柳叶刀新文 | 利用统计模型与大数据探寻人口流动与新冠传播的潜在联系

来源：运筹OR帷幄

本文约1400字，建议阅读7分钟

新冠预防，社交距离，人口流动趋势。

---

作者：杜鸿儒，约翰霍普金斯大学土木与系统工程系在读博士生，研究方向：流行病数据建模，人口流动模型，网络建模。

编者按

作者基于匿名蜂窝数据生成了美国人口流动网络，并且根据人口流动趋势：

• 构建了各郡县的社交距离评估指标；

• 计算了美国各郡县新增确诊病例的实时增长率。

基于这两个变量，利用统计学模型，作者分析了保持社交距离对美国新增确诊病例增加率的影响。根据研究表明，在受新冠疫情影响最严重的郡县，人口流动趋势和新增确诊病例的增长速率密切相关。这项研究通过统计模型证明了社交疏远对于控制疫情传播的有效性。在疫苗大规模投入市场使用前，保持社交疏远依然是对抗病毒传播最有效的方法之一。

研究背景

自美国首次报道新冠肺炎疫情以来，疫情已经席卷美国超过90%的郡县。美国各州对于新冠疫情的响应存在差异性，各州各郡县政府或快或慢地出台了不同力度的居家隔离命令。由于各州各郡县的居家令颁布时间不同，执行力度的差异性，人口流动的复杂性，以及各个地区疫情轻重差别性较大，如何宏观评估美国居家令对疫情的影响成为一个难题。

方法

我们基于实时匿名蜂窝数据生成了美国人口流动网络，并且根据人口流动趋势构建了各郡县的社交距离评估指标。同时，我们还计算了美国各郡县新增确诊病例的实时增长率。基于这两个变量，我们利用统计学模型，分析了保持社交距离对美国新增确诊病例增加率的影响。

主要发现

根据研究表明，在受新冠疫情影响最严重的郡县，人口流动趋势和新增确诊病例的增长速率密切相关。在美国确诊病例最多的25个县中，20个县的Pearson相关系数大于0.7。此外，相比于疫情发生以前，人口的流动量下降了35-63%。人口流动量的下降对新冠疫情传播的影响，会在9到12天之后开始显现，9-12天的时间间隔与新冠肺炎病理报告中的潜伏期一致。值得一提的是，我们还在研究中发现，许多地区的居民在居家令颁布之前就减少了出行的次数。人们可能通过不同渠道获取了信息，并接受了公共卫生部门建议的社交疏远的提议。

这项研究通过统计模型证明了社交疏远对于控制疫情传播的有效性。在疫苗大规模投入市场使用前，保持社交疏远依然是对抗病毒传播最有效的方法之一。

Social Distancing Ratio（SD）：

Vijt:  在t时，从i到j的交通流量。

Vijt0: 疫情发生前，从i到j的交通流量。

SDjt：代表了在t天时，j地点人口流动的相对变化， SD等于0表示出行量为0，SD等于0.5说明出行量相比于疫情之前减少了50%。

Growth rate ratio (GR)：

结果展示：

1月24日和4月17日美国各地区出行量的对比。灰常地区由于手机数据样本过少不作展示。

美国确诊病例前十名州的SD ratio趋势图。蓝虚线代表县级居家令的颁布日期，红虚线代表州级居家令颁布日期。（日期有重合）

在不同的时间间隔下，SD ratio和GR的相关系数变化。最佳滞后时间间隔为9到12天。

Limitations：

本文只考虑了出行量和人口流动对疫情传播的影响，并没有考虑其他重要影响因素，例如：口罩使用和接触者追踪等等。

更多细节请参考：

https://www.thelancet.com/journals/laninf/article/PIIS1473-3099(20)30553-3/fulltext?utm_campaign=tlcoronavirus20&utm_content=133314454&utm_medium=social&utm_source=twitter&hss_channel=tw-27013292

参考文献：

Badr, H.S., Du, H., Marshall, M., Dong, E., Squire, M.M. and Gardner, L.M., 2020. Association between mobility patterns and COVID-19 transmission in the USA: a mathematical modelling study. The Lancet Infectious Diseases.

编辑：黄继彦