[论文解读] Periodicity in Movement Patterns Shapes Epidemic Risk in Urban Environments

Zhanwei Du, Spencer J. Fox+4 more|arXiv (Cornell University)|Sep 13, 2018

Complex Systems and Time Series Analysis参考文献 38被引用 5

一句话总结

本研究基于2014年上海每小时地铁数据，构建了一个动态元种群模型，表明传染病传播速度因疾病引入的时间和地点不同而存在超过20倍的差异。风险最高的情景出现在周五市中心附近，此时过渡性通勤模式将原本彼此隔离的社会群体连接起来，显著提升了传播潜力。

ABSTRACT

Daily variation in human mobility modulates the speed and severity of emerging outbreaks, yet most epidemiological studies assume static contact patterns. With a highly mobile population exceeding 24 million people, Shanghai, China is a transportation hub at high risk for the importation and subsequent global propagation of infectious diseases. Here, we use a dynamic metapopulation model informed by hourly transit data for Shanghai to estimate epidemic risks across thousands of outbreak scenarios. We find that the rate of initial epidemic growth varies by more than twenty-fold, depending on the hour and neighborhood of disease introduction. The riskiest introductions are those occurring close to the city center and on Fridays--which bridge weekday and weekend transit patterns and thereby connect otherwise disconnected portions of the population. The identification of these spatio-temporal hotspots can inform more efficient targets for sentinel surveillance and strategies for mitigating transmission.

研究动机与目标

• 探究城市通勤的日常与每周变化如何影响大城市中流行病暴发的风险。
• 识别特定时间与地点的时空热点区域，即在这些位置和时间引入疾病会导致最剧烈的流行病增长。
• 评估动态接触网络的影响，特别是工作日与周末通勤模式转换对流行病风险的作用。
• 评估静态接触网络模型是否因未能捕捉人类连通性的时序变化而低估流行病风险。
• 通过基于通勤动态的分析，为哨点监测和早期干预提供最优目标，以支持公共卫生策略制定。

提出的方法

• 基于《2015年上海统计年鉴》的人口数据，构建了包含313个城市社区（对应上海地铁站点）的元种群模型。
• 利用2015年4月来自1100万名用户的每小时地铁出行数据，模拟城市范围内动态的人类移动与接触模式。
• 将每个位置的人口规模定义为该区人口除以该区地铁站点数量所得的值。
• 采用基于2009年H1N1大流行传播特征校准的随机SIR模型模拟疾病传播。
• 在10,000次暴发情景中追踪流行病结果，包括初始增长速率、最终攻击率和基本再生数（R0），这些情景的疾病引入时间、日期和位置各不相同。
• 分析网络连贯性与休闲出行比例，以量化社区融合程度及通勤模式转换程度，尤其关注周五的情况。

实验结果

研究问题

• RQ1 在大城市元种群中，疾病引入的时间（一天中的时段）与星期几如何影响流行病增长速率？
• RQ2 上海的哪些社区由于其通勤动态而最可能引发爆炸性流行病传播？
• RQ3 过渡期（如周五下午）在多大程度上通过临时提升网络连通性，促成跨群体快速传播？
• RQ4 动态通勤模式，特别是工作日向周末通勤模式的转变，如何改变城市接触网络的结构与流行病风险？
• RQ5 在每日通勤模式高度多变的城市中，静态接触网络模型能否准确预测流行病风险？

主要发现

• 流行病增长速率因疾病引入的时间与社区不同而存在超过20倍的差异，最高增长速率出现在周五市中心附近。
• 周五引入风险最高，原因在于工作日与周末通勤模式的汇聚，使原本孤立的社会群体临时融合。
• 市中心成为最具流行病学中心性的区域，其高连通性推动了快速传播，尽管这种中心性更多源于网络结构而非单纯的地理接近性。
• 网络连贯性与休闲出行比例在周五和周末达到峰值，表明这些时期跨群体传播潜力显著增加。
• 最高风险情景涉及初始10,000例病例的引入，表明若在连通性高峰期引入，大规模生物恐怖袭击可能引发爆炸性城市流行病。
• 本研究识别出周五下午为关键的时间热点区域，暗示节假日前夕可能因通勤模式转换而同样成为全球疾病暴发的高风险窗口。