空间异质性可导致 COVID-19 时间与严重程度的显著局部差异
物理与社会
2021-01-11 v1 社会与信息网络
种群与进化
摘要
针对 COVID-19 的标准流行病学模型在局部尺度上采用 compartment（SIR）模型的变体，隐含假设了空间均匀的局部混合。在此，我们考察了基于已知人际网络空间特征（尤其是随距离交互概率呈长尾但单调下降）的更精细地理扩散模型对疾病传播的影响。基于对美国 19 座城市中无限制 COVID-19 扩散的模拟，我们得出结论：即便更大尺度上的总体行为类似于经典 SIR 模式，人口分布的异质性仍可对局部大流行的时间与严重程度产生巨大影响。观测到的影响包括相对于总体感染曲线具有长滞后的严重局部暴发，以及大量与邻近区域疾病轨迹相关性很差的区域。一个用于医院需求的简单 catchment 模型说明了医疗保健利用的潜在影响，即便在无 distancing 干预的情况下，影响的时机与极端程度也存在显著 disparity。同样，对社会中接触患病或死亡他人的分析显示，疫情在个体眼中的呈现方式差异颇大，可能影响风险评估及对缓解措施的遵从。这些结果表明，即便在城市尺度上，空间网络结构亦能产生高度不均匀的扩散行为，并提示在构建用于医疗规划、社区结果预测或潜在 disparity 识别的模型时纳入此类结构的重要性。
引用
@article{arxiv.2005.09850,
title = {Spatial Heterogeneity Can Lead to Substantial Local Variations in COVID-19 Timing and Severity},
author = {Loring J. Thomas and Peng Huang and Fan Yin and Xiaoshuang Iris Luo and Zack W. Almquist and John R. Hipp and Carter T. Butts},
journal= {arXiv preprint arXiv:2005.09850},
year = {2021}
}