研究背景自新型冠状病毒肺炎（the novel coronavirus disease 2019,COVID-19）暴发以来,截止到2021年3月,全球累计确诊病例数已超过1亿,其中死亡病例数已超过200万。COVID-19的全球大流行趋势带来了非常严重的健康危机,也给全球公共卫生领域带来巨大挑战,对世界经济造成严重影响。为控制COVID-19流行,世界各国实施了不同的防控措施,中国通过严格执行各项公共卫生政策,包括隔离病例,追踪密切接触者,控制社交距离以及禁止娱乐活动等,成功控制了 COVID-19的首波疫情。目前对于COVID-19的研究主要集中于探讨“三环节”（传染源、传播途径、易感人群）与“两因素”（自然因素、社会因素）,其中传播动力学模型基于若干条件假设,可对随时间变化的疫情数据进行分析,能够分析疾病的发生发展过程并计算传播能力。在COVID-19的全球大流行趋势下,若能利用数学模型全面、系统的分析中国各省市COVID-19传播能力变化趋势,量化评估其防控措施效果,相信可以更好的为世界其他国家的疫情防控提供经验。在传染病的发生发展过程中,自然因素和社会因素对于疾病的影响贯穿“三环节”,其中自然因素中的气象因素,因很难被人为因素改变,在各类研究中一直占据着非常重要的位置。中国作为国土面积世界第三的大国,南北气候差异较大,而且目前也已有研究发现了高温环境可能会影响病毒的生存时间,这对COVID-19的防控工作也提出了新的挑战。同时已有研究在分析气象因素时,大多主要研究其对于传播能力或发病率的影响,结局变量较为单一,不够全面系统。在不同研究中,因为所选取地区或国家的社会经济背景及防控措施等不同,造成气象因素对于不同结局变量的影响差异无法对比与量化。若能够使用同一面板数据（即影响因素与结局变量均为随时间不断变化的动态数据）同时分析关键气象因素对COVID-19的传播能力、发病率及发病数的影响,则能够系统比较气象因素对不同结局变量的影响是否存在差异,同时也可量化评估气象因素对三者的影响是否存在滞后效应及滞后时间的差异。针对COVID-19防控措施包括药物干预和非药物干预,其中非药物干预措施（如隔离,佩戴口罩,增加社交距离等）的有效性已在多个国家得到证实,但目前关于药物治疗效果的研究大多关注其临床疗效,这些药物对人群的防控效果如何还未有研究涉及。因此,我们希望从公共卫生学的角度,前瞻性地构建一个基于年龄组的药物治疗对COVID-19防控效果的评估模型,评估不同年龄组的药物治疗防控效果差异。一方面,我们希望能够通过模型预测已有治疗药物对疫情防控的影响;另一方面,我们希望提供一个模型,以便在未来有新的治疗药物出现时,可直接根据其临床疗效带入模型中,评估其在全人群中的防控效果。研究目的1.通过传播动力学模型全面系统评估中国各省市传播能力变化趋势,并初步探究各地区综合防控措施效果。2.分析气象因素对COVID-19的每日传播能力、发病率及发病数的影响,比较关键气象因素对不同结局变量的影响是否存在差异,并评估气象因素对三者的影响是否存在滞后效应。3.从公共卫生学的角度,基于已有或未来可能会有的治疗药物的临床疗效,评估其在全人群中对疾病防控的效果。研究方法1.通过收集全国33个省市卫生健康委员会公布的COVID-19每日新发病例数及死亡病例数建立全国疫情数据库（2020年1月10日至2020年2月26日）,构建“易感-潜伏期-显性感染-隐性感染-康复”模型（Susceptible-Exposed-Symptomatic-Asymptomatic-Recovered/Removed,SEIAR 模型）,评估传播能力变化趋势及综合防控措施效果。2.收集中国气象局网站公开的所有气象站点数据（主要包括温度、相对湿度和日照时间等）,在此基础上整理省市层级的每日气象数据,结合全国疫情数据库,建立用于分析气象因素的面板数据库（2020年1月10日至2020年2月26日）,使用广义估计方程分别探究关键气象因素对COVID-19的每日传播能力、发病率及发病数的影响差异,并评估滞后效应。3.收集国家卫生健康委员会、湖北省卫生健康委员会和武汉市卫生健康委员会等相关网站的公开数据,结合已发表文献,建立武汉市疫情数据库（2019年12月2日至2020年3月16日）。基于已有的评估各年龄组传播能力的SEIAR模型,建立药物治疗对COVID-19的防控效果评估模型,从公共卫生学角度,评估治疗药物在全人群中对于COVID-19的防控效果。使用Berkeley Madonna 8.3.18软件进行数据拟合、预测及敏感性分析;模型拟合及预测效果采用决定系数（R2）和平均绝对误差（MAE）评估,传播能力使用Reff评估;使用IBM SPSS 21.0计算R2值、各省市的发病率和气象因素;使用SAS 9.4分析关键气象因素对COVID-19流行的影响;使用Microsoft Office Excel2010、GraphPad Prism 7.0进行数据整理及相关图形绘制。研究结果1.自1月10日开始,各省市每日新发病例数呈先上升再下降趋势,空间上呈现由湖北省不断向其他省份扩散的趋势;模型总体拟合效果较好,各地区实际新发病例数与拟合新发病例数之间的决定系数R2区间范围为（0.168,0.857）,除台湾地区外（R2=0.039,p＞0.05）,均具有统计学意义;各省市传播能力均呈现递减趋势,在实施早期干预措施后,各省市高峰值降低,疫情持续时间延长,后续继续实施强化干预措施后,各省市疫情得到明显控制。2.截止2020年2月26日,各省市传播能力均随时间呈递减趋势,发病率及发病数均呈现先增加后减少趋势;温度越高、相对湿度越小或者风速越大,传播能力、发病率和发病数均越小;温度对传播能力的影响会一直至少持续5天,对发病率的影响则滞后4天,影响程度逐日递减;其他因素对于三者均同时存在即时与滞后效应。3.在无干预情况下,随着年龄的增加,累积罹患率和病死率增加;当使用不同类型药物治疗时,各年龄组（年龄组1,≤14岁;年龄组2,15-45岁;年龄组3,45-64岁;年龄组4,≥65岁）累积罹患率降低程度大于病死率降低程度,且下降程度不同;仅使用一种类型的药物进行治疗时,若某药物可降低病毒传染性,则对各年龄组的累积罹患率影响最大,此时若降低70%,则年龄组2的累积罹患率降低率最高（95.78%）;若某药物可缩短传染期,则对各年龄组的病死率影响最大,此时若缩短3天,则年龄组1的病死率降低率最高（64.56%）。若可将传染率降低40%且传染期缩短3天或同时将重症病死率降低30%,则年龄组2的累积罹患率降低率最高（56.01%至0.85%,下降98.48%）;若可将传染率降低10%、传染期缩短3天且重症病死率降低30%,则年龄组1的病死率降低率最高（0.71%至0.12%,下降83.08%）。研究结论1.疫情期间,各省市采取的各项干预措施取得显著成效,其中早期及时有效的干预措施对疫情防控至关重要,同时后续强化干预措施是彻底控制疫情的必要条件;防控措施效果会受到各种因素的影响,人口密度是可能的原因之一,为更好的应对后续地可能暴发,在制定防控措施时,需要考虑得更加全面,做到因地制宜,以取得更好的防控效果。2.本研究中气象因素对发病率及发病数的影响基本相同,对传播能力的影响有一定差异:温度、相对湿度和风速对于三者的影响相同,温度对于发病率及发病数的影响是滞后的,滞后时间大致为4到5天;温度的升高可能先引起病毒传播能力的降低,再导致人群发病率及发病数的降低,但具体作用机制还需要进一步探究。3.药物治疗对于COVID-19发病率的控制比对死亡率的降低更有效;四个年龄组均显示出联合用药时对COVID-19的防控效果更好;无论是单一用药还是联合用药,均呈现为较小年龄组的累积罹患率和病死率降低速度最快,即治疗后的防控效果更好,但在实际情况中年长者有更高的发病率和病死率,这提示我们,在未来的临床实践中要更加关注药物治疗对老年人群的防控效果。