耦合人群移动的COVID-19传染病模型研究进展

尹凌, 刘康, 张浩, 奚桂锴, 李璇, 李子垠, 薛建章

Integrating Human Mobility into the Epidemiological Models of COVID-19: Progress and Challenges

YIN Ling, LIU Kang, ZHANG Hao, XI Guikai, LI Xuan, LI Ziyin, XUE Jianzhang

表2 基于过程模拟的人群移动耦合模型相关研究

Tab. 2 Related references of process simulation models coupled with human mobility

分类 文献 研究区域 人群移动数据 模型模拟的干预措施 病例真实值 病例模拟值 模型效果 群体级别 [47] 意大利 人口流量调查 严格管控出行活动、加大疫情排查力度 74 386 约733 000 模拟的疾病发展曲线与实际情况吻符合程度较高 [9] 武汉 百度实时流动性数据 - 554 632 累计病例数的R2=0.99 [45] 中国375个城市 腾讯位置服务人口实时流动性数据 佩戴口罩、社交疏离、自我 隔离 13 562 约1.2万 预测的疾病报告率为14%,与实际武汉市疾病报告率15.8%非常接近 [15] 中国340个城市 百度迁徙人口流动数据 综合性非药物性干预 79 824 114 325 全国累计病例的R2=0.86,P值<0.001 [21] 中国 手机实时移动性和社交联系数据、腾讯移动设 备数据集 疫苗接种、社交疏离 未使用真实数据 未给出具体值 严格的干预措施可大幅降低传播能力 [13] 深圳市 手机移动信令数据 降低出行量、区域封锁 未使用真实数据 R0=2.5时,峰值病例数减少了33％ 模拟的疾病发展曲线与实际情况吻合程度较高 [14] 美国康涅狄格州 城镇级人口流动数据, 智能手机热图,空中交 通流量 社交疏离 47 510 45 752~48 105 对康涅狄格州所有城镇模拟,实际统计的病例R2在0.907~0.924;按类别对城镇进行模拟,实际统计的病例R2为0.978~0.987 [49] 全球 航空与地面交通数据 降低本地传播率和国际旅行 未使用真实数据 未给出具体模拟值 严格的干预措施可大幅降低传播能力 个体级别 [60] 新加坡 交通数据 隔离感染者、关闭学校和工作场所 未使用真实数据 R0=1.5时,7.4%的总人口感染;R0=2.0时,19.3%的总人口感染;R0=2.5时,32%的总人口感染 未给出具体评价指标 [61] 波士顿 手机位置数据 检测、密接追踪、居家隔离 未使用真实数据 无干预场景75%的人口被感染 未给出具体评价指标 [62] 纽约、西雅图 手机位置数据 无干预措施 每天每千人的死亡人数（未给出具体值） 每天每千人的死亡人数（未给出具体值） 模型结果与真实死亡人数的拟合效果较好,二者到达峰值的时间差略大于5 d [63] 澳大利亚 人口通勤数据 国际航空旅行限制、隔离感染者、居家隔离、增大社交距离、关闭学校 未使用真实数据 最佳干预场景下有8千~1万人被感染 未给出具体评价指标 [64] 深圳市 手机信令数据 密接追踪、及时检测、佩戴口罩、封城、逐步复工、隔离综合措施 418 416 每日新增发病数量的模拟值与实际报告值的RMSE=1.354;显性感染者数量在城市内各个行政区尺度上的R2=0.95