在新冠病毒与人类长期共存的时代，已经无法长期保持紧绷的防疫措施，需要让生产生活恢复原有的秩序。面对不时出现的零星病例，需要用科学方法来制定更加精准的防疫策略。斯坦福大学Jure Leskovec领衔的研究组，利用手机通信数据构建了一个近亿人的人类移动网络，揭示了需要优先限流防疫的区域场所，以及怎样通过精准限流达到防疫效果与社会公平的平衡。
一个由美国斯坦福大学和西北大学等学术机构的研究员组成的团队就利用移动网络的手机数据，绘制了9800万人的移动网络地图。通过这些数据，研究者证实了少量“超级传播者”的威力。由于超级传播者的存在，餐厅、咖啡馆等人员长期停留的密闭性场所存在较大的疫情传播风险。限制这些场合的最大容量，比统一降低社会流动性更有效。
研究者的模型表明，降低人群流动性的重要程度甚至不亚于是否及时开启限流措施。该研究还发现，低收入群体的感染风险确实比高收入群体更高。
他们的研究成果于11月10日，以手稿形式提前发布在Nature网站上。
论文题目：
Mobility network models of COVID-19 explain inequities and inform reopening
论文地址：
https://www.nature.com/articles/s41586-020-2923-3
本论文通信作者、斯坦福大学计算机科学助理教授 Jure Leskovec。他在机器学习和网络科学领域均有丰硕成果
在这项研究中，通过手机的位置数据信息，研究者总共追踪了美国10个大城市中近9800万人的移动轨迹。
在这项研究中所利用的数据其实是一份人群从居住社区（census block groups，CBGs）到兴趣点（ points of interes，POIs，如便利店、餐馆等常去地点）的移动网络。其中也包含了人们的停留时间和空间的大小。再结合上卫生防疫系统每日报告的感染病例，研究者就可以确定不同城市的新冠病毒传播率。
芝加哥市区的移动网络（上图为采取防疫措施前，下图为防疫后）
研究者构建了兴趣点和居住社区之间的二分网络，如图所示。图中紫色表示的是餐厅、咖啡厅等兴趣点，而绿色则表示居住社区，人群在兴趣点和居住社区之间的移动以灰色线条表示。
对比上下两图我们能够明显看到，防疫措施开启后人群的移动在减少——灰色线条的密度在降低。
研究者通过构建反事实移动网络向我们表明：社会流动性的降低幅度，对防疫的重要性，甚至比时机更重要。如果芝加哥的人群移动量只降低了实际的25%，则疫情规模可能是现在的3倍。
假设芝加哥采取不同程度的限制移动措施，实验结果对比
左图表明和芝加哥的真实情况相比，如果只采取了50%的真实限流措施，造成的后果可能比晚7天再作出决定更可怕。右图则对此了集中不同类型的反事实实验：不做限制、25%和50%的真实措施。
在芝加哥的模型数据中，85%的预测感染人数来自10%的兴趣点。这意味着在一些餐馆、咖啡厅等兴趣点，存在着超级传播事件。
而且在研究者所使用的数据中，有些兴趣点——比如，提供全方位服务的餐馆、酒店等人员长期停留的密闭性场所——存在较大的疫情传播风险，受影响极大。不过该研究也表明，把场所的容纳人数限制在最高值的20%，能减少80%的新增感染，而实际顾客数量只减少了42%。
研究者还提供了公开的在线实验平台。通过调整限流措施，我们可以看到哪些场所是更值得关注的防疫重点。
http://covid-mobility.stanford.edu/
限制餐厅、健身房、杂货店等，分别会带来怎样的防疫效果
该研究还发现，对于低收入社区的人群来说，限制出行等防疫策略就不那么有效了。数据显示，低收入、社会处境较为不利的人群，其流动性的下降明显低于高收入人群，对应的感染率也更高。
低收入群体可能无法减少必要的出行。而且他们光顾的餐馆、杂货店往往人员密度更大，这些都会增加其患病风险。因此这项研究也有助于我们在制定防疫措施的时候考虑到社会公平，能针对不同人群的特点给出更有针对性的防疫策略。
就本研究的结果而言，限制餐饮、教堂、赛场等集会场所的最大容纳人数，可以有效降低感染率，比全方面限制人员流动的综合效果更好。
制定严格的防疫策略必然会增加经济上的成本，加重损失，而更加精细化的策略和有针对性的补偿政策才能让疫情对我们的影响降到最低。重点场所严格限流加上有限度开放社会流动，更有可能兼顾防疫效果与社会公平。
集智斑图顶刊论文速递栏目上线以来，持续收录来自Nature、Science等顶刊的最新论文，追踪复杂系统、网络科学、计算社会科学等领域的前沿进展。现在正式推出订阅功能，每周通过微信服务号「集智斑图」推送论文信息。扫描下方二维码即可一键订阅：
集智俱乐部QQ群｜877391004
商务合作及投稿转载｜swarma@swarma.org
搜索公众号：集智俱乐部
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”，追踪复杂科学顶刊论文
