[論文レビュー] Effects of Population Co-location Reduction on Cross-county Transmission Risk of COVID-19 in the United States

Chao Fan, Sanghyeon Lee+4 more|arXiv (Cornell University)|Jun 1, 2020

COVID-19 epidemiological studies参考文献 21被引用数 5

ひとこと要約

本研究では、2020年3月から5月にかけてのフェイスブック共同位置特定データを用いて、米国における州間のCOVID-19感染拡大リスクをモデル化し、社会的距離の確保策による人口の共同位置特定の減少が、週単位の新規症例の増加を1週間遅らせる結果となったことを示している。研究結果は、顕著な移動分離が存在することを示しており、特に高症例数県から低症例数県への移動が減少している一方で、グループ内での共同位置特定は安定したままであり、感染拡大モデルと公衆衛生政策において共同位置特定パターンの重要性が浮き彫りになった。

ABSTRACT

The rapid spread of COVID-19 in the United States has imposed a major threat to public health, the real economy, and human well-being. With the absence of effective vaccines, the preventive actions of social distancing and travel reduction are recognized as essential non-pharmacologic approaches to control the spread of COVID-19. Prior studies demonstrated that human movement and mobility drove the spatiotemporal distribution of COVID-19 in China. Little is known, however, about the patterns and effects of co-location reduction on cross-county transmission risk of COVID-19. This study utilizes Facebook co-location data for all counties in the United States from March to early May 2020. The analysis examines the synchronicity and time lag between travel reduction and pandemic growth trajectory to evaluate the efficacy of social distancing in ceasing the population co-location probabilities, and subsequently the growth in weekly new cases. The results show that the mitigation effects of co-location reduction appear in the growth of weekly new cases with one week of delay. Furthermore, significant segregation is found among different county groups which are categorized based on numbers of cases. The results suggest that within-group co-location probabilities remain stable, and social distancing policies primarily resulted in reduced cross-group co-location probabilities (due to travel reduction from counties with large number of cases to counties with low numbers of cases). These findings could have important practical implications for local governments to inform their intervention measures for monitoring and reducing the spread of COVID-19, as well as for adoption in future pandemics. Public policy, economic forecasting, and epidemic modeling need to account for population co-location patterns in evaluating transmission risk of COVID-19 across counties.

研究の動機と目的

• 実世界の移動データを用いて、米国における州間のCOVID-19感染拡大リスクに及ぼす人口の共同位置特定の減少の影響を検討すること。
• 社会的距離の確保措置や自宅待機命令の効果が、州間の共同位置特定確率およびその後の感染拡大に与える影響を評価すること。
• 確認症例数が異なるレベルの県間における人間の移動行動の空間的分離パターンを特定すること。
• 旅行の減少とパンデミックの拡大経路の関係を定量的に評価することで、公衆衛生政策と感染症モデル化に実証的根拠を提供すること。
• 観察された共同位置特定パターンが、無作為な症例分布や重力ベースのシミュレーションと比較して有意であるかどうかを検証すること。

提案手法

• 県をノードとし、フェイスブックの週次共同位置特定マップから得た共同位置特定確率を辺の重みとする空間的ネットワークを構築した。
• 移動の減少と週単位の新規症例数の変化との間の同期性と時間遅れを測定するために、タイムラグ付き相互相関分析を適用した。
• 毎日、各県について基本再生産数Kを推定するため、指数的増加モデル R₀ = e^(Kτ) を用い、τ = 5.1日とした。
• ランダム化された症例数を用いたノイズフリー・モデルと、人口規模および県間距離を組み込んだ重力ベースのモデルを用いて、人工的な共同位置特定ネットワークを生成した。
• 対数変換と線形回帰を用いて、重力モデル T_ij = k * V^μ * W^α / d^β を適合させ、共同位置特定確率を予測した。
• 実際の共同位置特定ヒートマップと人工モデルからのものとを比較し、観察された分離パターンの有意性を評価した。

実験結果

リサーチクエスチョン

• RQ1 社会的距離の確保による人口の共同位置特定の減少が、米国の県ごとの週単位の新規COVID-19症例の増加率にどのように影響するか？
• RQ2 移動の減少と新規感染の推移に観察される変化との間には、どの程度の時間遅れがあるか？
• RQ3 高症例数県と低症例数県との間で、共同位置特定パターンにどの程度の差が生じるか？
• RQ4 観察された共同位置特定パターンは、無作為な症例分布や重力ベースのモデルで予測されるものと比較して、どの程度異なるか？
• RQ5 グループ内とグループ間の共同位置特定が、州間感染拡大リスクに果たす役割は何か？

主な発見

• 共同位置特定の減少による抑制効果が、1週間の遅れを伴って新規症例の増加に現れ、感染症動態における遅延反応を示している。
• グループ内での共同位置特定確率は、特に高症例数県においても安定しており、地域内での混在が継続していることを示唆している。
• 特に高症例数県から低症例数県へのグループ間共同位置特定確率は、移動制限や社会的距離の確保により顕著に低下していた。
• 観察された共同位置特定パターンは、人口分布の単なる結果ではないことが、ノイズフリー・モデルからの顕著な逸脱によって示された。
• 重力ベースのモデルは移動行動の一部を捉えていたが、実データは予測よりも強く、より構造的な分離を示しており、政策に起因する行動変容が裏付けられた。
• 研究結果は、社会的距離の確保措置が長距離感染拡大リスクを効果的に低減したが、高負荷クラスタ内の局所的感染拡大にはそれほど効果がなかったことを示唆している。