从峰值时间差异估计跨境流动性：以波兰-德国边境地区为例的案例研究

人员流动性促进了传染病的快速时空传播。在疫情爆发期间，监测国际边界两侧的感染情况非常关键，因为跨境迁移总是伴随着较高的疾病输入风险。机制模型是研究跨境流动性对疾病动态影响的有效工具，有助于设计有效的控制策略。然而在实践中，由于跨境流动性数据的缺乏，提出可靠的、基于模型的策略变得困难。在本研究中，我们提出了一种方法，用于从共享国际边界的任意一对区域中观察到的各区域感染峰值时间差异来估计跨境流动性通量。假设潜在的疾病动态由 Susceptible-Infected-Recovered (SIR) 模型主导，我们采用随机模拟来获得任何可测量峰值时间差异的区域对的最大似然跨境流动性估计。然后，我们研究跨境流动性通量的估计如何随疾病传播率（一个关键的流行病学参数）而变化。我们进一步表明，对于较高的疾病传播率和较大的观察到的峰值时间差异，流动性通量估计的不确定性会降低。最后，作为案例研究，我们将该方法应用于波兰-德国边境沿线一些通过多种交通方式直接相连的选定地区，并根据 $2021$ 年 $2$ 月 $20$ 日至 $2021$ 年 $6$ 月 $20$ 日期间的 COVID-19 病例数据量化了跨境通量。