从新冠疫情病毒传播沿城市-农村梯度推断 mobility 减少

新冠肺炎疫情通过政策干预和自愿行为变化重塑了人类 mobility。mobility 适应有助于缓解疫情传播，但我们对哪些环境、社会和人口因素有助于 mobility 减少和疫情缓解的知识仍不完整。我们引入了一个贝叶斯分层模型，用于量化德国 400 个地区在时间和空间上的 mobility 反应异质性，基于去标识化的手机数据。将 mobility 分解为疾病响应成分和疾病独立因素 (如温度、学校假期、公共假日)， allows 我们量化每个因素的影响。我们发现沿城市-农村梯度的疾病反应存在显著差异，大城市的 mobility 减少最为强烈。就第一波疫情而言，就业部门进一步帮助解释了反应强度的方差，而在第二波中，政治变量 gaining significance。然而，减少的 mobility 仅部分转化为较低的峰值发病率，表明其他隐藏因素的影响。我们的结果识别了 mobility 减少的关键驱动因素，并表明 mobility 行为可作为人口反应的操作性代理。