[论文解读] Effects of weather and policy intervention on COVID-19 infection in Ghana

Wahab Abdul Iddrisu, Peter Appiahene+1 more|arXiv (Cornell University)|Apr 28, 2020

COVID-19 epidemiological studies被引用 9

一句话总结

本研究调查了气象因素——气温、湿度、降水量和风速——以及政策干预措施，特别是部分封锁，对加纳2020年3月13日至4月21日期间每日新冠确诊病例数的影响。采用带有滞后预测变量的时间序列广义线性模型，作者发现最高气温、相对湿度和降水量显著预测新感染病例，且部分封锁具有统计显著影响（p = 0.0164），表明在加纳疫情早期传播阶段，天气和政策在传播动态中起着关键作用。

ABSTRACT

Even though laboratory and epidemiological studies have demonstrated the effects of ambient temperature on the transmission and survival of coronaviruses, not much has been done on the effects of weather on the spread of COVID-19. This study investigates the effects of temperature, humidity, precipitation, wind speed and the specific government policy intervention of partial lockdown on the new cases of COVID-19 infection in Ghana. Daily data on confirmed cases of COVID-19 from March 13, 2020 to April 21, 2020 were obtained from the official website of Our World in Data (OWID) dedicated to COVID-19 while satellite climate data for the same period was obtained from the official website of NASA's Prediction of Worldwide Energy Resources (POWER) project. Considering the nature of the data and the objectives of the study, a time series generalized linear model which allows for regressing on past observations of the response variable and covariates was used for model fitting. The results indicate significant effects of maximum temperature, relative humidity and precipitation in predicting new cases of the disease. Also, results of the intervention analysis indicate that the null hypothesis of no significant effect of the specific policy intervention of partial lockdown should be rejected (p-value=0.0164) at a 5\% level of significance. These findings provide useful insights for policymakers and the public.

研究动机与目标

• 评估气象变量对加纳疫情早期阶段每日新冠确诊病例数的影响。
• 评估特定政府政策干预措施——部分封锁——在减少新感染病例方面的有效性。
• 利用滞后天气和政策变量对感染率的时间动态进行建模。
• 为加纳等低资源环境下的公共卫生决策提供基于证据的见解。

提出的方法

• 采用时间序列广义线性模型（GLM）分析每日确诊新冠病例数和气象数据。
• 将响应变量（新病例数）和协变量（气温、湿度、降水量、风速及政策干预）的滞后值作为预测变量纳入模型。
• 确诊病例数据来自Our World in Data（OWID），卫星气候数据来自美国国家航空航天局（NASA）的POWER项目。
• 模型引入自回归结构以考虑感染病例数的时间依赖性。
• 开展干预分析，以检验部分封锁对传播影响的统计显著性。
• 通过p值和基于似然的推断评估模型拟合度和显著性。

实验结果

研究问题

• RQ1 最高气温、相对湿度、降水量和风速在多大程度上能预测加纳每日新增新冠确诊病例？
• RQ2 实施部分封锁是否显著改变了新感染病例的传播轨迹？
• RQ3 天气变量的滞后效应如何影响新冠传播的时间模式？
• RQ4 在考虑时间自相关性后，天气与感染率之间的关系是否具有统计显著性？

主要发现

• 最高气温与每日新增新冠确诊病例呈显著负相关，表明较高气温可能抑制病毒传播。
• 相对湿度对新增病例数具有显著正向影响，表明较高湿度可能促进病毒传播。
• 降水量与新增感染病例显著相关，表明降雨可能影响传播动态。
• 部分封锁干预对减少新感染病例具有统计显著影响（p值 = 0.0164），在5%显著性水平下成立。
• 风速在最终模型中与新增病例数无显著关联。
• 带有滞后预测变量的时间序列GLM对数据拟合良好，能够捕捉传播中的关键时间模式。