摘要
2020年新冠疫情暴发并波及到全球超过200个国家和地区，截至北京时间2021年3月22日8点，累计确诊病例已逾1亿2300万，累计死亡病例超过270万，对全球经济社会产生重大影响。目前多数国家疫情仍在扩散，没有得到有效控制，国内局部地区也出现疫情反复。新冠疫情虽然致死率低，但传染能力较强，面对严峻的疫情形势，需要加强常态化监控。在疫情传播过程中，进行地区风险评估与预警，能够为实施分级防控措施，减少经济社会影响提供科学依据。现有地区风险评估方法与研究成果多以单一视角切入，综合视角的风险评估研究较少。 基于此，本文以突发公共卫生事件风险评估、能力与脆弱性理论等为基础，从病患数、人口流动、人口结构、政策管控、医疗水平、社会经济等多方面，构建新冠疫情综合风险评估与预警模型并进行实证研究。论文的研究过程为：首先，对国内外新冠疫情等传染病的风险评估理论、实证及预测方法进行梳理和总结，为研究奠定理论基础；其后，从危险性、脆弱性、暴露度和抗灾能力四个维度出发，构建地区新冠疫情综合风险评估指标体系和预警模型，并对2020年1月10日至2020年3月15日期间，我国6个大型城市和四川省21个市州进行实证分析；最后，在研究结论的基础上提出新冠疫情防控的对策建议。主要研究结论为： （1）从危险性、脆弱性、暴露度和抗灾能力四个维度选取13个风险指标，构建地区新冠疫情综合风险评估指标体系，并使用主成分分析降维，得到新冠疫情综合风险的主要因子为：暴露度及社会发展水平主成分因子、医疗卫生水平及人口流出主成分因子、病毒危险性主成分因子和政府防控能力及人口流动主成分因子。基于上述因子测算的综合指数能客观全面地反映地区新冠疫情的综合风险并进行有效短期预警。 （2）实证研究中，针对北京、上海、广州、深圳、天津、重庆的新冠疫情综合风险指数测算结果呈现相似走势，1月30日前后综合风险指数最高，之后随着确诊患者在医院接受治疗，以及政府及时管控，各地的综合风险指数逐渐下降，2月14日前后回归到疫情发生之前，之后各地开始分阶段复工、复课、开放公共场所、解除公共聚集限制，风险小幅增加。对6个城市新冠疫情综合风险指数进行聚类分析，发现北京、上海、重庆、深圳的风险等级呈现“较低风险—较高风险—中风险”的波动变化；天津的风险等级变化情况为“较低风险—较高风险—低风险—中风险”；广州市的风险等级变化为“低风险—较高风险—中风险—较高风险”。 （3）四川省各市州中，2020年1月13日至2020年3月15日9周内，甘孜藏族自治州和阿坝藏族羌族自治州的新冠疫情综合风险等级持续为高风险；成都新冠疫情综合风险在疫情初期两周为较低风险，第3-4周升至较高风险，第5-6周为低风险，并在最后三周升为中风险；其余各市州的新冠疫情综合风险等级均在疫情暴发初期呈较低风险，随后降为低风险并一直保持。 （4）以成都为例，采用机器学习中的GBDT模型、Lightgbm模型和Xgboost模型，对构建的新冠疫情综合风险评估进行短期预测研究，发现GBDT模型的短期预测效果最好，其次是Lightgbm模型，Xgboost预测效果则表现不佳。
NETL