中國春節伊始,沒想到我們就面臨着一場嚴峻的疫情考驗,作爲一名ISLE團隊的研究者,獻上一篇相關風險分析的譯文。希望爲抗擊疫情貢獻一份微薄之力。
圖片來自WorldPop
1 文章相關信息
Title: Preliminary risk analysis of 2019 novel coronavirus spread within and beyond China
題目: 2019年中國新型冠狀病毒國內外傳播的初步風險分析。
Author:
- Shengjie Lai-1
- Isaac I. Bogoch-2,
- Alexander Watts-3,4
- Kamran Khan-2,3,4
- Zhongjie Li-5
- Andrew Tatem-1
注: 作者姓名-後的數字代表對應的單位
Affiliation:
- 1 WorldPop, School of Geography and Environmental Science, University of
Southampton, UK,- 2 Department of Medicine, University of Toronto, Toronto, Canada
- 3 Li Ka Shing Knowledge Institute, St. Michael’s Hospital, Toronto, Canada
- 4 Bluedot, Toronto, Canada
- 5 Division of Infectious Diseases, Chinese Centre for Disease Control and Prevention
聯繫原作者方式: [email protected]; [email protected]
2 正文翻譯
截止至北京時間2020年1月25日,中國報告確診2019新型冠狀病毒(2019-nCoV)感染確診病例1409人,疑似病例2032人,死亡病例42人,大部分病例來自湖北省武漢市。幾乎所有省份都確診了來自武漢的輸入性病例,同時一些省份還報告了部分二次傳播的病例。由於中國正處於長達40天的春節長假期間(從2020年1月10日到2月18日),國內遷徙旅遊人數激增——這是世界上規模最大的年度人類遷徙,包括數億人在整個國家範圍內的遷徙,這可能加劇了病毒的傳播。
本文使用消除了個人隱私信息並聚合過的2013到2015年人口流動數據,該數據來自百度基於位置信息的服務(LBS服務)數據,以及從國際航空運輸組織(IATA)獲得的2018年國際航空出行數據來探究從武漢到中國其他城市的遷徙者的流動模式,並分析在春運遷徙期間的2019-nCoV病毒在整個中國以及中國之外傳播的風險。
本文使用2013到2015的LBS數據發現大規模的遷徙者在春節前傾向於從武漢前往相鄰城市或者其他中國大城市(圖1到圖3以及表1到表3)。輸入性病例的數量與在春節前兩週內來自武漢的輸入風險具有高度相關性(圖4)。此外,大部分外地的輸入性病例在疾病暴發初期都出現了病徵。儘管從2020年1月23日起,湖北省武漢市和其他一些城市已經實施了封城,但是這已經是在從武漢返鄉的春運高峯期後期(圖1)。如果在接收了大量武漢遷徙者的省份和城市(如北京,上海和廣州)發生二次暴發,這些二次暴發很可能會在7天的全國春節假期結束後通過人口流動進一步傳播到中國其他與這些城市有高度聯繫的城市(圖5到圖7)。此外,基於航空出行的歷史數據,中國高風險城市與其他國家的連接性被定義爲春節假期前後的三個月(表4和表5)。本文一開始關注的是非洲的一些特定目的地城市,因爲這些區域疫情監測和衛生系統都很薄弱(表6到表7以及圖8到圖9)。但是後續會將類似的風險評估擴展到世界的其他區域。
鑑於當前流行病學以及對該疫情流行病學的有限理解,我們通過歷史數據得到的出行模式的發現可能有助於調整公共衛生干預措施。然而,必須注意的是,我們的分析是基於以往非疫情暴發年份的基礎上假設出行模式“與往年相同”進行的遷徙,而目前我們正處於前所未有的狀況,整個中國的人羣遷徙可能會發生重大變化。我們正在密切監測疫情,並會做進一步的分析,用來估計在春節與接下來的幾個月期間,病毒在中國與國際間傳播的風險。此外,我們也想嘗試評估中國城市交通封鎖對於疫情控制的有效性,以及度假歸來的人羣遷徙對於2019-nCoV病毒傳播的影響。
3 附圖
3.1 第一部分:國內遷徙
圖1 湖北省和武漢市的縣6個月內每天人羣流動的模式。陰影顏色含義:綠色:春節前兩週,紅色:春節後兩週,紫色:元宵節,粉色:清明節,紅線:湖北省城市封城日;相對淨流量=(流入量-流出量)/人口,基於2013-2014年百度人口流動數據。
表1 中國大陸春節前兩週內接待來自武漢人羣最多的前30個城市。
排名 | 城市 | 人口 (百萬人) | 省份 | 流量 (%) |
---|---|---|---|---|
1 | 荊州 | 5.7 | 湖北 | 7.26 |
2 | 襄樊 | 5.6 | 湖北 | 7.11 |
3 | 咸寧 | 2.5 | 湖北 | 6.17 |
4 | 北京 | 21.7 | 北京 | 6.10 |
5 | 黃岡 | 6.3 | 湖北 | 5.94 |
6 | 宜昌 | 4.1 | 湖北 | 5.86 |
7 | 黃石 | 2.5 | 湖北 | 5.18 |
8 | 孝感 | 4.9 | 湖北 | 4.73 |
9 | 省直轄 | 3.5 | 湖北 | 4.62 |
10 | 十堰 | 3.4 | 湖北 | 4.14 |
11 | 上海 | 24.2 | 上海 | 3.52 |
12 | 恩施 | 3.3 | 湖北 | 3.51 |
13 | 荊門 | 2.9 | 湖北 | 3.06 |
14 | 隨州 | 2.2 | 湖北 | 2.49 |
15 | 廣州 | 14 | 廣東 | 2.45 |
16 | 鄭州 | 9.6 | 河南 | 2.22 |
17 | 鄂州 | 1.1 | 湖北 | 1.93 |
18 | 天津 | 15.6 | 天津 | 1.56 |
19 | 嘉興 | 4.6 | 浙江 | 1.25 |
20 | 杭州 | 9 | 浙江 | 1.23 |
21 | 長沙 | 7.6 | 湖南 | 1.13 |
22 | 西安 | 8.3 | 陝西 | 1.02 |
23 | 南京 | 8.3 | 江蘇 | 0.97 |
24 | 深圳 | 10.2 | 廣東 | 0.96 |
25 | 重慶 | 30.9 | 重慶 | 0.82 |
26 | 福州 | 7.6 | 福建 | 0.58 |
27 | 南昌 | 5.4 | 江西 | 0.57 |
28 | 成都 | 14.3 | 四川 | 0.56 |
29 | 合肥 | 7.9 | 安徽 | 0.52 |
30 | 東莞 | 8.3 | 廣東 | 0.45 |
其他城市 | 1115.8 | 12.09 | ||
總共 | 1371.5 | 100.00 |
人口:2016年人口,國家統計局。
流量:2014年和2015年春節前兩週內離開武漢市的人羣百分比。數據來自中國互聯網公司百度,專注於互聯網相關和基於位置的服務,每天百度能接收到近90億個位置的請求。
表2 中國大陸春節後兩週內接待來自武漢人羣最多的前30個城市。
排名 | 城市 | 人口 (百萬人) | 省份 | 流量 (%) |
---|---|---|---|---|
1 | 宜昌 | 4.1 | 湖北 | 7.48 |
2 | 荊州 | 5.7 | 湖北 | 6.65 |
3 | 襄樊 | 5.6 | 湖北 | 6.48 |
4 | 黃岡 | 6.3 | 湖北 | 5.91 |
5 | 北京 | 21.7 | 北京 | 5.56 |
6 | 孝感 | 4.9 | 湖北 | 5.16 |
7 | 咸寧 | 2.5 | 湖北 | 4.25 |
8 | 省直轄 | 3.5 | 湖北 | 4.22 |
9 | 上海 | 24.2 | 上海 | 3.97 |
10 | 十堰 | 3.4 | 湖北 | 3.89 |
11 | 荊門 | 2.9 | 湖北 | 3.51 |
12 | 黃石 | 2.5 | 湖北 | 3.46 |
13 | 廣州 | 14 | 廣東湖北 | 3.07 |
14 | 恩施 | 3.3 | 湖北 | 3.01 |
15 | 隨州 | 2.2 | 湖北 | 2.50 |
16 | 鄂州 | 1.1 | 湖北 | 2.26 |
17 | 鄭州 | 9.6 | 河南 | 2.13 |
18 | 長沙 | 7.6 | 湖南 | 1.78 |
19 | 天津 | 15.6 | 天津 | 1.65 |
20 | 深圳 | 10.2 | 廣東 | 1.24 |
21 | 西安 | 8.3 | 陝西 | 1.24 |
22 | 南京 | 8.3 | 江蘇 | 1.13 |
23 | 杭州 | 9 | 浙江 | 1.12 |
24 | 嘉興 | 4.6 | 浙江 | 1.04 |
25 | 南昌 | 5.4 | 江西 | 0.83 |
26 | 重慶 | 30.9 | 重慶 | 0.82 |
27 | 福州 | 7.6 | 福建 | 0.82 |
28 | 合肥 | 7.9 | 安徽 | 0.78 |
29 | 蘇州 | 10.6 | 江蘇 | 0.51 |
30 | 東莞 | 8.3 | 廣東 | 0.47 |
Others | 1119.5 | 13.04 | ||
Total | 1371.5 | 100.00 |
人口:2016年人口,國家統計局。
流量:2014年和2015年自正月初一後離開武漢市的人羣百分比。數據來自中國互聯網公司百度,專注於互聯網相關和基於位置的服務,每天百度能接收到近90億個位置的請求。
表3 中國大陸春節前後接待來自武漢人羣的省份排名。
春節前兩週內 | 春節後兩週內 | |||||
---|---|---|---|---|---|---|
排名 | 省份 | 人口 (百萬人) | 流量 (%) | 省份 | 人口 (百萬人) | 流量 (%) |
1 | 北京 | 21.5 | 16.07 | 北京 | 21.5 | 13.5 |
2 | 廣東 | 113.5 | 12.19 | 廣東 | 113.5 | 13.3 |
3 | 河南 | 96.1 | 9.48 | 上海 | 24.2 | 9.6 |
4 | 上海 | 24.2 | 9.25 | 河南 | 96.1 | 7.9 |
5 | 浙江 | 57.4 | 8.19 | 浙江 | 57.4 | 7.2 |
6 | 江蘇 | 80.5 | 5.51 | 江蘇 | 80.5 | 6.8 |
7 | 湖南 | 69 | 4.8 | 湖南 | 69 | 6.2 |
8 | 陝西 | 38.6 | 4.54 | 陝西 | 38.6 | 4.9 |
9 | 天津 | 15.6 | 4.11 | 天津 | 15.6 | 4 |
10 | 山東 | 100.5 | 3.66 | 山東 | 100.5 | 3.8 |
11 | 四川 | 83.4 | 3.13 | 福建 | 39.4 | 3.7 |
12 | 江西 | 46.5 | 2.75 | 安徽 | 63.2 | 3.2 |
13 | 福建 | 39.4 | 2.72 | 江西 | 46.5 | 2.9 |
14 | 安徽 | 63.2 | 2.62 | 四川 | 83.4 | 2.1 |
15 | 重慶 | 31 | 2.15 | 重慶 | 31 | 2.0 |
16 | 河北 | 75.6 | 1.94 | 河北 | 75.6 | 1.7 |
17 | 雲南 | 48.3 | 1.22 | 遼寧 | 43.6 | 1.2 |
18 | 廣西 | 49.3 | 1.10 | 雲南 | 48.3 | 1 |
19 | 遼寧 | 43.6 | 1.06 | 廣西 | 49.3 | 1 |
20 | 海南 | 9.3 | 0.58 | 山西 | 37.2 | 0.6 |
21 | 陝西 | 37.2 | 0.54 | 海南 | 9.3 | 0.4 |
22 | 貴州 | 36 | 0.47 | 貴州 | 36 | 0.4 |
23 | 黑龍江 | 37.7 | 0.4 | 黑龍江 | 37.7 | 0.4 |
24 | 新疆 | 24.9 | 0.4 | 新疆 | 24.9 | 0.3 |
25 | 甘肅 | 26.4 | 0.32 | 吉林 | 27 | 0.3 |
26 | 吉林 | 27.0 | 0.31 | 甘肅 | 26.4 | 0.2 |
27 | 內蒙古 | 25.3 | 0.29 | 內蒙古 | 25.3 | 0.2 |
28 | 寧夏 | 6.9 | 0.11 | 寧夏 | 6.9 | 0.1 |
29 | 青海 | 6 | 0.07 | 青海 | 6 | 0.1 |
30 | 西藏 | 3.4 | 0.03 | 西藏 | 3.4 | 0 |
除西藏和青海外,所有省份都報告了輸入性或本地確診病例。
人口:2016年人口,國家統計局。
流量:2014年和2015年春節前兩週內以及自正月初一後離開武漢市的人羣百分比。數據來自中國互聯網公司百度,專注於互聯網相關和基於位置的服務,每天百度能接收到近90億個位置的請求。
圖2 中國大陸城市在春節期間接待來自武漢的2019-nCoV感染人羣的風險。
根據百度公司的人口流動數據,初步將城市級別的輸入風險定義爲每個城市在春節前後2周內接待來自武漢的人羣在從武漢出發的人羣總數中所佔的百分比。
圖3 中國內地省份在農曆新年期間接待來自武漢的2019-nCoV感染人羣的風險。
根據百度公司的人口流動數據,初步將省級輸入風險定義爲每個省在春節前後2周內接待來自武漢的人羣在從武漢出發的人羣總數中所佔的百分比。
圖4。輸入性病例的時間分佈及輸入性病例數目與來自武漢人羣在春節前前兩星期內輸入的風險之間的關係。(A)-©來自武漢的輸入病例的時間分佈、發病情況、入院情況和各省診斷情況。(D)各省報告的輸入病例數與通過遷徙者輸入的風險之間的關係。根據百度公司的人口流動數據,初步將省級輸入風險定義爲每個省在春節前後2周內接待來自武漢的人羣在從武漢出發的人羣總數中所佔的百分比。截至2020年1月24日,病例數據來自中國國家和地方衛生委員會網站。
圖5 北京、上海和廣東省的每個縣6個月內每天人羣流動的模式。陰影顏色含義:綠色:春節前兩週,紅色:春節後兩週,紫色:元宵節,粉色:清明節;相對淨流量=(流入量-流出量)/人口,基於2013-2014年百度人口流動數據。
圖6。中國大陸城市在春節後的未來四周內接待來自18個高風險城市(藍色圓圈,有2019-nCoV感染或者輸入性病例的城市)的旅客的輸入風險。城市級別的輸入風險初步定義爲接待來自高風險城市的人羣在從高風險城市出發的人羣總數中所佔的百分比。基於從百度獲取的人口流動數據計算。18個高風險城市包括武漢和其他省份春節前接待大量的來自武漢人羣的17個城市:北京、上海、廣州、鄭州、天津、杭州、嘉興、長沙、西安、南京、深圳、重慶、南昌、成都、合肥、福州、東莞。
圖7 在春節後的四周內,中國大陸接待來自18個具有2019-ncov感染或輸入性病例的高危城市(藍色圓圈)人羣的城市的估計連接性。箭頭表示城市級別輸入風險的聯繫與方向,初輸入風險。城市級別的輸入風險初步定義爲接待來自高風險城市的人羣在從高風險城市出發的人羣總數中所佔的百分比。基於從百度獲取的人口流動數據計算。18個高風險城市包括武漢和其他省份春節前接待大量的來自武漢人羣的17個城市:北京、上海、廣州、鄭州、天津、杭州、嘉興、長沙、西安、南京、深圳、重慶、南昌、成都、合肥、福州、東莞。
3.2 第二部分:大陸外出行
表4 在三個月內接待了來自中國大陸18個高風險城市(圖6)的航空旅客最多的全球前30位城市,時間爲從春節前15天到春節後兩個半月。
排名 | 城市 | 國家或地區 | 旅客流量(1000 人) | 風險 (%) |
---|---|---|---|---|
1 | 曼谷 | 泰國 | 1062.9 | 7.86 |
2 | 香港 | 中國香港特別行政區 | 1001.7 | 7.41 |
3 | 臺北 | 中國臺灣 | 857.5 | 6.34 |
4 | 首爾 | 韓國 | 757.9 | 5.61 |
5 | 東京 | 日本 | 714.3 | 5.28 |
6 | 新加坡 | 新加坡 | 568.1 | 4.2 |
7 | 普吉島 | 泰國 | 492.8 | 3.65 |
8 | 大阪 | 日本 | 434.1 | 3.21 |
9 | 吉隆坡 | 馬來西亞 | 382.7 | 2.83 |
10 | 澳門 | 中國澳門特別行政區 | 260.4 | 1.93 |
11 | 巴厘島 | 印度尼西亞 | 222.2 | 1.64 |
12 | 悉尼 | 澳大利亞 | 207.4 | 1.53 |
13 | 清邁 | 泰國 | 156.9 | 1.16 |
14 | 墨爾本 | 澳大利亞 | 154.5 | 1.14 |
15 | 洛杉磯 | 美國 | 154.5 | 1.14 |
16 | 紐約 | 美國 | 145.9 | 1.08 |
17 | 迪拜 | 阿聯酋 | 144.9 | 1.07 |
18 | 芽莊 | 越南 | 143 | 1.06 |
19 | 倫敦 | 英國 | 142.1 | 1.05 |
20 | 胡志明市 | 越南 | 142 | 1.05 |
21 | 名古屋 | 日本 | 140.1 | 1.04 |
22 | 亞庇 | 馬來西亞 | 130.4 | 0.96 |
23 | 金邊 | 柬埔寨 | 127.5 | 0.94 |
24 | 甲米府 | 泰國 | 125.2 | 0.93 |
25 | 馬尼拉 | 菲律賓 | 121.9 | 0.9 |
26 | 暹粒 | 柬埔寨 | 121.4 | 0.9 |
27 | 巴黎 | 法國 | 119.5 | 0.88 |
28 | 雅加達 | 印度尼西亞 | 107.6 | 0.8 |
29 | 高雄 | 中國臺灣 | 107.6 | 0.8 |
30 | 法蘭克福 | 德國 | 103.3 | 0.76 |
其他城市 | 4158.2 | 30.77 | ||
總計 | 13514.9 | 100 |
相對風險的初步定義爲各個城市接待來自高風險城市(18個城市)航空旅客佔高風險城市總出行旅客的百分比,基於從國際航空交通協會(IATA)獲得的2018年2月到4月航空出行數據。注,2018年的春節是從2月16日開始。
表5 在三個月內接待了來自中國大陸18個高風險城市(圖6)的航空旅客最多的全球前30位國家或地區,時間爲從春節前15天到春節後兩個半月。
排名 | 國家或地區 | 旅客流量(1000 人) | 風險 (%) |
---|---|---|---|
1 | 泰國 | 2031.9 | 15.03 |
2 | 日本 | 1563.3 | 11.57 |
3 | 中國香港特別行政區 | 1001.7 | 7.41 |
4 | 中國臺灣 | 979.7 | 7.25 |
5 | 韓國 | 936.6 | 6.93 |
6 | 美國 | 773.3 | 5.72 |
7 | 馬來西亞 | 634.3 | 4.69 |
8 | 新加坡 | 568.1 | 4.20 |
9 | 越南 | 468.4 | 3.47 |
10 | 澳大利亞 | 455.6 | 3.37 |
11 | 印度尼西亞 | 412.5 | 3.05 |
12 | 柬埔寨 | 262.9 | 1.95 |
13 | 中國澳門特別行政區 | 260.4 | 1.93 |
14 | 菲律賓 | 250.3 | 1.85 |
15 | 德國 | 234.9 | 1.74 |
16 | 加拿大 | 208.5 | 1.54 |
17 | 英國 | 190.7 | 1.41 |
18 | 阿聯酋 | 162.3 | 1.20 |
19 | 意大利 | 152.9 | 1.13 |
20 | 俄羅斯 | 151.3 | 1.12 |
21 | 法國 | 137.9 | 1.02 |
22 | 新西蘭 | 120.7 | 0.89 |
23 | 印度 | 106.7 | 0.79 |
24 | 西班牙 | 105.8 | 0.78 |
25 | 土耳其 | 66.5 | 0.49 |
26 | 埃及 | 57.5 | 0.43 |
27 | 斯里蘭卡 | 55.7 | 0.41 |
28 | 馬爾代夫 | 50.7 | 0.37 |
29 | 荷蘭 | 44.9 | 0.33 |
30 | 緬甸 | 43.3 | 0.32 |
其他國家或地區 | 1025.6 | 7.59 | |
總計 | 13514.9 | 100 |
相對風險的初步定義爲各個國家或地區接待來自高風險城市(18個城市)航空旅客佔高風險城市總出行旅客的百分比,基於從國際航空交通協會(IATA)獲得的2018年2月到4月航空出行數據。注,2018年的春節是從2月16日開始。
圖8 在春節前15天到春節後兩個半月,這三個月時間內全球接待中國大陸18個高風險城市(圖6)航空出行遊客的城市地理分佈。航空出行遊客流量最大的30個城市被標註在圖上。基於國際航空交通協會(IATA)獲得的2018年2月到4月的航空出行數據。2018年春節從2月16日開始。
表6 在三個月內接待了來自中國大陸18個高風險城市(圖6)的航空旅客最多的非洲前30位城市,時間爲從春節前15天到春節後兩個半月。
排名 | 城市 | 國家或地區 | 旅客流量 | 風險 (%) |
---|---|---|---|---|
1 | 開羅 | 埃及 | 56735 | 20.49 |
2 | 約翰內斯堡 | 南非 | 20530 | 7.42 |
3 | 毛里求斯 | 毛里求斯 | 18297 | 6.61 |
4 | 亞的斯 | 埃塞俄比亞 | 17882 | 6.46 |
5 | 卡薩布蘭卡 | 摩洛哥 | 15787 | 5.70 |
6 | 內羅畢 | 肯尼亞 | 12859 | 4.64 |
7 | 恩德培 | 烏干達 | 8246 | 2.98 |
8 | 阿克拉 | 加納 | 8211 | 2.97 |
9 | 拉各斯 | 尼日利亞 | 8087 | 2.92 |
10 | 盧薩卡 | 贊比亞 | 7672 | 2.77 |
11 | 達累斯薩拉姆 | 坦桑尼亞 | 6769 | 2.44 |
12 | 阿爾及利亞 | 阿爾及利亞 | 6074 | 2.19 |
13 | 羅安達 | 安哥拉 | 5994 | 2.16 |
14 | 喀土穆 | 蘇丹 | 5412 | 1.95 |
15 | 阿布賈 | 尼日利亞 | 4193 | 1.51 |
16 | 盧本巴沙 | 剛果(金沙薩) | 3546 | 1.28 |
17 | 阿比讓 | 科特迪瓦 | 3461 | 1.25 |
18 | 開普敦 | 南非 | 3455 | 1.25 |
19 | 科納克里 | 幾內亞 | 3455 | 1.25 |
20 | 突尼斯 | 突尼斯 | 2912 | 1.05 |
21 | 利伯維爾 | 加蓬 | 2786 | 1.01 |
22 | 哈拉雷 | 津巴布韋 | 2665 | 0.96 |
23 | 達喀爾 | 塞內加爾 | 2659 | 0.96 |
24 | 馬普托 | 莫桑比克 | 2560 | 0.92 |
25 | 塔那那利佛 | 馬達加斯加 | 2515 | 0.91 |
26 | 努瓦克肖特 | 毛里塔尼亞 | 1955 | 0.71 |
27 | 馬拉博赤道 | 幾內亞 | 1864 | 0.67 |
28 | 馬赫島 | 塞舌爾 | 1850 | 0.67 |
29 | 德班 | 南非 | 1815 | 0.66 |
30 | 恩多拉 | 贊比亞 | 1796 | 0.65 |
相對風險的初步定義爲每個非洲城市接待來自高風險城市(18個城市)航空旅客佔高風險城市總出行旅客的百分比,基於從國際航空交通協會(IATA)獲得的2018年2月到4月航空出行數據。注,2018年的春節是從2月16日開始。
表7 在三個月內接待了來自中國大陸18個高風險城市(圖6)的航空旅客的非洲國家或地區,時間爲從春節前15天到春節後兩個半月。
排名 | 國家或地區 | 旅客流量 | % | 排名 | 國家或地區 | 旅客流量 | % |
---|---|---|---|---|---|---|---|
1 | 埃及 | 57516 | 20.77 | 27 | 塞舌爾 | 1863 | 0.67 |
2 | 南非 | 26405 | 9.54 | 28 | 博茨瓦納 | 1627 | 0.59 |
3 | 埃塞俄比亞 | 18393 | 6.64 | 29 | 吉布提 | 1602 | 0.58 |
4 | 毛里求斯 | 18297 | 6.61 | 30 | 馬裏 | 1587 | 0.57 |
5 | 摩洛哥 | 16974 | 6.13 | 31 | 剛果(布拉柴維爾) | 1500 | 0.54 |
6 | 尼日利亞 | 13734 | 4.96 | 32 | 乍得 | 1425 | 0.51 |
7 | 肯尼亞 | 13185 | 4.76 | 33 | 盧旺達 | 1386 | 0.5 |
8 | 贊比亞 | 9471 | 3.42 | 34 | 塞拉利昂 | 1330 | 0.48 |
9 | 坦桑尼亞 | 8388 | 3.03 | 35 | 納米比亞 | 1207 | 0.44 |
10 | 烏干達 | 8246 | 2.98 | 36 | 馬拉維 | 1139 | 0.41 |
11 | 加納 | 8211 | 2.97 | 37 | 貝寧 | 890 | 0.32 |
12 | 阿爾及利亞 | 7887 | 2.85 | 38 | 多哥 | 858 | 0.31 |
13 | 安哥拉 | 5994 | 2.16 | 39 | 萊索托 | 853 | 0.31 |
14 | 蘇丹 | 5433 | 1.96 | 40 | 留尼汪 | 809 | 0.29 |
15 | 剛果(金沙薩) | 5248 | 1.90 | 41 | 尼日爾 | 790 | 0.29 |
16 | 莫桑比克 | 3928 | 1.42 | 42 | 利比里亞 | 711 | 0.26 |
17 | 科特迪瓦 | 3511 | 1.27 | 43 | 南蘇丹 | 711 | 0.26 |
18 | 幾內亞 | 3455 | 1.25 | 44 | 布基納法索 | 406 | 0.15 |
19 | 突尼斯 | 2912 | 1.05 | 45 | 岡比亞 | 365 | 0.13 |
20 | 加蓬 | 2786 | 1.01 | 46 | 中非共和國 | 339 | 0.12 |
21 | 喀麥隆 | 2734 | 0.99 | 47 | 佛得角 | 276 | 0.10 |
22 | 津巴布韋 | 2716 | 0.98 | 48 | 厄立特里亞 | 246 | 0.09 |
23 | 塞內加爾 | 2659 | 0.96 | 49 | 布隆迪 | 232 | 0.08 |
24 | 馬達加斯加 | 2515 | 0.91 | 50 | 科摩羅 | 178 | 0.06 |
25 | 毛里塔尼亞 | 1955 | 0.71 | 51 | 索馬里 | 68 | 0.02 |
26 | 赤道幾內亞 | 1864 | 0.67 | 52 | 幾內亞比紹 | 52 | 0.02 |
相對風險的初步定義爲每個非洲國家或地區接待來自高風險城市(18個城市)航空旅客佔高風險城市總出行旅客的百分比,基於從國際航空交通協會(IATA)獲得的2018年2月到4月航空出行數據。注,2018年的春節是從2月16日開始。
圖9 在春節前15天到春節後兩個半月,這三個月時間內非洲接待中國大陸18個高風險城市(圖6)航空出行遊客的城市地理分佈。基於國際航空交通協會(IATA)獲得的2018年2月到4月的航空出行數據。2018年春節從2月16日開始。
4 參考文獻
- Zhu N, et al. (2020) A Novel Coronavirus from Patients with Pneumonia in China, 2019. N Engl J Med. DOI: 10.1056/NEJMoa2001017
- Chan J, et al. (2020) A familial cluster of pneumonia associated with the 2019 novel coronavirus indicating person-to-person transmission: a study of a family cluster. Lancet. DOI: 10.1016/S0140-6736(20)30154-9
- Huang C, et al. (2020) Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet. DOI: 10.1016/S0140-6736(20)30183-5
- Baidu Migration. http://qianxi.baidu.com/
- Bogoch I, et al. (2020) Pneumonia of Unknown Etiology in Wuhan, China: Potential for International Spread Via Commercial Air Travel. Journal of Travel Medicine, taaa008, https://doi.org/10.1093/jtm/taaa008
5 後記
本譯文已授權一覽衆山小·可持續城市與交通發佈,詳情鏈接見抗擊疫情特刊⑥ ︱2019年中國新型冠狀病毒國內外傳播的初步風險分析,此外可以參加下面相關抗擊疫情特刊。前兩篇筆者均有參與翻譯。另外還有一篇我們ISLE團隊發佈的社區倡議書。
抗擊疫情特刊① ︱武漢新型冠狀病毒肺炎通過航空國際傳播的風險評估
抗擊疫情特刊② ︱Science:傳染病是這麼傳染的!傳染病者的“有效”距離
抗擊疫情特刊③︱bioRxiv:導致近期人病毒性肺炎暴發的新型冠狀病毒及其源於蝙蝠的相關研究
抗擊疫情特刊④ ︱面對新型肺炎來襲你應該怎麼做?聽聽美國疾控中心的建議
抗擊疫情特刊⑤ ︱從2003年SARS到2009年甲型H1N1流感:臺灣預防流行病的經驗
ISLE團隊的社區倡議書。