最新疫情最新消息全国数据表（最新疫情最新消息全国数据表图片）
本文目录一览：
- 1、20号以后那些省份疫情严重
- 2、全国疫情最新消息死了多少人
- 3、全国疫情几例
- 4、疫情现在死了多少人
- 5、全国最新风险疫情等级
- 6、31省市疫情怎么样
20号以后那些省份疫情严重
大数据疫情观察（二）：全国疫情高峰过了么？
腾景宏观金融大势研判
2022-12-23 17:23 · 来自北京
腾景宏观快报
2022年12月23日
大数据疫情观察（二）：全国疫情高峰过了么？
—— 基于腾景AI高频模拟和预测
腾景高频和宏观研究团队
本期要点：
针对预测到底准不准，全国疫情是否已经见顶的问题，我们增加了28个城市的地铁客运量日度数据进行辅助判断。非网民样本的缺失可能会导致预测结果有偏。
大数据不完美，应用大数据做宏观经济预测并非完美无缺，我们分析了谷歌流感趋势何以失灵。原因可能包括：媒体对谷歌流感趋势（GFT）的大幅报道导致人们的搜索行为发生了变化，用户的搜索行为反过来也会影响GFT的预测结果。
当前全国疫情或尚未达峰，但是达峰进程可能会有所提前。借助地铁客运量数据进行辅助验证，我们判断北京、石家庄、武汉、重庆等城市已经度过疫情峰值，成都、天津、长沙、南京、西安等城市尚未达峰。
一、预测到底准不准？预期与现实相互验证
在上期《大数据疫情观察：中心城市率先迎来峰值》报告中，我们分析并给出了北京和河北部分城市疫情已经迎来“拐点”，成都、昆明等城市将陆续见顶的预测判断。根据百度搜索指数数据，北京百度“发烧”搜索指数持续下降，“咳嗽”搜索指数后于“发烧”见顶，这基本上印证了我们模型的预测。但是，我们也注意到2022年12月17日（上周六）全国范围内“发烧”指数见顶，这是否意味着全国疫情的见顶？如果这样，这个数据与一些防疫专家的春节前后见顶的判断就有所出入。也有专家认为全国疫情可能虽然尚未达峰，但是进程缩短了。
但根据字节跳动的“巨量算数”，抖音“发烧”搜索指数于12月17日见顶，但头条“发烧”搜索指数仍在震荡上行。在朋友圈广为传播的知乎“数据帝”的预测里面，2022年12月20日前后大部分省市相继达到感染高郑首峰，那么，很多研究者都想确认的是，站在2022年12月23日，全国范围内的单日新增感染有没有达峰？有人认为预测很准，和自己这些天在互联网上对疫情的感知较为一致；有些人则认为不准，认为身边的亲戚朋友们都阳了，而预测进度条还不到一半，个人体感和预测结果有较大差异。
与此同时，我们注意到了在2022年12月16日前后，全国几乎所有城市、省份“发烧”搜索指数迎来了“先扬后抑”的脉冲式增长，后续日度数据再也没有高于16日当天的值。这意味着疫情最艰难的阶段已经度过了么？通过对百度、喊并数头条疫情病症搜索引擎数据进行数据挖掘和建模分析，可以为疫情未来趋势研判提供重要参考。不过我们理解，为了定量评价疫情进展，还需要引入更多数据。
由于没有权威数据作为参考，各类疫情的预测仅仅是基于直觉、推理或演绎的带有参数的模型预测，预测准不准，缺乏客观权威作为结果比较，所以很难客观衡量预测是否准确，只能通过参与这件预测的所有观众和读者通过微观的数据，周围疫情扩散程度去验证预测结果，一个城市不同群体感染的先后，不同城市感染达峰的节奏，都会对预测是否准确有不一样的理解。
模型有局限性，逻辑假设的适用性，缺乏权威数据作为验证，难道就不需要预测了吗？托马斯·库恩（Thomas Kuhn）和卡尔·波普尔（Karl Popper）就“科学哲学”这个概念展开了20世纪最具影响力的对峙。他中国半导体宏观背景们都以自己的方式深奥地从哲学的角度质疑科学的基本前提。库恩的《科学革命的结构》（The Structure of Scientific Revolutions）指出，即使现有的范式所预测的结果在现实中存在反例，现有的科学家也不会认为其范式有问题；只有可替代现有范式的新科学范式出现，并且反例达到了一定的数量，现有科学范式才可能被证伪，科学革命才会发生。从批判的角度来看对预测过程的否定也是发现新预测方法的过程。
量子基金的乔治·索罗斯（George Soros）推崇的哲学家卡尔·波普尔（Karl Popper）最著名的观点是科学是通过“可证伪性”（Falsifiability）进行的——人们无法证明假设是正确的，甚至无法通过归纳法获得真理的证据，但如果假设是错误的，则可以反驳它。根据波普尔的观点，只有可被经验证伪的理论体系才应被赋予真正的科学地位。因此，波普尔提倡大胆假设，用证伪的方式去不断试错，不蔽升断修正，而不是提出假说，然后到处找支持自己理论的根据。“证伪”也是索罗斯所一直推崇与实践的思考方式。
二、地铁客运量作为疫情达峰的重要辅助观察指标
因此，我们从疫情出发，回到经济，从多维度验证疫情的峰值。地铁客运量无疑是很好的观察指标，一个有地铁城市的客运量受若干因素影响：1、出行管制，2、出行意愿，3、地铁的便利程度。
从数据上来看，北京、上海作为全国地铁保有量最高的两个城市，也是日均客运量最高的两个城市，地铁数据较高的反映了疫情的高低，同时地铁客运量的日度数据公布滞后1-3天，还算比较及时，从数据收集角度看，地铁数据来自于物联网设备自动采集，人工干预的影响较小，数据具有充分的客观性，可以作为疫情的第二类主要观察变量。
图：上海地铁客运量
▲数据来源：Wind、腾景AI经济预测
上图是2019年12月至今的上海地铁客运量数据，比较明显的是2020年初的武汉疫情，2022年4月的上海疫情，和2022年12月的全国疫情。由于地铁客运量遵循周一至周五高，周六日低的原则，日度数据信息量有些冗余，后续我们通过比较周度平均数据，可以过滤短期的日内数据波动。
图：上海地铁客运量（7日移动平均）
▲数据来源：Wind、腾景AI经济预测
比较北京地铁客运量，也可以看出2022年4月，上海地铁停运7周左右，北京虽然没有停运，但周度地铁客运量均值从近三年日常的800万降低到100万以下。值得注意的是，2022年9月之后的北京地铁客运量明显低于上海，这一方面是疫情，另一方面也是北京地铁需要全网查验72小时核酸，11月24日进一步缩短到48小时，12月5日起这一政策被解除。
图：北京地铁客运量（7日移动平均）
▲数据来源：Wind、腾景AI经济预测
图：十大城市地铁客运量7日移动平均，协同性高度一致
▲数据来源：Wind、腾景AI经济预测
基于此数据，我们认为北京疫情高峰已过，但全国整体疫情高峰并非如百度搜索指数和头条指数显示的那样已经见顶，而是处于快速发展期。我们建立了四阶段数据模型，辅助验证各城市是否达峰。如下图所示，北京、武汉、重庆、沈阳、石家庄、兰州、昆明地铁客运量已经企稳回升，目前处于第四阶段；成都、天津、长春、郑州、广州、厦门、深圳、西安、上海、南京等城市仍处于达峰进程中的第三阶段。由于移动平均有可能会带来数据滞后，后面，我们用真实数据做了测试。
图：疫情扩散进程
▲数据来源：腾景AI经济预测
图：国内部分城市地铁客运量（7日移动平均）
注：十大城市是指：北京、上海、广州、成都、南京、武汉、西安、苏州、郑州、重庆，下同。
▲数据来源：Wind、腾景AI经济预测
在以日度为单位的疫情进展中，如果当天地铁出行数据出现回升，应该主要看两个数据，第一是同比（例如本周一，相较于上周一的客流量），第二看环比（例如今天相较于昨天的客流量）。
根据日度数据，北京地铁出行，无论是环比还是同比，均处于上行阶段，这与见顶判断一致，其他牛角梳梳头可以生发吗有可能见顶的是武汉、重庆、成都。而上海、广州、南京、苏州、西安等地铁客运量仍在持续下滑，这表明疫情仍在达峰进程中。
图：国内部分城市地铁客运量
▲数据来源：Wind、腾景AI经济预测
由于地铁客运量同比数据（相较于上周本日的数据）下滑严重，我们判断：上海、广州、南京、西安、苏州、郑州等城市的疫情仍在达峰进程中，北京、武汉、重庆同比转正，预计已度过疫情高峰。
图：28个城市地铁客运量及周度同比
▲数据来源：Wind、腾景AI经济预测
三、预期如何与现实相互影响？
放开疫情管制后的经验有很多，无论是疫情见顶的节奏，对消费，劳动参与率的影响，都有较多国家可以参考。这无疑给了我们一些预期，14亿人口的放开和中等规模人口国家放开又有所区别。国内传染病专家也在各类媒体上表示春节前后，明年一季度疫情达峰等等，释放这样的未来见顶信号。但是从北京和多数城市的感知中，疫情似乎见顶的早于我们的认知，那么到底哪里会出问题呢？
（一）政策指标失灵：古德哈特定律
当多数互联网参与者都知道百度搜索指数能够间接代表疫情的时候，它可能就不准了，在某种程度上，它就是古德哈特定律（Goodhart’s law）在疫情上的体现。古德哈特定律是出自于英国经济学家查尔斯·古德哈特（Charles Goodhart）的说法，指的是：当一个政策变成目标，它将不再是一个好的政策。其中一种解释为：一项社会指标或经济指标，一旦成为一个用以指引宏观政策制定的既定目标，那么该指标就会丧失其原本具有的信息价值。
毫无疑问，在大多数人不知道“百度疫情指数”的重要性的情况下，它大概率还是有效的，内涵逻辑为搜索量大数据间接反映了大部分的居民自发的网络搜索行为，“发烧”搜索在一定程度上和阳性有症状是一回事。但是，在官方媒体和自媒体都在报道的情况下，这一指标会引发更多的搜索，而这些搜索和疫情本身并没有关系，而是互联网流量带来的效应。
（二）网民搜索行为的偏移可能造成数据污染
我们比较了石家庄、兰州、北京、武汉、重庆、沈阳、昆明、成都、天津等城市的地铁客运量，发现都经历了政策放松而上行，疫情攀升客运量下行，疫情高峰度过再度上行这一数据变化模式。目前大部分城市仍处在疫情攀升客运量下行这一阶段，全国疫情的顶峰目前并没有到来，而百度指数给出的“发烧”搜索指数已经见顶，我们判断12月16日及之后的百度“发烧”搜索指数可能出现了异常，核心逻辑是12月16日（上周六），全国所有城市都出现了一个攀升，随后下降，这种能够同一时间影响所有城市的因素大概率不是以一定规律传播的病毒造成的，而是其他头发油腻容易掉发怎么办因素造成的数据“污染”。
（三）样本缺失：60岁及以上老年人非网民群体
我们知道百度指数（Baidu Index）、头条指数（Toutiao Index）、微指数是基于海量网民行为数据进行数据挖掘分析的数据产品，因此非网民的行为数据自然被排除在研究样本之外。
中国互联网信息中心（CNNIC）2022年8月31日发布的第50次《中国互联网络发展状况统计报告》显示，截至2022年6月，我国非网民规模为3.62亿，这是一个不小的基数。从地区来看，我国非网民仍以农村地区为主，农村地区非网民占比为41.2%。从年龄来看，60岁及以上老年群体是非网民的主要群体。据此可见，非网民地域上主要分布在农村地区，年龄上以60岁及以上老年群体为主。
这个基数不小的非网民群体检索行为的缺失导致本来应该出现的检索结果游离于样本之外，导致“发烧”等病症搜索指数被低估。根据美国疾病控制与预防中心 (Centers for Disease Control and Prevention)的报告，患重症COVID-19的风险会随着年龄、残疾和基础疾病的增加而增加。在后期的奥密克戎期间（2022年4月-6月），大多数院内死亡发生在年龄≥65岁的成年人（81.9%）和患有三种或更多种基础疾病的人群（73.4%）中。
图：世界各国家和地区每日确诊的COVID-19病例（7日移动平均值）
注：由于检测有限，确诊病例数低于真实感染数，数据截至2022年12月21日
▲数据来源：约翰·霍普金斯大学CSSE COVID-19数据库，ourworldindata.org、腾景AI经济预测
图：世界各地区每日确诊的COVID-19病例（7 天滚动平均值）
注：由于检测有限，确诊病例数低于真实感染数，数据截至2022年12月21日
▲数据来源：约翰·霍普金斯大学CSSE COVID-19数据库，ourworldindata.org、腾景AI经济预测
（四）大数据不完美，谷歌流感趋势为何失灵？
早在1980年，未来学家阿尔温·托夫勒（Alvin Toffler）在《第三次浪潮》（The Third Wave）一书中，就提出了“大数据”(Big Data)的概念。自古至今，预测一直是人们十分期待的能力，而大数据预测则是数据最核心的应用，其逻辑是每一种非常规的变化事前一定有征兆，每一件事情都有迹可循，如果找到了征兆与变化之间的规律，就可以进行预测。
利用大数据方法和技术进行宏观经济研究和分析，在国际上已有先例。在大数据分析的视野中，它不仅仅是要搞清楚宏观统计规律，更要弄清宏观数据中的精细结构。基于研究的视角，大数据时代为宏观经济分析提供强大的支持，正在改变宏观经济研究范式。
各国央行等主流金融机构研发并采用即时预测模型以实时追踪经济状态的变化，在被大量社会化信息淹没前就找到可靠的信息源，从而动态地调整对经济指标的预期。包括纽约联储的Nowcasting模型、WEI模型、亚特兰大联储的GDPNow模型以及英格兰银行（BOE）的MIDAS模型等。
根据Didier Sornette教授的“龙王”理论，极端事件的发生有两个条件：系统的一致性与协同性。当系统的一致性非常强时，黑天鹅式的极端事件容易发生。当系统的一致性和协同性同时加强时，会发生超越“黑天鹅”（Black swan theory）的更极端的“龙王”事件。
“黑天鹅”也好，“龙王”也好，都不是孤立的事件，而是一系列强烈关联的事件，体现了正反馈的强大作用。什么时候股市可以预测？关键就在于股市变化前后关联的程度。
2008年谷歌推出的Google Flu Trends系统，其动机是能够及早发现疾病活动并迅速做出反应可以减少季节性流感和大流行性流感的影响,通过分析收集到的大量Google搜索查询，以揭示人群中是否存在流感样疾病。这个逻辑和想法其实很简单直观——如果你生病了，你很可能会在搜索引擎上搜索以查找信息，比如如何治疗。谷歌决定要跟踪这些搜索，并使用这些数据来尝试和预测流感流行，甚至在疾病控制中心(CDC)等医疗机构能够做到之前。
2009年通过谷歌累积的海量搜索数据，“谷歌流感趋势”成功预测了H1N1流感在美国境内的传播，一战成名。有报告指出，谷歌流感趋势能够在美国疾病控制和预防中心（CDC）报告流感爆发前10天预测区域性流感爆发。GFT这种预测能力显然具有重大的社会意义，可以为整个社会提前控制传染病疫情赢得先机。
于是谷歌在其网站上创建了一个奇特的方程式来计算出究竟有多少人感染了流感。简单理解的数据逻辑是这样的：人们的位置+谷歌上与流感相关的搜索查询+一些非常聪明的算法=美国流感患者的数量。
线性模型用于计算流感样疾病(Influenza-like illness, ILI)就诊的对数几率和(ILI)相关搜索查询的对数几率：
P是医生就诊访问的百分比，Q是在前面的步骤中计算的与ILI相关的查询分数。β0是截距，β1是系数，ε而是误差项。
谷歌流感趋势已被证明不是一直准确的，尤其是在2011年至2013年期间，它高估了相对流感发病率，并且在2012年至2013年流感季节的一个时间段内预测就诊次数是CDC记录的两倍。2013年《自然》杂志发表的一篇文章称，谷歌流感趋势将流感病例高估了约50%。
可以看到，应用大数据做宏观经济预测并非完美无缺。经济学家、作家Tim Harford认为，“谷歌流感趋势的失败凸显了不受约束的经验主义的危险”。对GFT失败的一种解释是，新闻中充斥着关于2012年12月流感媒体恐慌情绪，而这些报道激起了健康人的互联网搜索行为。
图：谷歌流感趋势ILI估计与CDC估计的比较
▲数据来源：Improving Google Flu Trends Estimates for the United States through Transformation, Leah J Martin, Biying Xu, Yutaka Yasui, 腾景AI经济预测
2013年，谷歌调整了算法，并回应称出现偏差的“罪魁祸首”是媒体对GFT的大幅报道导致人们的搜索行为发生了变化。GFT也似乎没有考虑引入专业的健康医疗数据以及专家经验，同时也并未对用户搜索数据进行“清洗”和“去噪”。谷歌在2011年之后推出“推荐相关搜索词”，也就是我们今天很熟悉的搜索关联词模式。研究人员分析，这些调整有可能人为推高了一些搜索指数，并导致对流行发病率的高估。举例来说，当用户搜索“发烧”，谷歌会同时给出“喉咙痛和发烧”、“如何治疗喉咙痛”等关联推荐词，这时用户可能会出于好奇等原因进行点击，造成用户使用的关键词并非用户本意的现象，从而影响GFT搜索数据的准确性。用户的搜索行为反过来也会影响GFT的预测结果。在充斥媒体报道和用户主观信息的搜索引擎的喧嚣世界里，也同样存在“预测即干涉”悖论。国内搜索引擎指数上大概率也会出现类似的情况，这是我们结合GFT的经验对预期差异给出的一种解释。
图：巨量算数“发烧”关联搜索词
▲数据来源：巨量算数、腾景AI经济预测
（本文执笔：吴卫、赵宕涵；编辑：何峰峰）
参考文献
[1] CNNIC：第50次《中国互联网络发展状况统计报告》
[2]
[3] Adjei S, Hong K, Molinari NM, et al. Mortality Risk Among Patients Hospitalized Primarily for COVID-19 During the Omicron and Delta Variant Pandemic Periods — United States, April 2020–June 2022. MMWR Morb Mortal Wkly Rep 2022;71:1182–1189. DOI:
[4]
[5]
[6] Lazer, D., R. Kennedy, G. King, and A. Vespignani. 2014. “The Parable of Google Flu: Traps in Big Data Analysis.” Science 343 (6176) (March 14): 1203–1205.
更多重磅研究成果请关注公众号“腾景AI经济预测”。
搜索
天津感染高峰预测
天津死了多少新冠患者
全国疫情死亡总人数
中国疫情已死多少人
中央下达疫情最新政策
全国疫情最新消息
全国疫情最新消息死了多少人
30772人。截止2022年12月判核15日，国家卫健委公开数据掘衡掘显拦迅示，全国累计新冠肺炎死亡人数为30772人。
全国疫情几例
全国新型冠状病毒感染疫情情况
一、病例情况
2月11日，31个省(自治区、直辖市)和新疆生产建设兵团新冠病毒感染现有住院病例37611例，现有重症424例，其中新冠病毒感染重症46例、基础性疾病重症合并新冠病毒感染378例。2月3日至2月9日，31个省(自治区、直辖市)和新疆生产建岁裤设兵团医疗机构埋肢累计在院新冠病毒感染相关死亡病例912例，其中新冠病毒感染导致呼吸功能衰竭死亡27例、基础疾病合并新冠病毒感染死亡885例。
二、疫苗接种情况
截至2月9日，31个省(自治区、直辖市)和新疆生产建弯雀世设兵团累计报告接种新冠病毒疫苗349107.7万剂次，接种总人数131029.2万人，完成全程接种127676.0万人，完成第一剂次加强免疫接种82691.3万人。其中，60岁以上老年人累计报告接种新冠病毒疫苗67905.9万剂次，接种总人数24166.1万人，完成全程接种23022.4万人，完成第一剂次加强免疫接种19250.5万人。(中疾控网站)
疫情现在死了多少人
我国新冠到租悔州底死亡了多少人？其实，也没有具体统计过，只是统计在院的新冠死亡人数，国家卫健委先后公布了4次新冠死亡人数：
第一次：从2022年12月8日，到2023年1月12日，全国弊蔽在院累计死亡病例是59938例。
第二次：从1月13日--1月19日，全国在院死亡病例12658例。
第三次：从1月20日至26日，在院新冠死亡人数6364例。
第四次：从1月27日至1月30日，四天时间大概是2600例左右。
四次总共为81560例。
这当然只是在院新前答冠人数，还有未在院的人数，像有些人感染后在家去世的，有些人在学校去世的，还有些人未来的及送往医院就去世了……前后加起来总共10万人左右，真相残酷，令人惋惜，背后牵扯到10万个家庭。
在国家公布新冠死亡数据之前，我们知道疫情的可怕，但没想到，看到这些数据之后，才更加确切地知道，疫情残酷的真相。
全国最新风险疫情等级
全国现有24815个高风险地区，涉及30个省（自治区、直辖市）和新疆生产建设兵团、256个设区市（区）；1396个低风险地区，涉及30个省（自治区、神碧直辖市）和新疆生产建设兵团、241个设区市（区）。
风险地区分布情况：
北京市朝阳区安贞街道、奥运村街道、八里族袭庄街道、常营乡、朝外街道、崔各庄（地区）乡、大屯街道、东坝（地区）乡、东风（地区）乡、东湖街道、豆各庄（地区）乡、垡头街道、高碑店（地区）乡、管庄（地区）乡、和平街街道、黑庄户（地区）乡、呼家楼街道、建外街道、将台（地区）乡、金盏（地区）乡、劲松街道、酒仙桥街道、来广营（地区）乡、六里屯街道、麦子店街道、南磨房（地区）乡、潘家园街道、平房（地区）乡、三间房（地区）乡、三里屯街道、十八里店（地区）乡、首都机场街道、双井街道、孙河（地区）乡、太阳宫（地区）乡、团结湖街道、王四营（地区）乡、望京街道、香河园街道、小关街道、小红门（地区）乡、亚运村街道、左家庄街道，丰台区北宫镇、大红门街道、东高地街道、东铁匠营街道、丰台街道、和义街道、花乡街道、看丹街道、六里桥街道、卢沟桥街道、马家堡街道、南苑街道、青塔街道、石榴庄街道、太平桥街道、宛平街道、五里店街道、新村街道、玉泉营街道、云岗街道、长辛店街道，石景山区八宝山街道、八兆瞎兄角街道、古城街道、广宁街道、金顶街街道、老山街道、鲁谷街道、苹果园街道、五里坨街道，海淀区北太平庄街道、东升（地区）镇、海淀（万柳地区）镇、海淀街道、花园路街道、青龙桥街道、清河街道、上地街道、上庄（地区）镇、曙光街道、四季青（地区）镇、田村路街道、万寿路街道、温泉（地区）镇、西北旺（地区）镇、西三旗街道、香山街道、学院路街道、燕园街道、永定路街道、中关村街道，门头沟区城子街道、大台街道、大峪街道、东辛房街道、军庄镇、龙泉（地区）镇、清水镇、永定（地区）镇，房山区城关街道、窦店镇、拱辰街道、韩村河镇、琉璃河（地区）镇、青龙湖镇、石楼镇、西潞街道、阎村镇、迎风街道、长阳镇，通州区北苑街道、漷县镇、九棵树街道、梨园（地区）镇、临河里街道、潞城镇、潞邑街道、潞源街道、马驹桥镇、宋庄镇、台湖镇、通运街道、文景街道、西集镇、新华街道、杨庄街道、永乐店镇、永顺（地区）镇、于家务回族乡、玉桥街道、张家湾镇、中仓街道，顺义区北石槽镇、光明街道、后沙峪（地区）镇、李桥镇、南法信（地区）镇、牛栏山（地区）镇、天竺（地区）镇、杨镇（地区）镇，昌平区北七家镇、城北街道、城南街道、东小口（地区）镇、回龙观街道、霍营街道、龙泽园街道、马池口（地区）镇、南口（地区）镇、南邵镇、沙河（地区）镇、史各庄街道、天通苑南街道、小汤山镇，大兴区安定镇、北臧村镇、采育镇、高米店街道、观音寺街道、黄村（地区）镇、旧宫（地区）镇、礼贤镇、林校路街道、庞各庄镇、青云店镇、清源街道、天宫院街道、魏善庄镇、西红门（地区）镇、兴丰街道、亦庄（地区）镇、瀛海（地区）镇、榆垡镇、长子营镇，怀柔区北房镇、渤海镇、怀柔（地区）镇、九渡河镇、龙山街道、庙城（地区）镇、桥梓镇、泉河街道、雁栖（地区）镇、杨宋镇，延庆区八达岭镇、百泉街道、大榆树镇、井庄镇、旧县镇、康庄镇、儒林街道、沈家营镇、四海镇、香水园街道、香营乡、延庆镇、永宁镇、张山营镇、珍珠泉乡，经济开发区亦庄（地区）镇、瀛海（地区）镇、博兴街道、荣华街道；
天津市和平区，河西区，西青区，津南区，宝坻区，滨海新区，宁河区，静海区，蓟州区；
河北省张家口市宣化区，廊坊市三河市、永清县，雄县，容城县；
山西省太原市尖草坪区、晋源区、清徐县、万柏林区、小店区、杏花岭区、迎泽区，大同市广灵县、平城区、新荣区、阳高县、云冈区、云州区，阳泉市城区、高新区、郊区、矿区、平定县、盂县，长治市潞州区、屯留区，晋城市高平市、陵川县、阳城县，朔州市朔城区、应县，晋中市和顺县、灵石县、寿阳县、太谷区、昔阳县、榆社县、左权县，运城市绛县、万荣县、夏县、盐湖区，忻州市保德县、定襄县、静乐县、宁武县、五台县、忻府区，临汾市安泽县、大宁县、汾西县、侯马市、隰县、乡宁县、襄汾县、尧都区、翼城县，吕梁市离石区、临县、文水县；
内蒙古自治区呼和浩特市回民区、赛罕区、土默特左旗、新城区、玉泉区，包头市达尔罕茂明安联合旗、东河区、固阳县、昆都仑区、青山区、土默特右旗，乌海市海勃湾区、海南区、乌达区，赤峰市红山区、喀喇沁旗、松山区，通辽市霍林郭勒市、经济技术开发区、开鲁县、科尔沁区、科尔沁左翼后旗、科尔沁左翼中旗、扎鲁特旗，鄂尔多斯市达拉特旗、东胜区、鄂托克旗、乌审旗、伊金霍洛旗，呼伦贝尔市阿荣旗、额尔古纳市、鄂温克族自治旗、海拉尔区、满洲里市，巴彦淖尔市乌拉特中旗，乌兰察布市察哈尔右翼后旗、察哈尔右翼前旗、察哈尔右翼中旗、丰镇市、集宁区、商都县、兴和县，兴安盟科尔沁右翼中旗、扎赉特旗，锡林郭勒盟二连浩特市、锡林浩特市；
辽宁省沈阳市新民市，大连市甘井子区、普兰店区、沙河口区、瓦房店市、中山区，鞍山市高新区、海城市、经济开发区、立山区、千山区，抚顺市顺城区、新抚区、东洲区、望花区，本溪市平山区，丹东市元宝区、振安区、振兴区，锦州市高新区，营口市大石桥市，阜新市阜新蒙古族自治县、海州区、太平区、细河区、彰武县，辽阳市太子河区，盘锦市兴隆台区，铁岭市开原市，葫芦岛市兴城市；
吉林省长春市朝阳区、德惠市、公主岭市、经开区、净月区、长春新区、中韩示范区，吉林市龙潭区、舒兰市，四平市梨树县、双辽市、铁东区、铁西区，辽源市龙山区、西安区，通化市二道江区，白山市抚松县、浑江区、靖宇县、临江市、长白朝鲜族自治县，松原市经济技术开发区、扶余市、宁江区、前郭尔罗斯蒙古族自治县、长岭县，延边朝鲜族自治州敦化市、延吉市，长白山保护开发区池北区、池西区；
黑龙江省哈尔滨市阿城区、宾县、道里区、道外区、方正县、南岗区、平房区、尚志市、双城区、松北区、五常市、香坊区、依兰县，齐齐哈尔市昂昂溪区、拜泉县、甘南县、建华区、龙江县、泰来县、铁锋区，鸡西市鸡冠区，双鸭山市宝山区、尖山区，大庆市大同区、红岗区、林甸县、龙凤区、让胡路区、萨尔图区、肇源县、肇州县，伊春市金林区、汤旺县、铁力市、乌翠区、伊美区、友好区、嘉荫县，佳木斯市郊区、东风区、抚远市、富锦市、桦川县、桦南县、建三江、前进区、向阳区，七台河市桃山区，牡丹江市东安区、海林市、林口县，黑河市爱辉区、北安市、嫩江市、五大连池市，绥化市北林区、海伦市、庆安县、绥棱县、望奎县、肇东市，大兴安岭地区加格达奇区(虚拟)、新林区(虚拟)；
上海市黄浦区，徐汇区，长宁区，静安区，普陀区，虹口区，杨浦区，闵行区，宝山区，嘉定区，浦东新区，金山区，松江区，青浦区，奉贤区，崇明区；
江苏省南京市高淳区、鼓楼区、建邺区、江北新区、江宁区、六合区、浦口区、栖霞区、秦淮区、玄武区、雨花台区，无锡市江阴市、梁溪区、新吴区，徐州市鼓楼区、泉山区、铜山区、云龙区，苏州市高新区、常熟市、太仓市、吴江区、吴中区、相城区、昆山市，连云港市海州区，盐城市亭湖区，镇江市丹徒区，泰州市泰兴市，宿迁市沭阳县、泗洪县、泗阳县、宿城区、宿豫区；
安徽省蚌埠市固镇县，池州市贵池区；
福建省福州市高新区、鼓楼区、仓山区、福清市、晋安区、马尾区、闽侯县、台江区，厦门市海沧区、湖里区、集美区、思明区、同安区、翔安区，漳州市龙文区、平和县、芗城区、漳浦县、长泰区，龙岩市新罗区，宁德市东侨开发区、蕉城区；
山东省济南市高新区、钢城区、槐荫区、济阳区、莱芜区、历城区、历下区、南部山区、平阴县、起步区、商河县、市中区、天桥区、章丘区、长清区，青岛市城阳区、黄岛区、胶州市、李沧区、平度市、市北区，淄博市高新区、高青县、桓台县、张店区、周村区，枣庄市市中区、山亭区、台儿庄区、滕州市、薛城区、峄城区，东营市经济技术开发区、东营区、广饶县、河口区、垦利区、东营港经济开发区，烟台市福山区、开发区、龙口市、芝罘区，潍坊市高新区、安丘市、滨海区、昌乐县、寒亭区、奎文区、临朐县、青州市、诸城市，济宁市高新区、经开区、嘉祥县、金乡县、梁山县、曲阜市、任城区、泗水县、太白湖新区、微山县、汶上县、兖州区、鱼台县、邹城市，泰安市高新区、徂汶景区、岱岳区、东平县、肥城市、宁阳县、泰山景区、泰山区、新泰市，威海市高新区、环翠区、威海经济技术开发区，日照市东港区、岚山区、五莲县，临沂市高新区、费县、河东区、莒南县、兰陵县、兰山区、临沭县、罗庄区、蒙阴县、郯城县、沂河新区、沂南县、沂水县，德州市德城区、临邑县、宁津县、平原县、齐河县、庆云县、武城县、夏津县，聊城市东阿县、东昌府区、高唐县、临清市，滨州市邹平市、滨城区，菏泽市曹县、单县、东明县、巨野县、鄄城县、鲁西新区、牡丹区、郓城县；
河南省郑州市高新区、登封市、航空港区、惠济区、新郑市；
湖北省武汉市青山区、蔡甸区、东湖风景区、东西湖区、汉阳区、洪山区、黄陂区、江岸区、江汉区、江夏区、经开区（汉南区）、硚口区、武昌区、新洲区、东湖高新区，黄石市阳新县，襄阳市樊城区、襄城区，鄂州市鄂城区、临空经济区，荆门市钟祥市，荆州市监利市，黄冈市黄州区、罗田县、团风县，随州市曾都区；
湖南省长沙市开福区、望城区、雨花区、长沙县，株洲市醴陵市，湘潭市高新区、经开区、湘潭县，衡阳市高新区、耒阳市、石鼓区、蒸湘区、珠晖区，常德市鼎城区、澧县、柳叶湖旅游度假区、石门县、桃源县、武陵区，益阳市安化县、桃江县，郴州市苏仙区，永州市东安县、冷水滩区、宁远县，怀化市鹤城区、沅陵县、芷江侗族自治县，娄底市娄星区；
广东省广州市白云区、从化区、番禺区、海珠区、花都区、黄埔区、荔湾区、南沙区、天河区、越秀区、增城区，韶关市乐昌市、南雄市、乳源瑶族自治县、始兴县、翁源县、武江区、新丰县，深圳市宝安区、大鹏新区、福田区、光明区、龙华区、罗湖区、南山区、坪山区、盐田区，汕头市金平区，佛山市南海区，江门市恩平市、江海区、台山市，湛江市廉江市、遂溪县、徐闻县，茂名市滨海新区、高新区、电白区、高州市、化州市、茂南区、信宜市，肇庆市端州区，惠州市博罗县、大亚湾区、惠城区、惠东县、惠阳区、龙门县、仲恺高新区，河源市东源县、龙川县、和平县、源城区，阳江市江城区，清远市连南瑶族自治县、连州市、清城区、阳山县、英德市，东莞市茶山镇、大岭山镇、道滘镇、东城街道、莞城街道、厚街镇、虎门镇、寮步镇、企石镇、桥头镇、石龙镇、塘厦镇、望牛墩镇、樟木头镇、东坑镇、南城街道，中山市横栏镇、黄圃镇、南头镇、沙溪镇、五桂山街道、中山火炬高技术产业开发区，揭阳市揭东区、普宁市；
广西壮族自治区桂林市临桂区；
海南省海口市龙华区、美兰区、琼山区、秀英区，三亚市海棠区、吉阳区、天涯区、崖州区，儋州市市辖区，琼海市，万宁市，定安县，屯昌县，澄迈县，乐东黎族自治县，陵水黎族自治县，保亭黎族苗族自治县；
重庆市涪陵区，沙坪坝区，九龙坡区，南岸区，北碚区，巴南区，黔江区，潼南区，梁平区，垫江县，云阳县，巫山县，秀山土家族苗族自治县；
四川省成都市成华区、崇州市、东部新区、都江堰市、简阳市、金堂县、锦江区、龙泉驿区、郫都区、青白江区、双流区、温江区、武侯区、新津区，攀枝花市东区、米易县、仁和区、西区、盐边县，泸州市江阳区、纳溪区，德阳市广汉市、绵竹市、什邡市，绵阳市绵阳（国家）高新技术产业开发区，广元市利州区，内江市高新区、市中区、东兴区，南充市高坪区、南部县、顺庆区，眉山市东坡区、彭山区，宜宾市叙州区，阿坝藏族羌族自治州阿坝县、黑水县、红原县、金川县、九寨沟县、马尔康市、若尔盖县、汶川县、理县，凉山彝族自治州美姑县、越西县、昭觉县；
贵州省贵阳市白云区、观山湖区、花溪区、南明区、乌当区、云岩区，遵义市播州区、道真仡佬族苗族自治县、红花岗区、仁怀市，毕节市金沙县、纳雍县、七星关区、黔西市，黔南布依族苗族自治州惠水县；
云南省昆明市安宁市、呈贡区、富民县、官渡区、昆明经济技术开发区、禄劝彝族苗族自治县、石林彝族自治县、五华区、西山区、宜良县，曲靖市富源县，玉溪市澄江市、通海县、新平彝族傣族自治县，昭通市昭阳区，丽江市华坪县，临沧市耿马傣族佤族自治县，楚雄彝族自治州楚雄市，红河哈尼族彝族自治州个旧市、红河县、建水县、绿春县、蒙自市、元阳县，文山壮族苗族自治州广南县、西畴县，大理白族自治州祥云县，德宏傣族景颇族自治州瑞丽市，迪庆藏族自治州香格里拉市；
西藏自治区拉萨市堆龙德庆区，日喀则市桑珠孜区，昌都市丁青县、卡若区，那曲市色尼区，阿里地区噶尔县；
陕西省西安市高新区、新城区、灞桥区、碑林区、浐灞生态区、高陵区、国际港务区、航天基地、蓝田县、莲湖区、临潼区、曲江新区、未央区、西咸新区、阎良区、雁塔区、长安区、周至县，宝鸡市高新区、陈仓区、扶风县、金台区、眉县、岐山县、太白县、渭滨区，咸阳市彬州市、淳化县、泾阳县、秦都区、三原县、渭城区、武功县、兴平市、旬邑县、长武县，渭南市高新区、白水县、澄城县、大荔县、富平县、合阳县、华阴市、华州区、临渭区、蒲城县、潼关县，延安市宝塔区、甘泉县、延长县、子长市，汉中市城固县、汉台区、勉县、南郑区、宁强县，榆林市定边县、府谷县、横山区、佳县、靖边县、米脂县、清涧县、神木市、绥德县、吴堡县、榆阳区、子洲县，安康市高新区、汉滨区、石泉县，商洛市洛南县、山阳县、商州区，杨凌示范区杨陵区；
甘肃省兰州市高新区、安宁区、城关区、红古区、西固区、榆中县，武威市凉州区，庆阳市庆城县、西峰区，定西市临洮县，临夏回族自治州广河县、临夏市；
青海省西宁市城北区、城东区、城中区、城西区，海东市互助土族自治县、乐都区、循化撒拉族自治县、化隆回族自治县、民和回族土族自治县、平安区，海北藏族自治州祁连县、门源回族自治县，黄南藏族自治州河南蒙古族自治县、同仁市、泽库县，海南藏族自治州贵德县、同德县，玉树藏族自治州玉树市、曲麻莱县，海西蒙古族藏族自治州德令哈市、乌兰县；
宁夏回族自治区银川市贺兰县、金凤区、灵武市、西夏区、兴庆区、永宁县，石嘴山市大武口区、惠农区、平罗县，吴忠市利通区、青铜峡市、同心县、盐池县，固原市彭阳县、西吉县、原州区，中卫市海原县、沙坡头区、中宁县；
新疆维吾尔自治区乌鲁木齐市米东区、沙依巴克区、天山区、头屯河区，哈密市伊州区，巴音郭楞蒙古自治州库尔勒市，克孜勒苏柯尔克孜自治州阿图什市，喀什地区喀什市，和田地区和田市、和田县、墨玉县、皮山县；
新疆生产建设兵团。
更多高风险地区：疫情风险等级实时查询入口
小贴士：
坚持常态化疫情防控措施。在商场、餐厅、酒店等公共场所，积极配合戴口罩、验码测温、一米线等措施。乘坐公共交通工具、电梯，在医院就诊时，有发热或患呼吸道感染疾病的患者，以及医疗卫生、交通运输等行业高风险暴露人员，应正确佩戴口罩。
温馨提示：微信搜索公众号【南京本地宝】，关注后在对话框回复【风险】查看南京及南京各区/全国各地最新风险等级名单，高风险划分/解除标准，加入南京本地交流群。
相关推荐
南京市鼓楼区关于划定风险区域的通告（2022.12.4日起）
2022-12-05 10:21
422
2022年12月4日起南京秦淮区新增10个高风险+7个低风险地区
2022-12-05 10:06
290
2022镇江润州区12月1日新增病例及风险点位一览
2022-12-02 11:19
284
2022镇江京口区12月1日新增病例+风险点位
2022-12-02 11:18
227
2022镇江丹徒区12月1日新增病例和风险点位
2022-12-02 11:17
737
2022镇江扬中市12月1日新增病例及风险点位
2022-12-02 11:15
241
热点推荐
宿迁市出行防疫政策措施（最新）
2022-11-21
全国疫情最新消息（每日更新）
2022-12-08
截至12月7日24时新型冠状病毒肺炎疫情最新情况
2022-12-08
南京市出行防疫政策措施
2022-12-01
全国疫情风险地区（更新中）
2022-12-08
全国疫情最新数据（更新中）
2022-12-08
最新阅读
新冠病毒感染者居家治疗指南
2022-12-08
南京江北新区人民检察院搬迁公告
2022-12-08
12月7日0时至24时南京新增本土确诊病例13例+本土无症状感染者45例
2022-12-08
南京药店购买抗原检测试剂能不能刷医保
2022-12-08
南京禄口机场最新出行提醒
2022-12-08
南京换区域生活要转城乡养老保险吗
2022-12-08
分享
关注更新
31省市疫情怎么样
疫情来消息了，我和大家一起来关注全国疫情最新消息来啦，该数据来源于中国疾控中心官方网站的通报：
1月9日0-24时31个省（包括自治区直辖市的）疫情哗吵蠢数据：
今日新增确诊病例3082例
境外输入48例
治愈出院4681例
无新增死亡病例
目前重症病例7573例，比昨日增加16例
全国累计死亡病例5235例，比昨日减少37例
今日确诊昨日减少11089例，出院比昨日增加3839例。
今天波碰脊动幅度依然很大，让我们看看前几位的省市
1、广东1115例，比昨日减少623例
2、北京924例，比昨日增加696例
3、重庆240例，比昨日增加121例
4、海南122例，比昨日增加111例
5、河南104例，比昨日减少77例
6、四川100例，比昨日减少276例
其中大河北今日4例比昨日减少38例。
国家放开政策以后，其实大家都感同身受。乱陪我发现了一个现象，大家都阳康后，都有一个共同的特点，感觉生活没劲头了，无精打采，干什么都没兴趣。
中疾控公布的疫情数据，大家参考研究。
其中的目的还得告诉大家
相关文章
发表评论
评论列表
- 这篇文章还没有收到评论，赶紧来抢沙发吧~