网络模型揭示社区防控与出行限制为什么有效
导语
2020年3月11日,世界卫生组织宣布新冠肺炎(COVID-19)已构成全球性流行病,世界各国纷纷向中国学习,寻求中国方案。
中国之所以能取得这次疫情防控的阶段性胜利,离不开社区防控与出行限制政策的有效实施与人们的积极配合。然而,世界上还有另外一种声音,人们追求自由,认为强制的社区隔离与出行限制有悖人权。如何让人们认识到隔离与限制措施的重要性?如何让政府稳健有效把控隔离与限制的力度?又如何让世界范围内的疫情得到有效控制?
2016年5月在PLOS Currents Outbreaks发表的一篇论文,通过建立科学的传染病传播机制模型,高度拟合了2014年利比里亚的埃博拉疫情数据,并证明了社区防控及出行限制政策在不同依从性水平下的实施效果。本文将主要以这篇文章为背景,向大家展示社区防控及出行限制政策在疫情防控工作中发挥的重要作用。
2020年3月11日,世界卫生组织宣布新冠肺炎(COVID-19)已构成全球性流行病,世界各国纷纷向中国学习,寻求中国方案。
中国之所以能取得这次疫情防控的阶段性胜利,离不开社区防控与出行限制政策的有效实施与人们的积极配合。然而,世界上还有另外一种声音,人们追求自由,认为强制的社区隔离与出行限制有悖人权。如何让人们认识到隔离与限制措施的重要性?如何让政府稳健有效把控隔离与限制的力度?又如何让世界范围内的疫情得到有效控制?
2016年5月在PLOS Currents Outbreaks发表的一篇论文,通过建立科学的传染病传播机制模型,高度拟合了2014年利比里亚的埃博拉疫情数据,并证明了社区防控及出行限制政策在不同依从性水平下的实施效果。本文将主要以这篇文章为背景,向大家展示社区防控及出行限制政策在疫情防控工作中发挥的重要作用。
论文题目:
Beyond Contact Tracing: Community-Based Early Detection for Ebola Response NECSI主页报道: https://necsi.edu/beyond-contact-tracing 论文地址: http://currents.plos.org/outbreaks/article/beyond-contact-tracing-community-based-early-detection-for-ebola-response/
社区防控政策的实证研究
社区防控(Community-Based Monitoring):是指政府以社区为基本单位,对社区居民的健康状况进行排查、统计与监测,对社区居民的行为进行建议、指导与约束的公共政策。
例如:在居民进出社区时测量体温、对居民近期出行情况进行登记、限制非本社区居民的进入社区、限制居民出入社区的时间、严格检查居民佩戴口罩等医疗防护用品的情况等。
然而,由于居民行为和认知上的差异或出于个人目的,对于社区防控要求,居民并不一定会严格执行,这给疫情防控任务增加了难度。研究者假设,所有居民都会以一定概率遵守政策规定,并认为居民一旦选择遵守政策就会一直遵守,不会随时间变化而不再遵守。特别是对于被感染的个体,如果选择遵守政策,那么在其表现症状的第一天就会被隔离治疗,不会传染其他人;如果选择不遵守政策,那么他会在传染期的每一天以一定概率传染他人。
社区防控政策的实证研究
只要有40%左右的人愿意配合,社区防控政策就是有效的
图1:社区防控政策的实施效果对比
社区人口的密集程度不会从根本上影响政策实施效果
图2:不同社区网络结构对社区防控政策实施效果的影响
出行限制政策的模型研究
出行限制政策的模型研究
个体空间分布与疾病传播机制
图3:空间模型下的疫情传播机制
同社区邻居传染
跨社区邻居传染
社区内的陌生人传染
跨社区的陌生人传染
-
局部传播机制: 每个传染个体每天与格子上所有四个邻居进行一次交互,在交互过程中,每个传染个体会以一定概率传染易感邻居。 -
远程传播机制: 每个易感个体每天都会随机选择网格中的任何一个个体,与之密切接触,如果随机选择到的个体为传染状态,那么易感个体以一个较小的概率被传染。
强制性出行限制一个月,效果立竿见影!
在前文的空间模型下,研究者可以将社区依据疫情的严重程度做一个类型划分。
在前文的空间模型下,研究者可以将社区依据疫情的严重程度做一个类型划分。
图4:用颜色表示社区的疫情严重程度
上图用方格的方式,表示了一大片区域。其中红色方格表示出现传染状态个体的社区(高危社区),绿色方格表示红色方格的相邻社区(较危险社区),蓝色方格表示其他社区(相对安全的社区)。社区危险程度类型会随时间实时更新。
研究者假设,出行限制政策,确保了当社区防控政策实施时,原本就相对安全的社区居民更难被传染,因此,蓝色方格的数目只增不减。对于高危社区和危险社区来说,政府会集中医疗力量,治愈确诊病例,排查疑似病例,因此,红色和绿色方格会随时间向蓝色方格转变,逐渐变为安全社区。
于是,研究者进行了计算机模拟实验,假设区域内有90000(300× 300)个体,每个社区100(10 × 10)个体,共计900个社区,群体中有70%的人会遵守政策,社区防控政策和出行限制政策从第50天开始实施。
图5:实施社区防控政策及出行限制政策下的仿真模拟效果
计算机模拟的结果如上图所示,六张图分别模拟了在第60、70、80、90、100、110天的疫情防控效果。
从图中可以看出,在社区防控背景下,出行限制政策可以在30天内,显著减少高危社区及危险社区数量,从而有效防控疫情。
社区防控+出行限制
政策的联合效果
社区防控+出行限制
政策的联合效果
如果人们不配合社区防控,有必要强制限制其出行
图6:社区防控及出行限制政策效果
关键性决策:
学校停课与聚集性活动取消
关键性决策:
学校停课与聚集性活动取消
即使病毒传播性很弱,在大型聚集活动中,疫情爆发的潜在风险也非常高
论文题目: School closures, event cancellations, and the mesoscopic localization of epidemics in networks with higher-order structure 论文地址: https://arxiv.org/abs/2003.05924
总结
总结
作者: 赵子鸣、勾文沙、高晓慧 审校:曾祥轩 编辑:张爽
推荐阅读
商务合作及投稿转载|[email protected]
◆ ◆ ◆
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧!
👇点击“阅读原文”,了解更多论文信息