限制人员流动对中国深圳COVID-19传播的影响
图片来源unplush.com。
● ● ●
《柳叶刀-数字医疗》（The Lancet Digital Health）近期发表深圳大学周颖与夏吉喆课题组在2019冠状病毒病（COVID-19）的传播动力学建模研究成果。文章基于手机大数据与流行病传播动力学模型的结合，量化分析人群流动管控对COVID-19传播的影响。此模型可协助决策者根据城市规模和人群流动性预测疾病传播风险，并在平衡人群流动管控带来的公共卫生收益以及其潜在的社会经济成本时提供参考信息。
作者介绍
周颖
助理教授，深圳大学公共卫生学院。研究方向为呼吸道传染病流行病学研究（呼吸系统传染性疾病大流行和季节性数据的大数据分析；疾病负担以及干预措施有效性研究）。
夏吉喆
助理教授，深圳大学建筑与城市规划学院。研究领域包括时空大数据、城市学与流行病学的交叉性研究。
论文简介
研究背景：为了控制COVID-19伴随人群流动的快速传播，对人群流动进行适当的管控是控制疾病传播的有效策略。然而，人群流动管控强度与COVID-19的流行程度的联系仍处于研究阶段。本研究旨在建立数学模型以量化城市内人群流动性的限制对COVID-19传播的潜在影响。
研究方法：我们以中国深圳市为模拟地点，采用匿名手机信令数据针对COVID-19在城市内部的传播建立了流行病动力学模型SEIR（susceptible–exposed–infectious–recovered transmission model）。本研究模拟在多种传播模拟场景中，采取不同类型人群流动管控措施（例如，一般性城市人口流动降低，高风险地带的封锁，具有传染性的患者的流动控制，或区域间人群移动率降低）和不同幅度的管控措施（例如使得人群流动下降20％，40％或60％）对于疾病传播的变化。多种传播模拟场景包括不同的COVID-19基本传染数（R0），疾病传染期时长和城市初期病例数等。
研究发现：截至2020年2月7日，深圳市总计确诊COVID-19病例331例。在模拟场景中（基本传染数R0拟为2.68），降低城市内部人群流动性对COVID-19传播产生了显著影响（Figure 1，2）：当降低20％城市内部人群流动性可令COVID-19传播流行曲线的感染峰值延迟2周到来，峰值病例数减少33％（95% UI 21–42）；当降低40%人口流动性时，COVID-19感染峰值延迟4周到来且峰值降低66%（95% UI 48-75); 降低60％流动性可令达峰值延迟14周且峰值病例数减少91％（95% UI 79–95）。当人群流动管控与其他非药物管控措施（如勤洗手、戴口罩等）结合使用时，对疾病传播的控制效果会大大增强。若将80%具有传染性的患者隔离管控，可令新冠传播流行曲线的峰值延迟约2周。
Figure 1：Effects of human mobility restrictions in Shenzhen on COVID-19 incidence with and without transmissibility reduction, February to October, 2020
Cumulative incidence of COVID-19 (A) and daily incidence of COVID-19 (B) with varying mobility restrictions. Shaded areas in (A) are 95% uncertainty intervals. Daily incidence of COVID-19 with varying mobility restrictions with 25% reduction in transmissibility (C) and 50% reduction in transmissibility (D).
Figure 2: Effects of mobility restrictions on COVID-19 incidence under different transmission scenarios, February to October, 2020
Daily incidence of COVID-19 with varying mobility restrictions and a varied reproduction number (A), infectious period (B), and initial numbers of cases in Shenzhen (C). The baseline scenario is an R0 of 2·68, an infectious period of 12·7 days, and 331 initial cases in the city. R0=basic reproductive number.
其他措施包括封锁高危区域以及减少区域间的人群流动均对控制COVID-19 在城市的传播均有明显效果。（Figure 3）该模拟的效果受COVID-19传染性参数的影响。
Figure 3: Effects of various mobility restrictions for subgroups and high-risk regions on COVID-19 incidence, February to July, 2020
讨论与结论: 本研究在城市尺度上针对人群流动性限制措施对于COVID-19传播的影响进行了量化评估。评估不同类型和不同幅度的人群移动管控措施对于控制COVID-19的本地传播有重要意义，尤其是当决策需要找到这些管控措施的最佳组合和干预幅度时。值得注意的是本文的模拟结果受COVID-19的传染性参数影响，随着人类COVID-19的了解逐渐深入，对COVID-19传染性参数的研究会更加准确。本模型也会根据更新的疾病传染性参数进行调整，可协助可协助决策者根据城市规模和人群流动性预测疾病传播风险，并在平衡人群流动管控带来的公共卫生收益以及其潜在的社会经济成本时提供参考信息。决策者根据城市规模和人群流动性预测疾病传播风险，并在平衡人群流动管控带来的公共卫生收益以及其潜在的社会经济成本时提供参考信息。
*中文翻译仅供参考，所有内容以英文原文为准。
注：本文转载自柳叶刀TheLancet。
