查看原文
其他

返工潮之下,哪些城市面临最大的疫情防扩压力?

The following article is from DT财经 Author 满脑子R₀的DT君

点击上方“Python数据科学”,星标公众号

重磅干货,第一时间送达

☞500g+超全学习资源免费领取


“您购买的列车因故停运,需登录12306按规定办理退票手续。”小贺返工的高铁又一次被取消,别的车次或是停开或是满员,她不得不又一次推迟返回上海的日期。

 

家里蹲已经半个月,新冠病毒肺炎的确诊人数还在不断上升。截至2月5日24时,31个省(自治区、直辖市)和新疆生产建设兵团累计报告确诊病例28018例。

 

 

左 右 滑 动 查 看 更 多 (数据已更新至2月5号24时)

 

随着上面这张图越做越宽,很多读者在后台发问,疫情的拐点到底什么时候会到来?

 

我们参考了许多已有研究,能负责任地给出的答案只有一个:不确定。

 

没办法给出确定答案的背后,是因为决定拐点的因素,与全民参与的防控完成度直接相关,而这个完成度实在很难说到底有多少。

 

虽然不能给出这个核心问题的标准答案,但我们还是尝试着通过一些数据,尽力说清楚大家关心的其他几个相关问题:

 

疫情发展到了什么阶段?在接下来的时间里,哪些城市将面临更大的压力?疫情拐点如何才能到来?


1



新冠病毒肺炎的发展到了什么阶段?
 
新冠病毒肺炎现在的传播和发展,得将湖北和湖北省外分开来看。
 
一个好消息是,不管是湖北省内还是省外,每日新增的数据都释放出一些向好的信号。
 
从新增确诊病例数量来看,湖北以外的数据已经连续两日下降,而湖北在连续一路飙升之后,在2月5日也开始下降。
 
 
从密切接触者和正在接受医学观察的每日新增数量来看,全国数据和湖北数据都是连续两日下降,由于大量前期接受观察的人解除观察,湖北正在接受医学观察的数量更是出现了负增长——这一定程度上说明,隔离的效果可能开始显现
 
当然,一两天的下降并不能代表疫情的发展趋势出现了拐点,还需要更多时间来观察是否有持续的下降趋势。
 
而且,我们还注意到,湖北省外的密切接触者每日新增数量还在上升,仍处于需要高度警惕的阶段。
 
湖北省外的新冠病毒肺炎传播可以分为两个阶段:第一个阶段主要是来自湖北及其他地区的病例,这个数量与迁入人口数量有一定的关系,一般称作输入性病例;第二个阶段是被输入性病例传染后,当地出现了第二代甚至第三代传染病人。
 
我们统计了1月30日前各省市卫健委公布的确诊病例详情,计算了各个省市非输入性确诊病例的数量与占比。可以看到,在1月底时,33个地区中已经有25个出现了非输入性确诊病例,也就是说,这时候大多数地区疫情的传播都到了第二阶段。
 
非输入性确诊病例数量最多的TOP 5依次是浙江、重庆、上海、安徽和北京;非输入性确诊病例占比最高的TOP 5依次是天津、宁夏、江西、上海和浙江。
 
这两个数大致能表明新冠病毒肺炎的二代传播程度,而浙江和上海在两项排名中都位处前列(我们不太能确定,这是因为这两个地区的疫情传播相对更迅速,还是因为确诊能力更快)



我们进一步细化整理了资料较为详尽的上海、温州和杭州确诊病例发展脉络,比较了三个城市每日新增确诊病例中输入性和非输入性病例的比例。
 
可以看到,从上海、温州和杭州公布详细数据的1月27日开始,三座城市都出现了不同比例的非输入性病例。但从2月起,上海、杭州两地的非输入性病例数量有所降低。
 
更细致的从每日新增病例的非输入性病例比例变化来看,这三个城市表现出不一样的趋势:上海的每日新增非输入性病例比例存在起伏波动,温州的整体呈扩大趋势,而杭州在经历了几天的上升之后从2月2日开始回落


这更进一步说明了,当疫情发展进入第2阶段之后,因为防控严苛性和完成度、城市人口复杂程度、风俗习惯、人群意识等等各方面的不同,不同城市的疫情发展出现较大的差异。
 
而随着返工潮的临近,如果大规模的人口流动重启,各个地区还将承受不同的疫情二次扩散/爆发风险。
 
2



除了湖北
哪些城市将面临更大的压力?
 
毫无疑问,武汉、黄冈、孝感等湖北城市仍将承受着最重的与时间赛跑的压力。2月5日晚发布的《湖北省新型冠状病毒肺炎疫情防控指挥部令》中,就要求“确保疑似和确诊病例‘应收尽收、应治尽治’,确保一个都不放过”。
 
而在湖北之外,那些将要涌入更多返工人潮的城市,会面临更大的压力。
 
在春节前迁出人数最多的城市,也是在返工后将迎来最大压力的城市。百度迁徙数据显示,在2020年除夕前这一周,迁出人口数量最多的城市主要集中在珠三角、长三角和成渝;其中深圳、北京、上海、广州、成都是迁出人口数最多的五个城市,而东莞、苏州等制造业城市和郑州、杭州、西安等重要节点城市,也在春运前迁出了最多的人口。
 
 

从2月2日的少量返工人口流动来看,上述城市确实是最热门的目的地。
 

(图片说明:2020年2月2日全国热门迁入地/目的地,图片来源:百度迁徙)
 
大量人口在短时间集中涌入,如果再叠加因为返工而带来的城市内部人口流动,将很大程度上提升人群的聚集度。
 
根据中国城市轨道交通协会公布的最新年度报告,2018年北京和上海的日均客运量均超过1000万人次,分别为1054.4万人次和1017.2万人次,广州日均客运量达到835.4万人次,深圳也达到了451万人次。
 
如此大的人员流动,如果防控不到位,无疑将是病毒传播的最好温床。更何况,非典的经验告诉我们,如果出现一个人能传染10人以上的“超级传播者”,对疾病传播的控制难度将会加大很多。
 

在疫情防控这件事上,一定是做最坏的打算,尽最大的努力。

 
由于新型冠状病毒肺炎致命性更低、严重性更低、传染性更高的特点,其真正棘手之处在于,一旦控制不当传播开来,将会对病床等医疗资源形成挤兑。而我们进一步查看了全国各个主要城市的医疗资源情况,大城市虽然医疗资源相对比较集中,但是如果考虑到这些城市庞大的常住人口规模,这些资源还是十分紧张。
 

所以,在湖北正在尽全力实现“应收尽收、应治尽治”时,湖北外的城市们也在跟时间赛跑——尽快将疫情传播控制下来,以最小的风险去迎接返工潮的压力。
 
大家最关心,也是最关键的问题是,疫情什么时候可以控制下来?拐点如何才会到来?
 
3



理论上说
疫情拐点如何才会到来?
 
在这个问题的讨论中,我们要引入一个大家最近常常看到的指标:R₀,也叫基本再生数,或基本传染数。
 
R₀是流行病学中的概念。简单来说,R₀就是指在自由传播的情况下,平均一个病人能传染给多少人。
 
R₀的值越大,也就意味着平均每个病人能传染的人数越多,这种疾病传播的也就越快。
 
但是,如果平均每个患病的人能传染的人还不到一个,当原本这些患病的人痊愈或者死亡后,这种疾病也就被“淘汰”了。
 
也就是说,只要R₀<1时,疾病就会逐渐消失。
 
看到这里你就能理解,为什么我们说拐点与R₀息息相关。当我们在寻求疫情真正的拐点时,其实是在找把新型冠状病毒肺炎的R₀控制到1以下的办法。

这该如何实现呢?我们先来看传染病R₀的传播动力学模型。从流行病动力学的观点来看,决定R₀的是以下几个量:
 
 
意思是,平均每个感染者可以传染的人数(R₀)=感染者平均每天接触的易感人群数量(k)×易感人群被感染的概率(b)×感染持续的时间(D)
 
但在这里我们要注意到一点:R₀指的是在自由传播的情况下,平均一个病人能够传染多少人。当我们有意控制某些变量时,就要引入另一个概念——有效再生数(Rt)

R₀和Rt的区别在于,前者是在“自由传播”的前提下计算的,后者是在有外力介入时,平均每个患者实际能传染的人数。

当我们有效控制k、b和D三个变量,将新型冠状病毒肺炎的有效再生数(Rt)降到1以下后,疾病的规模就将开始缩小。
 
所以我们听到、或正在经历的封城、戴口罩、避免出门等一切手段,其实就是在通过各种防控措施来降低上述的k、b、D三个值。我们也可以为这些举措,作出相应的解释:
 
1)所有人避免外出、不聚会,其实就是降低了平均每天接触人群的数量(k)
2)所有人都戴上口罩,做好防护和消毒措施,也就减少了被接触后感染的概率(b)
3)而被感染的人都能尽快被确诊、隔离,那么感染者能传播病毒的时间也就被缩短(D)

提出方法论是相对简单的,但预判拐点出现时间仍然是个难题。所以我们要多努力地完成这些防控工作,才能将新冠病毒肺炎的R0降到1呢?

关于新冠病毒肺炎的R₀到底是多少,目前还没有一个定论。从已有研究来看,比较乐观的结果有1.4-2.5之间,悲观一些的结果有3.6-4.0之间、5.38等等。
 
R₀什么时候低于1,取决于我们在上述三个值上的减值操作有多强。假设上述k、b、D都能下降50%,那么我们可以把原本是4的R₀,直接降到4*(1-50%)(1-50%)(1-50%)=0.5。
 
在这里我们直接引用了李迅雷团队的测算结果,也就是新增确诊人数将在2月17日(中性假设下)或2月11日(乐观假设下)前后出现拐点——这两个日期仅供大家参考。
 
(图片说明:李迅雷团队对疫情发展预测的条件假设)
 
中国医学科学院院长王辰表示,拐点预判的难点在于:①疫情的底数不明,判断根据不足;②很多人还没隔离,社区、家庭传播相当严重;③此次爆发的是新将人体作为宿主的病毒,适应宿主的过程会促使病毒变异,但变异过程未可预期;④大批人员即将返程流动是个考验;⑤或许还有天气变暖的因素。

当然,从乐观的方面来想,拐点预判不一定准确的点还在于,如果特效药等有效治疗手段突然出现,新冠病毒肺炎变得不再那么可怕,致命性大大降低,变得比流感还要寻常。那么,即使没有消灭它,我们也不用再如此严阵以待。

无论如何,要迎来拐点,现阶段的关键还是得我们共同发力,为降低R₀作出最大贡献。同时避免自己“发挥超常”,成为那个足以翻转局势的“超级传播者”。
 
当这些控制变量的手段都被高效执行时,我们很快就会看到下图模拟的场景出现:
 
当白点(易感人群)尽可能减少活动,降低被感染的可能性,当红点(被感染者)都能被及时收治。虽然有一些艰难,但我们最终还是消灭了病毒。
 

(图片说明:B站UP主Ele实验室
《计算机仿真程序告诉你为什么现在还没到出门的时候》)

最后,借用上海医疗救治组组长张文宏的一句话

“从现在开始,每一位都是战士。你闷两个礼拜就把病毒给闷死了。你在家里不是在隔离,你是在战斗啊!”



近期精选
1、收藏 | 一文洞悉Python必备50种算法(附解析)
2、一篇文章搞懂「Python异步编程」的基本原理
3、8个流行的Python可视化工具包,你喜欢哪个?

干货资源
1、336页《机器学习实战》PDF 免费下载
2、用Python手写十大经典排序算法
3、{1,t},...,g_{c,t}...g_{n,t}>1000+页的《Python学习手册》pdf免费下载
4{1,t},...,g_{c,t}...g_{n,t}>李航老师《统计学习方法》(第2版)课件分享
5{1,t},...,g_{c,t}...g_{n,t}>541页的《利用Python进行数据分析》第二版

👆长按上方二维码 2 秒
回复「Python学习」
获取32g的Python学习视频

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存