传染性的地方——多尺度的影响人类活动的地方COVID-19的传播

人类继续迁移到大,密集的城市居住区在过去的一个世纪。随之而来的城市的发展带来好处,如规模经济和知识溢出效应,但也会增加日常生活风险的脆弱性与人们的聚集和交互,如交通拥堵、犯罪,和传染病^1,2,COVID-19是一个突出的例子。在这些风险的蔓延,地方包含不同的活动是关键风险单位,联系物理环境中,人类活动和风险因素。理解不同的地方在风险传播的影响将是重要的科学和实践提高韧性和人居生活质量。

罢工的COVID-19提高了流行病学的风险担忧的地方,,然而很少评估。理论上,不同类型的活动场所可能会导致不同的病毒传播的机会。大规模的,密集的定居点导致居民之间的物理距离,和大型定居点连接更多的人都可能会产生更多的接触,增加传染病的传播^3,4,5。在微观层次上,不同类型的企业,如餐厅、博物馆、体育领域,也可能产生不同的病毒传播的机会,影响接触通过相应的活动和物理环境。因此,本文旨在量化与不同的沉降特征相关的病毒传播风险在宏观尺度和机构在微尺度以及它们的相互作用,构建一个系统的知识在人类活动的传染性和通知相关决策的地方。

尽管病毒传播的风险在不同的地方可以用机械评估建模^6,7,很难找到有意义的数据校准不同的人工交互仿真的优点。另外,我们利用自然所提供的实验不同的政府干预,包括关闭许多活动的地方在区域和国家COVID-19并检查在病毒传播的作用与自然实验的方法。虽然有身体的研究使用这些经验数据来估计COVID-19政府干预的效果,我们的工作更细粒度的活动类型检查的地方^{8,9,10,11,12,13,14,15,16,17,18}。在这项工作中,我们审查的影响两个大规模的地方特点、人口规模和密度,发现影响许多社会数量^5,19和11个常见的微尺度机构,学校,儿童保育中心、办公室、不必要的零售,餐馆,酒吧,娱乐场所、文化场馆、宗教场所、室内体育场馆和户外运动场(补充表中详细描述1)。我们使用来自四大洲的四个国家作为研究案例,在亚洲的日本,英国在欧洲,美国在北美,南美和巴西(补充无花果。1- - - - - -4)。四个国家不同在定居点的空间形式、生活方式、文化和政府行为在COVID-19,这可能会提高我们的研究结果的普遍性。

我们采用自然experiment-based计量经济学方法称为法(做了),这是广泛应用于研究社会科学的因果关系和估计的因果影响治疗通过不同的时间在不同的单位^20.。估算的影响更具体地说,一群在病毒传播机构,减去了方法的流行在那群的空间单位机构获得流行的关闭或重新开放课程在同一场所空间单元的状态保持不变,假设两组的流行应该并行的趋势没有改变。通过减去趋势,这种方法可以排除同步行为变化的影响的空间单元共享。同步行为变化可能发生当人们开始更多的警示作为干预得到实现,由大流行性流感的严重性或干预的信号效应,导致高估的干预效果¹⁰。方法可以减去了常见的行为变化的国家,从而缓解过高的问题²¹。每个样本国家的空间单元的选择是基于两个标准:第一,感染数据和其他社会经济数据可供空间单位;第二,空间单位尽可能接近的空间扩展定居点(不断组合区域)。空间单位人口大于100000作为样本,为更小的单位可能没有足够的感染病例产生可靠的估计。这些标准导致45空间单位在日本,234年在英国,308年在美国,和319年在巴西清洗后缺失的数据(详细说明的选择空间单位补充方法)。

我们开始通过评估病毒传播的风险在不同类型的机构,通过估算建立闭包的因果影响的流行病。这是由建模实现瞬时繁殖数量之间的关系(R_t)在空间的单位和各种机构的地位,控制其他干预措施(全职订单和收集禁令)。我们估计每个国家单独的模型允许异构感染风险在不同国家的不同场所,考虑越野生活方式的差异,文化,城市形态,等。相关分析表明,肯德尔相关系数之间的机构大多是低于0.8的地位在我们的数据集,尽管在某些情况下,政府关闭或重启(图一起多种类型的机构。1),提供至少180 unit-day区别任何一对机构的状态。我们也验证估计不敏感消除建立状态变量,提出可控的共线性(补充方法)。估计是实现通过一个双向固定效应模型和固定效应的天空间单元,这是一个广泛使用的建模方法实现做了分析²²。

执行分析,我们将来自各种数据源的数据,包括COVID-19感染病例数据,政府干预数据和社会经济特征的空间单元(见补充方法的详细描述数据源)。我们使用数据从第一波大流行,也就是说,从3月到2020年8月,因为可能还有更多因素可能偏大流行后期分析,包括封锁疲劳,病毒变异,疫苗接种等。⁹。

在微尺度机构感染风险

并分析提供估计的百分比减少R_t关闭造成的每种类型的建立(从直接计算模型输出1 -e^x,在那里x表示直接的模型输出图所示。2)。裁员可以进一步解释为总感染的比例各自相关类型的机构,通过人工交互可能发生在这些地方或在这些地方。关闭机构显示统计上显著的影响减少R_t在每个国家(95%置信区间):娱乐场所(53%、4 77%)在日本;餐馆和文化场馆(结合室内集会禁令的影响是分不开的,25%,5 - 41%)和室内体育场馆(43%,13至63%)在英国;娱乐场所(17%、1 31%)在美国;和不必要的零售(20%,9 31%)和室内体育场馆(43%)36%,27日在巴西(无花果。2补充表中,完整的模型结果2)。这些结果反映了机构最大的流行病学在每个国家的风险。

大多数建立状态变量满足平行趋势的假设,也就是说,估计不可能不同pre-trends的偏见R_t关闭或开放的地区机构和那些不(详细的方法和结果平行趋势检验的补充方法和补充表3)。估计也一般健壮的选择设置的分析,包括扣缴空间单位样本和增加或减少变量的模型,这表明他们不可能受到个人影响力的空间单元和变量之间的相关性(补充无花果。5,6在补充方法)、详细的方法和结果。

考虑到流行病应对计划经常需要识别一组机构最大的共同影响,我们进一步评估所有可能的组合的联合影响每个国家的机构基于先前的结果。完整的结果中可以找到这个项目的存储库(参见代码可用性)。我们现在最大的减少R_t可以通过关闭一个给定数量的机构(无花果。3)。我们的分析表明,最大的减少R_t通过关闭两到六种,而更多的闭包不进一步降低繁殖数量。政府可以采取这种分析时具有成本效益的干预策略。

感染风险,大规模的定居点

固定效应的空间单位双向固定效应模型估计在上一步中可以解释为病毒传播的内在的速度在每一个空间单元没有任何自发的或强制性的行为变化。这种固定效应可能是一个组合的结果定居点的空间(例如大小和密度)和社会经济特征,比如年龄,种族,和财富的居民。在此基础上,我们估计沉降大小和密度的影响在这个内在的病毒传播的速度使用线性回归与单位固定效果作为因变量和解决社会经济特征作为控制变量。

定居点的人口规模和密度的影响在这四个国家(表是相当一致的1)。人口规模与空间负相关单位的固定效果R_t这是统计学意义在三四个国家,2.0%之间的效应值范围(1.1 - 3.2%)至4.9%(2.3 - 7.5%)减少R_t每百万人口的增加。密度的影响尚不明朗,但没有一个估计是积极意义重大,所显示在介绍中提到的共同信仰。这些结果与大型和人口稠密的城市的印象往往是中心点,表明繁殖数量而言,大型和密集的城市不是风险,但更少。解释结算规模和之间的负相关关系R_t可能包括在大城市更好的卫生基础设施和人民更强的风险意识,从而更加谨慎的行为^23,24。然而,需要更多的数据来证明这些可能的解释。

不同风险之间的相互作用的两个尺度

我们也研究大规模的沉降特性和微尺度之间的互动场所COVID-19的传播,由于活动模式在不同类型的定居点的居民可能是不同的,导致感染风险的非均匀分布。要做到这一点,我们重新评估建立的最大共同影响闭包在不同样本的相对大小,和高位低密度空间单位。高/低样本分割的平均人口规模(174980人)和密度(每平方公里681人)的样本空间单位,除了日本,人口规模和密度通常更高,所以我们使用自己的中值(分别为314082人和5671人每平方公里)。更多细节的规范模型和灵敏度测试可以发现方法和辅助方法。

跨四个国家的比较是非常一致的交互解决麽影响相对较小的闭包是建立大定居点,反映出更高的感染占份额由特定机构(图在较小的定居点。4)。换句话说,一个更大比例的感染与一般公共空间在大型定居点,其中可能包括街道、公共交通等。²⁵。感染占的比例差距机构3和18%之间。相对低密度的影响也更大的定居点在日本和巴西、相互接近和影响在英国和美国。尽管如此,任何常见的模式是观察到的个人类型的机构。这可能是因为有很多变化的物理条件和社会互动在这些活动在不同国家的地方。

测试结果是否持有人口和密度阈值变化时,我们重复分析一系列的截止值之间的第一和第三分位数每个国家的人口规模和密度。结果通常是稳定的阈值用于分割样本,而且特别一致的解决大小:感染占的比例由不同机构在相对小的定居点总是比在所有样本国家在大型定居点(无花果。4 b)。类似的模式也存在对沉降密度在日本和在巴西不突出。结算的模式也健壮的替代指标大小和密度(补充图。7)。

我们的分析在不同类型的病毒传播风险量化人类活动的地方使用COVID-19证据大流行。工作有助于新兴文学的健康和弹性人居和一开始的步骤开发一个系统的知识活动的传染性的地方^26,27,28。结果可以告诉韧性影响最小的计划不仅持续COVID-19还未来的公共卫生危机,以及长期战略在减少流行病学风险在人类定居点。

COVID-19数据表明,关闭各种机构,减少R_t在四个样本国家27 - 75%;换句话说,在这些场所活动导致27 75%的感染。跨国家的大小影响异构,可在相关的行为和交互影响的地方,游客的社会经济资料,有关空间的物理条件,以及执法的水平。例如,美国和巴西的小尺度效应可能与宽松的执法和不符合,因此可能不会反映的真实影响两国在病毒传播机构^29日,30.。异构的结果表明,尽管听起来强大得出一般结论的感染风险活动的地方,这样的结论可以简化的风险和个别国家偏离现实。尽管异质性,它是常见的四个样本国家的闭包必不可少的活动场所,包括学校、儿童保育中心,和办公室,不要展示统计上显著的影响在减少R_t而关闭某些不必要的活动场所,包括体育领域,娱乐场所和餐厅,往往更有效。弹性未来公共卫生危机可能首先考虑干预计划针对这些地方,可能更划算。

一些问题关于我们的效应估计应该注意。我们的效应估计小于许多现有研究COVID-19干预效果,例如我们不找到一个显著的影响在减少关闭学校R_t。一方面,它可能是因为做的方法能够在一定程度上排除增加自我保护的影响与干预措施同时发生。另一方面,它也可能限制我们的数据作为数据从只有四个国家和早期干预措施实施时彼此接近。结果,我们的影响估计的活动地方闭包与大的置信区间,它实际上可能包含其他研究的估计。此外,巴西,我们的估计表明,一些机构增加的闭包R_t。一个可能的原因是,执法水平的场所关闭可能在巴西有冲突的观点对干预(补充笔记)。另一种解释可能与在巴西城市贫民区的广泛存在,在高密度可能增加传播的机会当人们呆在家里。对英国而言,更大的变化估计相关的影响,尤其是对零售关闭(补充图。5)。这是因为几乎没有跨城市变化的时间地点关闭在英国,所以估计在很大程度上影响到流行病动力学的影响在一些城市采取不同的干预方案。最后,病毒传播的机会在一个特定的机构也可以与它的受欢迎程度,社会经济组合的游客^31日等等。我们确定应该解释为影响平均的影响关闭个人某种类型的地方。

大规模的沉降特点,我们的结果与‘普遍认为大,人口密集的城市更容易受到传染性疾病³²。这可能是由于表面上增加连接和邻近大型和密集的城市中人们实际上并没有提高病毒传播的机会,或抵消这种效应确实存在,但其他积极因素,如更多的医疗资源的规模和更谨慎的经济行为的人。确切的因果链也可能涉及到人口、教育、经济,甚至在不同类型的定居点党派之争^24,33有待进一步的研究。不管怎样,这些结果借更多的自信鼓励人们的聚集和高密度发展。应该注意的是,一些先前的研究表明积极的城市规模和传播之间的关系³。这是我们的结果不一定是矛盾的,因为使用不同的流行指标。例如,哈米迪等人以感染率为因变量。假设一个小城市和大城市感染数量成比例的人口规模,大城市会有更高的感染率在一段时间之后,由于感染呈现指数级增长。因此,当使用感染率作为流行指标,大城市往往有更大的数字。

发现11个类型的机构占更小的比例相对较大的定居点表明感染更多的感染发生在公共场所以外的其他机构在大型定居点的封闭区域,这可能是由于一般长旅行距离很大定居点因此更联系上街道,公共交通,等等。这表明,政府可以减少对关闭机构的依赖,这是经济风险,并采取其他措施,以减少感染传播在大城市,如接触者追踪或更强的公共场所的消毒。

尽管如此,我们的研究结果可能会受到一些限制。首先,除了人类活动和物理环境,病毒传播的风险也受到病原体的特点,包括发射方式,易感人口集团等。研究结果来自COVID-19可能适用于呼吸道传染病,但可能不反映与其他传染性疾病的风险,这将进一步导致传染性的系统知识的地方。

第二,因果的识别策略,做的方法需要两个平行的趋势和exogeneity治疗。而平行趋势的假设是检查事件研究设计(补充方法),exogeneity假设可能受到未被注意的混杂因素影响R_t和关闭机构。尽管我们能够排除混杂因素的数量包括大量的政府干预变量以及单位和天便效果,还有可能省略单元特定时变引起的内生性因素。例如,突然爆发的感染热点可能影响两国政府的干预措施和当地居民的行为,从而影响R_t。

第三,从关闭的影响不同类型的机构估计在一个模型中,结果可能受到所谓“表2谬论,指混杂因素在模型的系数时错误地解释为完整的因果效应实际上是直接影响³⁴。这个问题如果决定适用于关闭或重启机构互相影响,使他们成为混杂因素。虽然这是可能的,我们假设这种关系应该弱因为这些决策往往更直接受到感染的趋势,而不是其他干预措施的状态。

第四,我们假设一个线性关系R_t和独立变量在整个分析中,这是一种方便的假设由许多研究在COVID-19干预效果^{8,10,12,16,35}。然而,关闭一个类型的建立可能的影响依赖于其他机构的地位,因为相应的活动可以互补或替代,导致相互作用的影响。令人鼓舞的是,研究分析非线性关系和干预没有发现显著的序列模式^8,36,37,但这个问题是不容忽视的。

我们的工作系统地检查multitype的作用和多尺度活动地方传染病的传播。实际上,公共健康问题一直是一个关键因素在塑造城市的规划和管理最早的时候,约翰·斯诺在现代城市的出现。我们的研究结果表明,增加人类集聚和交互,流行病控制不再只需要在医院或供水系统等领域,而且整个城市空间。改善我们的知识之间的联系的地方,人类活动和疾病很重要——短期决策的公共卫生、城市活力,和人类定居点的计划。

数据

我们每天牧师一个数据集结合感染情况下,政府干预(包括建立闭包,全职订单,和收集禁令),和空间,空间单元的人口和经济特征在我们的研究中,从流行病的爆发到8月15日,2020年。空间单位是45个县在日本,234年英国地方政府区,308在美国大都市统计区,319年巴西市(详细说明的选择空间单位补充方法)。注意,县(日本的一级行政区划)比其他国家的空间单元,包含多个大型定居点在许多情况下。然而,感染数据只能持续获得在日本在这个级别³⁷,所以它是作为分析单元。尽管如此,我们证明的选择空间单位不会显著影响结果(补充方法)。

感染案例数据来自日本广播公司的案例报道,英国政府,约翰霍普金斯大学,巴西卫生部。政府干预的时间表是手动收集从国家和州级政府的网站,这是主要的当局决定干预的水平。清算相关信息收集的官方网站。更多细节数据源提供的补充方法。

估计的影响关闭个别类型的机构

关闭的因果影响个别类型的机构在所有空间单位和子组的空间单位在一个国家具有双向固定效应模型的估计指定如下

日志(R_c我t)是对数转换瞬时繁殖数量单位我的国家c天t;X_c我t11是一个向量表示的状态类型的机构,然后呢β_c表示相应的系数估计。我们log-transformR_c我t实践后的相关工作^10,14基于合理的假设的减少R_c我t关闭的机构应该避免接触的比例成正比而不是绝对值,和影响时应较小R_c我t已经很低。Z_c我t和θ_c表示状态的五个其他政府干预及其系数(补充表中这些干预措施的详细描述1);α_c,我和τ_c、t分别表示单位和时间固定效应;和ε_c我t表示误差项。参数的不确定性,我们估计稳健标准误差允许的ε_c我t集群在单元级别上,占异质性治疗效果³⁸。如果两种机构的状态是高度相关的国家(肯德尔的相关系数大于0.95),然后他们被视为一个组合式避免共线性(无花果。1)。

估计多个机构的联合影响

点估计的联合影响通过加总计算相应的系数估计Eq。(1):\ (\ mathop{总和\}\ nolimits_ {s \ P}{\β_ {\ c, s}} \),在那里β_c,年代表示的系数关闭年代在国家c和P表示一组机构。标准错误稳健标准误差和协方差的计算如下

在SE_c、P表示的联合影响的标准误差P在国家c;SE_c,年代表示关闭的健壮的标准误差年代估计情商。1);和浸_{c, s, s '}建立之间的协方差的影响吗年代和年代。

估计大规模的沉降特性的影响

我们单位固定效应估计的情商。1),这可以解释为内在繁殖数量在每一个空间单元,和模型的大小和密度的关系定居点而控制了老年人口的比例(超过65或60岁取决于数据可用性),黑人和亚洲的比例(在英国和美国),居民的人均收入和人均国内生产总值,使用简单线性回归。

在密度_c,我、人口_c,我,老_c,我,黑_c,我,亚洲_c,我、收入_c,我和国内生产总值_c,我表示密度、人口规模、老年人口比例、比例的黑人,亚洲的比例,居民收入和人均国内生产总值单位我;σ_{c, 1}来σ_{c, 7}是他们的系数;ψ_c是常数,ξ_c,我误差项。