印度东北地区Covid-19的AHP和基于GIS的风险区划
Ranjit多个,Dhoni Bushi和Gibji Nimasow*
1拉吉夫甘地大学地理系,罗诺山,多伊穆克,印度**。
通讯作者邮箱:gibji.nimasow@rgu.ac.in
DOI:http://dx.doi.org/10.12944/CWE.15.3.29
复制以下内容以引用本文:
基于AHP和gis的印度东北部COVID-19风险区划世界环境2020;15(3)。DOI:http://dx.doi.org/10.12944/CWE.15.3.29
复制以下内容以引用此URL:
基于AHP和gis的印度东北部COVID-19风险区划世界环境2020;15(3)。可以从:https://bit.ly/3gb6EA6
文章出版历史
已收到: | 17-06-2020 |
---|---|
公认: | 17-11-2020 |
审查由: | Gadekar Janardhan |
第二次评审: | Paul Thaddeus Kazibudzki |
最后的批准: | 穆罕默德博士 |
介绍
世界卫生组织(世卫组织)乡村办事处已被告知中国湖北省湖北省武汉市检测到的肺炎病因患者英石2019年12月1.尽管中国在湖北范围内进行了大量的防控工作,但疫情却出乎意料地蔓延到了中国不同地区和世界其他国家2.后来,该流行病被认为是2019年的新型冠状病毒或SARS-COV-2导致Covid-19疾病3..31日英石2020年1月,世卫组织宣布冠状病毒为国际关注的突发公共卫生事件4..它是一位大家庭冠状病毒的成员,导致严重的急性呼吸综合征(SARS)和中东呼吸综合征(MERS)5..与SARS-CoV(2002/2003)和MERS-CoV(2012-2014)相比,COVID-19的人际传播速度显著加快,仅用了48天感染1000人,而中东呼吸综合征需要2年半的时间,而非典型肺炎则需要4个月的时间2.基于Covid-19的全球传播,谁将其宣称为大流行6..总体而言,该病毒可感染所有年龄段的人,但60岁以上人群和心脏病、哮喘、糖尿病、慢性肺病、肾脏疾病等患者感染COVID-19的严重风险较高7..
尽管人们的健康设施和社会经济条件自独立,人类发展及其增长令人兴奋地在印度东北(以后的Nei)贫困。事实上,它低于世界欠发达国家8..自30次喀拉拉邦的Covid-19以来TH.2020年1月,它已经蔓延到该国的许多地方。目前,有276,58333人确认案件,7,745例死亡和135,205个治疗病例Covid-19在这个国家10.TH.2020年6月9..案件从519增加到大幅增加确认的24例中有10人死亡TH.2020年3月至今.Nei位于该国东部的大部分部分,居住在该国总人口的3.88%。在Manipur上报道了在Nei的最早感染Nei的24次TH.2020年3月10,截至目前,只需78天即可达到4,433个确认案件9..尽管整个全国在25之间的锁定(不同阶段)下,但案件数量增加了。TH.3月2020年3月由中央政府11..在没有疫苗的情况下,避免接触鼻、眼、口、勤洗手、使用洗手液、戴口罩、保持社交距离、保持呼吸道卫生等是避免感染病毒的日常措施5..在人口统计学和社会经济特征方面的内在的大规模区域差异以及抑郁的健康方便,可能会加剧该地区的大流行情况。因此,已经使用来自印度政府政府的各种来源的数据应用分析层次处理(AHP)和地理信息系统(GIS)来阐述NEI中Covid-19的风险区域。
材料和方法
研究区域
研究区域由8个NEI邦组成,即**、阿萨姆邦、曼尼普尔邦、梅加拉亚邦、米祖拉姆邦、那加兰邦、锡金邦和特里普拉邦(图1)。该地区以山脉、丘陵和平原为特征,具有丰富的文化和生物多样性。NEI与尼泊尔、中国、不丹、缅甸和孟加拉国有一条国际边界,与西孟加拉邦有一条邦边界。
图一:研究区位置图 点击此处查看数字 |
方法
基于Covid-19的促进和控制因素,已经考虑使用ArcGIS 10.3软件进行本研究的十四个专题层(图1和2)。AHP用于为每个单独的闭合层(将辅助数据转换为栅格格式)的重量来分配权重,以执行加权叠加技术以生成研究区域的最终风险区划地图。
表1:数据库和来源
Sl。不。 |
主题层 |
来源 |
网站 |
1。 |
人口规模(预测人口,2020年) |
《国家卫生概况》,2019年,印度政府卫生情报局。 |
https://www.cbhidghs.in.in.in.in.in.in12.(访问10TH.2020年4月) |
2。 |
人口密度 |
使用预计人口,2020年和人口普查数据计算。 |
https://www.census2011.co.in13.(访问10TH.2020年4月) |
3。 |
城市人口 |
印度人口预测及国家2011-2036,国家人口委员会,卫生和家庭福利部。 |
https://nhm.gov.in14. (25日访问TH.2020年4月) |
4. |
老人口 |
2011年人口普查印度老年人,2016年,中央统计局。 |
http://mospi.nic.in.15. (25日访问TH.2020年4月) |
5。 |
国家贫困线以下的人口 |
《2020年进展报告》之后,印度统计和计划实施部,印度政府。 |
http://www.mospi.gov.in16.(25日访问TH.2020年4月) |
6。 |
边际工人百分比 |
《2015年东北地区基本统计》,东北理事会秘书处(评估和监测部门) |
http://necouncil.gov.in17.(访问15TH.5月2020年)) |
7。 |
医生的可用性 |
印度卫生人力,世卫组织。 |
https://www.who.int18.(访问10TH.2019年4月) |
8。 |
其他卫生工作者的可用性 |
印度卫生人力,世卫组织。 |
https://www.who.int18.(访问10TH.2019年4月) |
9。 |
公共卫生设施数量 |
印度政府卫生和家庭福利部 |
https://pib.gov.in.19. (30日访问TH.2020年4月) |
10. |
床上有公共卫生设施 |
印度政府卫生和家庭福利部 |
https://pib.gov.in.19. (30日访问TH.2020年4月) |
11. |
良好治理指数(公共卫生排名) |
印度政府行政改革和公众不满部 |
https://pib.gov.in.20. (25日访问TH.2020年4月) |
12. |
良好的治理指数(复合排名) |
印度政府行政改革和公众不满部 |
https://pib.gov.in.20. (25日访问TH.2020年4月) |
13。 |
国家人均收入 |
经济与统计组织,旁遮普邦和中央统计组织,新德里 |
https://www.esopb.gov.in21.(30日访问TH.2020年4月) |
14。 |
Covid-19的测试实验室数量(如11TH.2020年6月) |
印度医学理事会,卫生研究室,GOI。 |
https://www.icmr.gov.in22.(访问11TH.2020年6月)。 |
15. |
COVID-19病例(截至11TH.2020年6月) |
印度政府卫生和家庭福利部 |
https://www.mohfw.gov.in9.(访问11TH.2020年6月)。 |
分析层次过程(AHP)
根据现有资料的文献综述和专家意见,Saaty根据各主题层生成COVID-19风险区域的潜力,对各主题层赋以基本9分量表值。按照Saaty的建议,对分配给不同层的权重进行归一化并检查一致性(一致性比率)(1980)23..一致性比反映了基质额定值是随机产生的概率。使用以下等式导出一致性比:
在哪里,为两两比较矩阵的最大特征值,‘n’表示参数总数。
随机一致性指数的值(表2)来自Saaty (1980)23..对于一致的重量,Cr的值应位于0和0.1之间(即10%);否则,应重新评估相应的权重。在本研究中,对促进和控制因子的成对比较矩阵的一致性比为0.044和0.025,表明评估标准的比较是一致的。
表2:Saaty采用的随机一致性指数(RI)(1980 p.21)23..
N |
1 |
2 |
3. |
4. |
5. |
6. |
7. |
8. |
9. |
10. |
ri. |
0. |
0. |
0.58 |
0.9 |
1.12 |
1.24 |
1.32 |
1.41 |
1.45 |
1.49 |
图2:评估COVID-19风险分区的方法 点击此处查看数字 |
划定风险区域
(促进和控制)进行因素进行研究被认为有潜力影响风险在任何类型的流感大流行的形势(附录1 & 2)。这些影响因素加权根据他们对冒险的更高价值的反应代表了一个高潜力促进促进因素风险,控制因素的值越低,表示战胜风险的可能性越大。在GIS环境中使用这两个因素(图2)进行加权叠加分析,使用以下公式划定风险区域:
pf =(pnW.PNR.) + (PDW.PDR.)+(上升W.向上R.)+(EPW.EP.R.)+(BPW.BP.R.) + (MWW.兆瓦R.).
cf =(dnW.DN.R.)+(HWW.HWR.) + (PH值W.PH值R.)+(BDW.BD.R.) + (GHW.“大酒店”R.) + (GCW.GCR.) +(个人电脑W.个人电脑R.)+(tlW.TL.R.).
RZ = (PFW.PFR.)+(CFW.CF.R.).
[哪里,PF:促进因子;CF:控制因子;RZ:风险区;PN:人口大小;PD:人口密度;:城市人口;EP:老年人口;BP:国家贫困线以下人口;MW:占边际工人的百分比;DN:医生的可用性; HW: other health workers; PH: public health facilities; BD: bed available in public health facilities; GH: good governance health index; GC: good governance composite index; PC: per capita income; TL: available testing laboratories].
结果与讨论
基于其在促进和控制情况的影响(表4和6)的影响,所选专题层的所有子标准被分配相对级别(表4和6)。通过覆盖层的覆盖分析来产生促进和控制Covid-19大流行的整体潜力。最后,通过提供相同的重视(表7),危险区被逐出促进和控制层。
促进因素
在NEI增加COVID-19病例的促进因素(附件-1)中,占主导地位的因素(表3)是城市人口密度(24.57%),其次是人口密度(22.18%)、国家贫困线以下人口(25.19%)、人口规模(13.89%)、边缘工人百分比(11.09%)和老年人口百分比(8.70%)。由于病毒具有人传人的性质,导致人类聚集和长时间呆在家里造成麻烦的因素的影响权重更高。基于相对权重(表4)和叠加分析(图4)的结果在2.70-5.56之间变化,使用Natural Breaks (Jenks)方法将结果分为5类,分别表示为非常高(4.50-5.56)、高(3.99-4.50)、中等(3.30-3.99)、低(2.88-3.30)和非常低(2.70-2.88)。
表3:促进因子的成对比较矩阵
PN |
PD |
向上 |
EP. |
BP. |
兆瓦 |
归一化权重 |
在 % |
|
PN |
1.00 |
0.50 |
0.50 |
2.00 |
0.50 |
2.00 |
0.1389 |
13.89 |
PD |
2.00 |
1.00 |
0.50 |
2.00 |
2.00 |
2.00 |
0.2218 |
22.18 |
向上 |
2.00 |
2.00 |
1.00 |
2.00 |
1.00 |
2.00 |
0.2457 |
24.57 |
EP. |
0.50 |
0.50 |
0.50 |
1.00 |
0.50 |
0.50 |
0.0870 |
8.70 |
BP. |
2.00 |
0.50 |
1.00 |
2.00 |
1.00 |
2.00 |
0.1957 |
19.57 |
兆瓦 |
0.50 |
0.50 |
0.50 |
2.00 |
0.50 |
1.00 |
0.1109 |
11.09 |
[PN:人口规模;PD:人口压力;:城市人口;EP:老年人口;BP:国家贫困线以下人口;边际工人百分比
表4:促进因素的相对重量
Sl。不。 |
主题 |
班级 |
强度 |
排名 |
归一化权重 |
影响 (%) |
1。 |
PN('000) |
高达1000. |
VL. |
1 |
0.1389 |
13.89 |
1000 - 2000 |
L. |
2 |
||||
2000 - 3000 |
毫升 |
3. |
||||
3000 - 4000 |
m |
4. |
||||
4000 - 5000 |
MH |
5. |
||||
5000 - 6000 |
H |
6. |
||||
超过6000. |
VH. |
7. |
||||
2。 |
PD |
高达50 |
VL. |
1 |
0.1773 |
17.73 |
50 - 100. |
L. |
2 |
||||
100 - 150. |
毫升 |
3. |
||||
150 - 200 |
m |
4. |
||||
200 - 250. |
MH |
5. |
||||
250 - 300 |
H |
6. |
||||
以上300 |
VH. |
7. |
||||
3。 |
向上 |
高达10 |
VL. |
1 |
0.2457 |
24.57 |
10 - 20 |
L. |
2 |
||||
20 - 30 |
毫升 |
3. |
||||
30 - 40 |
m |
4. |
||||
40 - 50 |
MH |
5. |
||||
50 - 60 |
H |
6. |
||||
以上60 |
VH. |
7. |
||||
4. |
EP. |
高达2 |
VL. |
1 |
0.0870 |
8.70 |
2 - 4 |
L. |
2 |
||||
4 - 6 |
毫升 |
3. |
||||
6 - 8 |
m |
4. |
||||
8 - 10 |
MH |
5. |
||||
10 - 12 |
H |
6. |
||||
以上12 |
VH. |
7. |
||||
5。 |
BP. |
高达10 |
G |
1 |
0.1957 |
19.57 |
10 - 20 |
AG |
2 |
||||
20 - 30 |
F |
3. |
||||
30 - 40 |
AF. |
4. |
||||
40 - 50 |
P. |
5. |
||||
50 - 60 |
AP |
6. |
||||
以上60 |
B. |
7. |
||||
6。 |
兆瓦 |
高达2 |
G |
1 |
0.1109 |
11.09 |
2 - 4 |
AG |
2 |
||||
4 - 6 |
F |
3. |
||||
6 - 8 |
AF. |
4. |
||||
8 - 10 |
P. |
5. |
||||
10 - 12 |
AP |
6. |
||||
以上12 |
B. |
7. |
【六世:非常低;李:低;ml:中等低;M:温和;MH:中度高;H:高;VH:非常高;G:好;AG:接近好;F:公平; AF: approaching to fair; P: poor; AP: approaching to poor; B: bad]
阿萨姆邦人口规模大、人口密度高,导致COVID-19的风险很高,其次是特里普拉邦。在米佐拉姆邦、曼尼普尔邦和那加兰邦发现了促进疫情大流行的中度风险。锡金和梅加拉亚邦的风险较低,而**促进COVID-19的风险非常低(图4)。
图3:基于促进因素的潜在风险 点击此处查看数字 |
控制因素
在控制因素(附录-2)中,影响因素最多的是医生的可获得性(24.01%)和检测实验室的可获得性(24.01%),其次是其他卫生工作者(14.84)、公共卫生设施的可获得性(10.99%)、良好治理健康指数(8.08%)、公共卫生设施数量(7.27%)、人均收入(6.40%)和良好治理综合指数(4.40%)见表5。基于相对权重(表6)和叠加分析(图6)的结果范围为4.72- 6.31,分为非常高(4.72-5.22)、高(5.22-5.61)、中等(5.61-5.86)、低(5.86-6.01)和非常低(6.01-6.31)5类。
结果表明,阿萨姆邦和梅加拉亚邦的潜力非常低,而特里普拉邦的潜力也很低,无法控制目前的大流行形势。在**发现了控制疫情的中等潜力,那加兰邦和曼尼普尔邦有很高的潜力,而锡金和米佐拉姆邦有很高的潜力控制COVID-19。
表5:对控制因子的成对比较矩阵
DN. |
HW |
PH值 |
BD. |
“大酒店” |
GC |
个人电脑 |
TL. |
归一化权重 |
在 % |
|
DN. |
1.00 |
2.00 |
4.00 |
3.00 |
3.00 |
4.00 |
3.00 |
1.00 |
0.2401 |
24.01 |
HW |
0.50 |
1.00 |
3.00 |
2.00 |
2.00 |
3.00 |
2.00 |
0.50 |
0.1484 |
14.84 |
PH值 |
0.25 |
0.33 |
1.00 |
0.50 |
1.00 |
2.00 |
2.00 |
0.25 |
0.0727 |
7.27 |
BD. |
0.33 |
0.50 |
2.00 |
1.00 |
2.00 |
3.00 |
2.00 |
0.33 |
0.1099 |
10.99. |
“大酒店” |
0.33 |
0.50 |
1.00 |
0.50 |
1.00 |
2.00 |
2.00 |
0.33 |
0.0808 |
8.08 |
GC |
0.25 |
0.33 |
0.50 |
0.33 |
0.50 |
1.00 |
0.50 |
0.25 |
0.0440. |
4.40 |
个人电脑 |
0.33 |
0.50 |
0.50 |
0.50 |
0.50 |
2.00 |
1.00 |
0.33 |
0.0640. |
6.40. |
TL. |
1.00 |
2.00 |
4.00 |
3.00 |
3.00 |
4.00 |
3.00 |
1.00 |
0.2401 |
24.01 |
DN:医生的可用性;HW:其他卫生工作者;PH:公共卫生设施;BD:公共卫生设施提供的床位;GH:善治健康指数;GC:良好治理综合指数;PC:人均收入;TL:现有的测试实验室]
表6:控制因子的相对重量
Sl。不。 |
主题 |
班级 |
强度 |
排名 |
归一化权重 |
影响 (%) |
1。 |
DN. |
高达30岁 |
VL. |
7. |
0.2401 |
24.01 |
30 - 60 |
L. |
6. |
||||
60 - 90 |
毫升 |
5. |
||||
90 - 120 |
m |
4. |
||||
120 - 150 |
MH |
3. |
||||
150 - 180 |
H |
2 |
||||
超过180 |
VH. |
1 |
||||
2。 |
HW |
高达150 |
VL. |
7. |
0.1484 |
14.84 |
150 - 300 |
L. |
6. |
||||
300 - 450 |
毫升 |
5. |
||||
450 - 600. |
m |
4. |
||||
600 - 750. |
MH |
3. |
||||
750 - 900. |
H |
2 |
||||
900以上 |
VH. |
1 |
||||
3。 |
PH值 |
高达4 |
VL. |
7. |
0.0727 |
7.27 |
4 - 8 |
L. |
6. |
||||
8 - 12 |
毫升 |
5. |
||||
12 - 16 |
m |
4. |
||||
16 - 20 |
MH |
3. |
||||
20 - 24 |
H |
2 |
||||
24岁以上 |
VH. |
1 |
||||
4. |
BD. |
高达60 |
VL. |
7. |
0.1099 |
10.99. |
60 - 120 |
L. |
6. |
||||
120 - 180. |
毫升 |
5. |
||||
180 - 240 |
m |
4. |
||||
240 - 300 |
MH |
3. |
||||
300 - 360 |
H |
2 |
||||
超过360. |
VH. |
1 |
||||
5。 |
“大酒店” |
高达0.3 |
B. |
7. |
0.0808 |
8.08 |
0.3 - 0.4 |
AP |
6. |
||||
0.4 - 0.5 |
P. |
5. |
||||
0.5 - 0.6 |
AF. |
4. |
||||
0.6 - 0.7 |
F |
3. |
||||
0.7 - 0.8 |
AG |
2 |
||||
高于0.8 |
G |
1 |
||||
6。 |
GC |
高达3.3 |
B. |
7. |
0.0440. |
4.40 |
3.3 - 3.6 |
AP |
6. |
||||
3.6 - 3.9 |
P. |
5. |
||||
3.9 - 4.2 |
AF. |
4. |
||||
4.2 - 4.5 |
F |
3. |
||||
4.5 - 4.8 |
AG |
2 |
||||
4.8以上 |
G |
1 |
||||
7。 |
个人电脑 |
高达80000 |
VL. |
7. |
0.0640. |
6.40. |
80000 - 120000. |
L. |
6. |
||||
120000 - 160000 |
毫升 |
5. |
||||
160000 - 200000. |
m |
4. |
||||
200000 - 240000 |
MH |
3. |
||||
240000 - 280000. |
H |
2 |
||||
超过280000 |
VH. |
1 |
||||
8。 |
TL. |
高达1 |
VL. |
7. |
0.2401 |
24.01 |
1 - 2 |
L. |
6. |
||||
2 - 3 |
毫升 |
5. |
||||
3 - 4 |
m |
4. |
||||
4 - 5 |
MH |
3. |
||||
5 - 6 |
H |
2 |
||||
以上6 |
VH. |
1 |
【六世:非常低;李:低;ml:中等低;M:温和;MH:中度高;H:高;VH:非常高;B:坏;AP:接近穷人;P:穷人; AF: approaching to fair; F: fair; AG: approaching to good; G: good]
结果表明,阿萨姆邦和梅加拉亚邦的潜力非常低,而特里普拉邦的潜力也很低,无法控制目前的大流行形势。在**发现了控制疫情的中等潜力,那加兰邦和曼尼普尔邦有很高的潜力,而锡金和米佐拉姆邦有很高的潜力控制COVID-19。
图4:控制大流行的潜力。 点击此处查看数字 |
瞥了一眼Covid-19在Nei
自24日曼尼普尔邦首次感染COVID-19以来TH.2020年3月,用了大约24天时间才达到50例确诊病例。4日,确诊病例仅18天就达到100例TH.2020年5月,仅仅4天,确诊病例就从100例增加到200例。特里普拉省的新冠肺炎患者意外增加,阿萨姆邦的感染持续增加,导致人数超过200人24..在阿萨姆邦,第一例COVID-19病例于31日被发现英石3月20日来自卡里姆本姬区,这是3rd.在一个案例中,每个来自Manipur和Mizoram后的确认案例25..目前,新冠肺炎报告病例大多来自隔离中心,死亡率非常低(图7),截至11日,4633例确诊病例中只有6例死亡TH.5月2020年9..11日,阿萨姆邦确诊病例为3092例,是所有邦中确诊病例最多的TH.6月2020年(图8)。Assam中的活跃案件总数为1,893,其次是Tripura,655例。
图5:Covid-19的活跃,治愈和死亡的百分比,如11TH.2020年6月 点击此处查看数字 |
风险分层映射
基于促进和控制因子的相对重量(表7),所产生的Covid-19的潜在风险区已经示出了图9。地图的结果从1.50到5.01变化,分为五个风险Zones viz。非常低(1.50-1.67),低(1.67-2.04),中等(2.04-2.99),高(2.99-3.99)和非常高(3.99-5.01)。
图6:Covid-19的确认情况为11TH.2020年6月 点击此处查看数字 |
表7:风险区划的相对权重
Sl。不。 |
主题 |
班级 |
排名 |
影响 |
1。 |
促进因素 |
VL. |
1 |
0.5(50%) |
L. |
2 |
|||
m |
3. |
|||
H |
4. |
|||
VH. |
5. |
|||
2。 |
控制因子 |
VL. |
5. |
0.5(50%) |
L. |
4. |
|||
m |
3. |
|||
H |
2 |
|||
VH. |
1 |
【六世:非常低;李:低;M:温和;H:高;VH非常高):
根据研究中考虑的因素,预测显示,阿萨姆邦和特里普拉邦将落入COVID-19的高风险区,梅加拉亚邦和那加兰邦将落入高风险区。曼尼普尔邦感染COVID-19的风险可能中等。相比之下,**和米佐拉姆邦的风险可能较低,而锡金的COVID-19风险非常低。阿萨姆邦和特里普拉邦在人口特征和公共卫生设施方面的地区差异可能会迅速导致COVID-19病例。这两个州在控制因素方面得分都很低,从长远来看,很可能无法控制疫情。
图7:印度东北部的Covid-19潜在风险区 |
总的来说,阿萨姆邦和特里普拉邦占印度北方邦总人口的49.40%。虽然目前COVID-19确诊病例较低,但未来几天,COVID-19的严重程度可能会以更快的速度扩大。高风险区人口占27.53%,中风险区人口占6.92%,低风险区人口占12.69%,极风险区人口占3.45%。与人口稀少的州相比,人口密集的州存在高风险的总体趋势。结果还显示,在检测实验室设施明显减少、公共卫生设施不足的州,COVID-19的风险很高到非常高。此外,在贫困线以下人口和边缘工人比例高的国家,也可能导致这一流行病病例的增加。古瓦哈蒂(NEI最大城市中心)在增加新冠肺炎病例方面发挥着重要作用。目前,由于位置偏远和交通不便,喜马拉雅丘陵地区(**、米佐拉姆邦和锡金邦)报告的COVID-19病例较少。这些国家有机会通过实施有效措施和预防措施,有更多时间组织起来抗击COVID-19。
结束语
该研究表明,AHP和GIS在划定印度东北部COVID-19风险区域方面具有适用性。城市人口、人口密度、国家贫困线以下人口、人口规模、边缘工人比例和老年人口比例似乎在印度东北部的Covid-19疫情中发挥了至关重要的作用。尽管检测实验室的影响、医生、其他卫生工作者的可用性、公共卫生设施的可用床位以及良好治理健康指数在该地区控制COVID-19方面发挥着重要作用。阿萨姆邦和特里普拉邦在极短时间内促进COVID-19传播的风险更高。另一方面,阿萨姆邦、梅加拉亚邦和特里普拉邦控制COVID-19严重程度的手段非常薄弱。总的来说,阿萨姆邦、特里普拉邦、梅加拉亚邦和那加兰邦感染COVID-19的风险较高,而米佐拉姆邦、**邦和锡金的风险较低。因此,各国政府需要评估各自的优缺点,制定应对疫情的战略计划。最后,在缺乏COVID-19疫苗的情况下,频繁检测COVID-19、立即隔离疑似人群、适当的社交距离以及定期使用口罩和洗手液,可能会降低疾病的传播速度。
致谢
作者承认印度政府(特别是卫生卫生局部,卫生和家庭福利部,中央统计局,统计和方案执行部,东北议会秘书处,行政改革系,行政改革和公共申诉部,经济和统计组织和印度医学委员会)和世界卫生组织可以提供进行研究所需的必要信息。我们还表达了对地理系,Rajiv Gandhi大学,Rono Hills,Doimukh提供了基础设施和实验室设施。
利益冲突
这份手稿中没有利益冲突。
资金来源
作者没有收到任何地方的任何经济援助。
参考文献
- 2020年的人。2019冠状病毒病(COVID-19)形势报告-1。2020年1月21日。https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200121-sitrep-1-2019-ncov.pdf?sfvrsn=20a99c10_4(于17日访问TH.2020年5月)。
- B.oulos M. N. K, Geraghty E. M. Geographical tracking and mapping of coronavirus disease COVID-19/severe acute respiratory syndrome coronavirus 2 (COVID-19) epidemic and associated events around the world: how 21st century GIS technologies are supporting the global fight against outbreaks and epidemics. Int. J. Health Geogr. 2020; 19(1): 8. https://doi.org/10.1186/s12942-020-00202-8
十字架 - Lipsitch M,Swerdlow D. L,Finelli L.定义所需的Covid-19研究的流行病学。n.ngl。J.Med。2020;382(13):1194-1196。
十字架 - 印度(2020)。印度研究界未能对这一迫在眉睫的威胁作出足够迅速的反应,这令人惊讶。https://www.thehindu.com/sci-tech/science/researchers-in-india-must-join-the-fightagainst-covid-19/article31204377.ece(于22日访问nd5月2020年))
- 《大流行手册》:来自《印度教徒报》的一本关于了解冠状病毒大流行和如何防范COVID-19的简便指南。印度教。2020;https://creatives.thehindu.com/covid_19_ebook.pdf(于17日访问TH.2020年5月)。
- 世卫组织2020年冠状病毒疾病2019年(Covid-19)情况报告 - 52. 3月12日2020年3月12日。https://www.who.int/docs/default-source/coronaviruse/situmation-reports/20200312-sitep-52-covid-19.pdf?sfvrsn = e2bfc9c0_4(在17上访问TH.2020年5月)。
- 2020年的人。2019冠状病毒病(COVID-19)形势报告- 512020年3月11日。https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200311-sitrep-51-covid-19.pdf?sfvrsn=1ba62e57_10(于17日访问TH.2020年5月)。
- Deka R. Human Development in Northeast, Sentinel Digital Desk. 2019年7月24日;https://www.sentinelassam.com/editorial/human-development-in-northeast(访问10TH.2019年6月)。
- Mohfw 2020.卫生和家庭福利部,印度政府。https://www.mohfw.gov.in(在11点访问TH.2020年6月)。
- 2020年印度电视。曼尼普尔邦报告了首例确诊的COVID-19病例。印度电视新闻台,印帕尔https://www.indiatvnews.com/news/india/manipur-reports-first-confirmed-covid-19-case-600931TH.2019年5月)
- 印度2020年。随着COVID-19死亡人数达到12人,莫迪总理宣布为期21天的封锁。https://www.thehindu.com/news/national/pm-announces-21-day-lockdown-as-covid-19-toll-touches-10/article31156691.ece(访问日期03rd.2020年5月)。
- 《国家卫生状况2019》。人口统计指标。《国家卫生状况》,2019TH.问题。卫生卫生局中央局,卫生服务局,卫生和家庭福利部,新德里。http://www.cbhidghs.nic.in/showfile.php?lid=1147.(访问10TH.4月2020年)。
- 2011年印度人口普查。https://censusindia.gov.in/2011census/C-series/C-13.html(访问日期:15TH.2020年5月)。
- 国家人口委员会2019年。印度和国家的人口预测2011年 - 2036年。人口预测技术小组报告,卫生和家庭福利,新德里。https://nhm.gov.in/new_updates_2018/report_population_proimpe_2019.pdf(访问25TH.4月2020年)。
- 中央统计局2016。印度老年人-方案和概况。统计和方案执行部,印度政府,新德里。http://mospi.nic.in/sites/default/files/publication_reports/ElderlyinIndia_2016.pdf(于25日访问TH.4月2020年)。
- 国家统计局2020年。可持续发展目标,国家指标框架,进展报告,2020年。统计和方案执行部,印度政府,新德里。http://www.mospi.gov.in/sites/default/files/publication_reports/sdgprogressreport2020.pdf(访问25TH.4月2020年)。
- 2015年东北委员会。东北地区的基本统计,2015年。东北委员会秘书处(评估和监测部门),三郎,印度政府。http://necouncil.gov.in/sites/default/files/uploadfiles/basicstatistic2015-min.pdf(访问15TH.2020年5月)。
- 阿南德,范V.印度卫生人力。世界卫生组织,瑞士日内瓦;2016.1 - 98页。卫生人力资源观察员系列第16号https://www.who.int/hrh/resources/16058health_workforce_India.pdf(访问10TH.2019年4月)。
- 2018年新闻信息局。该国的医院。印度政府,新德里。https://pib.gov.in/pressreleasepage.aspx?prid=1539877(在30次访问TH.4月2020年)。
- 善政2019年。良好的治理指数。行政改革与公共申诉部,人事部,公共申诉和养老金,新德里。http://pibarchive.nic.in/newsite/Ereelease.aspx?relid=196119(访问25TH.4月2020年)。
- 经济与统计组织,旁遮普2020年。国家明智的人均收入数据。旁遮普政府,昌迪加。https://www.esopb.gov.in/static/pdf/gsdp/statewesw-data/statewissata.pdf(访问25TH.4月2020年)。
- ICMR 2020.全球业务(启动的独立测试)实验室向ICMR报告,印度医学研究部卫生研究院,卫生研究部,卫生和家庭福利,印度政府。https://www.icmr.gov.in/pdf/covid/labs/covid_testing_labs_11062020.pdf(在11时访问TH.2020年6月)。
- Saaty T. L. 1980.分析层次过程。麦格劳山,纽约。
十字架 - Hindustan Times 2020.西北部的Covid-19案例从100到过去的200岁时在短短4天内。https://www.hindustantimes.com/india-news/covid-19-cases-in-north-east-double-from-100-to-past-200-in-just-4-days/story-iQliVrMGLlVgISGdG3LjaL.html(访问11TH.2020年6月)。
- Assam Tribune 2020.第一个Covid-19案件在州。http://www.assamtribune.com/scripts/at.asp?id=apr0120/page1(访问25TH.4月2020年)。
这项工作是在授权下获得的知识共享署名4.0国际许可.