研究小组创建了一个计算机模型,该模型可以预测COVID-19蔓延在城市

一组研究人员制造了一个电脑模型,准确地预测今年春天COVID-19在10个主要城市的传播通过分析三个因素驱动感染风险:人们在一天的过程中,他们逗留多久,还有多少人访问相同的地方在同一时间。

“我们建立了一个计算机模型分析不同人口背景的人,从不同的社区,参观不同的地方,或多或少地拥挤。根据所有这些,我们可以预测新感染的可能性发生在任何地点或时间,“法律上Leskovec说,斯坦福大学的计算机科学家的努力,涉及来自西北大学的研究人员。

这项研究发表在《华尔街日报》自然、合并人口数据,流行病学估计和匿名手机位置信息,并似乎证实,大多数COVID-19传输发生在“superspreader”网站,提供全方位服务的餐厅,健身中心和咖啡馆,那里的人们仍然在长时间近距离。研究人员说他们的模型的特异性可能作为官员的一个工具来帮助减少传播的COVID-19重开业务通过揭示新感染之间的权衡和销售损失如果机构开放,在20%或50%的能力。

研究的合著者大卫•Grusky斯坦福大学的社会学教授人文与科学学院说这预测能力是特别有价值的,因为它提供了有用的新见解背后的因素不成比例的少数民族和低收入人群的感染率。“在过去,这些差异被认为是由先前存在的条件和不平等的访问权卫生保健,而我们的模型表明,移动模式,也帮助推高了这些不成比例的风险,”他说。

Grusky也指导斯坦福中心在贫困和不平等,说,模型显示了重开入住率较低的企业如何限制倾向于弱势群体最受益。“因为雇用少数民族和低收入人群的地方往往是更小、更拥挤,居住限制开放商店可以降低他们面临的风险,”Grusky说。“我们有责任建立重启计划,消除或至少减少差距,当前实践创造。”

Leskovec表示模式”提供了最有力的证据”,全职的政策制定今年春天外出旅行的数量减少,新感染的速度放缓。

后的脚步

这项研究跟踪9800万美国人的运动在全国最大的10大城市通过一百万不同的机构,从餐厅和健身中心到宠物店和新的汽车经销商。

团队包括斯坦福大学博士生瑟琳娜,彭日成魏Koh和艾玛·皮尔森,今年夏天毕业,和西北大学的研究人员Jaline吉和贝丝红雀,收集研究数据10大城市。人口秩序,这些城市包括:纽约,洛杉矶,芝加哥,达拉斯,华盛顿特区迈阿密、休斯顿、亚特兰大、费城和旧金山。

SafeGraph,公司汇集了匿名位置数据从移动应用程序,提供了研究数据显示,553000年的公共场所如五金店和宗教场所人们每天访问;多长时间;至关重要的是,每个机构的面积是这样研究人员就能确定每小时居住密度。

研究人员分析了数据从3月8日到5月9日在两个截然不同的阶段。在第一阶段,他们美联储模型流动数据和设计系统来计算一个至关重要的流行病学变量:病毒的传播率不同的情况下的10大城市。在现实生活中,是不可能预先知道何时何地一个传染病和敏感的人接触来创建一个潜在的新感染。但是在他们的模型中,研究者开发和提炼的一系列方程计算的概率传染性事件在不同的时期和不同的地方。方程可以求出未知变量,因为研究人员向电脑中输入一个,重要的已知的事实:有多少COVID-19感染向卫生官员报告在每个城市每一天。

精化模型的研究人员,直到能够确定病毒的传播速度在每个城市。率从城市取决于不同的因素从人们冒险的房子他们访问类型的位置。

一旦研究人员获得传播率的10大城市,他们测试了该模型在第二阶段让它繁殖率为每个城市对他们的数据库的移动模式来预测新的COVID-19感染。预测与实际的卫生官员报告,密切跟踪让研究人员对该模型可靠性的信心。

预测感染

结合他们的模型人口数据可以从一个57000年的人口普查数据库块组- 600 3000人的社区研究人员展示少数民族和低收入人群经常离开家,因为他们的工作需要它,和店小,比高收入的人拥挤的场所,他们可以在家工作,使用送货上门来避免购物和惠顾更宽敞的企业当他们出去。例如,这项研究表明,它是大约两倍风险非白人人口购买杂货与白人相比。“通过合并迁移,人口统计学和流行病学数据集,我们可以使用我们的模型来分析不同的开放策略的有效性和股票," Chang说。

团队使其工具和数据公开的其他研究人员可以复制和构建结果。

“原则上,任何人都可以使用这种模型来理解不同全职关闭和商业决策的后果,”Leskovec说,他的团队正在努力发展模型到一个用户友好的工具,决策者和公共卫生官员。

法律上Leskovec是斯坦福大学计算机科学工程副教授,斯坦福大学的一员吴Bio-X和蔡神经科学研究所。大卫Grusky是爱德华。埃姆斯埃德蒙兹人文与科学学院的教授和斯坦福大学经济政策研究所高级研究员(SIEPR)。

---

---