作为点过程的实例，通过计算病例点之间的距离，并与随机点过程进行比较，来评估疾病传播的聚集程度。
2. 距离带分析距离带分析是一种用于确定疾病传播路径的空间分析方法。
通过在研究区域内设置不同的距离带，计算每个距离带内的疾病传播率，并绘制曲线图来描述疾病传播路径的特征。
sars调研报告
sars调研报告
SARS（严重急性呼吸道综合症）是一种由冠状病毒引起的呼
吸系统疾病，于2002年首次在广东省深圳市爆发。
这次调研
报告旨在对SARS的传播、症状、防控措施以及对社会和经济的影响进行分析和总结。
首先，SARS是一种高传染性疾病，通过飞沫传播和密切接触
传播。
在疫情爆发初期，SARS病毒的传播速度非常快，导致
感染人数迅速增加。
此外，过去的研究表明，SARS病毒还可
能通过空气传播和污染物传播。
其次，SARS的主要症状包括高热、咳嗽、乏力和呼吸困难。
该病毒有潜伏期，通常为2-7天，在潜伏期结束时，患者会出
现症状。
病情重的患者可能进一步发展为肺炎，甚至死亡。
因此，对这种疾病的早期诊断和治疗非常重要。
第三，为了应对SARS的暴发，各国采取了一系列的防控措施。
这些包括：加强疫情监测和报告、提高公众卫生意识、实施隔离措施、加强医院感染控制、加强个人防护等。
此外，针对病毒的疫苗研发也是一项重要的工作。
最后，SARS对社会和经济造成了一系列的影响。
首先，人们
的生活方式和行为习惯发生了变化，包括戴口罩、勤洗手、避免拥挤等。
其次，旅游业、航空业和餐饮业等受到了重创，许多企业和个人面临着经济困境。
此外，对于公共卫生系统的运作也提出了更高的要求。
总的来说，SARS是一种具有高传染性的呼吸系统疾病，对社会和经济造成了严重的影响。
为了应对这种疾病的暴发，每个人都有责任增加对公共卫生的重视，采取必要的防护措施。
此外，各国政府也应加强国际合作，共同应对类似疫情的挑战，以保护全人类的健康和福祉。
疫情传播与空间数据分析
疫情传播与空间数据分析随着新冠病毒的全球爆发，疫情传播成为了全世界关注的焦点。
为了抑制病毒的传播，各国采取了一系列措施，包括加强疫情监测、封锁城市等。
而在这些措施中，空间数据分析发挥着重要的作用。
空间数据分析是指利用地理信息系统（GIS）和遥感技术等手段，对地理空间数据进行统计和分析的过程。
在疫情传播中，空间数据分析可以帮助我们了解疫情的传播路径、传播速度以及传播的影响范围，并为决策者提供科学依据。
首先，通过空间数据分析，可以对病毒的传播路径进行追踪和分析。
通过收集病例的时间和地理信息，可以绘制出病例的传播路径图，帮助我们了解病毒的传播路径和传播的规律。
例如，在疫情初期，通过对武汉和其他城市的病例数据进行空间分析，可以发现武汉是病毒的传播源头，并且病毒的传播路径主要集中在中国大陆内部以及与武汉交通联系紧密的城市。
其次，空间数据分析可以帮助我们评估疫情传播的速度。
通过对不同地区的病例数量和时间进行统计和分析，可以得出不同地区病例数的增长趋势，以及病毒传播的速度。
这有助于我们及时采取措施控制疫情的蔓延。
例如，在中国的疫情初期，通过对各个省份病例数量的空间分析，可以发现病例数的增长速度较快的地区，从而及时调配资源加强防控措施。
此外，空间数据分析还可以帮助我们评估疫情传播的影响范围。
通过对病毒传播的空间模式进行分析，可以确定疫情扩散的范围，并预测下一波疫情的传播方向。
这有助于我们及时采取措施，以减少疫情对人员和社会经济的影响。
例如，在中国的疫情防控中，通过对病例传播的空间模式进行分析，可以确定哪些地区可能会成为下一波疫情的重点区域，从而及时采取针对性的防控措施。
总之，疫情传播与空间数据分析密不可分。
通过空间数据分析，我们能够更好地了解病毒的传播路径、传播速度以及传播的影响范围。
这些信息可以为决策者提供科学依据，帮助我们更好地应对疫情。
在未来，随着技术的不断发展，空间数据分析在疫情防控中的作用将会越来越重要。
sars疫情分析模型
SARS疫情分析模型徐凯2003年9月kernxu@摘要本文先分析评价了题目附件1的模型，进而建立了两个宏观SARS疫情模型、一个微观模型和一个SARS影响旅游的模型。
利用这些模型，准确的预测了北京的疫情发展、旅游业复苏时间，解释了北京统计值的偏差，评价了卫生部门隔离措施。
模型形式简单，结构巧妙，拟合、预测效果极好，远优于原模型。
运算利用指数曲线拟合、差分方程、计算机程序递归模拟等。
一、问题的分析与假设“非典”传播有很多特殊的性质，比如：a.潜伏期是否传播及潜伏期长短没有准确的说法；b.发病期传染几率变化，发病后第３到５天达到最强；c.传播途径较多，人为隔离对传播有较大的影响；d.不易确诊，出现症状后的三天内，病毒检出率基本为零。
于是，要从微观角度定量分析非典传播规律，成为一件复杂的事。
考虑到我们掌握的资料多数为宏观统计资料。
本文中我们先从宏观角度建立了两个模型，这两个模型形式较为简单，我们对一些医学界也无法确定的结论，一律用统计值取代。
比如：a.采用平均传染率来避免讨论传染率的变化；b.认为潜伏期可以传染；c.认为隔离后不能传染给他人；d.依据有关部门的统计资料，认为北京的潜伏期为5。
在掌握宏观规律的基础上，考虑了部分微观因素，我们又建立了一个微观模型。
并且作了新的假设，由于前后假设有所矛盾，为防止混淆，这些假设会在后文中介绍。
二、本文参数说明三、早期SARS疫情分析模型(题目附件1)的评价由于题目附件1所建立的模型，对我们建立新模型有着重要的价值，而原文介绍较为简略，所以我先做简要分析：根据《SARS疫情分析及对北京疫情走势的预测》[1]一文所建立的模型：考虑传染期限L对直接传染基数的影响，并且认为L=20（天）。
从而对应模型为：N(t)=N0*(1+K)t当0<=t<=20 (1)N(t)=(1+K)*N(t-1)-K*N(t-20) 当t>20 (2)其中，（2）式利用“递归公式”将到达L天的病例从可以引发直接传染的基数中去掉。
非典调研报告
非典调研报告非典调研报告一、研究背景非典型性肺炎（SARS）是2002年至2003年全球爆发的一种严重传染性疾病，由冠状病毒引起。
该疾病在全球范围内造成了约8000人感染，近800人死亡。
非典在当时的爆发引起了全球关注，也对人们的生活和社会经济产生了重大影响。
二、调研目的本调研旨在深入了解非典疫情的爆发原因和防控措施，为今后类似疫情的应对提供经验教训。
三、调研方法本调研采用了文献研究和实地调查相结合的方法。
通过查阅相关文献和采访疾病防控机构、医院和疾病防控专家，获取相关信息。
四、调研结果1.非典爆发的原因：非典的起源可能是来自中国广东省的一种蝙蝠病毒，经过中间宿主（像猫这样的动物）传播到人类。
不当的食用和处理野味可能是导致疫情爆发的主要原因之一。
2.非典的传播途径：非典主要通过飞沫传播，也可以通过密切接触、空气传播和污染物接触传播。
3.非典的症状：非典的症状包括发热、呼吸困难、咳嗽、体重下降等。
4.非典的防控措施：非典的防控措施包括早期病例识别和隔离、积极的公共卫生干预、加强监测和报告、个人防护等。
五、调研结论非典疫情的爆发是多种因素共同作用的结果，包括病毒的性质、人与动物接触、卫生条件和国际合作等。
未来，我们应加强对传染病的监测和预警，加强国际合作，提高公众的健康意识和自我保护能力。
六、建议1.加强国际合作：各国应积极分享疫情信息和研究成果，共同应对传染病威胁。
2.加大公共卫生投入：政府应加大对公共卫生领域的投入，提高卫生设施和人员的水平。
3.加强公众教育：通过加强公众的健康教育，提高公众的健康意识和自我保护能力。
7.参考文献1. World Health Organization. Summary of probable SARS cases with onset of illness from 1 November 2002 to 7 August 2003[EB/OL].2003.2. 顾百文, 李及之, 冯晋肺炎传染源的流行病学调查[J]. 传染病信息, 2003(4).3. 李兵. 非典（SARS）流行病学调查 [J]. 中国卫生教育, 2003(11).。
北京市SARS流行的特征与时空传播规律_曹志冬
2.1 发病率图 发病率(Morbidity rate)是指一定时期内新病例的
表 1 SARS 感染者数据的空间化处理原则 a)
所在省、市
家庭பைடு நூலகம்址
单位住址
空间化处理方法
北京市 非北京市
√ √ × × √/×
√ × √ × √/×
家庭地址 家庭地址 单位地址 弃之不用 弃之不用
根据表 1 的空间化处理原则, 以采用人工方法对
地名进行匹配, 得到了 2321 例 SARS 感染者在北京 市 的 空 间 分 布 情 况 ( 图 2(a)), 空 间 化 率 约 为 2321/2444×100%=95%, 北京市的 SARS 感染者大多 集中在人口稠密的城市中心地带, 周边郊区及远郊 区县的感染者数量非常少. 为消除少数远离 SARS 传 播中心的感染者对研究分析产生的不确定性影响, 本文选用以 SARS 感染者的空间几何中心为圆心、两 倍距离标准差为半径的疫区中心地带的感染者为研 究对象(图 2(b)), 范围涵盖北京市五环以内所有区域, 研究范围内的感染者数量为 2227 例, 占所有可定位 的时空数据总量的 96%, 占北京市所有感染者人数 的 91.1%.
中国科学: 地球科学 2010 年 第 40 卷 第 6 期
的应急决策提供科学依据. 2003 年突发的 SARS 流行是新中国成立后严重
的一次公共卫生安全危机, 也是进入 21 世纪以来人 类面临的影响较为广泛的一次传染病全球性流行事 件. 五年来, 世界各地的大量科学家分别从病理 学[1]、分子生物学[2]、临床医学[3]、流行病学[4]、卫生 经济学[5]及应急管理[6]等方面展来了对 SARS 的全面 研究, 取得了许多重要成果, 然而, 仍有许多未知谜 题有待深入发掘.
基于GIS的疾病空间分布与流行特征研究
基于GIS的疾病空间分布与流行特征研究随着科技的发展和数据采集的不断完善，地理信息系统（GIS）在疾病研究领域中扮演着越来越重要的角色。
GIS可以将地理位置和相关数据进行统一管理、分析和可视化展示，为疾病的空间分布与流行特征研究提供了有力的支持。
本文将重点探讨基于GIS的疾病空间分布与流行特征研究的相关内容。
一、GIS在疾病空间分布研究中的应用疾病的发生与地理位置息息相关，而GIS可以通过空间分析方法，帮助研究人员深入了解疾病的分布规律以及与环境、人口等因素之间的关系。
首先，GIS可将疾病发病地点标注在地图上，形成热点图或者散点图，为进一步的分析提供基础。
其次，GIS能够将各种地理数据与疾病数据进行叠加分析，比如人口分布、环境因素等，从而揭示潜在的相关性。
另外，GIS还可以利用测距工具计算各地点之间的距离，即连通性分析，为研究病原体传播途径提供参考。
二、GIS在疾病流行特征研究中的应用疾病的流行特征是指疾病在特定时间段和地域范围内的变化趋势和分布情况。
GIS可以通过时间序列分析和空间插值等方法，对疾病的流行趋势进行研究。
例如，针对某一特定疾病，可以对多个时间段的病例数据进行比较，利用GIS软件生成时间序列图，以展示疾病的变化趋势。
另外，GIS还可以进行空间插值和空间聚类分析，从而获取疾病在不同地区的高发区域和低发区域，为疾病防控提供科学依据。
三、案例分析：应用GIS分析SARS的空间分布与流行特征为了更好地说明GIS在疾病空间分布与流行特征研究中的应用，我们以SARS（严重急性呼吸综合症）为例进行分析。
首先，我们可以通过GIS将SARS病例的空间分布绘制在地图上，发现其主要集中在亚洲地区，尤其是中国大陆和香港等地。
接下来，我们可以将环境因素、人口密度等数据叠加到病例分布图上，发现疾病的高发区域多与人口密集区和交通枢纽相重合，暗示着人口流动和接触是病原体传播的主要途径。
随后，我们可以利用时间序列分析方法，绘制SARS病例的时间序列图。
非典分析报告
非典分析报告引言非典（SARS）是由严重急性呼吸综合征冠状病毒（SARS-CoV）引起的一种传染病。
它于2002年末在中国广东省首次出现，并在短时间内迅速传播到其他国家和地区。
非典疫情对全球公共卫生和经济产生了巨大影响，因此进行非典分析对预防和控制类似流行病的发生至关重要。
数据来源作为非典分析的基础，我们使用了世界卫生组织（WHO）和中国疾病预防控制中心（CDC）提供的非典疫情数据。
这些数据包括患病人数、死亡人数和感染率等指标，覆盖了非典爆发期间的多个地区和时间段。
我们采用了这些数据进行分析和研究，以便更好地了解非典的传播和影响。
数据分析1. 非典疫情趋势分析我们首先对非典疫情的趋势进行了分析。
根据数据，我们绘制了非典疫情的日新增病例数图表和总感染率图表。
图表显示，非典疫情在爆发初期呈现出迅速增加的趋势，随后在经过一段时间的爆发后逐渐趋于平缓。
此外，总感染率也在疫情初期出现显著增长，之后逐渐减少。
2. 地区比较分析我们对不同地区的非典疫情进行了比较分析。
根据数据，我们绘制了不同地区感染率的柱状图。
图表显示，非典疫情在一些地区表现出较高的感染率，而在另一些地区则较低。
这可能与人口密度、卫生条件、医疗资源等因素有关。
通过比较分析，我们可以更好地了解不同地区的风险差异，并采取相应措施进行预防和控制。
3. 传播途径分析非典疫情的传播途径是了解和控制疫情的关键。
我们通过分析不同地区的疫情数据，结合流行病学调查结果，对非典病毒的主要传播途径进行了分析。
我们发现，非典主要通过接触传播和空气飞沫传播，尤其是在密集场所和人群聚集的地方。
这些结果对制定防控策略和传播途径的重点进行干预非常有帮助。
4. 死亡率和康复率分析在分析非典疫情时，我们还对死亡率和康复率进行了分析。
通过数据分析，我们计算出了非典的总死亡率和总康复率，以及在不同地区和时间段的死亡率和康复率。
结果显示，总体上，非典的死亡率相对较高，康复率相对较低。
空间数据分析在公共卫生研究中的应用
空间数据分析在公共卫生研究中的应用在当今社会，公共卫生问题日益受到人们的关注，从传染病的防控到环境污染对健康的影响，从医疗资源的合理分配到健康风险的评估，都离不开科学的研究和有效的决策。
空间数据分析作为一种强大的工具，为公共卫生研究带来了新的视角和方法，有助于我们更好地理解和解决公共卫生领域的诸多问题。
一、空间数据分析的概念和方法空间数据分析是指对具有空间属性的数据进行收集、处理、分析和可视化的过程。
这些数据可以包括地理位置、空间范围、空间关系等信息。
常见的空间数据分析方法有空间聚类分析、空间自相关分析、缓冲区分析等。
空间聚类分析可以帮助我们发现公共卫生事件的聚集区域，例如疾病的高发区或者环境污染的重点区域。
通过对这些区域的识别，我们能够有针对性地采取防控措施和资源分配。
空间自相关分析则用于研究空间数据的相关性。
比如，某种疾病在相邻地区的发病情况是否存在关联，如果存在正相关，可能意味着疾病的传播具有一定的空间扩散模式。
缓冲区分析在公共卫生领域也有广泛的应用。
例如，我们可以以污染源为中心，设定一定距离的缓冲区，来评估周边居民受到污染影响的风险。
二、空间数据分析在传染病研究中的应用传染病的传播往往具有明显的空间特征。
空间数据分析在传染病研究中发挥着至关重要的作用。
通过对病例的地理位置进行分析，可以清晰地看到传染病的空间分布模式。
例如，在新冠疫情期间，通过空间数据分析，我们能够了解疫情在不同地区的严重程度和传播趋势，为制定精准的防控策略提供依据。
同时，结合人口流动数据和交通网络信息，能够模拟传染病的传播路径，预测可能的扩散方向，提前做好防控准备。
此外，空间数据分析还可以帮助评估防控措施的效果。
比如，对比实施封锁措施前后的病例空间分布变化，判断措施是否有效地控制了疾病的传播。
三、空间数据分析在环境与健康研究中的应用环境因素对健康有着深远的影响。
空间数据分析可以将环境监测数据与健康数据相结合，深入探究环境与健康之间的关系。
SARS疫情分析及对北京疫情走势的预测
SARS疫情分析及对北京疫情走势的预测北京大学物理学院叶沿林、庞丹阳、刘循序2003年5月8日在病例数比较多的地区，用数理模型作分析有一定意义。
前几天，王正行老师用解析公式分析了北京SARS疫情前期的走势。
在此基础上，我们加入了每个病人可以传染他人的期限（由于被严格隔离、治愈、死亡等），并考虑在不同阶段社会条件下传染概率的变化，然后先分析香港和广东的情况以获得比较合理的参数，最后初步预测北京的疫情走势。
希望这种分析能对认识疫情，安排后续的工作生活有帮助。
1．模型与参数假定初始时刻的病例数为N0，平均每病人每天可传染K个人（K一般为小数），平均每个病人可以直接感染他人的时间为L天。
则在L天之内，病例数目的增长随时间t(单位天)的关系是：N（t）= N0 (1+K)t如果不考虑对传染期的限制，则病例数将按照指数规律增长。
考虑传染期限L的作用后，变化将显著偏离指数律，增长速度会放慢。
我们采用半模拟循环计算的办法，把到达L天的病例从可以引发直接传染的基数中去掉。
参数K和L具有比较明显的实际意义。
L可理解为平均每个病人在被发现前后可以造成直接传染的期限，在此期限后他失去传染作用，可能的原因是被严格隔离、病愈不再传染或死去等等。
从原理上讲，这个参数主要与医疗机构隔离病人的时机和隔离的严格程度有关，只有医疗机构能有效缩短这个参数。
但我们分析广东、香港、北京现有的数据后发现，不论对于疫情的爆发阶段，还是疫情的控制阶段，这个参数都不能用得太小，否则无法描写好各阶段的数据。
该参数放在15-25之间比较好。
为了简单，我们把它固定在20（天）上。
这个值有一定统计上的意义，至于有没有医学上的解释，需要其他专家分析。
参数K显然代表某种社会环境下一个病人传染他人的平均概率，与全社会的警觉程度、政府和公众采取的各种措施有关。
在疾病初发期，社会来不及防备，此时K值比较大。
为了简单起见，我们从开始至到高峰期间均采用同样的K值（从拟合这一阶段的数据定出），即假定这阶段社会的防范程度都比较低，感染率比较高。
非典调查数据分析报告(3篇)
第1篇一、引言非典型肺炎（Severe Acute Respiratory Syndrome，简称SARS）是一种由冠状病毒引起的急性呼吸道传染病，于2002年底爆发。
我国作为非典疫情的重灾区，经历了这场突如其来的公共卫生危机。
为了深入了解非典疫情的发展规律和传播特点，本报告通过对非典疫情调查数据的分析，旨在为我国公共卫生事业提供有益的参考。
二、数据来源与处理1. 数据来源本报告所采用的数据主要来源于国家卫生健康委员会、各省（自治区、直辖市）卫生健康部门以及相关学术机构发布的非典疫情调查报告。
2. 数据处理（1）数据清洗：对原始数据进行去重、缺失值处理，确保数据的准确性和完整性。
（2）数据整理：将数据按照地区、时间、性别、年龄、职业等维度进行分类整理。
（3）数据转换：将部分数据转换为适合分析的形式，如将日期转换为时间序列数据。
三、数据分析1. 疫情概况（1）发病人数：非典疫情自2002年底爆发至2003年8月，我国累计报告病例8422例，死亡人数919人。
（2）地区分布：非典疫情主要集中在广东、北京、香港等地区。
（3）时间分布：非典疫情呈现典型的“冬季爆发、春季高峰、夏季下降”的周期性特点。
2. 传播途径（1）近距离飞沫传播：非典病毒主要通过近距离飞沫传播，如咳嗽、打喷嚏等。
（2）接触传播：密切接触患者或病毒污染的物体表面，如手、衣物等，也可能导致感染。
（3）空气气溶胶传播：在特定条件下，非典病毒可能通过空气气溶胶传播。
3. 易感人群（1）年龄：非典疫情主要影响中青年人群，年龄集中在20-59岁。
（2）性别：男女感染比例基本相当。
（3）职业：医务人员、医护人员、旅行者等职业感染率较高。
4. 预防措施（1）隔离患者：对确诊患者实行隔离治疗，切断传播途径。
（2）密切接触者筛查：对密切接触者进行隔离观察，确保疫情不扩散。
（3）加强个人防护：提高公众自我防护意识，佩戴口罩、勤洗手等。
（4）疫苗接种：积极研发疫苗，为公众提供免疫保护。
非典病毒研究报告
非典病毒研究报告背景非典病毒，全称为“严重急性呼吸综合征（SARS）冠状病毒”，是一种导致严重肺部感染的冠状病毒。
该病毒于2002年在中国广东省首次爆发，随后迅速传播到全球范围，并导致了数百人的死亡。
非典病毒的传播和传染机制一直是研究的热点，了解其生物学特征和传播途径对预防和防控具有重要意义。
目的本研究旨在通过对非典病毒的研究，深入了解其生物学特征、传播途径以及预防和控制措施，为全球范围内的非典病毒防控工作提供科学依据。
研究方法本研究主要采用以下方法进行非典病毒的研究：1.病毒分离和培养：从感染患者的呼吸道样本中分离得到非典病毒，并在合适的培养基上进行体外培养，以获取足够的病毒量供后续实验使用。
2.病毒DNA/RNA提取和测序：通过病毒DNA/RNA的提取和测序技术，了解非典病毒的基因组结构和遗传特征，为后续分析提供基础数据。
3.动物模型感染：建立动物模型（如小鼠、猴子等）进行非典病毒感染实验，观察疾病发展过程和病毒复制情况，评估病毒的病原性和传播能力。
4.细胞培养和传染实验：利用体外培养的细胞系进行非典病毒传染实验，观察病毒的感染途径、复制和扩散情况，研究病毒与宿主细胞的相互作用机制。
5.免疫学研究：通过采集感染患者的血清样本，利用 ELISA、Westernblot 等技术检测病毒抗体的产生情况，分析免疫应答的类型和程度，为疫苗研发提供参考。
研究结果经过一系列实验和研究，我们获得了一些重要的研究结果：1.非典病毒基因组结构：我们完成了非典病毒的基因组测序工作，确定其基因组长度为约30,000个核苷酸，含有多个编码病毒蛋白的基因。
2.非典病毒传播途径：我们研究发现，非典病毒主要通过飞沫传播和直接接触传播，而空气传播的风险相对较低。
此外，我们还证实了非典病毒能够通过消化道传播，进一步增加了其传染性。
3.非典病毒的病原性和传播能力：通过动物模型实验，我们发现非典病毒对小鼠和猴子都具有较高的病原性，能够引起严重的肺部炎症和病变。
SARS疫情的实证分析和预测
05-06 72.1 56 0.28
05-07 67.3 85 0.21
05-08 62.6 94 0.33
05-09 57.8 45 0.28
05-10 53.1 50 0.06
5-11 48.6 38 0.28
利用公式（4）我们预测未来 SARS 疫情走势为： 5 月 22 日新增确诊病人 14.7 人；5 月 26 日新增确诊病人数 9.1
根据卫生部公布的自 4 月 23 日至 5 月 15 日的数据， 我们把每日 新增确诊病人数减去其中的医护人员数作为 dR/dt 近似值，利用公 式（2）做曲线拟合得到以下公式
y=155 × [sech(0.0787t-0.650)]2
（3）
根据公式（3）计算得到的预测数与实际数对比见表 1。
表 1 全国内地每天新增病例计算值与实际数字对比 Table 1 Comparison of daily numbers of new patients computed by formula （3） and real numbers for national SARS epidemic situation (Hong Kong, Taiwan and Macao are not included) 日期 04-23 04-24 04-25 04-26 04-27 04-28 04-29 04-30 05-01 计算值 113.8 122.9 131.4 139.0 145.4 150.4 153.7 155.1 154.6 实际值 110 101 142 146 139 167 145 145 159 相对误 0.03 0.22 0.07 0.05 0.04 0.10 0.06 0.07 0.03
根据卫生部公布的自 4 月 23 日至 5 月 15 日数字， 把新增确诊病 人数减去其中医护人员数，按公式（2）做曲线拟合得到新增病人数 近似为
北京市2003 年SARS 疫情的多维分布及其影响因素分析
Analysis on the multi2distribution and the major influencing factors on severe acute respiratory syndrome in Beijing W A N G Ji n2f eng 3 , M EN G B i n , ZH EN G Xiao2yi ng , L IU Ji2yuan , HA N Wei2guo , W U Ji2 lei , L IU X u2hua , L I Xiao2wen , S ON G Xi n2m i ng. 3Instit ute of Geographical Sciences and N at ural Resources Research , Chi nese A cadem y of Sciences , Beiji ng 100101 , China
【摘要】 目的 采用多维可视化分析研究北京市 2003 年严重急性呼吸综合征 ( SARS) 疫情的扩 散过程 。方法 以北京市 SARS 疫情数据 ,结合北京市地理信息系统 ,基于数据驱动和模型驱动的理 论和技术 ,利用热点分析 、空间过程分析和因子识别等数据探索分析方法 ,根据传染病的多维传播特 性 ,同时利用遗传规划和模拟退火相结合的算法对易感2感染2移出 ( SIR) 模型求解 ,从模型直接求取 SARS 流行病学参数 。结果 SARS 密切接触者在城市内部呈现出大尺度上沿交通线聚集和在小尺 度上随机分布态势 ;在不同发展阶段 ,北京市 SARS 发病趋势存在显著的空间聚集和扩散变化特征 ; 地理位置 、人口以及医院和医生数量是 SARS 空间传播的重要影响因子 ;通过对 SIR 模型直接求解 , 反演传染病参数 ,对 SARS 确诊病例数可进行早期预报性分析 。结论 对 SARS 密切接触者的集聚 探测揭示了北京市人群存在两个空间尺度上的流动接触过程 ,为人2人接触性传染病的预防和控制策 略制定提供重要依据 ;多个环境和人文因子对 SARS 传播起作用 ,其统计显著性随时间变化 ;有效的 算法可以对 SIR 直接求解 ,使其可以用于传染病参数反演和早期预测 。
数字化的SARS民情——解读非典舆情调查报告
数字化的SARS民情——解读非典舆情调查报告南方周末2003年06月12日受中共南京市委宣传部的委托，在社会学家周晓虹教授主持下，南京大学社会学系与南京市舆情调查分析中心分别于2003年5月1-6日和5月23-25日，对SARS 事件的有关民意和专家意见，进行了主题为“SARS流行的公众反应与社会后果”的调查。
每次调查分三部分：文献调查、专家访谈和对北京、上海、广州、重庆、南京五大城市2064户居民的电话问卷调查(通过当地局号随机生成电话号码方法抽取调查样本，每次每座城市电话问卷调查超过200户居民)。
本报道得到了该课题组的授权，并且，其主要分析亦基于此项调查。
公元2003年，岁在癸未。
2月4日，气属立春。
就在立春后的第三天中午时分起，一条手机短信以每天递增100万-500万条的速度悄悄在流传———“广州发生致命流感”。
从此，SARS狂潮开始成为一个公共事件，影响了中国大地的整个春天。
作为一种基因序列大约为29736或29727个核甘酸的冠状病毒，SARS首先是一个医学问题；然而，它的流行所引爆的却是一个复杂的社会问题。
SARS危机给中国的社会、经济、政治与文化等各方面带来的影响是深远的，引发的思考是痛楚的。
我们相信：一个伟大的民族不但要有抗击苦难的勇气和坚忍，而且还应该具有强大的科学理性。
现在，是我们解析SARS事件所呈现的公理民情的时候了。
解析之一：信息公开与民众的福祉如果缺乏绝对意义上的智者，那么，流言只能止于新闻的公开。
———南京大学传播学学者杜骏飞调查结果表明：在从新闻媒体得知SARS信息之前，有40.9%的居民已经通过其他途径知道此事，且在五大城市间有显著的差异。
最先出现SARS疫情的广州，有58.2%的居民从非正规渠道最先得知有关SARS的信息，而地理位置相对偏僻的重庆仅为29.4%(见图1)。
从流言的传播路径来看，主要以“道听途说”(56.7%)、“电话”(19.4%)与“网络”(14.2%)传播为主。
2003年北京市SARS疫情空间相关性分析
2003年北京市SARS疫情空间相关性分析武继磊;王劲峰;孟斌;刘旭华【期刊名称】《浙江大学学报（农业与生命科学版）》【年(卷),期】2005(031)001【摘要】空间数据相关性分析是针对具有空间属性的事物之间的相互关系进行有效的认知和解释,以便于辅助预测与调控的方法手段.SARS疾病的突然爆发与蔓延,为区域的发展带来极大的损失,有效认识SARS疫情的空间过程,对于其防治的决策具有重要意义.本文利用北京市公布的SARS病例数据,采用空间数据相关性分析手段,试图分析出SARS的空间过程.结果发现,整个SARS的空间聚集状态存在两个转折点,即人群对疾病的恐慌并迁移引起的疫情扩散和对疫情采取有效防治策略、定点医院的成立后疾病的空间聚集,及后期疾病得到有效控制,呈现零星发作状态而出现空间扩散趋势.新增病例的热点探测证实了空间聚集度的变化趋势,而以街道社区尺度进行的密切接触者的热点探测分析则表明:SARS的空间传播,最早应该是一级热点区域(主要分布在二环内)随机分布状态,后随着人群的空间分布与流动,而出现与人群分布相关的热点区域分布状态.【总页数】5页(P97-101)【作者】武继磊;王劲峰;孟斌;刘旭华【作者单位】中国科学院,地理科学与资源研究所,北京,100101;北京大学,人口研究所,北京,100871;中国科学院,地理科学与资源研究所,北京,100101;中国科学院,地理科学与资源研究所,北京,100101;北京联合大学,应用文理学院,北京,100083;中国科学院,地理科学与资源研究所,北京,100101【正文语种】中文【中图分类】R181.12【相关文献】1.天津市河东区2003年SARS疫情特点报告 [J], 许钋2.SARS疫情分析及北京疫情走势预测--2003年全国大学生数学建模竞赛A题模型的改进 [J], 赵鸿丽3.用差分方程模型模拟北京2003年SARS疫情 [J], 刘双;李海龙4.2014年西非埃博拉与2003年中国SARS疫情特征及防控情况的比较分析 [J], 田曙光;陈勇;刘超5.2003年天津市SARS疫情流行病学分析及对策研究 [J], 徐瑛;郭则宇因版权原因，仅展示原文概要，查看原文内容请购买。
80例SARS病例的流行病学调查
80例SARS病例的流行病学调查
方舒敏
【期刊名称】《中国医学文摘：内科学》
【年(卷),期】2003(000)006
【摘要】<正> 对80例SARS患者进行流行病学凋查分析。
结果:72例患者(90％)有明确的SARS患者接触史,接触时间最短仅20min,潜伏期2-20天,平均为(7.6±4.3)天。
80例患者中医务人员占66.3％(53/80),非医务人员为33.7％(27/80);两组中有接触史的例数分别为49例(92.5％)和23例(85.2％),两者
【总页数】2页(P672-673)
【作者】方舒敏
【作者单位】
【正文语种】中文
【中图分类】R511.9
【相关文献】
1.太原市SARS死亡病例流行病学调查研究 [J], 李凤琴;赵宝新;何进凯;韩红;诸荣梅;李旭春;王志强;白淑美
2.关于SARS病例密切接触者流行病学调查报告 [J], 任彬;李桂兰
3.80例SARS病例流行病学调查与防控措施的研究 [J], 卢剑霞;王联君;刘世炜;闫辉
4.奉化市首例SARS疑似病例的流行病学调查 [J], 汪妙素;曹云生;王勇强;杜飞行
5.清远市无SARS病例地区人群SARS冠状病毒抗体血清流行病学调查 [J], 陈丽萍;禤汝流;孙小康;罗文玲;刘皑莹;林燕锋;曹晓月;黄晋飞
因版权原因，仅展示原文概要，查看原文内容请购买。
用差分方程模型模拟北京2003年SARS疫情
用差分方程模型模拟北京2003年SARS疫情
刘双;李海龙
【期刊名称】《生物数学学报》
【年(卷),期】2006(21)1
【摘要】根据北京2003年SARS疫情发展的实际情况,利用差分方程建立模拟北京疫情发展过程(2003年3月20日至7月14日)的数学模型．建立主要由模拟值与实际统计值之差的平方和构成的目标函数．最后利用Gauss-Newton最优化方法,对模型中参数进行估计．
【总页数】7页(P21-27)
【关键词】SARS;差分方程;数学模型;Gauss—Newton最优化方法;反问题;参数估计
【作者】刘双;李海龙
【作者单位】鞍山师范学院数学系
【正文语种】中文
【中图分类】O175.7;O242.1
【相关文献】
1.2003年北京市SARS疫情空间相关性分析 [J], 武继磊;王劲峰;孟斌;刘旭华
2.北京市2003年SARS疫情的多维分布及其影响因素分析 [J], 王劲峰;孟斌;郑晓瑛;刘纪远;韩卫国;武继磊;刘旭华;李小文;宋新明
3.SARS疫情分析及北京疫情走势预测--2003年全国大学生数学建模竞赛A题模
型的改进 [J], 赵鸿丽
4.隔离措施对北京SARS疫情控制影响的仿真分析 [J], 王行兵;胡燕;吴满琳
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
参照它们分别在空间中的区位 。这种空间区位及其 空间联系一般通过空间权重来表达 。
最初由 Moran 和 Geary开发的空间联系的测 量 , 或更精确地说 ,空间自相关的测量 ,是建立在空 间单元相邻与否的二元逻辑基础上的 [ 13 ] 。按照这 一定义 ,邻居的结构由 021 来表达 。如果 2 个空间 单元共有非零长度的边界 ,那么它们就被认为空间 上相邻 ,从而赋予 1的空间贴近度 ,否则赋予 0。这 一空间相邻的测量是通过在地图上分析区域边界来 实施的 。对于不规则的空间单元布局 ,这种定义和 工作方法非常直观 。但当空间单元布局呈规则的栅 格或是一组不规则分布的点时 ,空间相邻的测量就 比较复杂 。
© 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
第 3期 范新生等 :中国 SARS疫情的探索性空间数据分析
283
的每日新增病例和累计病例以及死亡人数 。 根据世界卫生组织网站 (同上 )提供的资料 ,中
在本研究中 ,我们构建了 13 组空间权重矩阵 。 第一组 ( SWM )只考虑空间相邻因素 ,内地各省市及 港澳地区都按照有无公共边界来决定是否存在邻接 关系 ;对于台湾地区 ,尽管其与福建 、上海 、浙江的空 间距离很小 ,但是由于目前两岸尚未实现“三通 ”, 人员来往均需通过港澳入境 ,所以仅将港澳地区设 为它的 邻 居 ; 其 它 12 组 空 间 权 重 矩 阵 ( SW 09 ～ SW 20) ,均以距离来定义 ,我们选择观测区的行政中 心代表它的区位 ,距离采用两点之间的经纬度距离 , 距离在 di ( di = 900, 1 000, …2 000 km )之内为邻居 , 否则 不 为 邻 居 。所 有 空 间 权 重 矩 阵 均 通 过 Luc Anselin的 SPACESTATTM V1. 93实现 。
0 引 言
SARS ( Severe Acute Resp iratory Syndrome)是由 一种新的冠状病毒引起的传染病 [ 1～3 ] ,最早发现于 广东 ,随后传播到香港以及其他地区 ,直到 2003 年 7月 5日世界卫生组织将最后一个 SARS疫区台湾 排除 ,历时半年多的 SARS疫情终于划上了句号 。 但最近 中 国 卫 生 部 和 世 界 卫 生 组 织 对 广 东 一 例 SARS疑似病例的确诊使公众关心 SARS是否和流 感 ( influenza)一样是一种季节性疾病 ? 病毒会不会 从医院和实验室里泄露出来 ? SARS的出现已经提 出了很多在临床医学和流行病学方面的问题 [ 4 ] 。
目前国内已有一部分科研机构用统计分析模型 研究 SARS流行期各项可能的影响因子 ,预测疫情 的走势和估计 潜在 的风 险 。如 王铮 等 [ 5, 6 ] 对中 国 SAR S疫情流行期的气候特 征和 天 气特 征 做了 事 件 相关分析和统计分析 ,提出 SARS流行的气候风险 作为认识 SARS流行的季节性风险的基础 ,估计了 全国流行 SARS的季节性风险 ,认为 SARS疫情高发 可能与大约 8 日前的气温日较差阶段性降低有关
国的 SARS疫情源于广东 ( 2002年 11月 16日 ) ,并 于 2003年 2月进入了暴发期 。同时周边地区 ,如广 西 、四 川 、湖 南 甚 至 山 西 都 发 现 了 从 广 东 输 入 的 SARS病例 。香港 在 2003 年 2 月 22 日首 次发 现 SARS病例 ,不久大批医护人员感染病倒 ;在 3 月下 旬 SARS进入了社区 ,受感染人数每日以数十人的 速度增加 。
摘 要 :运用空间统计学手段对中国省级 SARS疫情的空间分布格局做了探索性的空间数据分析 ( exp loratory spatial data analysis) 。Moran2I统计分析表明 SARS疫情的分布具有很强的空间自相 关 ,Moran Scatterp lot进一步揭示了这一空间关系的地域差异及其各区位 SARS疫情分布对总体趋 势的偏移 , Gi3 统计则确定了疫情分布的空间集聚模式及其随时空转移轨迹 。分析表明中国省级 SARS疫情的发展并非一个相互独立的过程 ,而是存在着统计学意义上可测度的空间关系 ,且这种 关系在空间相邻时最为显著 。 关 键 词 : SARS;流行病学 ;空间统计学 ;探索性空间数据分析 ;中国 中图分类号 : P7; C82 文献标识码 : A
3 收稿日期 : 2004202225;修回日期 : 2004207212. 3 基金项目 :国家自然科学基金项目“中国地区经济增长空间分析 ”(编号 : 40271033 ) ;教育部科学技术研究重点项目“GIS空间数据现 代分析 ”(编号 : 03074)资助. 作者简介 :范新生 (19802) ,男 ,安徽省太湖县人 ,硕士研究生 ,主要从事地理信息科学研究. E2ma il: fanxs80@163. com
表 1 中国 SARS疫情原始资料 Table 1 Ch ina’s reported SARS ca ses
经度 —Y
87. 4962270 91. 2377300 101. 6563780 102. 1158290 103. 6134720 104. 0164030 106. 2613050 106. 6642360 108. 3910840 109. 0242620 111. 7296560 110. 3481780 112. 4779570 113. 0535730 113. 5716270 114. 4926130 114. 2791670 113. 2838190 116. 4497070 117. 2555690 115. 9316520 117. 0828840 117. 3131310 118. 6946090 119. 2126630 120. 0760870 123. 2419740 121. 4575650 125. 4293150 126. 6956700 106. 6066750 114. 2048050 113. 6291890 121. 4575650
综合上面的分析 ,将整个中国疫情数据分为 4 个阶段 :
(1) 第一阶段为 SARS发源期 ,从 2002 年 11 月 16号广东发现首例 SARS到 2003年 3月 31日中 国卫生部第一次通报疫情 。
(2 ) 第二阶段为 SARS暴发中心 ( supersp read cluster)转移期 (2003年 4月 1日 ～25日 ) 。
© 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
284
地球科学进展 第 20卷
编号
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
早在 3月 1日 ,北京的首例 SARS患者是 26岁 的山西籍女子于某 ,此前在广东经商 ,其数位家人也 先后受到传染 ,来到北京求治 。这是北京 SARS流 行的源头之一 。作为首都的北京疫情出现 ,其危害 也甚烈 。以北京为中转站 ,全国各地纷纷出现可疑 病例 。
到 4月下旬 ,短短几个月时间内已经在中国内 地 26个省份 、港澳台地区报告有非典型肺炎临床诊 断病例或疑似病例 。至 5月中旬 ,中国内地及港澳 地区的疫情已经得到了控制 ,但台湾地区的疫情却出 现了骤然上升的势头 , 5月 21～25日 ,每日新增报告 SARS病例达到 50宗以上 。进入 6月份 ,中国 SARS 疫情总体上得到了有效地控制 ,直到 7月 14日 ,世界 卫生组织 SARS疫区名单上最后一个地区 ———台湾 被排除 ,至此中国 SARS疫情划上了句号 。
3 空间自相关分析
表示空间活动的全局空间自相关 ( global spatial autocorrelation)性质的指标通常是 Moran2I[ 14, 15 ] ,其 公式为 :
I = [ΣΣi jwij ( xi -μ) ( xj -μ) ] / [ s2ΣΣi jwij ] (1) 其中 ( xi - μ) ( xj - μ)代表属性的相似性指标 , xi是 位置 i的属性值 ,μ是样本中所有属性值的均值 , s2 是样本的方差 , w ij是空间权重矩阵 。
(3) 第三阶段北京成为新的 SARS暴发中心 ( 4 月 26日 ～5月 15日 ) 。
(4) 第四阶段台湾出现 SARS高发期 (5月 16日 ～7 月 14 日 )。不同阶段 SARS 确诊病例数、累计 SARS报告病例数 ,以及累计 SARS死亡人数见表 1。
2 空间联系和空间权重矩阵
从广义上讲 ,空间分析是空间现象的定量化研 究 。这意味着空间分析的重点是在区位 、区域 、距离 和相互影响上 。地理学第一定理 [ 12 ]指出 :在地球表 面 ,每一个事物都和其它事物相联系 ,而距离越近则 它们的联系也越强 。为了准确无误地理解“近 ”与 “远 ”在特定环境中的意义 ,研究对象的观测值需要
第 2NCES IN EARTH SC IENCE
Vol. 20 No. 3 M ar. , 2005
文章编号 : 100128166 (2005) 0320282210
中国 SARS疫情的探索性空间数据分析3