[论文解读] Characterizing collective physical distancing in the U.S. during the first nine months of the COVID-19 pandemic

Brennan Klein, Timothy LaRock+14 more|arXiv (Cornell University)|Dec 17, 2022

COVID-19 epidemiological studies被引用 4

一句话总结

本研究利用来自超过550万名用户的匿名化、保护隐私的移动设备定位数据，对美国在新冠疫情爆发最初九个月内的集体物理距离行为进行了表征。研究提出了五项移动与接触指标，用于量化移动范围、通勤行为、跨城市出行、家庭与工作场所外的接触对象数量以及接触时长的变化，揭示了其与死亡率、失业率等公共卫生结果之间的强烈统计关联，并识别出接触减少是死亡趋势的早期预测指标。

ABSTRACT

The COVID-19 pandemic offers an unprecedented natural experiment providing insights into the emergence of collective behavioral changes of both exogenous (government mandated) and endogenous (spontaneous reaction to infection risks) origin. Here, we characterize collective physical distancing -- mobility reductions, minimization of contacts, shortening of contact duration -- in response to the COVID-19 pandemic in the pre-vaccine era by analyzing de-identified, privacy-preserving location data for a panel of over 5.5 million anonymized, opted-in U.S. devices. We define five indicators of users' mobility and proximity to investigate how the emerging collective behavior deviates from the typical pre-pandemic patterns during the first nine months of the COVID-19 pandemic. We analyze both the dramatic changes due to the government mandated mitigation policies and the more spontaneous societal adaptation into a new (physically distanced) normal in the fall 2020. The indicators defined here allow the quantification of behavior changes across the rural/urban divide and highlight the statistical association of mobility and proximity indicators with metrics characterizing the pandemic's social and public health impact such as unemployment and deaths. This study provides a framework to study massive social distancing phenomena with potential uses in analyzing and monitoring the effects of pandemic mitigation plans at the national and international level.

研究动机与目标

• 理解在疫苗问世前的疫情阶段，集体物理距离行为如何响应政府指令与个人风险感知而演变。
• 开发一个多维框架，利用真实世界移动设备数据量化大规模的移动与接触行为变化。
• 评估城市与农村人口在距离行为上的差异，并评估其与疫情相关社会经济指标的关联。
• 识别出可提前或与关键公共卫生指标（如感染病例数与死亡率）相关的行为指标。
• 提供一个公开可访问、数据驱动的框架，用于在国家和国际层面监测与评估疫情缓解策略。

提出的方法

• 使用2020年1月至9月期间收集的、来自超过550万名美国用户、已去标识化且聚合的GPS定位数据。
• 定义了五项关键行为指标：日均移动范围、通勤比例、跨城市出行率、家庭与工作场所外的唯一接触对象数量以及平均接触时长。
• 应用空间聚类与地理哈希（Geohash）技术，按位置对用户分组并计算接触度量，同时保护隐私。
• 追踪这些指标随时间的变化，以捕捉从疫情初期响应到2020年秋季持续物理距离行为的转变。
• 将行为指标与官方公共卫生与经济数据进行相关性分析，包括每周新冠死亡人数与失业率。
• 开发了一个交互式仪表板，实现实时可视化与共享匿名化移动指标及研究结果。

实验结果

研究问题

• RQ1 在美国疫情爆发的最初九个月中，通过移动与接触行为衡量的集体物理距离行为如何演变？
• RQ2 移动与接触减少指标在多大程度上与官方公共卫生结果（如每周死亡人数与失业率）相关？
• RQ3 城市与农村人口在距离行为上存在哪些差异？从紧急措施向新常态过渡时，会呈现出何种模式？
• RQ4 个人接触减少是否可作为死亡率上升趋势的早期预警信号？
• RQ5 这些行为指标在多大程度上可用于标定与验证流行病传播模型？

主要发现

• 五项行为指标——移动范围、通勤行为、跨城市出行、唯一接触对象数量与接触时长——共同捕捉到了美国人口整体向物理距离行为转变的宏观趋势。
• 接触频率与时长的减少被观察到先于每周新冠死亡人数的上升，表明其具有作为早期预警信号的潜力。
• 农村人口的基线移动与接触率较低，但其接触频率的相对减少幅度小于城市地区。
• 这些指标与失业率及远程办公采用率表现出强烈的统计关联，表明行为与经济及政策变化保持一致。
• 该框架成功量化了2020年秋季即使在初始指令放松后，一种新的‘物理距离化’常态的出现。
• 本研究证明，移动设备数据可提供近乎实时的情境感知能力，并支持大规模范围内的基于证据的政策评估。