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。
西北大学(Northwestern University)的研究人员与斯坦福大学(Stanford University)的研究人员进行了合作，其中包括斯坦福工程学院(Stanford Engineering)计算机科学副教授Jure Leskovec和人文与科学学院(School of Humanities and Sciences)的爱德华•艾姆斯•埃德蒙兹(Edward Ames Edmonds)教授戴维•格鲁斯基(David Grusky)。
社会学助理教授贝丝·瑞德伯德是西北大学政策研究所的研究员，她专门研究人类运动和互动，经常利用GPS数据来了解人们是如何在太空中移动和接触的。
雷德伯德说:“这项研究表明，低收入社区的建设方式，即服务更多顾客的小型机构，是造成感染的种族和经济不平等的原因之一。”“它还表明，通过降低这些地区的密度，我们可能会缩小这种差距。”
西北大学范伯格医学院和麦考密克工程学院的预防医学(流行病学)助理教授Jaline L. Gerardin在流行病学和epi模型方面为团队提供了建议。
Gerardin说:“这项工作真正酷的部分是它分离了流动性在影响SARS-CoV-2流行轨迹中的作用。”“从一个非常简单的epi模型开始，将实际的人类流动性模式强加于此，然后按下“播放”键，我们就能看到收入较低、非白人居民比例较高的社区最终感染的更多，这就是现实生活中所发生的情况。”这意味着，在第一波流感期间，这些人群接触病毒的风险较高，可以用迁移模式来解释，而不必诉诸于基因易感性等解释。”
今天发表在《自然》杂志上,这项研究人口数据合并,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,比如提供全方位服务的餐厅、健身中心和咖啡馆——地方人留在长时间近距离。研究人员说，他们的模型的特殊性可以作为一种工具，让官员们在重新开业时，通过揭示新感染病例和销售额损失之间的权衡，将COVID-19的传播降至最低。例如，如果企业以20%或50%的产能开业。
通过结合他们的模型与57000年人口普查的人口数据可以从一个数据库块组- 600到3000人的社区研究人员展示了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,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，研究显示非白人购买食品杂货的风险是白人的两倍。
该小组在COVID-19移动网络建模网站上公开了其工具和数据，以便其他研究人员可以复制和建立这些发现。
Leskovec说:“原则上，任何人都可以使用这个模型来理解不同的留守家庭和关闭企业政策决定的后果。”
这项研究得到了美国国家科学基金会、斯坦福数据科学计划、吴宗神经科学研究所和陈-扎克伯格生物中心的支持。
新闻旨在传播有益信息，英文原版地址：https://news.northwestern.edu/stories/2020/11/computer-model-can-predict-how-covid-19-spreads-in-cities/