《自然》：大城市內10%的場所造成了80%的新冠病毒感染

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

文章作者，斯坦福大學計算機科學副教授Jure Leskovec介紹，研究人員希望調查一些“超級傳播”場所的感染風險。他們根據(jù)手機定位數(shù)據(jù)模擬新冠肺炎的情況，對亞特蘭大、芝加哥、達拉斯等10個大城市進行建模，相當于今年3月至5月的流動模式，每小時有9800萬人次的流動。

研究人員檢查了每個地區(qū)的新冠肺炎病例數(shù)，同時觀察他們去某些非住宅區(qū)或“興趣場所”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、宗教機構、酒店和汽車旅館以及全方位服務的餐館。

平均而言，城市范圍內，全方位服務餐館、健身房、酒店、咖啡館、宗教組織和有限服務餐館重新開放時，預計感染人數(shù)增加速度最快。感染率非常不均衡，以上10%的興趣場所占所有感染的80%以上，這些地方面積小、更擁擠，人們在這里停留的時間更長。

我們認為，將這些興趣場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，與正常開放相比，只損失了大約40%左右的客源。想強調一點，有限的控制并不等于全部或沒有。

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

當然這項研究也有一些局限性，比如僅包括大城市地區(qū)，學校、療養(yǎng)院、監(jiān)獄等人群密集地區(qū)也沒有計算在內，需要更多的研究評估更多區(qū)域的感染風險。

英國萊斯特大學Julian Tang在一份聲明中指出，這項研究結果很有意義。它的結果如我們所料，也再次突出了病毒在不同社會經濟階級之間的風險差異。

哈佛大學陳氏公共衛(wèi)生學院的Kevin C. Ma和Marc Lipsitch在《自然》上發(fā)布一份評論稱，本項研究的“最大占用率”可以擴展到其他地區(qū)，比如健身房、博物館等可以制定限時參觀的策略，減少平均停留時間。這份研究還進一步證實了不同收入人群之間的風險差異，比如，在低收入社區(qū)往往有更多的疫情一線工作者，他們的感染風險也是最高的;低收入人群常去的場所往往更加擁擠，也增加了感染風險。我們需要更進一步的模型，通過更多的數(shù)據(jù)支持，可以指導如何安全開放社會，如何將流動限制在感染風險最低的程度等。

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