[论文解读] Heterogeneous Interventions Reduce the Spread of COVID-19 in Simulations on Real Mobility Data

Haotian Wang, Abhirup Ghosh+3 more|arXiv (Cornell University)|Aug 14, 2020

COVID-19 epidemiological studies参考文献 6被引用 6

一句话总结

本研究基于真实世界移动数据，利用基于代理的模拟，提出针对高活跃个体和热门场所的靶向异质性干预措施，以减少COVID-19传播。通过隔离关键传播者或关闭高流量场所，该方法显著降低感染峰值和总病例数，同时保持80%的社会活动水平，其在效果和社交成本可持续性方面均优于广泛封锁措施。

ABSTRACT

Major interventions have been introduced worldwide to slow down the spread of the SARS-CoV-2 virus. Large-scale lockdowns of human movements are effective in reducing the spread, but they come at a cost of significantly limited societal functions. We show that natural human movements are statistically diverse, and the spread of the disease is significantly influenced by a small group of active individuals and gathering venues. We find that interventions focused on these most mobile individuals and popular venues reduce both the peak infection rate and the total infected population while retaining high social activity levels. These trends are seen consistently in simulations with real human mobility data of different scales, resolutions, and modalities from multiple cities across the world. The observation implies that compared to broad sweeping interventions, more heterogeneous strategies that are targeted based on the network effects in human mobility provide a better balance between pandemic control and regular social activities.

研究动机与目标

• 探究基于人类移动模式的靶向干预是否能比广泛封锁更有效地减少COVID-19传播。
• 评估聚焦于高移动性个体和热门场所的干预措施对感染动态的影响。
• 利用不同城市背景下的真实移动数据，评估疫情防控与社会活动保留之间的权衡。
• 在基于代理的模拟中，比较异质性干预与统一封锁策略的有效性。

提出的方法

• 基于代理的模拟模型利用来自Foursquare签到数据、大学WiFi追踪数据和电动自行车GPS数据的真实世界数据，模拟个体人类移动行为。
• 感染传播基于空间接近度在共享场所的概率模型进行模拟，以反映现实中的接触动态。
• 干预措施包括隔离排名前x%最活跃的个体或关闭排名前x%最受欢迎的场所，以评估其对传播的影响。
• 基准干预措施通过随机移除80%的移动事件来模拟部分封锁，以保留20%的社会活动。
• 模型使用峰值感染率、总感染人数和达到峰值时间等指标，在多个城市和不同数据类型下评估结果。
• 从动态移动数据构建静态接触网络，以比较动态模型与静态模型下的感染模式。

实验结果

研究问题

• RQ1 针对高活跃个体和热门场所的干预措施如何影响COVID-19模拟中的感染峰值和总感染人数？
• RQ2 异质性干预是否能在保持更高社会活动水平的同时，比统一封锁更有效地减少传播？
• RQ3 移动模式和网络效应如何影响现实城市环境中传染病的早期传播？
• RQ4 经典流行病学模型（如SEIR）在多大程度上无法捕捉移动异质性对疾病传播的影响？
• RQ5 在不同城市、数据类型和移动数据尺度下，结果的一致性如何？

主要发现

• 针对排名前1%最活跃个体的干预措施在模拟中将总感染人数减少了高达60%，且社会成本极低。
• 在纽约市Foursquare数据集中，关闭排名前10%最热门的场所使总感染人数减少了约50%。
• 在纽约市数据集中，15天的部分封锁（移除80%移动事件）使活跃感染峰值延迟11天，并减少6%，但未显著降低总感染人数。
• 在大学数据集中，同时关闭教室、院系和餐厅可使总感染人数降至20%以下，而仅关闭一种场所类型效果有限。
• 静态接触网络模型产生的感染模式与动态移动模拟结果高度相似，验证了使用基于网络的分析进行干预规划的可行性。
• 不考虑空间接近度效应的经典SEIR模型无法再现移动异质性的影响，凸显了移动数据在建模中的重要性。