
-
生物通官微
陪你抓住生命科技
跳动的脉搏
衡量气候和空气质量对COVID-19传播动态的影响:两个城市在疫情应对准备方面的对比
《BMC Public Health》:Measuring the impact of climate and air quality on COVID-19 transmission dynamics: a tale of two cities in pandemic preparedness
【字体: 大 中 小 】 时间:2026年06月11日 来源:BMC Public Health 3.6
编辑推荐:
摘要这项比较研究调查了2020年1月至7月期间,韩国大邱和首尔九种气象和空气质量因素对COVID-19传播的非线性影响。通过使用广义加性模型(GAMs)、基于百分位的风险区域识别以及K均值聚类方法,我们的分析表明环境因素具有高度的区域特异性,这给全球公共卫生措施带来了挑战。在大邱
这项比较研究调查了2020年1月至7月期间,韩国大邱和首尔九种气象和空气质量因素对COVID-19传播的非线性影响。通过使用广义加性模型(GAMs)、基于百分位的风险区域识别以及K均值聚类方法,我们的分析表明环境因素具有高度的区域特异性,这给全球公共卫生措施带来了挑战。在大邱,风险状况受到气候因素的显著影响(GAM解释偏差:63.0%),表现为温度的U形效应,即在温度极端情况下风险增加。主要的高风险区域出现在凉爽且相对干燥的条件下,平均每日病例数为278.8例,这与寒冷环境特征相符。相反,首尔的风险状况显示出空气污染物的显著影响(GAM解释偏差:48.3%),温度、NO2和O3之间存在单调正相关关系。关键的是,数据揭示了温度与O3之间存在强烈的正相关(r = +0.794),表明温暖时期O3浓度升高,从而增加了呼吸系统的敏感性。首尔的主要高风险区域出现在温暖且潮湿的条件下(平均每日病例数为29.5例),这与大邱的情况形成鲜明对比。这些发现强调了需要根据地区特征定制数据驱动的环境早期预警系统(EEWS),以提高对未来疫情威胁的应对能力。
这项比较研究调查了2020年1月至7月期间,韩国大邱和首尔九种气象和空气质量因素对COVID-19传播的非线性影响。通过使用广义加性模型(GAMs)、基于百分位的风险区域识别以及K均值聚类方法,我们的分析表明环境因素具有高度的区域特异性,这给全球公共卫生措施带来了挑战。在大邱,风险状况受到气候因素的显著影响(GAM解释偏差:63.0%),表现为温度的U形效应,即在温度极端情况下风险增加。主要的高风险区域出现在凉爽且相对干燥的条件下,平均每日病例数为278.8例,这与寒冷环境特征相符。相反,首尔的风险状况显示出空气污染物的显著影响(GAM解释偏差:48.3%),温度、NO2和O3之间存在单调正相关关系。关键的是,数据揭示了温度与O3之间存在强烈的正相关(r = +0.794),表明温暖时期O3浓度升高,从而增加了呼吸系统的敏感性。首尔的主要高风险区域出现在温暖且潮湿的条件下(平均每日病例数为29.5例),这与大邱的情况形成鲜明对比。这些发现强调了需要根据地区特征定制数据驱动的环境早期预警系统(EEWS),以提高对未来疫情威胁的应对能力。