[논문 리뷰] Fever and mobility data indicate social distancing has reduced incidence of communicable disease in the United States

Parker Liautaud, Peter Huybers외 1명|arXiv (Cornell University)|2020. 04. 21.

COVID-19 epidemiological studies참고 문헌 40인용 수 7

한 줄 요약

이 연구는 미국의 100例 이상의 COVID-19 확진자가 있는 카운티에서 스마트 체온계 데이터와 익명화된 모바일 이동성 데이터를 사용하여, 사회적 거리두기로 인한 인간 이동 감소가 SARS-CoV-2의 잠복기와 일치하는 6.5일의 지연을 거쳐 열병 유병률 감소로 이어졌음을 보여준다. 연구 결과는 사회적 거리두기가 미국 전역에서 전염병, 특히 COVID-19의 전파를 효과적으로 줄였음을 시사한다.

ABSTRACT

In March of 2020, many U.S. state governments encouraged or mandated restrictions on social interactions to slow the spread of COVID-19, the disease caused by the novel coronavirus SARS-CoV-2 that has spread to nearly 180 countries. Estimating the effectiveness of these social-distancing strategies is challenging because surveillance of COVID-19 has been limited, with tests generally being prioritized for high-risk or hospitalized cases according to temporally and regionally varying criteria. Here we show that reductions in mobility across U.S. counties with at least 100 confirmed cases of COVID-19 led to reductions in fever incidences, as captured by smart thermometers, after a mean lag of 6.5 days ($90\%$ within 3--10 days) that is consistent with the incubation period of COVID-19. Furthermore, counties with larger decreases in mobility subsequently achieved greater reductions in fevers ($p<0.01$), with the notable exception of New York City and its immediate vicinity. These results indicate that social distancing has reduced the transmission of influenza like illnesses, including COVID 19, and support social distancing as an effective strategy for slowing the spread of COVID-19.

연구 동기 및 목표

• 초기 팬데믹 기간 동안 미국에서 사회적 거리두기가 열병을 유발하는 전염병의 유병률에 미치는 영향을 평가하기 위해.
• 확진자 및 사망자 수 보고의 한계를 극복하고 스마트 체온계와 모바일 위치 추적과 같은 실시간, 분산형 데이터 소스를 활용하기 위해.
• 이동성 변화와 열병 유병률 변화 사이의 지연이 SARS-CoV-2의 잠복기와 일치하는지 확인하기 위해.
• 이동성 감소의 정도가 열병 유병률 감소의 정도를 예측할 수 있는지, 카운티 수준의 변동성을 고려하여 평가하기 위해.
• 약물 치료 외 조치인 사회적 거리두기와 같은 비약리학적 조치가 신뢰할 수 있는 검사가 없더라도 질병 전파를 효과적으로 늦출 수 있음을 입증하기 위해.

제안 방법

• Cuebiq에서 제공한 집계된 익명화된 스마트폰 위치 데이터를 사용하여, 사용자 1인당 일일 이동 거리의 상자-10 로그를 기반으로 한 이동성 지수 M을 계산하였다.
• 스마트 체온계 데이터는 전국적 사용자 네트워크를 통해 일일 열병 유병률 추정치를 제공하였으며, 이는 인플루엔자 유사 질환과 COVID-19의 지표로 기능하였다.
• 분석은 2020년 4월 10일 기준으로 최소 100건의 확진자가 있는 368개의 미국 카운티에 집중되었다.
• 이동성 변화와 열병 유병률 변화 사이의 지연을 규명하기 위해 교차상관분석을 수행하였으며, 평균 6.5일의 지연이 유의미하게 발견되었다.
• 이동성 감소의 정도가 열병 유병률 감소의 정도를 예측하는지 확인하기 위해, 카운티 수준의 변동성을 보정한 회귀 모델을 사용하였다.
• 생물학적 잠복기와 일치하는 추세와 지연을 고려하여, 분산형 데이터 소스의 잠재적 편향을 보완하였다.

실험 결과

연구 질문

• RQ1 사회적 거리두기로 인한 인간 이동 감소가 미국 카운티 전역에서 열병 유병률 감소로 이어지는가?
• RQ2 이동성 감소와 열병 유병률 감소 사이의 시간 지연은 SARS-CoV-2의 잠복기와 일치하는가?
• RQ3 이동성 감소 폭이 더 큰 카운티에서는 열병 유병률 감소 폭도 비례적으로 더 큰가?
• RQ4 관찰된 열병 유병률 패턴은 인플루엔자 유사 질환과 COVID-19의 전파 감소와 일치하는가?
• RQ5 스마트 체온계 및 이동성 데이터의 결과는 확진자 수나 사망자 수와 같은 전통적 감시 지표와 어떻게 비교되는가?

주요 결과

• 이동성 감소와 열병 유병률 감소 사이의 평균 지연은 6.5일이며, 지연 분포의 90%가 3일에서 10일 사이에 분포하여 SARS-CoV-2의 잠복기와 일치한다.
• 이동성 감소 폭이 더 큰 카운티에서는 열병 유병률 감소 폭이 유의미하게 더 크게 나타났으며, p값 < 0.01로 강한 통계적 유의성을 보였다.
• 뉴욕 시티 및 그 주변 카운티에서는 이동성과 열병 유병률 감소 간의 관계가 관찰되지 않아, 전파 역학이나 데이터 신뢰도 측면에서 지역적 차이가 있을 수 있음을 시사한다.
• 스마트 체온계 데이터의 활용은 인플루엔자 유사 질환과 COVID-19 전파를 거의 실시간으로 반영하는 지표를 제공하였으며, 확진자 수와 비교해 더 빠르고 대표성이 높은 신호를 제공한다.
• 결과는 사회적 거리두기 조치가 초기 팬데믹 기간 동안 미국 전역에서 전염병, 특히 SARS-CoV-2의 전파를 줄였음을 뒷받침한다.
• 이 연구는 신속하고 분산된 실시간 데이터 스트림이 신종 감염병 유행 기간 동안 공중보건 조치의 모니터링 및 평가에 유용함을 입증한다.