基于人类移动数据量化 COVID-19 传播风险：一种用于高效接触者追踪的个性化 PageRank 方法
社会与信息网络
2022-10-04 v1 物理与社会
摘要
鉴于其广泛而持久的影响，COVID-19，尤其是其空间传播动态已受到大量关注。对此类动态的了解有助于公共卫生专业人员和城市管理者制定并部署高效的接触者追踪和治疗措施。然而，大多数现有研究聚焦于聚合移动流，很少利用广泛可用的离散级人类移动数据。在本文中，我们提出一种个性化 PageRank (PPR) 方法，基于人与地点的二部网络来估计 COVID-19 传播风险。该方法结合了个体的移动模式及其时空交互。为验证所提方法的适用性和相关性，我们基于公交智能卡数据，在一个小型合成网络和中国香港的真实世界移动网络中考察了 COVID-19 病例传播与市内移动模式之间的相互作用。我们比较了基于各种大规模追踪与检测策略（包括基于 PPR、基于 PageRank (PR)、基于地点、基于路线以及基准情形（无策略））的估计传播风险与实际病例数之间的召回率（灵敏度）、准确率和 Spearman 相关系数。结果表明，基于 PPR 的方法与实际病例数具有最高的效率、准确率和 Spearman 相关系数。这证明了 PPR 对于传播风险估计的价值，以及纳入个体移动模式对于高效接触者追踪与检测的重要性。
引用
@article{arxiv.2210.01005,
title = {Quantifying COVID-19 transmission risks based on human mobility data: A personalized PageRank approach for efficient contact-tracing},
author = {Jiali Zhou and Zhan Zhao and Jiangping Zhou},
journal= {arXiv preprint arXiv:2210.01005},
year = {2022}
}