摘要
背景
地方政府单位的反应对于遏制一个国家的病原体传播至关重要。为了减轻COVID-19大流行的影响,菲律宾国家政府通过其新发传染病机构间工作组概述了不同的隔离措施,其中每个级别都有相应程度的刚性,从只允许基本业务开放到允许所有机构以一定的容量运营。其他措施还包括禁止特定年龄段的个人走出家门。地方政府单位(市和省)可根据疫情在其所在地区的严重程度采取其中任何一项措施。其目的是控制感染人数和死亡率,同时尽量减少疫情对经济的影响。一些地方政府单位在应对COVID-19大流行方面表现出色。本研究的目的是利用定量方法确定这些偏远地方政府单位的显著非药物干预措施。
方法
数据取自公共数据库,如菲律宾卫生部、菲律宾统计局人口普查和谷歌社区流动报告。这些用z变换归一化。对于每个地区,感染和死亡率数据(数据集)Y)与经济、健康和人口数据(数据集)进行比较X),使用欧几里得度规d=(x−y)2,在那里x∈X和y∈Y.如果数据对(x,y)比两组间欧几里得度量值的平均值高出两个标准差X和Y,这对被认为是一个“良好的”离群值。
结果
我们的研究结果表明,在工作人口、人口密度、ICU床位、隔离医生、前线人数和地区国内生产总值等因素方面,吕宋岛中部(III区)、卡拉巴松(IV-A区)、国家首都地区(NCR)和米沙亚斯中部(VII区)的城市和省份集群是“良好”的异常值。在大都市中,达沃在人口因素方面是一个“良好”的异常值。
结论
严格的边境管制、及早实施封锁、建立隔离设施、与公众的有效沟通以及监测工作是帮助这些地方政府单位减少大流行带来的危害的决定性因素。如果将这些政策标准化,将有助于任何国家为未来的突发卫生事件做好准备。
介绍
自2019冠状病毒病大流行出现以来,截至2020年底,全球病例数已达到8200万例。在菲律宾,病例数超过47.3万例。随着世界各国面临COVID-19大流行的持续威胁,各国政府和卫生部根据世界卫生组织(世卫组织)的建议、其他国家的经验和实际经验制定、实施和修订卫生政策和标准。早期保健措施的主要目的是预防和减少高危人群的传播。这些措施的规模和速度因国家而异,因为一些国家拥有更多的资源,在保健能力和严格政策的可得性方面准备更充分[1,2]。
在大流行的头几个月,一些国家努力寻找可容忍的(如果不是最有效的)措施,以“拉平”COVID-19的流行曲线,使卫生设施不会不堪重负[3.,4]。为了应对这一流行病的威胁,公共卫生政策包括流行病学和社会经济因素。这些政策的成功或失败暴露了政府的长处或弱点以及社会不平等的范围[5,6]。
随着国家政府实施大规模的“一揽子”政策来控制大流行,地方政府单位(lgu)必须考虑细化政策和实时干预措施,以解决由于社区异质性和多样性导致的当地COVID-19传播动态的差异。一些现有的政策,如自愿保持身体距离、佩戴口罩和面罩、大规模检测和学校关闭,可能在一个地方有效,但在另一个地方无效[7- - - - - -9]。地方政府等地方政府面临着具有经济、社会和财政影响的卫生危机。虽然城市地区一直是COVID-19大流行的热点地区,但与欠发达和贫困的农村社区相比,城市地区的卫生设施已经很好。10]。从美国出版的经验来看,地方叙事在解决次国家问题方面的重要性是显而易见的[11],中国[12,13]和印度[14]。
在菲律宾,国家政府于2020年1月召集了新发传染病机构间工作队(IATF),以监测中国武汉的病毒爆发。2020年3月7日确诊首例本地传播病例。此后,3月8日,全国进入紧急公共卫生状态。到3月25日,IATF发布了一份控制COVID-19传播的国家行动计划。从2020年3月13日开始,国家首都地区(NCR)初步实施了社区隔离,并于3月17日扩大到整个吕宋岛。最初的隔离延长至4月30日[5,15]。随后,根据IATF的评估实施了若干检疫协议:
社区隔离是指在隔离区域之间限制人员流动。
在加强社区检疫(ECQ)中,实施了严格的家庭隔离,限制居民的流动以获取基本商品和服务。公共交通暂停。只允许与基本和公用事业服务有关的经济活动。加强了穿制服人员的存在,以执行社区隔离协议。
改进增强社区检疫(MECQ)是作为ECQ和GCQ之间的过渡阶段实施的。严格的家庭隔离和公共交通暂停仍在进行。工作相关活动的流动限制放宽。政府机关的工作人员很少。制造工厂允许使用多达50%的劳动力。运输服务只允许运输必需的物品和服务。
在一般社区隔离(GCQ)中,允许来自不太容易感染的年龄组和没有健康风险的个人在隔离区内活动。公共交通可以在减少车辆容量的情况下运行,并保持物理距离。政府办事处可能满负荷工作,或有其他工作安排。高达50%的工业劳动力(休闲和娱乐除外)被允许工作。
改良社区检疫是指社区检疫向新常态过渡的阶段。所有人都被允许离开他们的住所。在最低的公共卫生标准下,允许进行社会经济活动。
地方政府部门的任务是根据国家政府发布的省和地方检疫规程,制定、协调和实施有关COVID-19的指导方针[16]。
在本研究中,我们确定了与COVID-19相关的流行病学指标相关的经济和人口因素,特别是感染病例数和死亡人数[17,18]。在区域、省和城市层面,我们调查了与其他地方不同的地方,并确定了与其他地方的平均做法相比,它们是异常值的可能原因。
方法
我们将数据分为经济、健康和人口组成部分(见表)1).在经济环境中,我们考虑了就业人数和工作时间。卫生设施的数量为了解一个地方的卫生系统提供了依据。人口和人口密度以及年龄分布和流动性作为人口指标。分析了这七个因素的数据(截至2020年11月10日),并将其与菲律宾各城市、省或地区的死亡人数和累积病例数进行了比较,以确定异常值。
菲律宾政府的行政结构和数据的可用性影响了每个因素的范围。获得了经济成分的区域数据。对于健康和人口组成部分,从来源中检索了来自城市和省份的数据。由于NCR在所有关键组成部分中都表现出最高的数字,因此进行了一项调查,以确定其城市中的异常值。的z变换
在哪里x是实际数据,μ是均值和σ是将标准差应用于数据集的归一化。两组规范化数据X和Y通过分配给每对(x,y),x∈X和y∈Y欧几里德度规d给出的d=(x−y)2.在这里,Y为COVID-19病例数和死亡人数,以及X以下是其他人口统计指标。由于95%的数据落在离平均值两个标准差的范围内,这将是确定异常值的阈值。这意味着如果一个数据对(x,y)比两组间欧几里得度量值的平均值高出两个标准差X和Y,这对被认为是一个异常值。
为了识别良好的离群值,进行了偏差计算。在这个过程中,Y表示死亡人数或病例数的规范化数据集X表示本研究中考虑的每个因素的归一化数据集。偏差是用度量来计算的
对所有x在X和y在Y.要将一个城市、省或地区归类为良好的离群值,该地区对应的偏差必须超过两组之间所有偏差计算的平均值的两个标准差X和Y.
结果与讨论
使用的数据是截至2020年11月10日菲律宾报告的COVID-19病例和死亡人数,这是该国实施社区封锁以来的240天。数字1显示了自3月15日以来各省实施的不同封城措施。可以看出,从3月15日开始的前几周,吕宋岛和全国主要城市都实施了ECQ,随着时间的推移,ECQ逐渐缓和为GCQ或MGCQ。到8月,最严格的封锁是首都地区和附近一些省份的MECQ。9月被划为MECQ的地方是伊洛伊洛市、巴科洛德市和南拉瑙省,最后一个省是唯一一个在9月被划为MECQ的地方。到2020年11月1日,社区被置于GCQ或MGCQ之下。
经济、卫生和人口组成部分与COVID-19参数的比较
将经济、卫生和人口组成部分与COVID-19病例和死亡人数进行比较。这些比较是在不同的社区级别(地区、省、城市/大都市)进行的(见表)2,3.,4).数字2总结了各组成部分与区域一级COVID-19病例和死亡的相关性。在所有组成部分中,其他参数与COVID-19病例和死亡的相关性都很密切。与COVID-19死亡相比,除居住流动性和GRDP外,所有组成部分与COVID-19病例的相关系数略高。
各组成部分中,ICU床位数组成与COVID-19参数相关性最高。这是有道理的,因为这是COVID-19传播的一级措施之一。人口密度排在第二位,其次是平均工作时间和工作人口,这些都与该地区的经济发达程度有关。人口密度大的地区,劳动人口多,工作时间长。24]。因此,人口密度大意味着彼此接触的机会就高[25,26]。另一个与病例和死亡高度相关的因素是被隔离的医生数量,这可以从两个方面来看;(1)该地区的感染率很高,这是医生接触或被隔离的原因;(2)许多医生被隔离,导致前线照顾感染者的人数减少。流动性和GDP的所有定义与COVID-19的任何措施都没有强相关性。
离群值
在每个数据集中,根据离均值的距离确定异常值。为简单起见,我们用(C)表示与COVID-19病例比较的成分,用(D)表示与COVID-19死亡比较的成分。菲律宾各地区的异常值汇总如图所示。3.和4.数据按成分分组分类。在每个异常区域,实施了非药物干预措施(NPI)并确定了其时间。
在工作人口(C)和ICU床位(C)方面,III区是一个异常值(见图2)。5和表5).这意味着,考虑到该地区的劳动人口,新冠病毒感染人数比其他地区要好。与COVID-19死亡人数相关的ICU床位数量也是如此。第三区由奥罗拉、巴丹、新埃西贾、邦板牙、塔拉克、赞巴莱斯和布拉干组成。这种良好的表现可能归功于他们的表现,特别是他们的COVID-19项目。早在2020年3月,该地区就与吕宋岛其他地区一起被社区封锁。布拉干是最接近NCR的地区,也是该地区最可能出现大量COVID-19病例的地区。但作为回应,该省开设了感染控制中心,为中重度COVID-19患者提供免费医疗、膳食和房间[27]。他们还实施了严格的出入境边境监测,组织了省级工作组和事件指挥中心,建立了省级菲律宾归国工人检疫设施,规定了市级无症状病例检疫设施,并进行了大规模检测等。27]。其中大多数已被证明对减少COVID-19病例数和死亡人数有效[28]。
在人口、工作人口(D)和隔离医生(D)方面,IV-A区是一个异常值(见图2)。5和表5).考虑到他们的人口和工作人口,新冠肺炎死亡统计数据比其他地区要好。该地区因报告的COVID-19死亡病例而被隔离的医生人数也是如此。这表明,与其他地区相比,该地区在减少COVID-19死亡人数和隔离医生方面做得很好。IV-A区由八打加斯、卡维特、拉古纳、奎松和黎刹组成。与第三区一样,它们自去年3月以来一直处于社区封锁状态。黎刹等该地区省份积极应对疫情,甚至在全国封锁之前就已经停课并分发口罩。29]。尽管受到自然灾害的打击,该区域仍在继续通过现金援助、急救包和宣传等方式加强对大流行病的应对[30.]。
一个有趣的结果是,NCR,这个国家的中心和人口最密集的地区,在GRDP (C)和GRDP (D)方面是一个很好的异常值。该地区的城市启动了各种计划来对抗这种疾病。他们最早将于2020年4月开始在奎松市、塔吉格市和卡洛坎市进行大规模测试。帕西格市开办了一个名为吉普兰科的流动市场。纳沃塔斯、马拉邦和卡洛坎的病毒感染率最低。卡洛坎市在分区、隔离甚至寻找更有效和高效的方法方面都有很好的策略。其他程序还包括颜色编码的隔离通行证和隔离带。与其他地区相比,NCR可能只是拥有非常高的GRDP。图中可以看到NCR内异常值的分解。8.
在人口密度(D)和前线(D)方面,第七区也是一个离群值(见图2)。6和表5).这意味着,考虑到该地区的人口密度和一线人员的数量,他们在该地区与covid - 19相关的死亡人数比该国其他地区要好。该地区由四个省(宿务,保和,内格罗斯东部和锡基霍尔)和三个高度城市化的城市(宿务市,拉普拉普市和曼达维市)组成,被称为宿务大都会。这一显著下降的原因可能是,尽管全国其他地区采取了更宽松的措施,但当地政府对他们采取了更严格的社区隔离措施。由于宿务的隔离时间更长、更严格,封锁对这里的影响比早些时候放松限制的其他地区更大。31]。杜马格特是菲律宾首批COVID病例的目的地之一[32他们的地方政府能够在早期控制住感染。锡基霍尔也有6个月没有感染covid -19 [33]。该地区不同省份的共同努力可以解释该地区被视为异常值的原因。
在大城市中,达沃在人口(C)和工作人口(C)方面表现出色(见图2)。7,9、表格5).这一结果可能归因于他们早期开展的运动,即始终如一地向公众传达与covid -19相关的关切[34]。他们还能够在早期为重要工人建立交通工具[35]。
结论
本研究确定了每个数据组中的异常值,并确定了在当地实施的npi。利用经济、卫生和人口组成部分来确定这些异常值。对于区域数据,吕宋岛的三个地区和米沙鄢群岛的一个地区被确定为异常值。除了IATF推荐的最低npi外,不同地区还实施了各种npi,以遏制COVID-19在其地区的传播。其中一些npi也在其他地方实施,但这些地方并没有成为例外。这意味着,在确定异常值时,一种做法不能成为唯一的解释。实践的复合效应及其实施的时机被认为影响了结果。考虑为今后的研究更深入地分析流行病曲线中不同趋势的每日数据。
相关表、异常值和社区隔离时间表
数据和材料的可用性
本研究中使用和/或分析的数据集可应通讯作者的合理要求向其提供。
参考文献
李问,关X,吴P,王X,周L,通Y,任R,梁KSM,刘EHY,黄司法院,兴X,湘N,吴Y,李C,陈问李D,刘T,赵J,刘M,你W,陈C,金L,杨R, Q,周,王R,刘H,罗Y, Y,刘邵G,李H,道Z,杨Y,邓Z,刘B,马Z,张Y, G,林TTY,吴JT,高的女朋友,菲尔·D整流罩BJ,杨B,梁通用,冯Z早期传播动力学在武汉,中国小说coronavirus-infected肺炎。中华医学杂志。2020;382(13): 1199 - 207。
xiangs, Allen D, Annan-Phan S, Bell K, Bolliger I, Chong T, Druckenmiller H, Huang LY, Hultgren A, Krasovich E, Lau P, Lee J, Rolf E, Tseng J,吴涛。大规模抗传染政策对covid-19大流行的影响。大自然。2020;584:262 - 67。
Anderson R, Heesterbeek JAP, Klinkenberg D, Hollingsworth T.评论基于国家的缓解措施将如何影响covid-19流行进程?《柳叶刀》。2020;395.https://doi.org/10.1016/s0140 - 6736 (20) 30567 - 5.
Buhat CA, Torres M, Olave Y, Gavina MK, Felix E, Gamilla G, Verano KV, Babierra A, Rabajante J.前线与公众之间covid-19传播的数学模型。网络模型肛门健康通知生物信息。2021;10.https://doi.org/10.1007/s13721-021-00295-6.
Ocampo L, Yamagishic K.菲律宾政府应对covid-19大流行的封锁放松方案建模:直觉模糊模型分析。社会经济规划科学。2020;72.https://doi.org/10.1016/j.seps.2020.100911.
Weible C, Nohrstedt D, Cairney P, Carter D, Crow D, durnova A, Heikkila T, Ingold K, McConnell A, Stone D. Covid-19与政策科学:最初的反应和观点。政策科学。2020;53:225-41。https://doi.org/10.1007/s11077-020-09381-4.
维本斯PD,顾卫勇,McGahan AM。哪些抗疫政策最有效?按辖区划分的COVID-19贝叶斯分析。PLoS ONE。2020.https://doi.org/10.1371/journal.pone.0244177.
M . Mintrom, O 'Connor R.政策叙述的重要性:有效的政府应对covid-19。政策与实践。2020;3(3): 205 - 27所示。https://doi.org/10.1080/25741292.2020.1813358.
Chin T, Kahn R, Li R, Chen JT, Krieger N, Buckee CO, Balsari S, jiang MV。与covid-19相关的个人、家庭和社区交叉特征以及规划公平应对方面的美国县一级差异:横断面分析BMJ Open. 2020;10(9)。https://doi.org/10.1136/bmjopen-2020-039886.
经济合作与发展组织。2019冠状病毒病对地区的影响:各级政府应对危机。2020.https://www.oecd.org/coronavirus/policy-responses/the-territorial-impact-of-covid-19-managing-the-crisis-across-levels-of-government-d3e314e1/#biblio-d1e5202.2007年2月20日访问。
刘建军,刘建军。中国新型冠状病毒肺炎疫情研究进展[j]。PLoS ONE。2020;15.https://doi.org/10.1371/journal.pone.0240648.
林松,黄军,何忠,詹东。哪些措施是有效的?——基于中国防控案例的实证研究。medRxiv。2020.https://doi.org/10.1101/2020.03.28.20046110.https://www.medrxiv.org/content/early/2020/03/30/2020.03.28.20046110.full.pdf.
梅晨。中国抗击新冠肺炎疫情的政策风格、一致性和政策组合的有效性。政策Soc。2020;39(3): 309 - 25所示。https://doi.org/10.1080/14494035.2020.1787627。http://arxiv.org/abs/https: / / doi.org/10.1080/14494035.2020.1787627。
Dutta A, Fischer HW。2019冠状病毒病的地方治理:印度农村的疾病预防和社会保障。世界发展。2021;138:105234。https://doi.org/10.1016/j.worlddev.2020.105234.
Vallejo BM, Ong RAC。菲律宾covid - 19大流行的政策反应和政府科学建议:2020年1月至4月。科学通报,2020;7:100115。https://doi.org/10.1016/j.pdisas.2020.100115.
管理新发传染病机构间工作队。菲律宾社区检疫实施综合指南。2020。https://doh.gov.ph/node/27640.2020年2月20日访问。
影响covid-19感染率和死亡率的因素为封锁相关政策制定提供了信息。PloS ONE。2020;15(10): 0241165。https://doi.org/10.1371/journal.pone.0241165.
杨建军,刘建军,刘建军,等。人口因素、社会经济因素和风险规避对封锁期间法国covid-19疫情人员流动的影响。《柳叶刀数字健康》2020;2(12): 638 - 49。
卫生部。COVID-19追踪。2020.https://doh.gov.ph/covid19tracker.2020年11月25日访问。
PS.菲律宾人口密度(基于2015年人口普查)。2020.https://psa.gov.ph/content/philippine-population-density-based-2015-census-population.2020年4月11日发布。
谷歌。COVID-19社区流动报告。2020;https://www.google.com/covid19/mobility?hl=en。2020年11月25日访问。
劳动力调查。2020.https://psa.gov.ph/statistics/survey/labor-and-employment/labor-force-survey?fbclid=IwAR0a5GS7XtRgRmBwAcGl9wGwNhptqnSBm-SNVr69cm8sCVd9wVmcoKHRCdU.2020年4月11日发布。
权威PS。https://psa.gov.ph/grdp/tables?fbclid=IwAR3dKvo3B5eauY7KcWQG4VXbuiCrzFHO4b-f1k5Od76ccAlYxUimUIaqs94.2020年4月11日发布。2020.
彼得森E.人口在经济增长中的作用。SAGE公开赛2017;7:215824401773609。https://doi.org/10.1177/2158244017736094.
Buhat CA, Duero JC, Felix E, Rabajante J, Mamplata J.菲律宾认可检测中心covid-19检测试剂盒的优化分配。J Healthc Inform Res. 2021;5.https://doi.org/10.1007/s41666-020-00081-5.
Hamidi S, Sabouri S, Ewing R.密度会加剧covid-19大流行吗?:早期发现和给规划者的教训。美国计划协会,2020;86:1-15。https://doi.org/10.1080/01944363.2020.1777891.
菲律宾新闻社报道。布拉干分享了抗covid -19的最佳做法。2020.https://mb.com.ph/2020/08/16/bulacan-shares-anti-covid-19-best-practices/.2020年3月访问。
Buhat CA, Villanueva SK.使用基于agent的模型确定在大流行中改进病毒控制的实践非药物干预措施的有效性。数学与应用科学,2020;1:423-38。https://doi.org/10.5206/mase/10876.
Hallare K. Cainta, Rizal停课,分发口罩应对冠状病毒威胁。2020.https://newsinfo.inquirer.net/1238217/cainta-rizal-suspends-classes-distributes-face-masks-over-coronavirus-threat.2020年3月访问。
国际救援。火山爆发后应对COVID-19。2020。https://www.ri.org/projects/responding-to-covid-19-in-the-aftermath-of-volcanic-eruption/。2020年3月访问。
避免灾难:宿务市如何使其曲线变平。2020.https://www.rappler.com/newsbreak/explainers/how-cebu-city-flattened-covid-19-curve/.2020年3月访问。
Edrada EM, Lopez EB, Villarama JB, Salva-Villarama EP, Dagoc BF, Smith C, Sayo AR, Verona JA, Trifalgar-Arches J, Lazaro J, Balinas EGM, Telan EFO, Roy L, Galon M, Florida CHN, Ukawa T, Villaneuva AMG, Saito N, Nepomuceno JR, Ariyoshi K, Carlos C, Nicolasor AD, Solante RM。菲律宾首例covid-19感染病例报告Trop Med Health. 2020;48(30)。https://doi.org/10.1186/s41182-020-00218-7.
Macasero R.已无冠状病毒6个月,siquimajor报告了首批2例病例。2020.https://www.rappler.com/nation/siquijor-coronavirus-cases-august-2-2020.2020年3月访问。
达沃城。萨拉市长,灾难无线电和大巴文尤人一起。2020.https://www.davaocity.gov.ph/disaster-risk-reduction-mitigation/mayor-sara-disaster-radio-journeying-with-dabawenyos.2020年3月访问。
达沃城。达沃市免费乘车服务gcq允许的工人。2020.https://www.davaocity.gov.ph/transportation-planning-traffic-management/davao-city-free-rides-to-serve-gcq-allowed-workers/.2020年3月访问。
致谢
JFR由Abdus Salam国际理论物理中心联合计划支持。
资金
这项研究是由UP系统通过UP弹性研究所资助的。
作者信息
作者及单位
贡献
所有作者都参与了手稿的起草和修改。作者阅读并批准了最后的手稿。
相应的作者
道德声明
伦理批准并同意参与
不适用。我们使用了二手数据。这些数据来自菲律宾卫生部的公共数据库(https://www.doh.gov.ph/covid19tracker)及菲律宾统计局人口普查(https://psa.gov.ph)
发表同意书
不适用。
相互竞争的利益
作者宣称他们没有竞争利益。
额外的信息
出版商的注意
伟德体育在线施普林格·自然对已出版的地图和机构关系中的管辖权要求保持中立。
权利和权限
开放获取本文遵循知识共享署名4.0国际许可协议,该协议允许以任何媒介或格式使用、共享、改编、分发和复制,只要您适当地注明原作者和来源,提供知识共享许可协议的链接,并注明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可协议中,除非在材料的署名中另有说明。如果材料未包含在文章的知识共享许可中,并且您的预期用途不被法律法规允许或超过允许的用途,您将需要直接获得版权所有者的许可。如欲查阅本许可证副本,请浏览http://creativecommons.org/licenses/by/4.0/.创作共用公共领域免责声明(http://creativecommons.org/publicdomain/zero/1.0/)适用于本文中提供的数据,除非在数据的信用额度中另有说明。
关于本文
引用本文
S. Talabis, d.a., Babierra, a.l., H. Buhat, C.A.et al。菲律宾地方政府对COVID-19管理的反应。BMC公共卫生21, 1711(2021)。https://doi.org/10.1186/s12889-021-11746-0
收到了:
接受:
发表:
DOI:https://doi.org/10.1186/s12889-021-11746-0
关键字
- 新型冠状病毒肺炎
- 当地政府
- 政策
- 离群值
- 定量方法