Modelling the small-area spatio-temporal dynamics of the Covid-19 pandemic is of major public health importance, because it allows health agencies to better understand how and why the virus spreads. However, in Scotland during the first wave of the pandemic testing capacity was severely limited, meaning that large numbers of infected people were not formally diagnosed as having the virus. As a result, data on confirmed cases are unlikely to represent the true infection rates, and due to the small numbers of positive tests these data are not available at the small-area level for confidentiality reasons. Therefore to estimate the small-area dynamics in Covid-19 incidence this paper analyses the spatio-temporal trends in telehealth data relating to Covid-19, because during the first wave of the pandemic the public were advised to call the national telehealth provider NHS 24 if they experienced symptoms of the virus. Specifically, we propose a multivariate spatio-temporal correlation model for modelling the proportions of calls classified as either relating to Covid-19 directly or having related symptoms, and provide software for fitting the model in a Bayesian setting using Markov chain Monte Carlo simulation. The model was developed in partnership with the national health agency Public Health Scotland, and here we use it to analyse the spatio-temporal dynamics of the first wave of the Covid-19 pandemic in Scotland between March and July 2020, specifically focusing on the spatial variation in the peak and the end of the first wave.

对 Covid-19 大流行的小区域时空动态建模具有重大的公共卫生重要性，因为它可以让卫生机构更好地了解病毒传播的方式和原因。然而，在第一波大流行期间，苏格兰的检测能力受到严重限制，这意味着大量感染者并未被正式诊断为感染了该病毒。因此，确诊病例的数据不太可能代表真实的感染率，而且由于阳性检测数量较少，出于保密原因，这些数据无法在小范围内获得。因此，为了估计 Covid-19 发病率的小区域动态，本文分析了与 Covid-19 相关的远程医疗数据的时空趋势，因为在第一波大流行期间，建议公众如果出现病毒症状，请致电国家远程医疗服务提供商 NHS 24。具体来说，我们提出了一个多变量时空相关模型，用于对分类为与 Covid-19 直接相关或具有相关症状的呼叫的比例进行建模，并提供使用马尔可夫链蒙特卡罗模拟在贝叶斯设置中拟合模型的软件。该模型是与国家卫生机构 Public Health Scotland 合作开发的，在这里我们使用它来分析 2020 年 3 月至 2020 年 7 月期间苏格兰第一波 Covid-19 大流行的时空动态，特别关注空间第一波的峰值和末端的变化。具体来说，我们提出了一个多变量时空相关模型，用于对分类为与 Covid-19 直接相关或具有相关症状的呼叫的比例进行建模，并提供使用马尔可夫链蒙特卡罗模拟在贝叶斯设置中拟合模型的软件。该模型是与国家卫生机构 Public Health Scotland 合作开发的，在这里我们使用它来分析 2020 年 3 月至 2020 年 7 月期间苏格兰第一波 Covid-19 大流行的时空动态，特别关注空间第一波的峰值和末端的变化。具体来说，我们提出了一个多变量时空相关模型，用于对分类为与 Covid-19 直接相关或具有相关症状的呼叫的比例进行建模，并提供使用马尔可夫链蒙特卡罗模拟在贝叶斯设置中拟合模型的软件。该模型是与国家卫生机构 Public Health Scotland 合作开发的，在这里我们使用它来分析 2020 年 3 月至 2020 年 7 月期间苏格兰第一波 Covid-19 大流行的时空动态，特别关注空间第一波的峰值和末端的变化。并提供使用马尔可夫链蒙特卡罗模拟在贝叶斯设置中拟合模型的软件。该模型是与国家卫生机构 Public Health Scotland 合作开发的，在这里我们使用它来分析 2020 年 3 月至 2020 年 7 月期间苏格兰第一波 Covid-19 大流行的时空动态，特别关注空间第一波的峰值和末端的变化。并提供使用马尔可夫链蒙特卡罗模拟在贝叶斯设置中拟合模型的软件。该模型是与国家卫生机构 Public Health Scotland 合作开发的，在这里我们使用它来分析 2020 年 3 月至 2020 年 7 月期间苏格兰第一波 Covid-19 大流行的时空动态，特别关注空间第一波的峰值和末端的变化。