突发公共卫生事件会严重影响社会公众生命健康,风险评估和预测可为突发公共卫生事件有效防控提供科学依据。本文提出了一种基于SEIR模型的突发公共卫生事件风险动态评估与预测方法,将突发公共卫生事件传播与人口、医疗、经济情况相结合,耦合危险性与脆弱性,建立合理的风险评估综合指标体系,利用熵值—层次分析组合模型实现突发公共卫生事件风险动态评估。此外,本文建立了传染病传播动力学修正SEIR模型,将传染病传播动力学模拟预测与风险评估相结合,实现突发公共卫生事件演变趋势的预测和风险的动态预测。2019年12月底的COVID-19疫情是一次传播速度快、感染范围广、防控难度大的重大突发公共卫生事件。本文以欧洲10国COVID-19疫情为例,开展风险评估与风险动态预测研究,依据欧洲10国自疫情开始至2020年4月16日的疫情数据,预测了2020年4月17日—2020年5月10日疫情演变的趋势,进而实现了10国的疫情风险动态预测。本文模型预测结果表明至2020年5月10日欧洲10国疫情形势仍然严峻,预测数据与真实数据的拟合优度R ²大于0.92,预测结果与疫情真实情况基本一致,在此情况下,复工复产对于疫情防控仍然是不利的。本文提出的基于SEIR模型的公共卫生事件风险动态评估与预测方法为疫情已然传播开的国家和地区提供了风险持续评估和预测的可能,为后期疫情防控决策提供了支持,同时也可用于今后新的疫情发生时期或其他突发性公共卫生事件下风险的应急评估和预测。

新型冠状病毒肺炎（Coronavirus Disease 2019,COVID-19）在全球的传播仍在持续,根据COVID-19在国内早期的扩散特征,从地理学角度出发,构建了一种顾及时空对象空间相互作用机制的疫情风险评估模型,模型在参照时空对象空间相互作用迁移型传导模式的基础上,重点考虑了疫情传播的时空过程、并兼顾空间依赖及空间异质性因素,实现了疫情风险城际传播的关联性、动态性分析。在实证研究阶段,基于该模型对武汉及其主要影响城市在2020年1月上旬到4月上旬的疫情风险及动态演变进行了评估,通过与基于城市对象自身属性计算得到的实时疫情风险指数及其空间分布进行比较,验证了基于时空对象的空间相互作用模型在疫情风险评估方面的有效性。结果表明：① 模型能兼顾疫情传播的空间依赖及空间异质性特征,体现疫情风险的城际传播过程,为疫情传染风险评估及相关空间问题的研究提供了一种新的视角和方法;② 来自源对象的输入性疫情风险与对象间的空间相互作用强度存在显著正相关性,因此在疫情防控中要结合空间相互作用的主要影响因素进行综合决策。

新冠肺炎（COVID-19）在空间上具有一定的传播风险,对城市的安全健康构成了威胁,防止疫情传播成为紧迫的任务。在2020年1月1日至4月11日,COVID-19疫情经历了发生、迅速发展和趋于稳定的发展过程,利用初期的COVID-19数据进行宏观层面的疫情风险评估,为防疫控制措施提供一定的参考。因此本研究基于行政区划、定点医院、疫情小区以及道路交通等多元数据,在宏观层面提出并构建全国地理空间疫情风险性评估,对疫情风险分布探讨的同时进行评估效果验证,并根据构建指标揭示影响风险的因素及其机理,主要结论： ① 地理空间风险评估具有有效的可行性。② 地理空间疫情风险分布全局Moran's I指数为0.758,具有显著的空间集聚特征。同时,不同的省区市之间的局部LISA值呈现空间差异性,其中高—高聚类省区市占比全国25.81%,风险程度较高,主要分布在湖北、河南、湖南、江西、安徽、浙江、江苏、上海,低—低聚类省区市占比全国9.68%,风险程度较低,主要分布在青海、西藏、新疆。③ 地理空间疫情风险分布与地理区位、道路交通、医疗卫生、疫情现状指标均存在一定的相关性。根据统计学的Pearson相关性分析,其相关指标R ²存在差异,在数值上由高到低依次为疫情现状、地理区位、道路交通、医疗卫生,在属性上其相关因子存在正负2种效应,地理空间疫情风险与武汉市地理距离、定点医院密度以及居民-医院地理距离呈现显著的负相关,其R ²分别为0.813、0.545、0.436,与铁路网密度、公路网密度以及疫情小区密度呈现显著的正相关,其R ²分别为0.751、0.792、0.825。④ 地理空间疫情风险的构成因素错综复杂,其受到多种因子的共同作用,根据空间分层异质性分析,不同因子之间均存在交互作用,其中居民—医院地理距离与公路网密度、铁路网密度交互作用较强,q值分别为0.9842、0.9837。本研究在宏观层面为城市管理中重大疫情的空间资源分配以及区域空间的联防联控策略提供了相应的依据。

2019年12月湖北省武汉市出现了新型冠状病毒肺炎疫情。新型冠状病毒传播力强,导致全国甚至全世界范围都出现新型冠状病毒疫情。为了刻画新型冠状病毒在城市内部的传播方式,本文基于个体在城市中的行为和社会关系,融合了复杂网络理论和GIS技术构建了新型冠状病毒智能体仿真模型。该模型以广州市为研究对象,通过马尔科夫链蒙特卡洛方法拟合参数,实现了对广州市疫情的准确回顾。结果表明,模型精度良好,其中MAPE为0.17。智能体模型具有良好的适用性。因此可以模拟境外输入病例对城市疫情发展的影响。智能体模型标记了个体的时空位置和社会关系,因此本文还提出一种通过智能体模型进行流行病学调查的方式,该方式相较于传统流行病调查更加便捷,效率更高。然后根据模拟分析结果,为城市防控疫情提供有价值的决策信息。最后建议市民,如果城市再次暴发疫情,不必恐慌,疫情会在14~20 d被控制,但是要提高自我防护意识,做好自我保护。

呼吸道传染疾病在人群间的传播,容易引发大规模的公共卫生事件。在疫情防控期间,通过限制购药周期可以有效控制和降低因购药聚集而产生的感染风险。本文聚焦传染病疫情防控中封闭与复工初期慢性病患者的购药需求,针对到店购药场景,提出一个慢性病患者购药周期的优化方法。首先,依据武汉市疫情防控期间“不得跨区购药”的原则,通过复杂网络模型,构建药店与小区之间可能的服务关系;然后基于共享单车订单数据提取购药人流量随距离的衰减规律,在此基础上建立小区购药人流在为其提供服务的各药店间的分配机制,进而确定药店侧的顾客到达速率,实现小区和药店的空间分布特征与排队论模型的耦合;接着采用离散事件仿真方法对不同购药周期下的系统状态进行仿真;最后基于仿真结果,以最大程度地兼顾患者的购药需求和药店的使用率为优化目标,通过二分法查找购药周期的最优解。实验以武汉市中心城区为例,首先通过条件概率估算各类慢性病患者的数量,再通过上述方法求解得到最优购药周期为28 d。该周期下,患者的人均等待时长为8.55 min,接近最佳的排队容忍时长,绝大多数的购药需求能够被满足,且药店资源能够得到充分利用（达到繁忙状态的药店比例达到87%以上）,药店的日均备货量不超过100（瓶或盒）,处于药店备货能力范围之内。本文的方法和结论,可用于指导慢性病患者的购药决策及药店的慢性病备药。