[论文解读] COVID-19 in Mexico: A Network of Epidemics

Guillermo de Anda‐Jáuregui|arXiv (Cornell University)|Jun 20, 2020

COVID-19 epidemiological studies被引用 11

一句话总结

本研究利用互信息分析墨西哥1623个市镇每日新冠确诊病例数之间的统计依赖关系，揭示了一个由114个相互关联的市镇组成的网络，形成四个具有协调流行病动力学特征的独立群体。这些聚类并非地理邻近，表明社会人口和行为因素在传播模式中的作用超越了地理距离的影响。

ABSTRACT

Mexico, like the rest of the world, is currently facing the The COVID-19 pandemic. Given the size of its territory, the efforts to contain the disease have involved both national and regional measures. For this work, the curves of daily new cases of each municipality reported by the federal government were compared. We found that 114 municipalities form a large network of statistically dependent epidemic phenomena. Based on the network's modular structure, these 114 municipalities can be split into four distinct communities of coordinated epidemic phenomena. These clusters are not limited by geographical proximity. These findings can be helpful for public health officials for the evaluation of past strategies and the development of new directed interventions.

研究动机与目标

• 识别墨西哥各市镇间新冠传播的协调模式。
• 评估流行病动力学是否由地理邻近性驱动，或受其他社会人口因素影响。
• 通过数据驱动的网络分析揭示病例报告中的潜在依赖关系。
• 通过揭示区域间结构化、非随机的流行病协调特征，支持公共卫生规划。

提出的方法

• 应用互信息（MI）量化各市镇每日归一化病例数时间序列之间的统计依赖性。
• 采用保守的MI阈值0.55以定义市镇之间的网络边。
• 利用该MI阈值构建一个由114个市镇组成的网络，其流行病曲线具有统计依赖性。
• 采用Louvain算法进行社区检测，以识别网络内的模块化结构。
• 使用标准指标分析网络拓扑结构：密度、聚类系数、平均路径长度及度分布。
• 聚焦于2020年3月1日至5月31日期间，以减轻报告延迟的影响。

实验结果

研究问题

• RQ1 墨西哥各市镇的每日病例曲线之间是否存在统计显著的依赖关系？
• RQ2 这些依赖关系是否反映地理邻近性，或受其他非空间因素影响？
• RQ3 墨西哥的流行病动态能否被描述为一个相互关联、协调爆发的网络？
• RQ4 该流行病网络的结构特性是什么，其在各区域的分布特征如何？

主要发现

• 114个市镇构成一个单一连通网络，包含1622条边，平均度为28.5。
• 该网络具有较高的聚类系数（0.65）和较短的平均路径长度（1.89），表明存在强局部连通性。
• 该网络被划分为四个不同的社区（模块），其内部连通性更高，且不受地理邻近性的限制。
• 第一社区包含17个州的43个市镇，包括坎佩切和普埃布拉州的塔斯卡拉等偏远地区。
• 第三社区在累计病例数上最大（43,421例），包含蒂华纳、坎昆以及墨西哥城部分区域等主要城市。
• 第四社区最小，仅包含四个市镇，通过米却肯州的拉萨罗卡德纳斯港口相连，该港口是网络中高度连通的节点。