[论文解读] Effect of population density on epidemics

Ruiqi Li, Peter Richmond+1 more|HAL (Le Centre pour la Communication Scientifique Directe)|Mar 10, 2018

COVID-19 epidemiological studies被引用 14

一句话总结

本文表明，当人口密度在足够大且分布均匀的区间内测量，且初始易感性较高时，人口密度对流行病规模具有显著影响。基于1918年流感大流行的历史数据，作者发现密度与死亡率之间存在非线性正相关关系——尤其是在对数尺度下——这证实了经典Kermack-McKendrick模型的预测，并挑战了‘低密度原住民人口因缺乏免疫力而被灭绝’的假设。

ABSTRACT

Investigations of a possible connection between population density and the propagation and magnitude of epidemics have so far led to mixed and unconvincing results. There are three reasons for that. (i) Previous studies did not focus on the appropriate density interval. (ii) For the density to be a meaningful variable the population must be distributed as uniformly as possible. If an area has towns and cities where a majority of the population is concentrated its average density is meaningless. (iii) In the propagation of an epidemic the initial proportion of susceptibles (that is to say persons who have not developed an immunity) is an essential, yet usually unknown, factor. The assumption that most of the population is susceptible holds only for new strain of diseases. It will be shown that when these requirements are taken care of, the size of epidemics is indeed closely connected with the population density. This empirical observation comes as a welcome confirmation of the classical KMK (Kermack-McKendrick 1927) model. Indeed, one of its key predictions is that the size of the epidemic increases strongly (and in a non linear way) with the initial density of susceptibles. An interesting consequence is that, contrary to common beliefs, in sparsely populated territories, like Alaska, Australia or the west coast of the United states the size of epidemics among native populations must have been limited by the low density even for diseases for which the natives had no immunity (i.e., were susceptibles).

研究动机与目标

• 通过识别先前研究中的方法论缺陷，解决关于人口密度在流行病传播中作用的矛盾发现。
• 检验在控制均匀分布和初始易感性的情况下，人口密度是否能可靠预测流行病规模。
• 检验Kermack-McKendrick模型在真实历史流行病数据中的有效性。
• 重新评估关于原住民人口因流行病而崩溃的主张，重新审视低人口密度的作用。

提出的方法

• 分析1918年美国各州层面的人口密度与流感及肺炎死亡率的历史数据。
• 对密度和死亡率进行对数变换，以改善相关性检测并处理极端低密度情况。
• 应用统计方法计算（密度，死亡率）配对的相关系数和置信区间。
• 通过比较不同疾病类别（流感与肺炎）的结果，隔离密度的影响。
• 以Kermack-McKendrick SIR模型作为理论框架，解释实证发现。
• 聚焦于人口分布均匀的区域，以避免因平均密度值导致的误导。

实验结果

研究问题

• RQ1 当测量方法正确时，人口密度是否显著影响流行病的规模与严重程度？
• RQ2 为何先前的研究未能检测到人口密度与流行病死亡率之间的相关性？
• RQ3 初始易感个体比例如何与密度相互作用，以塑造流行病结果？
• RQ4 Kermack-McKendrick模型在多大程度上能够解释低密度人口中的现实流行病模式？
• RQ5 在阿拉斯加或太平洋岛屿等人口稀疏地区，原住民是否因缺乏免疫力而经历了大规模流行病？

主要发现

• 当使用线性尺度时，美国各州流感的密度与死亡率之间的相关性较弱（r = 0.10），且不显著（95% 置信区间：-0.27 至 0.45）。
• 经对数变换后，肺炎的 log(密度) 与 log(死亡率) 之间的相关性显著改善（r = 0.62，95% 置信区间：0.33 至 0.80），表明存在强烈关系。
• 当密度高于每平方公里50人时，密度与死亡率之间的关系变得更加一致且分散度降低，表明存在阈值效应。
• 本研究证实，流行病规模随初始易感密度的非线性增加而增加，这与Kermack-McKendrick模型的预测一致。
• 在低密度地区（如阿拉斯加或内华达州，d ≈ 1 人/km²），新型传染病的死亡率约为高密度地区（如法国，d ≈ 100 人/km²）的2.5倍，这是由于密度-死亡率关系中的0.20次幂效应。
• 尽管有免疫力丧失的说法，但阿拉斯加和汤加以后与欧洲人接触却未出现大规模人口崩溃，表明低密度本身限制了流行病传播，从而挑战了‘免疫力驱动灭绝’的叙事。