气温升高对抑制新冠肺炎传播的贡献

摘 要

本文主要探讨了温度升高与新型冠状病毒肺炎在中国大陆的传播受限有关，并且当从 SARS-CoV-2 感染到官方确认报告的滞后时间为8天时，估计上述关联最强。通过对不同地区进行探究，发现了在没有集中供暖的地理区域，温度升高对抑制新型冠状病毒肺炎传播有更强的作用。相对湿度似乎只有轻微的影响。我们提供了综合信息以确认温度对新型冠状病毒肺炎的独立抑制作用传播。这些发现通过在温度(4C37C)和相对湿度(gt;40%)的相关条件下评估新型冠状病毒传染性得到验证。我们的结论是，气温升高对抑制中国新冠肺炎疫情做出了重要但非决定性的贡献。建议严格执行其他有效控制政策的重点，以抑制寒冷季节的新冠肺炎传播。

关键词：温度升高，新型冠状病毒肺炎，抑制作用，传播

目 录

第一章 绪论 3

1.1 引言 3

1.2 新冠疫情研究现状 3

第二章 新冠肺炎传输速率和相关气象因素之间的关系 4

2.1 新冠肺炎病例日累计增加量与时间的关系 4

2.2 环境温度和相对湿度与传播速率的关系 5

2.3 选择自然实验场景来验证温度的影响 7

2.4 利用病毒持久性实验来测试温度和相对湿度对新型冠状病毒传染性的影响 8

第三章 模型设计 10

第四章 数据分析 11

第一章 绪论

1.1 引言

新冠肺炎疫情已经成为全球大流行，控制这种全球范围内的快速传播是一个巨大的挑战。温度和湿度对新冠肺炎传输速率的影响仍在讨论中。由严重急性呼吸综合征冠状病毒-2(新型冠状病毒)引起的冠状病毒疾病2019年全球传播(新冠肺炎)正以前所未有的规模发生。

确诊病例的传播已经足够大，以至于该事件已经被宣布为大流行事件。控制这种全球范围内的快速传播是一个永恒的挑战。

1.2 新冠疫情研究现状

研究发现新型冠状病毒的基因序列与非典病毒的基因序列相同，相似度超过79.6%。此外，它的环境稳定性与SARS冠状病毒和MERS冠状病毒的另外两种B-冠状病毒相似。低温低湿有利于SARS冠状病毒和MERS冠状病毒的存活。到目前为止，考虑到温度和湿度的波动，新冠肺炎传输的影响还有些不确定，但是相关的科学问题需要回答，这不仅对于科学家，更重要的是对于公众和政策制定者。

一项实验研究表明，新型冠状病毒病毒具有类似于H7N9禽流感的多因素免疫反应。众所周知，流感病毒(如H1N1和H7N9)的传播趋势在很大程度上取决于季节。然而，到目前为止，关于温度和湿度对新型冠状病毒传播速度的影响的可靠信息很少。大多数研究表明，温度或湿度的增加可能会降低新冠肺炎在区域和全球范围内的传播率。其他一些研究可能发现了相反的现象。

新冠肺炎传输速率和相关气象因素之间的关系

基于目前对新型冠状病毒传播特性的了解，我们提出了一个假设，即温度和相对湿度都可以调节新冠肺炎的传播。为了评估温度和湿度对新冠肺炎传播的因果效应，选择一个可以控制重要混杂因素的适当情景，并用某些干预证据验证相关结果是至关重要的。我们通过以下四个步骤探索了新冠肺炎传输速率和相关气象因素之间的关系。

2.1 新冠肺炎病例日累计增加量与时间的关系

图 2-1 27省份病例数A

图 2-2 99市病例数B

图 2-3 27个省的新冠肺炎病例总数的增长趋势拟合 C

图2-1和2-2是新冠肺炎累计确诊病例及其地理分布2020年1月23日至2月21日包括的27个省(A)和99个市(B)新冠肺炎累计确诊病例的地理分布；为了方便读者，只标出了典型的大城市。图1-3来自27个省份的新冠肺炎病例总数呈上升趋势。该期间累计确诊病例百分比显示为对应于左侧Y轴的散点图和拟合曲线。每日增加的病例显示为竖线，对应右Y轴。截至2月21日，27个省的确诊病例总数为12511例。

排除集群感染事件(如集群在监狱中发生的感染)，我们发现，对于选定的27个省和99个城市，按照所考虑的所有地理单元的三参数逻辑模型，每日累积病例有明显增加，其地理信息在图1-1 A和1-2 B中提供。对于27个省，累积新冠肺炎病例随时间的增加趋势由模型

N[t, s] = a1/[1 exp(a2 – a3t)] (等式 1)

拟合。这里，我们只显示了来自27个省的新冠肺炎病例总数的增长趋势，这可以很好地用R= 0.998来拟合(见图2-3 C)。

2.2 环境温度和相对湿度与传播速率的关系

图 2-4环境温度和相对湿度与环境温度新冠肺炎传输

环境温度和相对湿度与环境温度新冠肺炎传输(图2-4 A省一级；图2-4 B城市级)和相对湿度(图2-4 C省一级；图2-4 D城市级别)与新冠肺炎的传输速率。在逻辑增长模型中，传播率被定义为每天累计确诊病例的增长率:(等式 2)。回归系数(beta;1和beta;2)使用如下线性混合效应模型获得:

R[t，s]= beta;1Tt beta;2RHt beta;3WSt beta;4 PRT beta;5MIIt beta;6MOIt beta;7PDt g(L) (等式 2)

该公式包含7个固定项(b1-7)来模拟温度(T)、相对湿度(RH)、风速(WS)、降水(PR)、迁入(MII)和迁出(MOI)的人口流动指数、人口密度(PD)和随机截距(g)的影响，以控制特定位置(L)的影响。数据以95%置信区间的估计值显示。

在相关时期，选定地区的平均(最低)环境温度和相对湿度分别为3.85℃(27.17℃24.47℃)和79.66% (27.250%)。线性混合模型结果表明，传输速率与温度或相对湿度有明显的关联，温度或相对湿度随滞后时间(表示为LT)而变化，呈U形关系(图2-4)。

无论是在省一级还是在市一级(图2-4 A和2-4 B)，当LT gt;= 5天时，室外温度和传播率之间总体上呈广义负相关，当LT = 8天时，上述相关性(即beta;1回归系数的绝对值)最强，如灰色矩形所示。对于城市一级的相对湿度，当LT gt;=8天时，发现与传播率呈负相关。然而，在省一级，只有当LT = 8天时，才观察到这两者之间有统计学上的显著关联(图2-4 C)，这与城市一级的结果不一致(图2-4 D)。

敏感分析结果(图S5和S6)表明，当移动性指数从模型中排除，或者基于事件的信息没有根据表S1进行校正时，上述关联总体上是一致的。我们还证实了beta;1对风速、降水、人口流动性指数和人口密度等混杂因素的敏感性(图S7)。沉淀指数和迁移指数对beta;1的影响较大，而种群密度和风速的影响较小。然而，在排除其中任何一个的情况下，总体结果是一致的。我们进一步分析了温度和相对湿度对新冠肺炎传输速率的交互影响(见表S3)。无论是在省一级还是在市一级，他们之间都没有观察到这样的影响，也没有观察到有或没有公共集中供暖的影响。相对湿度似乎对透射率没有随温度的任何改变作用。

关于温度，我们发现似乎对新冠肺炎病毒的传播速度有很强的抑制作用，这与发表在同行评审或预印本网站上的研究结果一致。关于相对湿度，仅当LT = 8天时，在省一级发现对新冠肺炎传播的显著保护作用，而当LT = 8-13天时，在城市一级观察到显著抑制作用。因此，相对湿度的影响似乎不像温度的影响那样稳定，但根据我们目前的数据分析，它可能解释了对新冠肺炎扩散的微不足道的抑制作用。此外，上述研究没有考虑环境因素对传播率的滞后期。滞后时间是将气象条件与新冠肺炎的传播速度联系起来的关键参数，因为在SARS-COV-2感染和综合症发作之间有一个潜伏期。

当LT = 8时，我们没有发现温度和湿度对传输速率有任何交互作用。有人提出，新冠肺炎传输的最佳温度和相对湿度可能分别小于5摄氏度11和47y。在我们的研究中，超过一半在研究期间被筛选的区域具有超过80%的高相对湿度(图S2和S3)。我们的研究表明，相对湿度对传播速率的抑制作用很小。需要进行进一步的研究来评估即将到来的季风对一些亚洲地区的影响。在敏感性分析中，我们发现降水和人口流动性的混杂因素，而不是人口密度或风速，对beta;1值有显著影响，这与Islam等人的研究不一致。一种可能的解释是，新冠肺炎病例释放的病毒可以通过雨水清除。此外，在雨天，户外活动应该减少，从而减少接触者感染人群的机会。

2.3 选择自然实验场景来验证温度的影响

图 2-5集中供热状态的改造效果

据报道，中国总人口有83%的时间在室内度过。因此，室外温度不能代表有公共集中供暖的人的真实环境居住条件。如果存在气象变量对传输速率的影响，不同家庭温度的维持可以加强或削弱这种关联，这可以通过增加温度或相对湿度与公共集中供热状态的相互作用项来验证。这里，当LT = 510天时，观察到公共集中供热状态对温度和传输速率之间的关联的显著修改效果(p lt; 0.05)(图2-5 A)。对于没有公共集中供暖的地区，省市两级的传输速率下降幅度似乎大于有公共集中供暖的地区。当LT = 7天或8天时，也发现最明显的系数(beta;1)。在不调整移动性指数的情况下，这些关联总体上是一致的(图S9)。这里，可以颁布两种观点。

1. 室外温度不太可能与居住在中国北方的人口的实际生活条件相一致，这可能导致了与中国南方相比，取决于中国北方室外温度的传播率相对较低。
2. 强调了供暖设施的性质，即公共集中供暖，并在地理单元内的有限流动人口之间共享，从而创造了可能引发传播率进一步变化的条件。然而，这种自然实验场景，在之前报道的研究中没有记录，与我们对温度影响的发现的验证高度相关。这表明温度控制作为调节大面积居住环境中新冠肺炎传输速率的有效现象起着决定性作用。我们随后比较了相关省市之间beta;1的方差(图1-5 B)，详细数据见表S4。总体而言，中国南方各省市(如前五名为河南、安徽、湖南、江西和广东)的传播率随温度变化的幅度高于中国北方(如后五名为辽宁、吉林、内蒙古、山西和河北)。当LT = 8天时，环境温度和新冠肺炎传输之间的非线性关系如图S10所示。它们之间的关系似乎接近线性，但没有找到温度阈值。当假设Tref是2020年1月23日之前LT日期附近的1周平均温度时，考虑到温度对传播率影响的地理差异，估计了新冠肺炎病例减少与LT (DNM)的相关性。在相关期间，我们估计大约有4066人没有受到新型冠状病毒的影响，因为当LT = 8天时，温度升高。其他滞后时间的DNM详细结果如表S5所示。在这个自然实验场景中，分布集中供暖在中国不是随机分布的，也就是说，

   剩余内容已隐藏，支付完成后下载完整资料

   ---

   

   

   英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

   ---

   资料编号：[596156]，资料为PDF文档或Word文档，PDF文档可免费转换为Word