如何阻止餐馆引发Covid感染

在世界各地的城市，冠状病毒的暴发都与餐馆、咖啡馆和健身房有关。现在，一种使用手机数据绘制人们活动地图的新模型表明，这些场所可能是美国城市中大多数新冠肺炎感染的原因。

今天发表在《自然》杂志上的这一模型还揭示了减少场馆占有率可以显著降低感染人数。

考文垂华威大学(University Of Warwick)经济学家蒂埃莫·费策(Thiemo Fetzer)表示，该模型“具体指出了哪些措施可能具有成本效益，既能遏制疾病的传播，又能限制对经济的损害”。“这是政策的甜蜜点。”

为了预测人们的活动可能如何影响病毒传播，研究小组将手机应用程序中的匿名位置数据输入到一个简单的流行病学模型中，该模型估计了疾病传播的速度。这些位置数据是由科罗拉多州丹佛市的SafeGraph公司收集的，来自美国10个最大的城市，包括伊利诺伊州的芝加哥、纽约和宾夕法尼亚州的费城。它绘制了人们如何从57000个街区迁入和迁出的情况，这些景点包括餐馆、教堂、健身房、酒店、汽车经销商和体育用品商店，从3月份开始，为期两个月。

当研究小组将该模型在3月8日至4月15日期间在芝加哥社区的感染人数与一个月后在这些地区的官方记录的感染人数进行比较时，他们发现该模型准确地预测了确诊病例的数量。

他说：“我们能够准确地估计出每天每小时1亿人之间的联系网络。这是我们拥有的秘方。“莱斯科维奇说。

然后，该团队使用该模型来模拟不同的场景，比如重新开放一些场馆，同时关闭其他场馆。他们发现，餐厅满负荷营业导致感染人数增加最多，其次是健身房、咖啡馆、酒店和汽车旅馆。如果芝加哥在5月1日重新开放餐厅，当月将有近60万人感染，而开设健身房将产生14.9万人额外感染。该模型预测，如果所有场馆都开放，病例将增加330万例。

但该模型估计，将所有场馆的入住率限制在30%将使新增感染人数减少到110万人。如果入住率限制在20%，新感染病例将减少80%以上，达到约65万例。

伦敦帝国理工学院(Imperial College London)流行病学家尼尔·弗格森(Neil Ferguson)表示：“这项研究突显出，人口流动的实时大数据提供了以前所未有的空间粒度预测传播动态的潜力。”

流动性数据还表明，为什么贫困社区的人更有可能得到新冠肺炎：因为他们在家工作的能力较差，而且他们去购买必需品的商店往往比其他地区更拥挤。贫困社区的杂货店平均每平方英尺每小时多接待59%的访客，而访客停留的时间平均比这些地区以外的商店长17%。Leskovec说，居住在这些地区的人去不那么拥挤的商店的选择可能有限，因此，购物旅行的风险是来自富裕地区的人的两倍。

但牛津大学流行病学家克里斯托弗·代伊(Christopher Dye)表示，这些流动模式需要用真实世界的数据来验证。“这是一个尚待检验的流行病学假说。但这是一个非常值得检验的假设。“他说。

费策说，总的来说，这项模型研究证实了从全球接触者追踪研究中学到的许多东西，这些研究确定餐馆、健身房、唱诗班练习、疗养院和其他拥挤的室内场所是超级传播者活动的地点，在这些地方，许多人同时被感染。

上个月，费策发布了一份报告，展示了英国政府一项名为外出就餐(Eat Out To Help Out)的计划，该计划在8月份对餐厅用餐提供补贴，导致餐厅就餐人数激增，占当月新感染新冠肺炎病例的17%。

但餐馆可能并不是所有地方的热点。英国牛津大学(University Of Oxford)传染病模型专家莫里茨·克莱默(Moritz Kraemer)表示，来自德国的接触者追踪数据发现，餐馆并不是该国的主要传染源。这可能是因为使用接触者追踪数据很难确定感染源。尽管该模型对城市总体感染率的预测得到了真实世界数据的验证，但Kraemer说，还需要更详细的接触者追踪数据来测试该模型是否正确地识别了感染的实际位置。

Leskovec说，所有的模型都有一定的误差。但他补充说，由于它的许多预测与观测数据一致，没有理由认为它不会在较小的规模上奏效。

弗格森说，如果发现该模型可以准确预测访问特定地点的风险，卫生官员可以利用它来微调社会疏远政策。