[논문 리뷰] Quantifying the influence of inter-county mobility patterns on the COVID-19 outbreak in the United States

Qianqian Sun, Yixuan Pan외 3명|arXiv (Cornell University)|2020. 06. 24.

COVID-19 epidemiological studies참고 문헌 23인용 수 5

한 줄 요약

이 연구는 1억台 이상의 익명화된 모바일 기기 위치 데이터를 사용하여 미국 내 연방 카운티 간 이동 패턴이 코로나19 전파에 미친 영향을 정량화한다. 이는 외부 위험(연방 카운티 간 이동 유입)과 내부 위험(고위험 인구 집단의 취약성)을 별도로 측정하는 '로그선형 双중위험 모델'을 도입하여, 특히 뉴욕시의 유입으로 인한 전파가 심화되었음을 밝혀낸다.

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.

연구 동기 및 목표

• 미국 내 연방 카운티 간 이동 패턴이 코로나19의 지리적 전파에 어떤 기여를 했는지 이해하기 위해.
• 외부 위험(이동을 통한 수입된 감염 사례)과 내부 위험(고위험 인구 집단의 연방 카운티 수준의 취약성)이 지역 전파에 미치는 상대적 영향을 정량화하기 위해.
• 보다 정보 기반의 비약리적 조치를 위한 이동 기반 패안드레믹 역학의 상황 인식을 향상시키기 위해.
• 지역 전파 심각도를 예측하기 위해 이동 기반 위험 요소와 내재적 위험 요소를 통합한 연방 카운티 수준의 모델을 개발하기 위해.

제안 방법

• 이 연구는 미국 전역의 연방 카운티 간 실질적인 이동 유량을 재구성하기 위해 1억 대 이상의 익명화된 모바일 기기 위치 데이터를 사용한다.
• 연구는 뉴욕시 집중지와 그 외부 연방 카운티로의 유출을 중심으로, 연방 카운티 간 이동의 시간적 추세와 공간 분포를 분석한다.
• 연방 카운티 수준에서 외부 위험(이동 유입에 기인)과 내부 위험(고위험 형질을 가진 인구에 기인)을 통합한 '로그선형 이중위험 모델'을 개발한다.
• 이 모델은 로그선형 회귀 프레임워크를 사용하여 양쪽 위험 요소가 지역 확진자 수에 미치는 영향을 정량화한다.
• 모델은 익명화된 기기 데이터에서 유도된 연방 카운티 수준의 확진자 수와 이동 유량 행렬을 사용하여 검증된다.

실험 결과

연구 질문

• RQ1 연방 카운티 간 이동은 미국 내 코로나19의 지리적 전파에 얼마나 기여했는가?
• RQ2 뉴욕시와 같은 고영향도 집중지에서의 유출은 다른 연방 카운티의 확진자 발생에 어떤 영향을 미치는가?
• RQ3 외부 위험(이동을 통한 수입 감염)과 내부 위험(지역 인구의 취약성)이 지역 전파에 미치는 상대적 기여는 무엇인가?
• RQ4 로그선형 이중위험 모델은 이동 및 인구 통계적 위험 요소를 바탕으로 연방 카운티 수준의 전염병 심각도를 효과적으로 정량화하고 예측할 수 있는가?

주요 결과

• 연방 카운티 간 이동 유량은 특히 높은 유동성 집중지인 뉴욕시와 같은 곳에서 전파를 심화시켰다.
• 뉴욕시의 유출은 동부 및 중서부 지역의 다른 연방 카운티에서 초기 확진자 증가의 주요 원인이었으며, 특히 그렇다.
• '로그선형 이중위험 모델'은 강력한 예측 능력을 보였으며, 외부 이동 위험과 내부 인구 취약성 모두가 지역 확진자 수에 독립적으로 영향을 미친다는 점을 입증했다.
• 고위험 형질을 가진 인구 비율이 높은 연방 카운티는 이동 유입을 고려한 후에도 비례적으로 높은 전파율을 경험했다.
• 이 연구는 이동 패턴이 패안드레믹 역학에서 중요한 정량적 요소임을 드러내며, 이동 인식 기반 조치의 가치를 강조한다.