久本草在线中文字幕亚洲_亚洲成av人精品自偷拍_最新2021精品视频自拍_不卡的视频三区

原創(chuàng) towersimper 生物谷

本文系生物谷原創(chuàng)編譯，歡迎分享，轉(zhuǎn)載須授權(quán)！

預(yù)測(cè)COVID-19的流行病學(xué)是指導(dǎo)全球疫情應(yīng)對(duì)的一項(xiàng)重點(diǎn)工作。究竟是哪些因素推動(dòng)了COVID-19在城市的傳播，這仍然是一個(gè)不清楚的，初步分析出氣候在決定疫情增長(zhǎng)方面的作用是有限的。

傳染病傳播的空間異質(zhì)性可能受到當(dāng)?shù)厝丝诨蛉藛T流動(dòng)差異的影響，因此，由于易感個(gè)體的較高接觸率，較高的人口密度可能促進(jìn)病原體的傳播。對(duì)于呼吸道病原體來(lái)說(shuō)，流行病中的病例時(shí)間聚類（即觀察到大多數(shù)病的最短時(shí)間）, 會(huì)隨著室內(nèi)擁擠程度的增加、社會(huì)經(jīng)濟(jì)因素和氣候因素發(fā)生變化。

對(duì)流感觀察，當(dāng)發(fā)病率在時(shí)間上均勻分布時(shí)，病例的時(shí)間集中度最?。划?dāng)發(fā)病率在特定天數(shù)內(nèi)變得更為集中時(shí)，病例的時(shí)間集中度會(huì)增加。在任何給定的地點(diǎn)，較高的病例時(shí)間集中度可能要求公共衛(wèi)生系統(tǒng)有更大的快速應(yīng)對(duì)能力，特別是對(duì)于新出現(xiàn)的呼吸道病原體，比如SARS-CoV-2。

中國(guó)和意大利詳細(xì)提供了廣泛地理背景下的COVID-19流行病學(xué)時(shí)間序列（time series）數(shù)據(jù)。因此，這兩個(gè)國(guó)家的疫情提供了一個(gè)機(jī)會(huì)來(lái)評(píng)估當(dāng)?shù)匾蛩卦谟绊懥餍胁⌒袨榉矫娴淖饔谩?

基于此，在一項(xiàng)新的研究中，來(lái)自英國(guó)牛津大學(xué)、美國(guó)東北大學(xué)、哈佛大學(xué)和波士頓兒童醫(yī)院等研究機(jī)構(gòu)的研究人員使用來(lái)自中國(guó)各個(gè)地級(jí)市和意大利各省的日常流行病學(xué)數(shù)據(jù)、氣候和人口數(shù)據(jù)以及利用百度和COVID-19聚合流動(dòng)研究數(shù)據(jù)集（COVID-19 Aggregated Mobility Research Dataset）（https://www.google.com/covid19/mobility/）的人類流動(dòng)數(shù)據(jù)衡量的對(duì)當(dāng)?shù)馗深A(yù)措施的反應(yīng)來(lái)確定傳播的驅(qū)動(dòng)因素，重點(diǎn)關(guān)注病例的時(shí)間聚類在中國(guó)各個(gè)地級(jí)市和意大利各省之間如何不同。

相關(guān)研究結(jié)果于2020年10月5日在線發(fā)表在Nature Medicine期刊上，論文標(biāo)題為“Crowding and the shape of COVID-19 epidemics”。

這些作者使用了中國(guó)各個(gè)地級(jí)市（n = 293）和意大利各個(gè)?。╪ = 108）匯總的COVID-19確診病例的每日發(fā)病率數(shù)據(jù)（圖1a）。中國(guó)的地級(jí)市和意大利的省是通常有一個(gè)城市中心的行政單位（圖1b）。他們匯總了從政府官方報(bào)告中收集到的個(gè)人層面的日常數(shù)據(jù)。

中國(guó)每個(gè)地級(jí)市的流行病學(xué)數(shù)據(jù)被截?cái)啵耘懦谝淮瘟餍衅陂g報(bào)告病例的第一天之前和最后一天之后的日期。2020年3月1日以后報(bào)告的從國(guó)外輸入到中國(guó)的病例被排除在分析范圍之外。由于湖北省缺乏地級(jí)市流行病學(xué)數(shù)據(jù)，且在2020年1月20日之前的病例報(bào)告存在一致性問(wèn)題，故剔除了湖北省的所有流行病學(xué)數(shù)據(jù)。中國(guó)各地級(jí)市的疫情曲線形狀不一，有的地級(jí)市報(bào)告病例快速上升和下降，有的地級(jí)市疫情持續(xù)時(shí)間較長(zhǎng)（圖1a）。

圖1.中國(guó)地級(jí)市的人口密集分布圖，圖片來(lái)自Nature Medicine, 2020, doi:10.1038/s41591-020-1104-0。

為了描述中國(guó)各個(gè)地級(jí)市和意大利各省病例的時(shí)間聚類特征，這些作者計(jì)算了新發(fā)病例分布的香農(nóng)多樣性指數(shù)（Shannon diversity index）。當(dāng)所有病例發(fā)生在同一天時(shí)，香農(nóng)多樣性指數(shù)最大；當(dāng)疫情期間每天的新發(fā)病例數(shù)相同時(shí)，香農(nóng)多樣性指數(shù)最小。中國(guó)每個(gè)地級(jí)市報(bào)告的COVID-19病例的總發(fā)病率與中國(guó)的香農(nóng)多樣性指數(shù)呈強(qiáng)烈的負(fù)相關(guān)（圖1c）。

因此，峰值較低的疫情具有較大的總發(fā)病率（皮爾遜相關(guān)系數(shù)r = -0.67，95%置信區(qū)間（CI），-0.73～-0.59，P＜0.01；對(duì)于意大利，R² = 0.33，P＜0.01）。他們推測(cè)，病例的總發(fā)病率和時(shí)間聚類在不同城市之間的差異是人口空間結(jié)構(gòu)的結(jié)果。

為了檢驗(yàn)這一假設(shè)，這些作者使用了勞埃德平均擁擠度指數(shù)（Lloyd’s index of mean crowding），將每個(gè)空間網(wǎng)格單元的人口數(shù)視為一個(gè)獨(dú)立的單元來(lái)處理（圖1）。這里使用的術(shù)語(yǔ)“平均擁擠度”是一個(gè)特定的地理指標(biāo)，它既概括了人口密度，也概括了人口密度在一個(gè)地級(jí)市內(nèi)的分布情況（圖1）。勞埃德平均擁擠度指數(shù)的數(shù)值越高，說(shuō)明人口結(jié)構(gòu)在空間上是聚集的。他們還進(jìn)行了對(duì)數(shù)線性回歸建模，以確定病例的時(shí)間聚類與社會(huì)經(jīng)濟(jì)變量和環(huán)境變量之間的關(guān)聯(lián)性，包括疫情爆發(fā)期間的人口流動(dòng)減少。

這些作者發(fā)現(xiàn)病例的時(shí)間聚類與平均接觸人數(shù)顯著負(fù)相關(guān)（P <0.01），但與平均人口密度正相關(guān)（P <0.01），并且在中國(guó)和意大利之間差異很大（圖2）。這一觀察結(jié)果與預(yù)測(cè)易感個(gè)體的可獲得性增加使得在擁擠的地區(qū)出現(xiàn)較高的疫情峰值的經(jīng)典流行病學(xué)模型形成鮮明對(duì)比。最能解釋這種關(guān)系的空間尺度是10×10公里，不過(guò)這一結(jié)果在1和50平方公里之間的所有空間尺度都有統(tǒng)計(jì)學(xué)意義（P <0.01）。

圖2. 擁擠和中國(guó)COVID-19傳播的時(shí)間聚類，圖片來(lái)自Nature Medicine, 2020, doi:10.1038/s41591-020-1104-0。

利用每周的人口流動(dòng)性數(shù)據(jù)，這些作者發(fā)現(xiàn)疫情期間城市內(nèi)的人口流動(dòng)性與病例的時(shí)間聚類相關(guān)---即流動(dòng)性減少較大的地級(jí)市也有較低的疫情峰值（P＜0.01）。當(dāng)將流動(dòng)性減少與擁擠度和濕度結(jié)合在一種模型中時(shí)，他們發(fā)現(xiàn)這些變量各自仍然是病例時(shí)間聚類的顯著預(yù)測(cè)因素（P <0.01）。這些結(jié)果表明，雖然減少流動(dòng)性的措施可以成功地讓疫情曲線趨于平坦，但人口擁擠是造成這兩個(gè)國(guó)家流行病曲線形狀形成的一個(gè)獨(dú)立因素。

針對(duì)為何更擁擠的城市經(jīng)歷較少的曲線上有峰值的疫情，這些作者推測(cè)擁擠使得這種疾病在家庭成員之間和城市人口之間持續(xù)傳播，從而導(dǎo)致發(fā)病率在整個(gè)疫情期間廣泛分布。

為此，他們模擬了兩類人群的隨機(jī)流行病動(dòng)力學(xué)。在簡(jiǎn)單的、混合良好的傳播模型中，擁擠地區(qū)的接觸率很高，這與他們的研究結(jié)果并不一致，這是因?yàn)樵撃Ｐ皖A(yù)測(cè)擁擠地區(qū)會(huì)有更多時(shí)間上的聚集性疫情爆發(fā)。

為了反映現(xiàn)實(shí)的接觸模式，他們創(chuàng)建了分層結(jié)構(gòu)的人群，在這些人群中，個(gè)體在他們的社會(huì)單元（含義廣泛，比如表家庭、養(yǎng)老院、醫(yī)院和監(jiān)獄等）內(nèi)具有高接觸率；與來(lái)自其他社會(huì)單元但在同一社區(qū)內(nèi)的個(gè)人接觸率較低；與同一地級(jí)市內(nèi)其他社區(qū)的人接觸相當(dāng)稀少（圖3a）。

圖3. 在擁擠的人口中產(chǎn)生曲線上的峰較少的疫情，來(lái)自Nature Medicine, 2020, doi:10.1038/s41591-020-1104-0。

這些假設(shè)與實(shí)施封鎖后的大多數(shù)傳播發(fā)生在家庭或其他密切接觸的情況下的報(bào)告相一致。在這種情形下，人口不那么密集的地級(jí)市往往有曲線上存在更多峰的持續(xù)時(shí)間更短的被隔離在特定社區(qū)的疫情，而人口比較密集的地級(jí)市可以維持更長(zhǎng)時(shí)間的，最終規(guī)模更大的，并在聯(lián)系更緊密的社區(qū)之間蔓延的疫情（圖3b，c）。此外，如果COVID-19的再生數(shù)過(guò)度分散，那么由于接觸者的存在，擁擠可能使得當(dāng)?shù)匾咔榈靡愿鼜V泛地傳播。

這些作者還模擬了廣泛的社會(huì)隔離措施下的疫情爆發(fā)動(dòng)態(tài)，如在中國(guó)各個(gè)地級(jí)市觀察到的（接觸率下降75%）。如果社會(huì)隔離使得所有地點(diǎn)的非家庭接觸減少了相同的相對(duì)數(shù)量，那么在擁擠的地區(qū)將有更多的接觸，這是因?yàn)榛€接觸率較高。因此，在干預(yù)后，擁擠地區(qū)爆發(fā)的疫情在規(guī)模上可能會(huì)更大，需要更長(zhǎng)的時(shí)間才能結(jié)束（圖3d和圖1c）。

利用來(lái)自中國(guó)的擬合模型，再結(jié)合全球綜合協(xié)變量（globally comprehensive covariate），這些作者將他們的研究結(jié)果外推到全球的310個(gè)城市（圖4），百度沒有提供中國(guó)以外城市的人類流動(dòng)數(shù)據(jù)。因此，他們使用谷歌公司的COVID流動(dòng)研究數(shù)據(jù)集中的聚合人類流動(dòng)數(shù)據(jù)來(lái)捕捉人類流動(dòng)在不同時(shí)期的相對(duì)差異。

在全球范圍內(nèi)，以黃色表示的城市被預(yù)測(cè)為疫情較為集中且達(dá)到高峰，而以藍(lán)色表示的城市被預(yù)測(cè)為疫情持續(xù)時(shí)間較長(zhǎng)（圖4b）。一般來(lái)說(shuō)，沿海城市的疫情峰值較低，規(guī)模較大，持續(xù)時(shí)間較長(zhǎng)，這可能是由于沿海城市人口高度擁擠造成的。

圖4. 預(yù)測(cè)了全球的疫情峰值，來(lái)自Nature Medicine, 2020, doi:10.1038/s41591-020-1104-0。

他們的模型預(yù)測(cè)，在相對(duì)不擁擠的城市，COVID-19病例的峰值會(huì)相對(duì)短暫、強(qiáng)烈，這是因?yàn)檫@些城市的居民都住在自己的社區(qū)，而不是自由地混雜在一起。然而，相比于農(nóng)村，在擁擠的城市的人們更有可能不得不應(yīng)對(duì)持續(xù)時(shí)間較長(zhǎng)的疫情。比如，他們預(yù)測(cè)那些人口分布相對(duì)均勻的城市，如蒙古的烏蘭巴托，可能會(huì)出現(xiàn)短期的病例激增。

但是，在人口密度更高的城市中心，比如西班牙的馬德里，可能會(huì)出現(xiàn)更持久的疫情。這些預(yù)測(cè)依賴于中國(guó)和意大利城市的第一次流行病曲線的擬合關(guān)系，因此，在推廣到其他環(huán)境時(shí)應(yīng)非常謹(jǐn)慎地加以解釋。

參考資料：

1.Benjamin Rader et al. Crowding and the shape of COVID-19 epidemics. Nature Medicine, 2020, doi:10.1038/s41591-020-1104-0.

2.COVID research updates: Dense cities should brace for long coronavirus outbreaks

https://www.nature.com/articles/d41586-020-00502-w

3.Research emphasises need for COVID-19 vigilance in tight-knit communities

https://medicalxpress.com/news/2020-10-emphasises-covid-vigilance-tight-knit.html