[论文解读] Automated Contact Tracing: a game of big numbers in the time of COVID-19

Hyunju Kim, Ayan Paul|arXiv (Cornell University)|Jan 1, 2020

COVID-19 Digital Contact Tracing参考文献 44被引用 3

一句话总结

本文评估了在新冠疫情期间使用移动设备近距离数据进行自动化接触追踪的成效，建模分析了不同人群参与率下的效果。研究发现，若参与率未达到接近全民覆盖——特别是75%至95%的最低门槛——仅靠自动化接触追踪无法控制SARS-CoV-2的传播，原因在于潜伏期传播和采样偏差，因此必须结合多种缓解策略才能有效。

ABSTRACT

One of the more widely advocated solutions for slowing down the spread of COVID-19 has been automated contact tracing. Since proximity data can be collected by personal mobile devices, the natural proposal has been to use this for automated contact tracing providing a major gain over a manual implementation. In this work, we study the characteristics of voluntary and automated contact tracing and its effectiveness for mapping the spread of a pandemic due to the spread of SARS-CoV-2. We highlight the infrastructure and social structures required for automated contact tracing to work. We display the vulnerabilities of the strategy to inadequate sampling of the population, which results in the inability to sufficiently determine significant contact with infected individuals. Of crucial importance will be the participation of a significant fraction of the population for which we derive a minimum threshold. We conclude that relying largely on automated contact tracing without population-wide participation to contain the spread of the SARS-CoV-2 pandemic can be counterproductive and allow the pandemic to spread unchecked. The simultaneous implementation of various mitigation methods along with automated contact tracing is necessary for reaching an optimal solution to contain the pandemic.

研究动机与目标

• 评估利用移动设备近距离数据进行自动化接触追踪在控制SARS-CoV-2传播中的可行性。
• 确定自动化接触追踪有效所需的最低人群参与率阈值。
• 分析潜伏期传播和病例报告不全如何削弱自动化接触追踪的效率。
• 评估如个人防护装备（PPE）使用和检测等补充措施对接触追踪表现的影响。
• 证明仅靠自动化接触追踪无法奏效，必须依赖广泛自愿参与和整合的公共卫生策略。

提出的方法

• 本研究采用概率框架对接触追踪进行建模，考虑了传播概率（pt）、病例检测率（rc）和参与率（fe）。
• 根据既定流行病学标准，将‘重要接触’定义为两人在2米以内停留至少15分钟。
• 模型假设为自愿参与，不包含闭路电视、信用卡或位置日志数据，仅聚焦于移动设备提供的近距离数据。
• 推导出一个关键关系式，表明自动化接触追踪的效率在很大程度上取决于参与率（fe）、检测率（rc）和传播概率（pt）的乘积。
• 分析中纳入了基本再生数（R0）和聚集参数（k）等参数，其数值依据早期疫情研究中SARS-CoV-2的数据确定。
• 该模型具有通用性，不依赖于特定实现方法或对r0和t0的定义，可推广应用于其他病原体。

实验结果

研究问题

• RQ1 为有效控制SARS-CoV-2传播，参与自动化接触追踪的人群最低应占总人口的多少比例？
• RQ2 潜伏期传播如何影响自动化接触追踪的可靠性和完整性？
• RQ3 病例检测不全（如未记录感染）在多大程度上削弱了基于近距离关系的接触追踪效果？
• RQ4 如个人防护装备使用和检测等补充措施在多大程度上提升了自动化接触追踪的效率？
• RQ5 对于SARS-CoV-2这类具有高度潜伏期传播特性的病原体，仅靠自动化接触追踪能否控制疫情？

主要发现

• 为使自动化接触追踪有效控制SARS-CoV-2传播，至少需要75%至95%的人群积极参与。
• 若缺乏接近全民参与，自动化接触追踪可能适得其反，导致传播失控，原因在于未能充分采样感染者。
• 模型表明，参与率（fe）、病例检测率（rc）和传播概率（pt）的乘积决定了接触追踪的整体效率。
• 潜伏期传播显著降低了接触追踪的效率，因为感染者在被识别前已传播病毒。
• 本研究证实，仅靠自动化接触追踪无法控制SARS-CoV-2；必须结合社交距离、PPE使用和广泛检测等措施。
• 研究结果与采用分支过程模型的独立研究一致，进一步支持了高参与率对成功至关重要这一结论。