[論文レビュー] Quantifying the influence of inter-county mobility patterns on the COVID-19 outbreak in the United States

Qianqian Sun, Yixuan Pan+3 more|arXiv (Cornell University)|Jun 24, 2020

COVID-19 epidemiological studies参考文献 23被引用数 5

ひとこと要約

本研究は、1億台を超えるデバイスからの匿名化されたモバイルデバイス位置データを用いて、米国におけるCOVID-19の広がりに、県間移動パターンがどのように影響したかを定量的に評価した。『対数線形二重リスク』モデルを導入し、県間移動フローに起因する外部リスクと、高リスク集団の脆弱性に起因する内部リスクを別々に測定した。その結果、移動が感染拡大を顕著に促進したことが判明し、特にニューヨークシティからの流出が顕著であった。

ABSTRACT

As a highly infectious respiratory disease, COVID-19 has become a pandemic that threatens global health. Without an effective treatment, non-pharmaceutical interventions, such as travel restrictions, have been widely promoted to mitigate the outbreak. Current studies analyze mobility metrics such as travel distance; however, there is a lack of research on interzonal travel flow and its impact on the pandemic. Our study specifically focuses on the inter-county mobility pattern and its influence on the COVID-19 spread in the United States. To retrieve real-world mobility patterns, we utilize an integrated set of mobile device location data including over 100 million anonymous devices. We first investigate the nationwide temporal trend and spatial distribution of inter-county mobility. Then we zoom in on the epicenter of the U.S. outbreak, New York City, and evaluate the impacts of its outflow on other counties. Finally, we develop a "log-linear double-risk" model at the county level to quantify the influence of both "external risk" imported by inter-county mobility flows and the "internal risk" defined as the vulnerability of a county in terms of population with high-risk phenotypes. Our study enhances the situation awareness of inter-county mobility in the U.S. and can help improve non-pharmaceutical interventions for COVID-19.

研究の動機と目的

• 米国における県間移動パターンがCOVID-19の地理的広がりにどのように寄与したかを理解すること。
• 外部リスク（移動によるインポート例）と内部リスク（高リスク集団の県レベルの脆弱性）が、地域の感染拡大に与える相対的影響を定量化すること。
• より的確な非医療的介入策を講じるため、移動に起因するパンデミックダイナミクスの状況認識を向上させること。
• 移動に起因するリスク要因と固有のリスク要因を統合した県レベルのモデルを開発し、アウトブレイクの深刻度を予測すること。

提案手法

• 本研究は、1億台を超えるデバイスからの匿名化されたモバイルデバイス位置データを用いて、米国全域の現実の県間移動フローを再構築した。
• 特にニューヨークシティの疫学的センターとその他の県への流出に注目し、県間移動の時間的傾向と空間的分布を分析した。
• 県レベルで『対数線形二重リスク』モデルを構築し、移動流入に起因する外部リスクと、高リスク表現型を有する集団に起因する内部リスクを統合した。
• 両リスク要因が地域の感染者数に与える影響を定量化するために、対数線形回帰フレームワークを用いた。
• 匿名化されたデバイスデータから導出された移動フロー行列と、県レベルの確認済み症例データを用いて、モデルを検証した。

実験結果

リサーチクエスチョン

• RQ1 県間移動が、米国におけるCOVID-19の地理的広がりに、どの程度寄与したのであろうか？
• RQ2 ニューヨークシティのような高インパクトのエピセンターからの流出が、他の県における症例発生にどのように影響するのであろうか？
• RQ3 外部リスク（移動によるインポート例）と内部リスク（地域集団の脆弱性）の相対的寄与度は、地域感染拡大にどの程度影響するのであろうか？
• RQ4 対数線形二重リスクモデルは、移動と人口統計的リスク要因を根拠に、県レベルのアウトブレイク深刻度を効果的に定量化・予測できるのであろうか？

主な発見

• 県間移動フローは、特にニューヨークシティのような高流量のエピセンターから、COVID-19の広がりを顕著に拡大させた。
• ニューヨークシティからの流出は、特に北東部およびミッドウェストの他の県における初期の症例増加の主な要因であった。
• 『対数線形二重リスク』モデルは強力な予測能力を示し、外部の移動リスクと内部の集団脆弱性の両方が、地域の感染者数に独立して影響していることが明らかになった。
• 高リスク表現型を有する人々の割合が高い県では、移動流入を補正しても、感染拡大率が著しく高くなる傾向にあった。
• 本研究は、移動パターンがパンデミックダイナミクスにおいて重要な、定量可能な要因であることを明らかにした。これにより、移動に配慮した介入策の価値が強調された。