文章信息：Jayson S. Jia, Xin Lu, Yun Yuan, Ge Xu, Jianmin Jia, & Nicholas A. Christakis. (2020). Population flow drives spatio-temporal distribution of COVID-19 in China. Nature: 582(7812), 389–394. https://doi.org/10.1038/s41586-020-2284-y
阅读笔记：吴莹
阅读时间：2020年11月4日
Abstract: Sudden, large-scale and diffuse human migration can amplify localized outbreaks of disease into widespread epidemics1,2,3,4. Rapid and accurate tracking of aggregate population flows may therefore be epidemiologically informative. Here we use 11,478,484 counts of mobile phone data from individuals leaving or transiting through the prefecture of Wuhan between 1 January and 24 January 2020 as they moved to 296 prefectures throughout mainland China. First, we document the efficacy of quarantine in ceasing movement. Second, we show that the distribution of population outflow from Wuhan accurately predicts the relative frequency and geographical distribution of infections with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) until 19 February 2020, across mainland China. Third, we develop a spatio-temporal ‘risk source’ model that leverages population flow data (which operationalize the risk that emanates from epidemic epicentres) not only to forecast the distribution of confirmed cases, but also to identify regions that have a high risk of transmission at an early stage. Fourth, we use this risk source model to statistically derive the geographical spread of COVID-19 and the growth pattern based on the population outflow from Wuhan; the model yields a benchmark trend and an index for assessing the risk of community transmission of COVID-19 over time for different locations. This approach can be used by policy-makers in any nation with available data to make rapid and accurate risk assessments and to plan the allocation of limited resources ahead of ongoing outbreaks.
摘要：突然、大规模和扩散的人口迁移会将局部疾病爆发放大为广泛的流行病1,2,3,4。因此，快速准确地跟踪总人口流动可能具有流行病学信息。在这里，我们使用了2020年1月1日至1月24日期间离开或过境武汉地区的个人的11478484条手机数据，这些数据来自他们在中国大陆296个地区的移动。首先，我们记录了隔离在阻止流动方面的有效性。其次，我们表明，武汉人口外流的分布准确地预测了截至2020年2月19日中国大陆严重急性呼吸系统综合征冠状病毒2型（SARS-CoV-2）感染的相对频率和地理分布。第三，我们开发了一个时空“风险源”模型，该模型利用人口流动数据（将来自疫情中心的风险操作化），不仅可以预测确诊病例的分布，还可以在早期确定传播风险较高的地区。第四，我们使用这个风险源模型统计得出新冠肺炎的地理传播和基于武汉人口外流的增长模式；该模型产生了一个基准趋势和一个指数，用于评估不同地点新冠肺炎随时间的社区传播风险。任何有可用数据的国家的政策制定者都可以使用这种方法进行快速准确的风险评估，并在持续爆发之前规划有限资源的分配。
1.科学问题
利用该风险源模型，统计推导出基于武汉人口外流的COVID-19地理传播和增长模式。
2.选题视角
突然、大规模和扩散的人类迁徙可将局部疾病暴发放大为广泛流行。因此，迅速和准确地跟踪人口总数流动可能提供流行病学方面的信息。
3.研究结果
使用了2020年1月1日至1月24日期间离开或过境武汉的个人移动电话数据，这些人迁移到中国大陆的296个州。
（1）记录了隔离措施在减少人口流动方面的效力。
（2）发现武汉人口外流的分布准确预测了2020年2月19日之前中国大陆地区SARS-CoV-2感染的相对频率和地理分布。
（3）开发了一个时空“危险源”模型，该模型利用人口流动数据，不仅可以预测确诊病例的分布，还可以在早期阶段识别传播风险高的地区。
（4）利用该风险源模型，统计推导出基于武汉人口外流的COVID-19地理传播和增长模式。
该模型产生了一个基准趋势和一个指数，用于评估不同地区随着时间推移COVID-19社区传播的风险。任何拥有现有数据的国家的决策者都可以使用这种方法来进行快速和准确的风险评估，并在持续的疫情爆发之前规划有限资源的分配。
图 a、 截至2020年1月24日，从武汉流出的总人口的地理分布（红色）与中国其他州（n=296个州）的新冠肺炎确诊病例数之间存在高度重叠
地图来源：国家地理信息目录服务。灰色地带缺乏人口外流数据。b、 c、在农历新年假期出境旅游的历史高峰期，武汉向湖北其他地区的总人口外流（b）是向省外外流（c）的三倍多。2020年1月23日10:00实施隔离后，除邻近地区外，武汉的人口外流降至最低（b）。在b中，第一个高峰可能对应于武汉（约100万）大学生寒假的开始，第二个高峰与出境春云旅行有关。
图 a、 b、2020年1月26日（a）和2020年2月19日（b）武汉市（截至2020年1月24日）经对数转换的总人口流出量与各州经对数转换后的确诊病例数之间的关系。
红圈是湖北的州；浅蓝色圆圈表示浙江省（包括温州）的四个隔离州；中国六大地级市以独特的颜色标示。c、 确诊病例数（累计至2020年2月19日）与来自武汉的累计人口流入量（截至2020年1月24日）、来自湖北省（不包括武汉）的累计流入量、与病毒相关的百度搜索词频率、各省的GDP、人口和与武汉的距离随时间的关系。随着时间的推移，武汉的人口外流与感染病例数之间的相关性从2020年1月24日的皮尔逊r=0.522增加到2月19日的r=0.952（n=296个县）。在线搜索行为预测强度的下降可能反映了信息饱和，而GDP、人口规模和距离预测强度的降低表明，后期春云从武汉迁移到更多样化的州（而不仅仅是最隐秘、最大和最发达的州）和/或社区传播开始占主导地位。d、 在整个期间，与每日感染的相关性是一致的，Pearson的r范围从2020年1月24日的0.496到2020年2月4日的峰值0.926（n=296个县）。波动可能表明案件报告滞后（在c中已平滑）；过去几天相关性较弱，反映出湖北以外90%以上的地级市没有报告新病例。
图 a、 该表显示了我们的流行病学模型（见补充信息中的模型（5））与单个变量x1i的拟合性能，该模型表示所有地级市从武汉到地级市的流出人口（对数转换），t为春云出境结束后的天数（即t=1为2020年1月24日）。点表示给定x1i和t的实际确诊病例数。红点表示报告的确诊病例数大于模型预测值的县；黑点是所有其他情况，R2=0.930（n=7992个数据点）。稳健性检查见扩展数据图8。b、 随着时间的推移，风险评分提供了不同县传播风险变化的动态图景。
原文链接：https://www.nature.com/articles/s41586-020-2284-y
