目的：分析江苏省新型冠状病毒感染的肺炎疫情时空聚集性，为进一步做好疫情防控提供依据。方法：绘制发病流行曲线、点标记图描述时空演变。采用最邻近指数（nearest neighbor indicator，NNI）估计本土病例全局聚集性；以县（区）为单位，采用Kulldorff扫描统计量探测时空聚集区。使用Excel 2010、SaTScan 9.6.1、ArcGIS 10.2进行分析。结果：江苏省2020年 1—12 月共报告 684 例确诊病例，其中本土 631 例，境外输入 53 例。本土病例波及全省 79.44%的县（区），存在空间聚集性 （NNI=0.27，P < 0.01）。时空扫描显示一级聚集区位于苏北 4 个设区市交界处，包括 21 个县区，时间为 1 月 26 日—2 月 1 日 （LLR =74.92，RR=5.06，P < 0.01）；3个二级聚集区涉及27个县区，其中二级聚集区2时间为2月上旬。输入病例涉及11个设区市28个县（区），其中南京23例、连云港9例。结论：江苏省疫情特征表现为“南北聚集，中部分散”。苏南长三角核心城市和苏北交通枢纽地区应不断优化防控策略，以早期发现并控制潜在的暴发。

Objective：This study aims to clarify the evolution and space⁃time clusters of the coronavirus disease 2019（COVID⁃19） epidemic of Jiangsu，providing evidences for rapid detecting and responding to potential outbreaks. Methods：Epidemic curves and dot maps based on coordinates were applied to display the temporal the spatial evolution process. The nearest neighbor indicator（NNI）was used to estimate the global spatial aggregation of indigenous cases，and Kulldorff space⁃time scan statistic was performed to detect the space⁃time clusters at the county level. These analysis were performed by Excel 2010，SatScan 9.6.1 and ArcGIS 10.2. Results：A total of 684 confirmed cases were reported during 2020 in Jiangsu. There were 631 indigenous cases，involving 79.44% counties. The NNI of the indigenous cases was 0.27（P < 0.01），indicating global spatial aggregation. The most likely cluster covered four cities in north Jiangsu，including 21 counties，which emerged between January 26 and February 1（LLR=74.92，RR=5.06，P < 0.01）. Three secondary clusters were detected in south Jiangsu，including 27 counties. In particular，secondary cluster ⁃ 2 happened in early February. 53 Imported cases involved 28 counties in 11 cities，23 of which were admitted in Nanjing and 9 in Lianyungang. Conclusion：COVID⁃19 cases concentrated in the south and north Jiangsu，but scattered in middle area. More efforts should be put into precise containments to contain potential local multipoint outbreaks in early stage，especially in the Yangtze River Delta core cities in south area and transport hubs in north area.

新型冠状病毒感染的肺炎 ； 最邻近指数 ； 时空扫描 ； 江苏

COVID⁃19 ； nearest neighbor indicator ； space⁃time scanning ； Jiangsu

新型冠状病毒感染的肺炎（coronavirus disease2019，COVID⁃19）是由新型冠状病毒引起的急性呼吸道传染病，潜伏期1~14d，多为3~7d [1-2]。作为新发传染病，2019年12月首次被报告，随后迅速蔓延至全国和全球多个国家和地区[3]。截至2020年12月31日，全球已向世界卫生组织报告了8 100多万确诊病例和170万死亡病例。这一公共卫生问题已经对全世界产生了严重影响[4-5]。虽然目前国内报告发病水平较低，但在全球大流行持续的背景下，仍面临暴发流行威胁。

江苏省地处长三角经济区，处于“一带一路”交汇点，是中国经济最活跃的省份之一。因交通网络发达，人口密度高流动性大，省内城市间、省外区域间及国际联系密切。因此，江苏省面临来自国内外的COVID⁃19输入风险，反之，江苏的疫情也可能波及全国乃至全球。区域一体化发展促进了重大公共卫生事件的联合、精准防控[6-8]，因而有必要通过时空聚类分析了解疫情分布特征，寻找证据进行有针对性的干预和资源分配，评价干预策略[9-11]。本研究对江苏省2020年1—12月报告的684例确诊病例进行时空分析，为江苏省及长三角经济区精准防控工作提供科学依据。

数据资料来源于中国疾病预防控制信息系统 （China Information System for Disease Control and Prevention，CISDCP）[12]，包括江苏省2020年1—12月收治报告的确诊病例信息（性别、年龄、人群分类、发病时间、现住址、感染来源）、13个设区市107个县 （区）地区编码和人口数据。其中确诊病例诊断依据为《新型冠状病毒肺炎诊疗方案（试行第七版）》； 人群分类采用CISDCP系统传染病电子报告卡中的20个选项；根据病例现住址检索地理位置（经纬度）；感染来源分类规则为如果病例感染发生在中国，计为本土病例；否则，计为境外输入病例。

根据地理位置和社会经济发展状况，13个设区市可分为苏南（南京、无锡、常州、苏州、镇江）、苏中 （南通、扬州、泰州）、苏北（徐州、连云港、淮安、盐城、宿迁）。江苏省行政区划地图来源于中国疾病预防控制中心。

采用Excel 2010整理数据并进行人群特征描述，根据发病时间绘制流行曲线。根据病例经纬度采用ArcGIS 10.2绘制病例点分布图、进行最邻近指数（NNI）分析。采用SaTScan 9.6.1进行时空扫描统计，并通过ArcGIS 10.2进行时空聚类可视化。

本研究采用欧氏距离法，通过比较最邻近的观察点之间的平均距离和随机分布模式下最邻近点对的理论平均距离，使用NNI判断其与随机分布的偏离度。当观察点随机分布时，NNI=1；当观察点聚集时，NNI1。NNI计算公式为：

NNI=d(NN)d(ran)d(NN)=∑i=1n dind(ran)=0.5a/n

d（NN）是每个病例与其最近邻点的平均距离， n 是实际病例数，di是病例 i 到其最邻近点的距离； d（ran）是随机分布下的平均距离；a是研究区域的面积。

时空扫描统计原理是创建一个以研究区域为底，时间为高，风险人口为半径的圆柱形扫描窗口。利用每个窗口内外实际观察到的病例数与理论预期病例数估计对数似然比（log⁃likelihood ratio， LLR），计算窗口相对危险度（relative risk，RR）并进行统计学检验。通过蒙特卡罗随机化法得到P值。最终选取有统计学意义的窗口中LLR值最大的为一级聚集区，其余为二级聚集区。LLR计算公式为：

LLR =nzuznzng-nzμg-μzng-nzngμgng

nz表示扫描窗口z中观察到的病例数，ng表示研究区域观察到的病例总数。μz是窗口z中的理论预期病例数，μg是理论病例总数。

本研究最大空间扫描半径设为风险人群的25%，扫描时间范围为2020年1月4日—2月14日，最大时间扫描大小设为7d。

江苏省2020年共报告确诊病例684例，其中本地631例，境外17个国家和地区输入53例。本土病例男女性别比为1∶0.83，中位年龄为46岁。境外输入病例性别比为1∶0.39，中位年龄为35岁（表1）。

本土病例人群分类居前5位的为农民107例、家务及待业87例、干部职员76例、工人71例、离退人员60例，计占本土总数的63.55%；境外输入病例中为留学生10例、家务及待业5例、干部职员4例、工人4例、商业服务3例，计占输入总数的49.06%。

首例本土病例1月4日发病，在春运开始当天1月10日从武汉返回苏州。自1月18日起，全省每日新增报告发病数迅速增加，至23日达36例。春节期间（1月24日~30日）持续高发，保持在30~46例之间。一级响应启动1周后，自31日呈波动减少趋势。2月6日采取集中隔离措施，2月14日之后没有本土病例报告（图1A）。

首例境外输入病例3月14日发病，至4月1日， 22例境外输入病例形成了一个小高峰，每日新增最多为3例。截至12月31日，每天新增不超过2例。 （图1B）。

表1 684例确诊病例人口学特征

Table1 Demographic characteristics of 684confirmed cases

春节前，本土病例已波及江苏省13个设区市的64个县区。春节期间（1月24—30日）新增报告发病276例，占本土病例的43.74%；波及77个县区，占全省县（区）总数的71.96%。病例减少期第1周（1月31日 —2月6日）新发167例，占本土病例的26.47%，比春节期间减少39.49%。本土病例累计波及全省85个县（区），占总县区数的79.44%。南京新发病例数始终位居前3位，苏州1月4—30日期间保持在前3位，徐州则在1月18日—2月6日期间保持在前3位（图2A~E，表2）。

图1 2020年江苏省COVID⁃19确诊病例流行曲线和重要事件

Fig.1 Epidemic curves and significant events of COVID⁃19in Jiangsu province，2020

境外输入病例分布在11个设区市28个县区，病例数居前3位的设区市包括南京、连云港、南通 （图2F，表2）。

最邻近指数分析显示，1月4日—2月14日期间，631例本土病例空间聚集性具有统计学意义，实际平均距离为2 001.61m，理论平均距离6 517.07m， NNI为0.31，Z 得分为-33.30，P< 0.01。分时段看，自春运开始1周后，不同阶段新发病例空间分布均为聚集模式（P< 0.01），其中春节假期间指数最小，聚集程度最高（表3）。

图2 2020年江苏省COVID⁃19确诊病例时空演变点标记地图

Fig.2 Space⁃time evolution of COVID⁃19confirmed cases clarified by coordinates in Jiangsu，2020

表2 不同时间段COVID⁃19新发病例数和波及地区

Table2 New cases and affected areas of different phases

Kulldorff时空扫描统计量共探测到本土疫情中的4个时空聚集区。一级聚集区位于苏北，LLR为74.92，RR为5.06；涉及21个县（区），其中徐州6个、连云港4个、淮安6个、宿迁5个。二级聚集区涉及苏南26个县区和苏中1个县区。二级聚集区1涉及19个县（区），其中无锡6个、常州3个、苏州9个、泰州1个。二级聚集区2涉及常州1个县 （区）。二级聚集区3涉及南京7个县（区）。

表3 COVID⁃19本土确诊病例全局空间聚集性

Table3 Global spatial aggregation of indigenous COVID⁃ 19confirmed cases

从聚集区时间框看，一级聚集区、二级聚集区1和二级聚集区3集中在春节假期前后。二级聚集区2发生在2月上旬集中隔离措施实施前后（图3）。

由于COVID⁃19仍处于全球大流行状态，国内疫情此起彼伏，与SARS相比，COVID⁃19具有更高的总发病率和更广泛的分布[1 3]。为总结江苏省疫情发展规律，并为进一步做好精准防控提供依据，本研究回顾性分析了2020年江苏省确诊病例流行病学特征和时空聚集性，使用了病例发病时间和现住址经纬度坐标，能够较为准确地揭示疫情时空演变趋势。

研究发现，从人群特征看，各年龄组均易感。本土病例以33~56岁中青年、务工人员为主，而境外输入病例以青年、留学生为主。

图3 江苏省2020年本土确诊病例时空聚集区

Fig.3 Space⁃time clusters of indigenous cases at the county level in Jiangsu，2020

从时间上看，江苏本土疫情整体呈逐周快速发展的趋势。春运开始1周后新发病例迅速增多。在春节假期1周内，新发病例数占本土病例总数的43.74%。最邻近指数分析显示春节假期间病例聚集程度最高，与时空扫描一级聚集区、二级聚集区1和二级聚集区2的时间范围一致。这反映感染者在春运开始后陆续输入到江苏并逐渐增多，经过1个平均潜伏期发病，在春节期间达到高峰[14-16]。在武汉封城、江苏启动Ⅰ级应急响应1周后，每日新发病例开始减少。减少期第1周新发病例比高峰期减少39.49%。这说明国家和省级层面实施干预措施对控制COVID⁃19大范围传播至关重要[17-18]，如传染源隔离、密切接触者监测、社交限制、交通管制、医院感染控制与社会动员等[19-20]。

从时空维度看，苏南地区最早受到疫情影响，共探测到3个二级时空聚集区，其中苏锡常城市群2个（二级聚集区1和二级聚集区2）、省会南京1个 （二级聚集区3）。二级聚集区1、二级聚集区3时间框集中在春节期间，可能主要由于省会、苏锡常等长三角核心城市与湖北武汉之间社会经济交流活动和部分劳动力流动所致[16，21]。值得注意的是，二级聚集区2发生在整体病例减少阶段，表明某些因素可能增加了常州局部疫情暴发的风险。虽然疫情早期苏北地区新发病例数较苏南少，但一级聚集区涉及苏北地区21个县区，且时间框也集中在春节期间，这可能与徐州等重要地理交通位置形成的交通走廊效应有关[22-23]。意大利的研究也揭示了社会经济和交通便利差异造成的空间异质性[5]。

随着全球疫情的发展，为限制输入性病例，国家民航局实施了一系列措施控制和减少国际航班。江苏省对入境人员实行全封闭转运、集中隔离监测。截至2020年底，无输入病例引起本土扩散发生。从2月中下旬开始，江苏省谨慎有序着手恢复生产生活。随着6月6—7日江苏省公务员面试的顺利进行，各类大型考试、面试、会议等陆续开展。

综上，本研究结果显示，2020年江苏省COVID⁃19本土疫情流行曲线呈单峰迅速发展趋势，表现为 “先南后北，南北聚集中部分散”，个别地区存在局部暴发现象。境外输入病例主要分布在苏南省会城市和苏北港口城市，没有引起本土传播。虽然本研究较为准确地描述了2020年江苏省COVID⁃19疫情时空聚集性，但也存在一定的局限性。首先，没有将无症状感染者纳入分析。其次，在不规则地理区域，圆柱扫描分析的能力可能受到限制。

2021年政府工作报告中再一次指出，要优化区域经济布局，促进区域协调发展，扎实推动长三角一体化发展。目前，在病毒依然活跃、人物同防叠加、人群免疫屏障尚未建立的背景下，基于“外防输入、内防反弹”总体防控策略，长三角地区可能存在多点暴发的风险。虽然近十年来江苏省人口与经济地理集中系数呈现出明显的南>中>北的趋势[24]，但由于目前江苏几乎每个设区市都已建成高速铁路，未来省内风险差异可能缩小。因此，长三角地区城市间、区域间和国际间COVID⁃19动态值得持续研究和评估[25]。未来应重点关注联防联控长效机制建设、实时多维数据采集、疾病监测预警[26]，以便进行前瞻性研究，更为全面、及时、准确地了解疫情发展趋势。

[1] FU L，WANG B，YUAN T，et al.Clinical characteristics of coronavirus disease 2019（COVID⁃19）in China：a sys⁃ tematic review and meta ⁃ analysis［J］.J Infect，2020，80（6）：656-665

[2] 佘凯丽，张丹丹，齐畅，等.安徽省新型冠状病毒肺炎流行病学特征及其潜伏期估计［J］.山东大学学报（医学版），2020，58（10）：44-52

[3] WU Z，MCGOOGAN J M.Characteristics of and impor⁃ tant lessons from the coronavirus disease 2019（COVID ⁃ 19）outbreak in China：summary of a report of 72 314 cas⁃ es from the Chinese Center for Disease Control and Pre⁃ vention［J］.JAMA，2020，323（13）：1239-1242

[4] HOHL A，DELMELLE E M，DESJARDINS M R，et al.Daily surveillance of COVID ⁃ 19 using the prospective space ⁃ time scan statistic in the United States［J］.Spat Spatiotemporal Epidemiol，2020，34：100354

[5] GIULIANI D，DICKSON M M，ESPA G，et al.Modelling and predicting the spatio ⁃temporal spread of COVID ⁃ 19 in Italy［J］.BMC Infect Dis，2020，20（1）：700

[6] 汤晋.高速铁路影响下的长三角时空收缩与空间结构演变［D］.南京：东南大学，2016

[7] 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

[8] 温雪梅，锁利铭.城市群公共卫生治理的府际协作网络结构研究：来自京津冀和长三角的数据［J］.暨南学报（哲学社会科学版），2020，42（11）：100-115

[9] FRANCH ⁃ PARDO I，NAPOLETANO B M，ROSETE ⁃ VERGES F，et al.Spatial analysis and GIS in the study of COVID ⁃19.A review［J］.Sci Total Environ，2020，739：140033

[10] KANG D，CHOI H，KIM J H，et al.Spatial epidemic dy⁃namics of the COVID⁃19 outbreak in China［J］.Int J In⁃ fect Dis，2020，94：96-102

[11] 贾艳，李春雨，刘利利，等.浙江省新型冠状病毒肺炎的流行特征与空间分析［J］.山东大学学报（医学版），2020，58（10）：66-73

[12] WANG L，WANG Y，JIN S，et al.Emergence and control of infectious diseases in China［J］.Lancet，2008，372（9649）：1598-1605

[13] ZHANG X，RAO H，WU Y，et al.Comparison of spatio⁃ temporal characteristics of the COVID⁃19 and SARS out⁃ breaks in mainland China［J］.BMC Infect Dis，2020，20（1）：805

[14] ZHONG P，GUO S，CHEN T.Correlation between travel⁃ ers departing from Wuhan before the Spring Festival and subsequent spread of COVID⁃19 to all provinces in China ［J］.J Travel Med，2020，27：3

[15] CHEN Z L，ZHANG Q，LU Y，et al.Distribution of the COVID⁃19 epidemic and correlation with population emi⁃ gration from Wuhan，China［J］.Chin Med J（Engl），2020，133（9）：1044-1050

[16] SONG W Y，ZANG P，DING Z X，et al.Massive migration promotes the early spread of COVID⁃19 in China：a study based on a scale ⁃ free network［J］.Infect Dis Poverty，2020，9（1）：109

[17] YANG Z F，ZENG Z Q，WANG K，et al.Modified SEIR and AI prediction of the epidemics trend of COVID⁃19 in China under public health interventions［J］.J Thorac Dis，2020，12（3）：165-174

[18] LAU H，KHOSRAWIPOUR V，KOCBACH P，et al.The positive impact of lockdown in Wuhan on containing the COVID ⁃ 19 outbreak in China［J］.J Travel Med，2020，27：3

[19] 陈伟，王晴，李媛秋，等.我国新型冠状病毒肺炎疫情早期围堵策略概述［J］.中华预防医学杂志，2020，54（3）：239-244

[20] KRAEMER M U G，YANG C H，GUTIERREZ B，et al.The effect of human mobility and control measures on the COVID ⁃ 19 epidemic in China［J］.Science，2020，368（6490）：493-497

[21] 费贤树，陈菲，郭晶，等.南京地区93例新型冠状病毒肺炎确诊病例流行病学分析［J］.南京医科大学学报（自然科学版），2020，40（10）：1420-1423，1427

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

[23] ZHENG R，XU Y，WANG W，et al.Spatial transmission of COVID⁃19 via public and private transportation in Chi⁃ na［J］.Travel Med Infect Dis，2020，34：101626

[24] 章屹祯，曹卫东，张宇，等.江苏省人口与经济发展的时空格局演变［J］.安徽师范大学学报（自然科学版），2019，42（5）：490-496

[25] YE L，HU L.Spatiotemporal distribution and trend of CO⁃ VID⁃19 in the Yangtze River Delta region of the People's Republic of China［J］.Geospat health，2020，15：1

[26] 杨维中，兰亚佳，吕炜，等.建立我国传染病智慧化预警多点触发机制和多渠道监测预警机制［J］.中华流行病学杂志，2020，41（11）：1753-1757