利用人类移动代理模拟流行病

人类移动是传染病大规模空间传播模型的关键组成部分。正确建模和量化人类移动对于改进流行病控制政策至关重要，但可能受到世界某些地区数据不完整的阻碍。在此，我们探讨了使用代理数据或模型来描述个体移动、刻画通勤行为并预测传染病扩散的可能性。我们考察了三个欧洲国家及其在不同分辨率尺度下的通勤网络，这些数据分别源自官方人口普查调查、从移动电话通话记录中提取的人类移动代理数据，以及利用人口普查数据校准的辐射模型（radiation model）。我们比较了定义在这三个国家并整合了不同移动层的元种群模型（metapopulation models）在流行病观测指标上的表现。结果表明，基于移动电话数据的通勤网络很好地捕捉了实证通勤模式，解释了超过 87% 的总流量。来自移动电话和人口普查两种数据源的每条链路的通勤流量分布相似且高度相关，然而观察到移动电话数据系统性地高估了通勤交通量。这导致流行病在移动电话数据网络上的传播速度快于在人口普查通勤网络上，但保留了新感染地点的感染顺序。流行病入侵模式的匹配度对初始条件敏感：当种子位于网络中心时，辐射模型相比移动电话数据显示出更高的准确性；而当流行病种子位于边缘位置时，移动电话代理表现更佳。结果表明，鉴于对所研究流行病结果所需精度的考量，不同的代理可用于在空间流行病模拟中近似不同分辨率尺度下的通勤模式。