复旦大学余宏杰课题组联合国防科技大学吕欣课题组在人群移动与新冠病毒传播领域取得重要进展

近日，复旦大学余宏杰课题组结合国防科技大学吕欣课题组在人群移动与新冠病毒流传范畴取得主要进展，研究功效于10月12日在线揭橥在美国科学院院刊PNAS上，题为“Heterogeneous changes in mobility in response to the SARS-CoV-2 Omicron BA.2 outbreak in Shanghai”。

人群移动和接触模式是影响流行症时空流传的主要行为驱动身分，决意了病原体跨越物种障碍，在人与人之间流传，并经由人群举止引起疾病暴发甚至大风行的或者性。余宏杰课题组前期已竖立了定量测量社会接触收集的研究..，说明了社会接触模式、干涉办法与新冠病毒流传动态之间的互相感化（Zhang Juanjuan et al, Science 2020; Zhang Juanjuan et al, Science Advances 2021; Liang Yuxia et al, China CDC Weekly 2023）。吕欣课题组前期也在突发民众卫生事件下大规模人群出行纪律挖掘、疾病流传建模与展望、防控策略优化与防疫结果评估等方面竖立了系统、完整的手艺框架（Jia Jayson S, Lu Xin, et al, Nature 2020; Lu Xin et al, Health Data Science 2021; Tan Suoyi et al, National Science Review 2021）。

近年来，智妙手机、GPS、APP等现代信息手艺的快速成长使收集人群移动轨迹的数据成为或者，有力鞭策了基于时空大数据开展人群移动模式的研究。新冠疫情时代已有多项研究行使此类数据剖析新冠病毒的时空流传纪律。然而，以往研究多聚焦在国度或城市标准，较少研究回覆新冠疫情暴发导致的人群移动模式转变在城市内部以及分歧人群（例如，岁数、性别等）间是否存在异质性。此外，因为较难获取完整、正确的新冠风行病学监测数据（例如，分歧岁数组人群COVID-19的申报率、贫乏申报病例的地舆位置等空间信息），尚无研究在高精度空间标准大将新冠的风行病学与人群移动竖立关系，回覆分歧人群移动模式的异质性，及其对新冠流传的影响。

为回覆上述要害科学问题，本研究剖析了上海市SARS-CoV-2 Omicron BA.2疫情暴发时代（2022年2-6月）540万上海联通用户的手机信令定位数据（用户在接打德律、收发短信时可记录位置信息，且比来的基站平均每隔30分钟也会记录其位置信息）。考虑到用户隐私，本研究的剖析均基于汇总的手机信令数据，将上海市划分为7355个1km×1km的地舆网格，将个别的移动轨迹数据汇总为网格之间的人群举止，不涉及每个用户的根基信息和出行轨迹。此外，余宏杰课题组经由公开起原，系统收集了上海市Omicron BA.2疫情暴发时代新冠病毒传染者（包罗有症状患者和无症状传染者）的信息。为应对此次暴发疫情，上海市接纳了多轮次的全市核酸筛查，极大降低了COVID-19的漏报率，为开展人群移动与新冠病毒流传动力学研究供应了高质量的风行病学数据。

凭据上海市接纳的防控办法和疫情风行情形，将疫情划分为五个阶段（2月15日-2月28日：疫情暴发前；3月1日至3月31日：全市封闭前；4月1日至4月30日：全市封闭；5月1日至5月31日：部门解封；6月1日至6月30日：完全解封），进而分阶段估量了出行频次和出行距离，并采用Informap方式描绘了移动收集特征以及社区构造的动态转变。

研究究竟表明，疫情暴发前平均每人天天的出行频次为1.365，中位出行距离为6.035 km。移动收集中共识别出40个社区，个中最大的占上海市陆地面积的8%。跟着疫情进展和干涉办法的转变，全市封闭时代，出行频次降至最低（下降87.3%）；出行距离降至1.205 km，个中约79%的出行在3 km内（图1）。

图1. 上海市疫情时代出行频次与出行距离的转变。A：平均每人天天的出行频次与每日新增传染人数，B：疫情暴发前人群移动的空间分布，C：按出行距离分层的人群移动的组成比与中位出行距离，D：每日出行距离的累计概率分布

疫情前的40个社区也分化成221个更小的社区单元，拆解了慎密保持的市中心-郊区构造。完全解封后，出行频次在一周内快速恢复至疫情前的90.5%，个中3 km内的短距离出行恢复最快，跨越了疫情前水平；而30 km以上的长距离出行仅恢复至疫情前的一半，社区数量也仅降至54（图2）。

图2. 分歧阶段收集构造的转变。A-E离别对应分歧的疫情进展阶段。每个节点对应一个社区，节点巨细与社区巨细成正比，箭头粗细与社区之间的人群移动量成正比

此外，研究还发现网格水平的疫情风行情形及干涉办法对人群移动转变的影响存在空间异质性。3月28日浦东封闭前，网格内疫情越严重，其出行降低的比例也越大。例如，传染人数跨越50的网格内，人群移动平均降低78.7%，而无疫谍报告的网格仅降低13.0%。5月16日后的部门解封时代，高风险区域依然严厉封控，首要分布在城郊和郊区的低风险区域则逐渐起头恢复出行。出行的恢复水平与网格内的新增传染人数呈显著负相关，例如，传染人数跨越50的网格，出行仅恢复12.6%，而无疫谍报告的网格已恢复至84.1%（图3）。

图3. 疫情风行情形以及干涉办法对人群移动转变的影响。A：封闭前新冠传染人数（上层地图）以及出行降低比例（基层地图）的空间分布，B：封闭前出行降低的比例与新增传染人数之间的关系，C：部门解封阶段新冠传染人数（上层地图）以及出行恢复比例（基层地图）的空间分布，D：部门解封阶段移动恢复的比例与新增传染人数之间的关系

最后，研究对照了分歧人群（岁数和性别）出行频次、出行距离以及移动收集社区构造的差别，并行使3月1日-25日的新冠疫情数据剖析了人群移动与新冠传染风险之间的相关性。究竟发现，疫情暴发前30-59岁人群的出行频次最高（1.457），出行距离最长（6.195 km）；而70岁以上老年人出行频次最低（0.596），出行距离最短（4.350 km）。全市封闭前，所丰年龄组中，更多的出行频次与更高的传染发生率显著相关（Pearson =0.904, p=0.035），更长的出行距离与更大局限的传染面积也显著相关（Pearson =0.894, p=0.040）。各岁数组人群的移动收集特征也存在显著差别。例如，30-59岁人群的平均度（考虑流入与流出的连边总数）是16-18岁人群的40倍，其社区构造保持最为慎密（社区巨细排名前10的社区所占面积为37.250%）、社区数量起码（141）。同样发现男性比女性出行距离更长、出行频次更高、社区构造更为慎密以及社区数量也更少，响应地其传染发生率更高、传染的面积更大（图4）。

图4. 分歧岁数和性别人群出行频次、出行距离以及移动收集社区构造的转变。A-C：疫情暴发前、全市封闭时代以及全市解封后按岁数和性别分组的出行频次与出行距离；d-f：左侧透露按社区巨细排名前10的社区占上海市面积的比例，右侧透露总的社区数量，个中填充部门透露至少笼盖10个网格的社区数量；g-h：分歧阶段按岁数和性别分组的度分布

综上，本研究行使高精度的手机信令数据和新冠风行病学疫情数据，连系空间标准及生齿学特征，对上海市SARS-CoV-2 Omicron BA.2疫情暴发时代人群移动行为的转变进行了深入评估，说明了移动行为的转变与实际传染风险之间的互相感化。研究究竟有助于设计城市内的空间靶向干涉办法，为呼吸道流行症的精准防控供应主要参考。此外，基于实时、正确的生齿举止信息，可实时评估和调整疫情防控策略，为疫情防控的精准剖析、精准施策等供应主要的科学决议证据，削减对人群生活和社会经济的影响。

复旦大学民众卫生学院青年研究员张娟娟和国防科技大学讲师谭索怡为论文配合第一作者，复旦大学民众卫生学院余宏杰传授和国防科技大学吕欣传授为论文配合通信作者。本研究获得国度天然科学基金重点项目（82130093）、国度天然科学基金根蒂科学中心项目（72088101）、国度卓越青年科学基金（72025405）、上海市青年科技启明星项目（22QA1402300）、国度天然科学基金青年基金（72001211）等帮助。

本期编纂：木木