• 中国精品科技期刊
  • 《中文核心期刊要目总览》收录期刊
  • RCCSE 中国核心期刊(5/114,A+)
  • Scopus收录期刊
  • 美国《化学文摘》(CA)收录期刊
  • WHO 西太平洋地区医学索引(WPRIM)收录期刊
  • 《中国科学引文数据库(CSCD)》核心库期刊 (C)
  • 中国科技核心期刊
  • 中国科技论文统计源期刊
  • 《日本科学技术振兴机构数据库(中国)》(JSTChina)收录期刊
  • 美国《乌利希期刊指南》(UIrichsweb)收录期刊
  • 中华预防医学会系列杂志优秀期刊(2019年)

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于百度指数的京津冀地区COVID-19高峰预测与空间分布特征

夏学仓 刘瑜 王小琬 邱文松 房少洁 刘超

夏学仓, 刘瑜, 王小琬, 邱文松, 房少洁, 刘超. 基于百度指数的京津冀地区COVID-19高峰预测与空间分布特征[J]. 中华疾病控制杂志, 2023, 27(9): 1059-1066. doi: 10.16462/j.cnki.zhjbkz.2023.09.013
引用本文: 夏学仓, 刘瑜, 王小琬, 邱文松, 房少洁, 刘超. 基于百度指数的京津冀地区COVID-19高峰预测与空间分布特征[J]. 中华疾病控制杂志, 2023, 27(9): 1059-1066. doi: 10.16462/j.cnki.zhjbkz.2023.09.013
XIA Xuecang, LIU Yu, WANG Xiaowan, QIU Wensong, FANG Shaojie, LIU Chao. Peak prediction and spatial distribution characteristics of COVID-19 in Beijing-Tianjin-Hebei region based on baidu index[J]. CHINESE JOURNAL OF DISEASE CONTROL & PREVENTION, 2023, 27(9): 1059-1066. doi: 10.16462/j.cnki.zhjbkz.2023.09.013
Citation: XIA Xuecang, LIU Yu, WANG Xiaowan, QIU Wensong, FANG Shaojie, LIU Chao. Peak prediction and spatial distribution characteristics of COVID-19 in Beijing-Tianjin-Hebei region based on baidu index[J]. CHINESE JOURNAL OF DISEASE CONTROL & PREVENTION, 2023, 27(9): 1059-1066. doi: 10.16462/j.cnki.zhjbkz.2023.09.013

基于百度指数的京津冀地区COVID-19高峰预测与空间分布特征

doi: 10.16462/j.cnki.zhjbkz.2023.09.013
基金项目: 

河北省社会科学基金 HB22TJ001

详细信息
    通讯作者:

    刘超,E-mail: liuchao003003@126.com

  • 中图分类号: R181.2

Peak prediction and spatial distribution characteristics of COVID-19 in Beijing-Tianjin-Hebei region based on baidu index

Funds: 

Hebei Social Science Foundation Project HB22TJ001

More Information
  • 摘要:   目的  分析2022年11月11日―12月22日京津冀地区各市COVID-19的进展周期和空间聚集情况。  方法  基于各市每日“发烧”关键词百度指数搜索数据,使用logistic回归分析模型模拟并预测此轮COVID-19发展进程,对感染进展周期划分为渐增期、快增期及缓增期,预测感染高峰日,同时对“发烧”百度指数搜索率进行全局和局部空间自相关分析。  结果  从logistic回归分析模型模拟及预测结果来看,模型拟合效果较好,各市COVID-19流行进展速度及流行阶段各不相同,石家庄市、保定市及邢台市最早进入感染快增期阶段;空间自相关分析显示仅有5 d京津冀地区存在全局空间正相关性(Moran′s I: 0.314~0.491, 均P < 0.05),其他时间均呈随机分布。  结论  京津冀地区此轮COVID-19流行均呈暴发趋势,各市疫情进展阶段及感染高峰有较大差异,且大部分时间不存在显著的空间自相关,为卫生医疗配置提供参考依据。
  • 图  1  京津冀各市COVID-19进展的logistic回归分析模型拟合及预测

    1. A: 北京市; 2. B: 天津市; 3. C: 石家庄市; 4. D: 衡水市; 5. E: 张家口市; 6. F: 承德市; 7. G: 秦皇岛市; 8. H: 廊坊市; 9. I: 沧州市; 10. J: 保定市; 11. K: 唐山市; 12. L: 邯郸市; 13. M: 邢台市。

    Figure  1.  Logistic regression analysis model fitting and prediction of COVID-19 progress in various cities of Beijing-Tianjin-Hebei

    1. A: Beijing City; 2. B: Tianjin City; 3. C: Shijiazhuang City; 4. D: Hengshui City; 5. E: Zhangjiakou City; 6. F: Chengde City; 7. G: Qinhuangdao City 8. H: Langfang City; 9. I: Cangzhou City; 10. J: Baoding City; 11. K: Tangshan City; 12. L: Handan City; 13. M: Xingtai City.

    图  2  京津冀“发烧”百度指数搜索率空间自相关局部Moran散点图

    1. A:2022年11月18日;2. B:2022年11月22日;3. C:2022年11月24日;4. D:2022年12月6日;5. E:2022年12月7日。

    Figure  2.  Spatial autocorrelation local Moran scatter plot of Baidu index search rate for "fever" in Beijing-Tianjin-Hebei region

    1. A: November 18, 2022; 2. B: November 22, 2022; 3. C: November 24, 2022; 4. D: December 6, 2022; 5. E: December 7, 2022.

    表  1  京津冀各市COVID-19进展阶段及感染增长高峰日预测结果

    Table  1.   Forecast results of COVID-19 infection progression stage and infection growth peak day in Beijing-Tianjin-Hebei region

    地区  Area k
    value
    N
    value
    c
    value
    渐增期结束日期(月/日)
    Incremental period end date (Month/Day)
    快增期(月/日)
    Rapid growth period (Month/Day)
    缓增期开始日期(月/日)
    Start date of slow growth period (Month/day)
    增长高峰日(月/日)
    Growth peak day (Month/Day)
    R2
    value
    RMSE值
    value
    北京市  Beijing City 0.331 36 947 -10.866 12/9 12/10―12/17 12/18 12/13 0.999 157.154
    天津市  Tianjin City 0.281 14 577 -10.100 12/11 12/12―12/20 12/21 12/16 0.994 281.470
    石家庄市  Shijiazhuang City 0.165 18 755 -5.284 12/4 12/5―12/20 12/21 12/12 0.999 140.348
    衡水市  Hengshui City 0.240 4 870 -8.470 12/10 12/11―12/21 12/22 12/16 0.991 112.352
    张家口市  Zhangjiakou City 0.232 4 028 -8.175 12/10 12/11―12/21 12/22 12/16 0.997 48.295
    承德市  Chengde City 0.360 2 708 -13.477 12/14 12/15―12/21 12/22 12/18 0.996 39.209
    秦皇岛市  Qinhuangdao City 0.295 3 576 -10.494 12/11 12/12―12/20 12/21 12/16 0.996 57.624
    廊坊市  Langfang City 0.262 7 179 -8.563 12/8 12/9―12/18 12/19 12/13 0.998 90.128
    沧州市  Cangzhou City 0.250 6 824 -9.102 12/11 12/12―12/22 12/23 12/17 0.994 122.054
    保定市  Baoding City 0.220 12 915 -6.273 12/3 12/4―12/15 12/16 12/9 0.998 141.046
    唐山市  Tangshan City 0.322 6 837 -10.733 12/9 12/10―12/17 12/18 12/14 0.999 37.088
    邯郸市  Handan City 0.242 9 908 -7.851 12/7 12/8―12/18 12/19 12/13 0.999 74.091
    邢台市  Xingtai City 0.151 8 923 -4.396 11/30 12/1―12/18 12/19 12/10 0.998 105.894
    注:RMSE, 均方误差。
    Note: RMSE, root mean square error.
    下载: 导出CSV

    表  2  京津冀地区“发烧”关键词百度指数搜索率显著全局空间自相关结果

    Table  2.   Significant global spatial autocorrelation results of Baidu index search rate for the keyword "fever" in the Beijing-Tianjin-Hebei region

    时间(月/日)
    Time (Month/Day)
    Moran′s I
    value
    Z
    value
    P
    value
    11/18 0.385 2.876 0.004
    11/22 0.491 3.530 0
    11/24 0.356 2.372 0.017
    12/6 0.339 2.246 0.024
    12/7 0.314 2.085 0.037
    下载: 导出CSV

    表  3  京津冀地区“发烧”关键词百度指数搜索率局部空间自相关结果

    Table  3.   Beijing-Tianjin-Hebei region "fever" keyword Baidu index search rate local space autocorrelation results

    时间(月/日)
    Time (Month/Day)
    地区  Area Moran′s I
    value
    Z
    value
    P
    value
    11/18 石家庄市  Shijiazhuang City 1.312 3.040 0.002
    邢台市  Xingtai City 1.629 3.732 0
    11/22 石家庄市  Shijiazhuang City 1.155 2.700 0.007
    衡水市  Hengshui City 0.891 2.531 0.011
    邢台市  Xingtai City 2.114 4.791 0
    11/24 石家庄市  Shijiazhuang City 2.070 4.335 0
    邢台市  Xingtai City 1.239 2.662 0.008
    12/6 石家庄市  Shijiazhuang City 1.283 2.723 0.006
    承德市  Chengde City 0.610 1.989 0.047
    12/7 石家庄市  Shijiazhuang City 1.054 2.246 0.025
    承德市  Chengde City 0.621 2.012 0.044
    注:此表仅列出局部空间自相关结果中显著(P<0.05)城市的莫兰指数值。
    Note: This table only lists the Moran′s I values of cities with significant (P < 0.05) local spatial autocorrelation results.
    下载: 导出CSV
  • [1] 詹绍文, 周洋. 突发公共卫生事件下社会救助资源统筹与优化[J]. 北京航空航天大学学报(社会科学版), 2021, 34(5): 51-57. DOI: 10.13766/j.bhsk.1008-2204.2020.0518.

    Zhan SW, Zhou Y. Coordination and optimization of social assistance[J]. Journal of Beijing University Aeronautics and Astronautics Social Sciences Edition, 2021, 34(5): 51-57. DOI: 10.13766/j.bhsk.1008-2204.2020.0518.
    [2] 董晓春, 李琳, 徐文体, 等. 特定关键词及百度指数与流感病毒活动相关性分析[J]. 中国公共卫生, 2016, 32(11): 1543-1546. DOI: 10.11847/zgggws2016-32-11-25.

    Dong XC, Li L, Xu WT, et al. Correlation between Baidu index of specific keywords and influenaz epidemics[J]. Chin J Publ Heal, 2016, 32(11): 1543-1546. DOI: 10.11847/zgggws2016-32-11-25.
    [3] Ginsberg J, Mohebbi MH, Patel RS, et al. Detecting influenza epidemics using search engine query data[J]. Nature, 2009, 457(7232): 1012-1014. DOI: 10.1038/nature07634.
    [4] 黄泽颖. 基于百度指数的传染病预测精准性探索——以广东省H7N9亚型禽流感为例[J]. 中国人兽共患病学报, 2020, 36(11): 962-968. DOI: 10.3969/j.issn.1002-2694.2020.00.149.

    Huang ZY. Exploration of the accuracy of epidemic prediction based on the Baidu index—taking H7N9 subtype avian influenza in Guangdong Province as an example[J]. Chinese Journal of Zoonoses, 2020, 36(11): 962-968. DOI: 10.3969/j.issn.1002-2694.2020.00.149.
    [5] 钟若曦, 张萌, 谭小华, 等. 基于百度指数的2017—2018年度冬春季广东省流行性感冒疫情舆情走势分析[J]. 中国预防医学杂志, 2019, 20(9): 867-870. DOI: 10.16506/j.1009-6639.2019.09.022.

    Zhong RX, Zhang M, Tan XH, et al. Trend analysis of influenza outbreak and public concerns based on Baidu index during winter and spring in Guangdong, 2017-2018[J]. Chin J Prev Med, 2019, 20(9): 867-870. DOI: 10.16506/j.1009-6639.2019.09.022.
    [6] 韦秋宇, 刘洁, 张君涵, 等. 基于百度指数的新型冠状病毒肺炎疫情与网络舆情监测分析[J]. 中国预防医学杂志, 2021, 22(1): 4-9. DOI: 10.16506/j.1009-6639.2021.01.002.

    Wei QY, Liu J, Zhang JH, et al. Baidu index-based analysis on the association between COVID-19 pandemic and online public attention[J]. Chin J Prev Med, 2021, 22(1): 4-9. DOI: 10.16506/j.1009-6639.2021.01.002.
    [7] 冯苗胜, 王连生, 林文水. logistic与SEIR结合模型预测新型冠状病毒肺炎传播规律[J]. 厦门大学学报(自然科学版), 2020, 59(6): 1041-1046. DOI: 10.6043/j.issn.0438-0479.202003042.

    Feng MS, Wang LS, Lin WS. Prediction of COVID-19 transmission law by combining logistic and SEIR model[J]. J Xiamen Univ Nat Sci, 2020, 59(6): 1041-1046. DOI: 10.6043/j.issn.0438-0479.202003042.
    [8] 徐方, 陆殷昊, 黄晓燕. logistic模型在新型冠状病毒肺炎疫情中的应用[J]. 实用预防医学, 2022, 29(6): 762-766. DOI: 10.3969/j.issn.1006-3110.2022.06.029.

    Xu F, Lu YH, Huang XY. Application of logistic model to the COVID-19 epidemic[J]. Practical Preventive Medicine, 2022, 29(6): 762-766. DOI: 10.3969/j.issn.1006-3110.2022.06.029.
    [9] 刘如春, 陈田木, 胡国清. 长沙市某校甲型H1N1流感暴发过程及其防控策略效果的Logistic模型模拟[J]. 中华疾病控制杂志, 2014, 18(4): 330-335. http://zhjbkz.ahmu.edu.cn/article/id/JBKZ201404015

    Liu RC, Chen TM, Hu GQ. Simulation of influenza a(H1N1) outbreak and the effect of interventions with Logistic model in a school in Changsha City[J]. Chin J Dis Control Prev, 2014, 18(4): 330-335. http://zhjbkz.ahmu.edu.cn/article/id/JBKZ201404015
    [10] 黄澳迪, 唐林, 王晓琪, 等. 中国2011—2021年戊型病毒性肝炎发病趋势和时空聚集性[J]. 中国疫苗和免疫, 2022, 28(4): 417-421. DOI: 10.19914/j.CJVI.2022080.

    Huang AD, Tang L, Wang XQ, et al. Hepatitis E incidence trends and spatial-temporal clustering in China, 2011-2021[J]. Chinese Journal of Vaccines and Immuniation, 2022, 28(4): 417-421. DOI: 10.19914/j.CJVI.2022080.
    [11] 何佳晋, 袁璐, 吴超. 2010—2019年中国艾滋病流行时空分布特征[J]. 中华疾病控制杂志, 2022, 26(5): 541-546. DOI: 10.16462/j.cnki.zhjbkz.2022.05.009.

    He JJ, Yuan L, Wu C. Temporal-spatial distribution of AIDS epidemic in China, 2010-2019[J]. Chin J Dis Control Prev, 2022, 26(5): 541-546. DOI: 10.16462/j.cnki.zhjbkz.2022.05.009.
    [12] 段在鹏, 艾仁华. COVID-19疫情在我国的空间特征及影响因素分析[J]. 安全与环境学报, 2022, 22(2): 892-900. DOI: 10.13637/j.issn.1009-6094.2020.1524.

    Duan ZP, Ai RH. Analysis of the spatial characteristics and influencing factors of COVID-19 epidemic in China[J]. J Saf Environ, 2022, 22(2): 892-900. DOI: 10.13637/j.issn.1009-6094.2020.1524.
    [13] 李建军, 何山. 人口流动、信息传播效率与疫情防控——基于新型冠状肺炎(COVID-19)的证据[J]. 中央财经大学学报, 2020, (4): 116-128. DOI: 10.19681/j.cnki.jcufe.2020.04.010.

    Li JJ, He S. Population movement, information dissemination efficiency and disease control: evidence from coronavirus disease 2019[J]. J Central Univ Finance Econ, 2020, (4): 116-128. DOI: 10.19681/j.cnki.jcufe.2020.04.010.
    [14] 方辉, 王玉光, 张宁, 等. 新型冠状病毒奥密克戎感染轻症患者中医证候学调查研究[J]. 北京中医药, 2023, 42(1): 19-23. DOI: 10.16025/j.1674-1307.2023.01.005.

    Fang H, Wang YG, Zhang N, et al. Investigation on TCM syndromes of mild patients infected with novel coronavirus Omikron[J]. Beijing J Trad Chin Med, 2023, 42(1): 19-23. DOI: 10.16025/j.1674-1307.2023.01.005.
    [15] 黎倩, 洪峰, 王丹, 等. 基于百度指数的ARDL模型在贵州省手足口病发病预测中的应用探讨[J]. 现代预防医学, 2023, 50(3): 416-421. DOI: 10.20043/j.cnki.MPM.202207398.

    Li Q, Hong F, Wang D, et al. To explore the application of ARDL model based on Baidu index in the prediction of hand-foot-and-mouth disease incidence in Guizhou Province[J]. Modern Preventive Medicine, 2023, 50(3): 416-421. DOI: 10.20043/j.cnki.MPM.202207398.
    [16] 王玥, 周海涛, 岳婷雨, 等. 基于百度指数的2011—2020年江苏省肺结核预测模型研究[J]. 疾病监测, 2023, 38(1): 95-100. DOI: 10.3784/jbjc.202207120316.

    Wang Y, Zhou HT, Yue TY, et al. Research of prediction model of pulmonary tuberculosis in Jiangsu during 2011-2020 based on Baidu index[J]. Dis Surveill, 2023, 38(1): 95-100. DOI: 10.3784/jbjc.202207120316.
  • 加载中
图(2) / 表(3)
计量
  • 文章访问数:  306
  • HTML全文浏览量:  60
  • PDF下载量:  28
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-12-29
  • 修回日期:  2023-05-18
  • 网络出版日期:  2023-10-12
  • 刊出日期:  2023-09-10

目录

    /

    返回文章
    返回