Моделирование инфекции COVID-19 на основе движения может улучшить ответные меры общественного здравоохранения

Эпидемия, подобная COVID-19, зависит от того, что инфицированные люди общаются с неинфицированными - столкновения, которые обычно требуют перемещения одного или обоих. Новый метод моделирования развития пандемических инфекций включает данные о местоположении со смартфонов, чтобы дать политикам общественного здравоохранения более точную картину того, как люди в их сообществах смешиваются, а также где и как сосредоточить свои усилия.

«Большинство моделей COVID-19 берут округ или группу участков переписи и рассматривают население во многих отношениях как однородную группу», - говорит Сон Гао, профессор географии и член группы исследователей Университета Висконсин-Мэдисон, которые описали новый метод моделирования на этой неделе в Трудах национальных академий наук . «Когда мы посмотрели отчеты о переписных участках, мы увидели некоторые с высоким уровнем заражения, но соседние участки с низким уровнем подтвержденных случаев».

Из-за этого смешение жителей соседних территорий казалось маловероятным, поэтому исследователи предоставили анонимные данные о пунктах отправления и назначения мобильных телефонов в двух самых густонаселенных округах Висконсина, Дейн и Милуоки, алгоритму машинного обучения, который разбил округа на новые субрегионы.

«Алгоритм использует информацию о потоках мобильности людей для перераспределения каждого округа на более мелкие субрегионы с высокой внутренней мобильностью. Люди в каждом новом субрегионе больше всего взаимодействуют друг с другом», - говорит Гао.

Новые субрегионы исследователей выявили демографические различия, которые можно рассматривать как ключ к тому, как инфекция COVID-19 достигла пика в каждом округе.

«Самая значительная неоднородность округа Дэйн - это разница в возрастной структуре между районами», - говорит Гао. «В округе Милуоки наиболее существенное различие - расовое и этническое разнообразие».

Это согласуется с тем, как в округах произошли вспышки летом 2020 года. Округ Дейн боролся со всплеском уровня инфицирования в самом молодом субрегионе, вызванном скоплениями инфекции, сосредоточенными в барах, обычно посещаемых молодежью. Пандемия округа Милуоки оказала огромное влияние на общины чернокожих и латиноамериканцев, сосредоточенные в двух районах, которые, согласно данным о мобильности, также определены как относительно изолированные субрегионы.

"Моделирование, которое учитывает мобильность внутри и между этими субрегионами, дает нам лучшее понимание того, как возникла ситуация с инфекцией, в которой мы находимся, возможность исследовать некоторые из того, что вы могли бы назвать сверхраспространяющимися событиями, и может помочь разработчикам политики выяснить, почему именно в конкретный день имеет очень высокий уровень заражения », - говорит Гао, работа которого финансируется Национальным научным фондом.

Исследовательская группа, в которую входят географы, математики, эпидемиологи и эксперты по коммуникациям, использовала модель для изучения решений по ослаблению ограничений в каждом округе, поскольку пандемия, казалось, пошла на убыль в середине 2020 года.