策略感知流动模型解释城市中 COVID-19 的增长
种群与进化
2021-02-23 v1 计算机与社会
摘要
随着冠状病毒的持续传播，预测不同城市中差异化的 COVID-19 增长曲线（标准流行病学模型仍未能充分解释）对于医疗物资与治疗至关重要。预测必须考虑非药物干预以减缓冠状病毒传播，包括居家令、社交距离、隔离和强制戴口罩，这些导致城市内流动性和病毒传播的降低。此外，近期将冠状病毒与人类流动性和详细移动数据相关联的工作表明，需要在疾病预测中考虑城市流动性。在此我们表明，通过将城市内流动性和政策采纳纳入一种新颖的元种群 SEIR 模型，我们可以准确预测美国城市中复杂的 COVID-19 增长模式（ = 0.990）。由政策干预导致的流动性变化估计与 Apple 流动性趋势报告的实证观察一致（Pearson's R = 0.872），表明在数据有限时基于模型的预测具有效用。我们的模型还再现了城市“超级传播”，即少数邻里解释了城市空间中大部分继发感染，这源于不均衡的邻里人口和热门邻里中增强的城市内流动。因此，我们的模型可促进位置感知的流动性减少政策，以相似社会成本更有效地缓解疾病传播。最后，我们证明我们的模型可作为精细的分析与仿真框架，为理性非药物干预政策的设计提供信息。
引用
@article{arxiv.2102.10538,
title = {Policy-Aware Mobility Model Explains the Growth of COVID-19 in Cities},
author = {Zhenyu Han and Fengli Xu and Yong Li and Tao Jiang and Depeng Jin and Jianhua Lu and James A. Evans},
journal= {arXiv preprint arXiv:2102.10538},
year = {2021}
}