[논문 리뷰] Effectiveness and Compliance to Social Distancing During COVID-19

Kristi Bushman, Konstantinos Pelechrinis외 1명|arXiv (Cornell University)|2020. 06. 23.

COVID-19 epidemiological studies참고 문헌 22인용 수 13

한 줄 요약

이 연구는 2020년 1월 이래로 미국의 인구 블록 그룹 1800만 개에서 수집된 SafeGraph의 익명화되고 집계된 이동 데이터를 활용하여, 매주 집에 머무르는 사람들의 비율이 3주 후에 발생하는 코로나19 관련 사망자 수를 인과적으로 예측함을 보여준다. 이는 사망자 수가 이동 행동에 영향을 주지 않는다는 것을 의미한다. 또한, 인구 통계적 불균형을 규명하기 위해 베타 회귀 프레임워크를 개발하여, 연령과 소수민족 집단이 젊고 백인 집단보다 이동 감소 정도가 낮았음을 밝혀내었으며, 이는 소득 관련 제약 때문이었다.

ABSTRACT

In the absence of pharmaceutical interventions to curb the spread of COVID-19, countries relied on a number of nonpharmaceutical interventions to fight the first wave of the pandemic. The most prevalent one has been stay-at-home orders, whose the goal is to limit the physical contact between people, which consequently will reduce the number of secondary infections generated. In this work, we use a detailed set of mobility data to evaluate the impact that these interventions had on alleviating the spread of the virus in the US as measured through the COVID-19-related deaths. To establish this impact, we use the notion of Granger causality between two time-series. We show that there is a unidirectional Granger causality, from the median percentage of time spent daily at home to the daily number of COVID-19-related deaths with a lag of 2 weeks. We further analyze the mobility patterns at the census block level to identify which parts of the population might encounter difficulties in adhering and complying with social distancing measures. This information is important, since it can consequently drive interventions that aim at helping these parts of the population.

연구 동기 및 목표

• 이동 데이터를 활용하여 주 정부의 ‘집에 머무르기’ 명령이 코로나19 사망자 수 감소에 얼마나 효과적인지 평가하기.
• 사회적 거리 두기 조치에 덜 준수하는 인구 집단을 특정하기.
• 이동 데이터와 이전 사망자 수 데이터를 활용해 주간 사망자 수를 예측하는 모델 개발하기.
• 모든 인구 블록 그룹에서의 이동 패턴과 준수 수준을 시각화하기 위한 동적 대시보드 구축하기.
• 준수 격차의 메커니즘, 특히 소득과 필수 직업 역할이 영향을 미치는 방식 탐색하기.

제안 방법

• 매주 집에 머무르는 사람들의 비율이 3주 후의 코로나19 사망자 수를 예측하는지 확인하기 위해 Granger 인과관계를 적용하기.
• 자기회귀 및 이동 기반 특징을 활용하여 주간 사망자 예측 모델을 구축하기.
• 인구 통계적 공변량을 사용하여 인구 블록 그룹 수준에서 집에 머무는 시간 비율을 모델링하기 위해 베타 회귀를 활용하기.
• ‘집에 머무르기’ 명령 이전과 이후의 이동 패턴을 분석하여 특정 인구 집단과 관련된 이격 현상 탐지하기.
• 시간적 시리즈와 이동 유입/유출의 지도 시각화를 포함한 상호작용 가능한 대시보드를 통해 이동 및 준수 데이터를 시각화하기.
• 2020년 1월 이래 미국 인구 블록 그룹 전역에서 1800만 대의 기기 데이터를 포함한 SafeGraph의 익명화되고 집계된 이동 데이터 사용하기.

실험 결과

연구 질문

• RQ1 집에 머무르는 사람들의 비율이 3주의 지연을 거쳐 코로나19 관련 사망자 수 변화를 인과적으로 예측할 수 있는가?
• RQ2 이동 행동과 보고된 사망자 수 사이에 상호 인과관계가 존재하는가? 즉, 사망자가 이동 행동에 영향을 주는 피드백 효과가 있는가?
• RQ3 어떤 인구 집단이 사회적 거리 두기에 덜 준수하는가? 이러한 차이를 설명하는 요인은 무엇인가?
• RQ4 이동 패턴과 인구 통계 데이터를 활용해 향후 주간 사망자 수를 합리적인 정확도로 예측할 수 있는가?
• RQ5 팬데믹 기간 동안 미국 인구 블록 그룹 전역에서 이동 행동에 나타나는 공간적 및 인구 통계적 패턴은 무엇인가?

주요 결과

• 집에 머무르는 사람들의 주간 비율이 코로나19 관련 사망자 수에 대해 3주의 지연을 거쳐 단방향 Granger 인과관계를 보였다.
• 상호 인과관계에 대한 증거는 발견되지 않았으며, 이는 사망자 수가 이동 행동 변화에 영향을 주지 않았음을 시사한다.
• 베타 회귀 모델은 연령이 많고 소수민족인 집단이 젊고 백인 집단보다 집에 머무는 시간을 덜 늘렸음을 밝혀냈다.
• 소득 격차는 인구 집단 간 이동 감소 정도의 관찰된 차이의 상당 부분을 설명한다.
• 이동 데이터와 사망자 수 데이터를 활용한 예측 모델은 주간 사망자 예측에 대해 뛰어난 외부 검증 성능을 보였다.
• 상호작용 가능한 대시보드를 통해 인구 블록 그룹 수준에서 이동 유입/유출 흐름, 준수 수준, 인구 통계적 특징을 시각화할 수 있었다.