[论文解读] The COVID-19 Pandemic, Community Mobility and the Effectiveness of Non-pharmaceutical Interventions: The United States of America, February to May 2020

Ian E. Fellows, Rachel B. Slayton+1 more|arXiv (Cornell University)|Jul 9, 2020

COVID-19 epidemiological studies参考文献 24被引用 6

一句话总结

本研究采用贝叶斯框架分析2020年2月至5月美国数据，将社区流动性的变化（通过Google社区流动报告测量）与时变基本再生数（Rt）及非药物干预措施（NPIs）关联。研究发现，流动量每减少10%，Rt相应下降10.2%；在调整干预措施后，与时间相关的个人行为改变对Rt整体下降48%的贡献显著高于单一NPI措施的影响。

ABSTRACT

Background: The impact of individual non-pharmaceutical interventions (NPI) such as state-wide stay-at-home orders, school closures and gathering size limitations, on the COVID-19 epidemic is unknown. Understanding the impact that above listed NPI have on disease transmission is critical for policy makers, particularly as case counts increase again in some areas. Methods: Using a Bayesian framework, we reconstructed the incidence and time-varying reproductive number (Rt) curves to investigate the relationship between Rt, individual mobility as measured by Google Community Mobility Reports, and NPI. Results: We found a strong relationship between reproductive number and mobility, with each 10% drop in mobility being associated with an expected 10.2% reduction in Rt compared to baseline. The effects of limitations on the size of gatherings, school and business closures, and stay-at-home orders were dominated by the trend over time, which was associated with a 48% decrease in the reproductive number, adjusting for the NPI. Conclusions: We found that the decrease in mobility associated with time may be due to individuals changing their behavior in response to perceived risk or external factors.

研究动机与目标

• 评估非药物干预措施（如居家令和学校停课）对美国新冠传播的影响。
• 考察通过Google社区流动报告测量的社区流动性变化与时变基本再生数（Rt）之间的关系。
• 分离特定NPI措施与随时间演变的行为趋势对疾病传播的独立影响。
• 通过量化流动减少与NPI措施在早期大流行阶段对Rt的减损效果，为公共卫生政策提供依据。

提出的方法

• 采用贝叶斯分层模型，从报告病例数据重建发病率和时变基本再生数（Rt）曲线。
• 将Google社区流动报告中的流动数据作为Rt的关键预测变量纳入模型。
• 模型引入时变系数，以评估聚集人数限制、学校停课、企业停业及居家令等NPI措施的影响。
• 应用多变量回归框架，将流动趋势的影响与个别NPI措施的影响分离，并调整混杂因素。
• 采用滚动窗口方法动态估计Rt，实现对传播变化的实时评估。
• 使用马尔可夫链蒙特卡洛（MCMC）方法进行模型拟合并推断，以考虑病例报告和流动估计中的不确定性。

实验结果

研究问题

• RQ1 在早期美国新冠大流行期间，社区流动性减少在多大程度上与时变基本再生数（Rt）的下降相关？
• RQ2 在考虑流动性变化后，特定非药物干预措施（如居家令和学校停课）对Rt的影响如何？
• RQ3 在不考虑正式NPI实施的情况下，观察到的Rt下降中有多少比例可归因于随时间演变的行为改变？
• RQ4 在大流行初期，流动减少与NPI措施在影响程度和时间上的差异如何？

主要发现

• 在其他因素保持不变的情况下，社区流动性每下降10%，预期时变基本再生数（Rt）将下降10.2%。
• 随着时间推移，Rt的整体下降主要由个人行为和流动性的改变驱动，调整特定NPI措施的影响后，这些行为因素使Rt降低了48%。
• 个别NPI措施（如聚集人数限制、学校停课和企业停业）的影响被更广泛的流动性趋势所覆盖，表明行为适应在其中起主导作用。
• 随时间演变的流动性趋势比特定NPI措施的实施时间或执行力度更能有效预测Rt。
• 本研究未发现个别NPI措施对Rt有显著独立影响，其作用主要通过影响流动模式实现。
• 贝叶斯建模框架成功捕捉了Rt的动态变化，并提供了稳健的不确定性估计，支持具有政策相关性的推断。