COVID-19疫情是进入21世纪以来最为严重的全球公共卫生事件,并成为不同学科共同关注的热点。根据文献计量学分析结果,从疫情开始直至近期,关于COVID-19疫情的文章已经超过13 000篇,相关研究除从医学及生物学角度探讨病毒致病机理、特效药物和疫苗研制之外,更多的是探索疫情的非药物防控方法。本文针对后者,从传播关系识别、疫情时空模式分析、疫情预测模型、疫情传播模拟、疫情风险评估和疫情影响评价6个方面梳理近期研究进展。传播关系识别的研究主要包括：聚集性疫情和传播关系的识别,其中,个体轨迹大数据已成为此类研究的关键。针对疫情的时空模式分析发现,疫情分布具有显著的时空异质性,而时空传播则呈现出典型的网络特征。针对疫情的预测仍主要依赖于动力学模型,而从宏观到微观的预测模型,人群流动的影响不容忽视,并成为模型预测精度的关键要素之一。针对疫情的情景模拟主要侧重于通过模拟手段评估交通限制、社区防控和医疗资源调配等措施的效果。在非药物的干预中,交通阻断和社区防控措施被证明是目前最有效的手段;医疗资源的保障和优化调配则是防控的基础;而复工复产的情景模拟显示,在防控措施到位的情况下,复工进程必须有序有节。针对疫情风险评估的研究,目前主要关注生物因素、自然因素和社会因素。具体地,疫情感染风险与个体是否具有基础性疾病关系密切,而感染病毒后的死亡率存在性别差异;在自然因素中,如温度、降水、气候等会影响疫情的传播,但影响有限;而社会因素中,除了人群流动和人口密度的影响外,社会不公平性所导致的就医条件差异也会对感染率产生显著影响。针对疫情对未来的影响,本文主要关注公众心理、自然环境和经济发展3个方面,即疫情对公众心理和经济的影响主要以负面为主,而对自然环境的影响则起正向作用。通过对现有研究的系统梳理,可以看出,大数据尤其是个体轨迹和群体大数据在非药物干预的各个方面均发挥了重要的作用;重大疫情的防控已经不是单一学科和手段所能解决的问题,需要多学科的交叉以及不同领域人员的协作;疫情期间各种防控措施的效果、影响因素等均已被明确的揭示,但疫情的空间溯源、精准预测以及对未来的影响仍然是未解的难题。

新冠肺炎疫情期间,疫情数据成为民众关注的重点,涌现出了大量可视化图件,及时地向公众传达着疫情的数量信息和时空分布及变化,帮助大众快速了解疫情当前状况、推断发展趋势。本文从疫情数据可视化表达内容的维度出发,分析不同可视化的表达形式以及其对疫情数据的加工程度,结合示例把可视化分为“1阶”、“2阶”和“多阶”,并分析各自表达的数据类型、表达方式、设计特点和信息传递。同时,针对疫情可视化中的不足,探讨了数据统计中制图单元多级选择、数据分类中的极值处理问题,以及疫情可视化手段中不同颜色的内涵、质底法地图中区域面积和统计单元的影响、符号地图中符号压盖处理、热力图中比例尺的影响、统计图表和标注信息等在疫情可视化中的设计问题,指出疫情可视化设计中的视觉效果误用、设计过于复杂的误区,最后指出疫情信息可视化应具备讲故事的能力、问题针对性的特点,以图面简洁、高效信息传递为根本,为制图者合理设计图表和用户理性阅读疫情地图提供参考。