[논문 리뷰] Exposure Density and Neighborhood Disparities in COVID-19 Infection Risk: Using Large-scale Geolocation Data to Understand Burdens on Vulnerable Communities

Boyeong Hong, Bartosz Bończak외 3명|arXiv (Cornell University)|2020. 08. 04.

COVID-19 epidemiological studies참고 문헌 18인용 수 6

한 줄 요약

이 연구는 코로나19 기간 동안 지역 수준의 감염 위험을 정량화하기 위해 국소적 활동 부피와 비주거/외부 공간 이용 비율을 조합한 노출 밀도($E_x\rho$)를 지표로 도입한다. 뉴욕시 전역의 대규모 스마트폰 위치 기록 데이터를 활용하여, 저소득 및 소수민족 지역이 필수 직종에서 일하고 원격 근무 옵션이 제한되어 있어 높은 노출 밀도를 유지함으로써 감염 및 사망률이 뚜렷이 높아졌음을 밝혀내며, 사회적 거리 두기의 효과에 대한 구조적 불평등을 드러낸다.

ABSTRACT

This study develops a new method to quantify neighborhood activity levels at high spatial and temporal resolutions and test whether, and to what extent, behavioral responses to social distancing policies vary with socioeconomic and demographic characteristics. We define exposure density as a measure of both the localized volume of activity in a defined area and the proportion of activity occurring in non-residential and outdoor land uses. We utilize this approach to capture inflows/outflows of people as a result of the pandemic and changes in mobility behavior for those that remain. First, we develop a generalizable method for assessing neighborhood activity levels by land use type using smartphone geolocation data over a three-month period covering more than 12 million unique users within the Greater New York area. Second, we measure and analyze disparities in community social distancing by identifying patterns in neighborhood activity levels and characteristics before and after the stay-at-home order. Finally, we evaluate the effect of social distancing in neighborhoods on COVID-19 infection rates and outcomes associated with localized demographic, socioeconomic, and infrastructure characteristics in order to identify disparities in health outcomes related to exposure risk. Our findings provide insight into the timely evaluation of the effectiveness of social distancing for individual neighborhoods and support a more equitable allocation of resources to support vulnerable and at-risk communities. Our findings demonstrate distinct patterns of activity pre- and post-COVID across neighborhoods. The variation in exposure density has a direct and measurable impact on the risk of infection.

연구 동기 및 목표

• 스마트폰 위치 기록 데이터를 활용한 고해상도, 확장 가능한 지역 활동 수준 측정 방법을 개발하기 위해.
• 다양한 사회경제적 및 인구통계적 특성을 지닌 지역 간 사회적 거리 두기 행동의 격차를 평가하기 위해.
• 노출 밀도와 코로나19 감염률 간의 관계를 건강의 사회적 결정요인을 보정하여 평가하기 위해.
• 이동성과 직업 패턴의 구조적 불평등으로 인해 감염 위험이 비례적으로 높아지는 취약 지역 사회를 특정하기 위해.
• 실시간 이동 데이터를 건강 결과 격차와 연계하여 공정한 공중보건 정책을 지원하기 위해.

제안 방법

• 노출 밀도($E_x\rho$)를 국소적 활동 부피와 비주거 또는 외부 공간에서의 활동 비율의 복합 지표로 정의하였으며, 이는 전파 위험과 관련이 있다.
• 뉴욕 대도시권 전역에서 1,200만 명 이상의 고유 사용자로부터의 익명화된 스마트폰 위치 기록 데이터를 활용하였다.
• 데이터를 250m 공간 격자로 집계하고, 공중보건 보고 지리와 일치시키기 위해 우편번호 수준으로 추가로 집계하였다.
• 노출 밀도 지표의 지역 간 및 도시 간 비교 가능성을 확보하기 위해 정규화 기법을 적용하였다.
• 자가격리 명령 이전 및 이후의 이동 패턴을 기반으로 주거지 이탈, 안정, 활동 증가 등의 유형으로 지역 사회를 군집화하였다.
• 다변량 회귀 모델을 활용하여 사회적 거리 두기 행동과 노출 밀도 간의 관계를 분석하였으며, 인구통계, 사회경제적 요인 및 인프라 요소를 보정하였다.

실험 결과

연구 질문

• RQ1 자기격리 명령 이전과 이후에 지역 수준의 활동 패턴과 노출 밀도는 어떻게 변화하는가?
• RQ2 사회경제적 및 인구통계적 특성이 지역 간 사회적 거리 두기 행동의 차이를 어느 정도 예측할 수 있는가?
• RQ3 노출 밀도와 지역 수준의 실제 코로나19 감염률, 양성률, 사망률 간의 관계는 어떠한가?
• RQ4 소득, 인종, 건강보험 접근성, 직업 유형 등의 구조적 요인이 노출 밀도가 건강 결과에 미치는 영향을 어떻게 조절하는가?
• RQ5 노출 밀도는 패an드믹 기간 동안 고위험 지역 사회를 예측하고 공정하게 특정하는 데 유용한 지표가 될 수 있는가?

주요 결과

• 노출 밀도가 가장 높았던 지역—특히 저소득 및 소수민족 지역—는 사회적 결정요인을 보정한 후에도 가장 높은 감염률, 양성률 및 사망률을 보였다.
• 부유한 맨해튼과 브루클린 지역 주민들은 활동을 크게 줄이고 이주함으로써 노출 밀도가 크게 감소하고 감염률도 낮아졌다.
• 안정된 지역(주로 저소득 및 소수민족)은 필수 직종에서의 일과 원격 근무 옵션의 부족으로 패안드믹 이전 수준의 활동을 유지하여 지속적으로 높은 노출 밀도를 유지하였다.
• 낮은 밀도이지만 농촌 유사 지역에서는 외부 및 비주거 공간에서의 활동량 증가로 인해 노출 밀도가 증가하였으며, 이는 낮은 인구 밀도에도 불구하고 접촉 위험을 증가시켰다.
• 노출 밀도 감소는 인구당 감염 및 사망률 감소와 직접적으로 상관관계가 있었으며, 이는 건강 결과 예측 능력을 확인시켰다.
• 저소득, 소수민족, 건강보험 접근성이 낮은 지역 사회는 복합 위험도가 가장 높아 가장 큰 부담을 떠넘겼으며, 이는 팬데믹 취약성에 대한 구조적 불평등을 확인시켰다.