通过在线与代表性调查重建接触矩阵监测大流行期间的行为响应

社会前所未有的行为响应显然在塑造 COVID-19 大流行，然而准确实时监测不断变化的社会混合模式是一项重大挑战。按年龄分层的接触矩阵能高效概括交互特征，但其收集依赖传统的代表性调查技术，成本高且获取慢。在此我们报告一项数据收集工作，涉及超过匈牙利人口 $2.3\%$ 的样本，通过纵向在线调查与一系列代表性电话调查同时记录接触矩阵。为纠正在线数据所具有的非代表性偏差，我们利用人口普查数据与代表性样本，开发了一种重建方法，以提供可扩展、廉价且灵活的方式来动态获取接近代表性的接触矩阵。我们的结果展示了线上线下结合数据收集的潜力，可用于理解决定疫情未来演变的变化行为响应，并为流行病模型提供关键数据。