一组研究人员制造了一个电脑模型,准确地预测今年春天COVID-19在10个主要城市的传播通过分析三个因素驱动感染风险:人们在一天的过程中,他们逗留多久,还有多少人访问相同的地方在同一时间。
“我们建立了一个计算机模型来分析不同人口背景、来自不同社区的人们如何访问不同类型的或多或少拥挤的地方。斯坦福大学计算机科学家Jure Leskovec说。他领导了这项研究，来自西北大学的研究人员参与了这项研究。
今天发表在《自然》杂志上的这项研究，融合了人口数据、流行病学估计和匿名手机位置信息，似乎证实了大多数COVID-19传播发生在“超级传播者”场所，如提供全面服务的餐馆、健身中心和咖啡馆，在这些地方人们长时间呆在一起。研究人员说，他们的模型的特殊性可以作为一种工具，让官员们在重新开业时，
杏耀 ，通过揭示新感染病例和销售额损失之间的权衡，将COVID-19的传播降至最低。如果企业以20%或50%的产能开业的话。
该研究的合著者、斯坦福大学人文与科学学院的社会学教授大卫·格鲁斯基(David Grusky)说，这种预测能力特别有价值，因为它为研究少数族裔和低收入人群不成比例的感染率背后的因素提供了有用的新见解。他说:“在过去，杏耀测速这些不平等被认为是由先前存在的条件和不平等的医疗保健造成的，而我们的模型表明，流动模式也助长了这些不成比例的风险。”
格鲁斯基也是斯坦福贫困与不平等研究中心的负责人。他说，这个模型显示，在降低入住率上限的情况下重新开业，往往会使弱势群体受益最大。格鲁斯基说:“因为雇佣少数族裔和低收入者的地方通常更小、更拥挤，对重新开业的商店实行入住率上限可以降低他们面临的风险。”“我们有责任制定重新开放的计划，消除或至少减少目前的做法造成的不平等。”
Leskovec说，该模型“提供了迄今为止最有力的证据”，表明今年春天实施的留守家庭政策减少了外出旅行的次数，减缓了新感染的速度。
后的脚步
该研究追踪了美国10个最大大都市地区的9800万美国人通过50万家不同场所的活动，这些场所包括餐馆、健身中心、宠物店和新车经销店。
该研究小组包括今年夏天毕业的斯坦福大学博士生Serina Chang, Pang Wei Koh和Emma Pierson，以及西北大学研究人员Jaline Gerardin和Beth Redbird，他们收集了10个大城市的研究数据。按照人口顺序，这些城市包括:纽约、洛杉矶、芝加哥、达拉斯、华盛顿特区、休斯顿、亚特兰大、迈阿密、费城和旧金山。
SafeGraph是一家从移动应用程序中收集匿名位置数据的公司，它向研究人员提供了55.3万个公共场所(如五金店和宗教场所)的数据，显示人们每天参观哪些场所;多长时间;更重要的是，每个建筑的面积是多少，这样研究人员就可以确定每小时的居住密度。
研究人员分析了从3月8日到5月9日的两个不同阶段的数据。在第一阶段，他们将流动数据输入模型，并设计系统来计算一个关键的流行病学变量:在10个大城市不同环境下病毒的传播率。在现实生活中，我们不可能事先知道一个有传染性的人和易感者在何时何地接触并产生潜在的新感染。但在他们的模型中，研究人员发展并完善了一系列公式，以计算在不同地点和时间发生传染事件的概率。这些方程能够解出未知变量，是因为研究人员向计算机输入了一个重要的已知事实:每个城市每天向卫生官员报告的COVID-19感染人数。
研究人员对模型进行了改进，直到它能够确定病毒在每个城市的传播率。根据人们出门的频率和他们去的地方的类型等因素，不同城市的比率有所不同。
一旦研究人员获得了10个大城市的传播率，他们就在第二阶段对模型进行了测试，要求模型将每个城市的传播率与他们的移动模式数据库相乘，以预测新的COVID-19感染。这些预测与卫生官员的实际报告密切相关，这让研究人员对模型的可靠性有了信心。
预测感染
通过结合他们的模型与57000年人口普查的人口数据可以从一个数据库块组- 600到3000人的社区研究人员展示了少数民族和低收入人群经常离开家,因为他们的工作需要它,和店小,比高收入的人拥挤的场所,他们可以在家工作,使用送货上门来避免购物和惠顾更宽敞的企业当他们出去。例如，研究显示非白人购买食品杂货的风险是白人的两倍。“通过整合流动性、人口统计学和流行病学数据集，我们能够使用我们的模型来分析不同的重新开放政策的有效性和公平性，”常说。
该团队已经将其工具和数据公开，杏耀登录地址以便其他研究人员可以复制并在此基础上进一步研究。
Leskovec说:“原则上，任何人都可以使用这个模型来理解不同的留守家庭和商业关闭政策决定的后果。”他的团队现在正致力于将这个模型开发为决策者和公共卫生官员的一个用户友好的工具。
