[论文解读] Effectiveness and Compliance to Social Distancing During COVID-19

Kristi Bushman, Konstantinos Pelechrinis+1 more|arXiv (Cornell University)|Jun 23, 2020

COVID-19 epidemiological studies参考文献 22被引用 13

一句话总结

本研究利用SafeGraph提供的美国出行数据，通过格兰杰因果分析发现，每周居家人口比例的增加可因果性地预测3周后新冠相关死亡人数的变化，且死亡人数对出行行为无反向影响。研究进一步构建了贝塔回归框架，识别出在防护措施遵守程度上的种族与年龄差异：老年人群和少数族裔减少出行的程度低于年轻人和白人群体，部分原因在于收入相关限制。

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.

研究动机与目标

• 利用出行数据评估居家令对减少新冠死亡人数的有效性。
• 识别对社交距离措施遵守程度较低的人口群体。
• 开发基于出行数据与历史死亡数据的每周死亡人数预测模型。
• 创建动态仪表板，用于可视化各普查街区群体的出行模式与遵守程度。
• 探讨遵守差异背后的作用机制，特别是收入水平与关键岗位工作角色的影响。

提出的方法

• 应用格兰杰因果分析，检验每周平均居家人口比例是否能预测未来3周的新冠死亡人数。
• 使用自回归与出行相关特征，构建短期每周死亡人数预测模型。
• 采用贝塔回归模型，基于人口统计学协变量，对普查街区群体层面的居家时间占比进行建模。
• 分析居家令实施前后出行行为的变化，检测与特定人口群体相关的异常波动。
• 通过交互式仪表板可视化出行与遵守数据，实现对流入/流出交通流量的时间序列与空间分布映射。
• 使用SafeGraph提供的匿名化、聚合化出行数据，覆盖自2020年1月以来美国1800万个设备的普查街区群体数据。

实验结果

研究问题

• RQ1 居家人口比例是否能因果性地预测3周后新冠相关死亡人数的变化？
• RQ2 出行行为与报告死亡人数之间是否存在双向格兰杰因果关系，表明存在反馈效应？
• RQ3 哪些人口群体对社交距离措施遵守程度较低？其差异背后的原因是什么？
• RQ4 能否利用出行模式与人口统计数据，合理准确地预测未来每周的死亡人数？
• RQ5 在疫情期间，美国各普查街区群体的出行行为呈现出怎样的空间与人口统计学模式？

主要发现

• 从每周居家人口比例到新冠相关死亡人数之间存在单向格兰杰因果关系，滞后3周。
• 未发现双向格兰杰因果关系的证据，表明死亡人数并未驱动出行行为的变化。
• 贝塔回归模型显示，老年人群和少数族裔增加居家时间的程度低于年轻人和白人群体。
• 收入差异解释了观察到的不同人口群体出行减少程度差异的显著部分。
• 基于出行与死亡数据的预测模型在样本外预测中表现出较强的每周死亡人数预测性能。
• 交互式仪表板可实现对各普查街区群体出行流量、遵守水平与人口统计特征的可视化。