《自然》：大城市內(nèi)10%的場(chǎng)所造成了80%的新冠病毒感染

CNN網(wǎng)站報(bào)道，近期《自然》雜志發(fā)布一項(xiàng)研究表明，餐館、健身房、咖啡館和酒店等區(qū)域新冠肺炎感染風(fēng)險(xiǎn)很高，80%的感染與這10%的區(qū)域有關(guān)。降低這些場(chǎng)所的最大使用率，可大大減緩疾病的傳播。

文章作者，斯坦福大學(xué)計(jì)算機(jī)科學(xué)副教授Jure Leskovec介紹，研究人員希望調(diào)查一些“超級(jí)傳播”場(chǎng)所的感染風(fēng)險(xiǎn)。他們根據(jù)手機(jī)定位數(shù)據(jù)模擬新冠肺炎的情況，對(duì)亞特蘭大、芝加哥、達(dá)拉斯等10個(gè)大城市進(jìn)行建模，相當(dāng)于今年3月至5月的流動(dòng)模式，每小時(shí)有9800萬(wàn)人次的流動(dòng)。

研究人員檢查了每個(gè)地區(qū)的新冠肺炎病例數(shù)，同時(shí)觀(guān)察他們?nèi)ツ承┓亲≌瑓^(qū)或“興趣場(chǎng)所”的頻率，包括雜貨店、健身中心、咖啡館和小吃店、醫(yī)生辦公室、宗教機(jī)構(gòu)、酒店和汽車(chē)旅館以及全方位服務(wù)的餐館。

平均而言，城市范圍內(nèi)，全方位服務(wù)餐館、健身房、酒店、咖啡館、宗教組織和有限服務(wù)餐館重新開(kāi)放時(shí)，預(yù)計(jì)感染人數(shù)增加速度最快。感染率非常不均衡，以上10%的興趣場(chǎng)所占所有感染的80%以上，這些地方面積小、更擁擠，人們?cè)谶@里停留的時(shí)間更長(zhǎng)。

我們認(rèn)為，將這些興趣場(chǎng)所的最大使用率限制在20%，可以使新增感染數(shù)減少80%以上。同時(shí)，與正常開(kāi)放相比，只損失了大約40%左右的客源。想強(qiáng)調(diào)一點(diǎn)，有限的控制并不等于全部或沒(méi)有。

該模型還指出，根據(jù)人口數(shù)據(jù)，低收入社區(qū)的人感染風(fēng)險(xiǎn)高于高收入社區(qū)。這些地區(qū)的面積更小，人員擁擠傳播風(fēng)險(xiǎn)更高。數(shù)據(jù)顯示，一個(gè)低收入的人逛雜貨店的感染風(fēng)險(xiǎn)是高收入?yún)^(qū)的兩倍。低收入社區(qū)的雜貨店每平米的人數(shù)多60%，人員停留時(shí)間長(zhǎng)17%。

當(dāng)然這項(xiàng)研究也有一些局限性，比如僅包括大城市地區(qū)，學(xué)校、療養(yǎng)院、監(jiān)獄等人群密集地區(qū)也沒(méi)有計(jì)算在內(nèi)，需要更多的研究評(píng)估更多區(qū)域的感染風(fēng)險(xiǎn)。

英國(guó)萊斯特大學(xué)Julian Tang在一份聲明中指出，這項(xiàng)研究結(jié)果很有意義。它的結(jié)果如我們所料，也再次突出了病毒在不同社會(huì)經(jīng)濟(jì)階級(jí)之間的風(fēng)險(xiǎn)差異。

哈佛大學(xué)陳氏公共衛(wèi)生學(xué)院的Kevin C. Ma和Marc Lipsitch在《自然》上發(fā)布一份評(píng)論稱(chēng)，本項(xiàng)研究的“最大占用率”可以擴(kuò)展到其他地區(qū)，比如健身房、博物館等可以制定限時(shí)參觀(guān)的策略，減少平均停留時(shí)間。這份研究還進(jìn)一步證實(shí)了不同收入人群之間的風(fēng)險(xiǎn)差異，比如，在低收入社區(qū)往往有更多的疫情一線(xiàn)工作者，他們的感染風(fēng)險(xiǎn)也是最高的;低收入人群常去的場(chǎng)所往往更加擁擠，也增加了感染風(fēng)險(xiǎn)。我們需要更進(jìn)一步的模型，通過(guò)更多的數(shù)據(jù)支持，可以指導(dǎo)如何安全開(kāi)放社會(huì)，如何將流動(dòng)限制在感染風(fēng)險(xiǎn)最低的程度等。

參考資料：

1.CNN

In places you're most likely to catch Covid-19, reducing crowds can help

https://edition.cnn.com/2020/11/10/health/covid-19-modeling-high-risk-places-study-wellness/index.html