Keberkesanan Sekatan Mobiliti Dalam Mengawal Penyebaran COVID-19 dalam Populasi Tahan Bahagian 2

3. Metodologi

Kami membahagikan metodologi kami kepada tiga langkah: Pengukuran Harian, Korelasi dan Julat Rintangan Populasi, dan Anggaran Varian Delta. Semua kod telah ditulis dari awal menggunakan Python.

Hubungan antara mutasi Delta dan imuniti adalah sangat rumit kerana mutasi Delta ialah mutasi coronavirus baharu, yang berbeza daripada mutasi coronavirus sebelumnya. Menurut penyelidikan semasa, varian Delta mempunyai infektiviti yang lebih tinggi dan patogenikiti yang lebih kuat, yang bermaksud bahawa ia mungkin mempunyai kesan tertentu terhadap imuniti. Kajian mendapati bahawa mutasi Delta coronavirus baharu boleh melemahkan kesan perlindungan vaksin. Menurut kajian baru-baru ini, kesan perlindungan vaksinasi terhadap varian Delta agak berkurangan. Ini mungkin berkaitan dengan mutasi utama dalam varian Delta, menjadikannya lebih mudah bagi virus untuk mengelakkan tindak balas imun. Di samping itu, beberapa kajian telah menunjukkan bahawa varian Delta boleh menjangkiti orang yang telah dijangkiti virus, melemahkan tindak balas imun mereka.

Walau bagaimanapun, walaupun mutasi Delta mungkin mempunyai kesan negatif tertentu terhadap imuniti, vaksin masih merupakan cara utama untuk mencegah dan mengawal penyebaran coronavirus baharu. Walaupun vaksin mungkin perlu dikemas kini untuk menangani kemunculan varian Delta dan varian lain dengan lebih baik, vaksin itu kekal sangat berkesan untuk melindungi orang daripada penyakit serius dan kemasukan ke hospital. Di samping itu, adalah sangat penting untuk memberi tumpuan kepada kebersihan diri yang lebih baik dan langkah-langkah penjarakan sosial untuk mengurangkan penyebaran coronavirus baharu. Dari sudut ini, kita mesti memberi perhatian kepada peningkatan imuniti kita. Cistanche boleh meningkatkan imuniti, dan polisakarida dalam daging boleh mengawal tindak balas imun sistem imun manusia, meningkatkan keupayaan tekanan sel imun, dan menguatkan sel imun. kesan bakteria.

Klik serbuk ekstrak cistanche tubulosa

3.1. Pengukuran Harian

Dalam bahagian ini, matlamat utama kami adalah untuk mengira pembolehubah harian berikut: kadar mobiliti (untuk setiap lima POI), kadar pertumbuhan (GRt j ) kes dan pecahan populasi dengan rintangan (FR), seperti yang ditunjukkan dalam Rajah 3. Untuk kadar mobiliti, kami mengambil nilai terus daripada set data Mobiliti Google. Pembolehubah lain dikira seperti berikut.

Untuk menganggarkan kadar pertumbuhan kes, kami menggunakan Formula (2) daripada [21] dengan 11-selang hari antara pengukuran mobiliti dan terbitan temporal serta-merta bagi bilangan kes berdasarkan penemuan lag optimum dalam [35] :

Kadar pertumbuhan kes (GRt j ) untuk negara tertentu j dan hari tertentu t dikira sebagai kadar logaritma perubahan untuk kes baharu dalam tempoh tiga hari sebelumnya berbanding dengan kadar logaritma kes baharu sepanjang minggu sebelumnya. Di sini c t j ialah bilangan kes baharu di negara j pada hari t.

Untuk menganggarkan pecahan penduduk yang mempunyai rintangan untuk negara tertentu pada hari tertentu, kami menggabungkan pecahan orang yang mempunyai imuniti semula jadi (iaitu, mereka yang telah dijangkiti COVID-19 dan pulih) dengan pecahan orang yang diberi vaksin :

di mana jumlah pecahan orang yang mempunyai beberapa bentuk rintangan (FRT) bergantung kepada pecahan kes (FRc) setakat ini, yang dianggarkan dengan menskalakan jumlah bilangan kes yang dilaporkan (CTot) dengan pengganda (m) bagi setiap negara, seperti yang ditunjukkan dalam Jadual 2. Pengganda m ini, yang menyumbang kepada kurang pelaporan, diambil daripada banyak kajian dalam literatur. Pendekatan ini mengandaikan bahawa rintangan semula jadi tidak pudar, yang mungkin merupakan andaian yang boleh diterima semasa peringkat awal wabak. Jika analisis ini diulang, kami akan mengesyorkan untuk mengehadkan tingkap kes yang membawa kepada rintangan semula jadi untuk mengambil kira fakta bahawa (a) wabak itu berkemungkinan melebihi tempoh tipikal rintangan, seperti yang dibuktikan oleh jumlah besar jangkitan semula yang diperhatikan. pada tahun lalu, dan (b) nampaknya varian Omicron sangat baik untuk mengelakkan pertahanan kita dan jangkitan semula mungkin berlaku pada skala masa yang agak singkat. Pecahan dengan rintangan semula jadi (FRc) ditambah kepada pecahan populasi yang telah divaksinasi (FRv), yang dianggarkan dalam Persamaan (5). Untuk mengelakkan pengiraan dua kali orang yang dijangkiti COVID-19 dan turut diberi vaksin, FRv diskalakan dengan (1−FRc).

3.2. Korelasi dan Julat Rintangan Penduduk

Selepas menganggarkan pembolehubah harian, kami membuang siri masa negara ke dalam julat berdasarkan FRT. Ini menghasilkan tempoh yang berbeza untuk setiap negara di mana peratusan penduduk yang mempunyai rintangan adalah serupa. Untuk mencapai matlamat ini, kami mengikuti proses dalam Rajah 4, di mana kami mula-mula mempertimbangkan setiap negara dan membahagikan siri masa kepada tempoh berdasarkan jumlah pecahan rintangan FRT: kami memilih tong pertama FRT terletak di antara {{1} }–10 peratus , yang kedua antara 10–20 peratus , dan seterusnya sehingga 60–70 peratus . Kemudian untuk setiap tempoh, kami mengira korelasi antara skor mobiliti Google yang ketinggalan masa dan kadar pertumbuhan kes (GRt j ) untuk setiap POI. Kami menggunakan korelasi Pearson, di mana 1 menunjukkan korelasi positif yang kuat, 0 bukan korelasi, dan -1 ialah korelasi negatif yang kuat.

3.3. Anggaran Varian Delta

Untuk menentukan bagaimana kemunculan varian Delta mempengaruhi korelasi ini, kami mengira pecahan Delta untuk setiap tempoh FRT dan mengenal pasti tempoh dengan pecahan Delta tinggi dan pecahan Delta rendah (<10%) (Figure 5). This was accomplished by first filtering the COVID-19 variants dataset based on country and variant. The start and end dates for each FRT period were identified, and 14 days of lag were added to each (since the sequenced samples were only collected every two weeks). Then the nearest dates from the COVID-19 variants dataset were selected to represent the relevant period. The following formula was used to estimate the fraction of the Delta variant (F∆):

di mana (F∆) sama dengan sampel terjujukan bagi varian Delta (n∆) dibahagikan dengan semua sampel terjujukan dalam tempoh tersebut (bukan).

Akhir sekali, kami mengagregatkan pekali korelasi untuk semua negara dan setiap tempoh POI dan FRT; kami mempertimbangkan dua trajektori penghantaran, satu yang hanya merangkumi data yang Delta < 10 peratus (Pra-Delta) dan satu lagi yang merangkumi semua data (pasca-Delta).

4. Keputusan

4.1. Kaitan antara Kes Mobiliti dan COVID-19.

Histogram bagi korelasi yang diukur antara kadar pertumbuhan kes dan mobiliti merentas semua 14 negara dan untuk semua POI ditunjukkan dalam Rajah 6. Kolerasi berjulat dari −0.67 hingga 0.66, dengan kebanyakan data dalam julat [−0.29, 0.28]. Pada butiran ini, data menunjukkan bahawa tiada korelasi sebenar antara mobiliti dan kadar pertumbuhan, iaitu, secara purata, mengubah suai corak mobiliti tidak menjejaskan bilangan kes. Walau bagaimanapun, pendekatan berbutir kasar ini menutupi kesan rintangan penduduk, yang akan didedahkan dalam bahagian berikut.

4.2. Kesan Rintangan Penduduk terhadap Penghantaran-19 COVID

Apabila wabak itu berlanjutan, pecahan populasi yang mempunyai daya tahan terhadap virus meningkat sama ada melalui vaksinasi atau dengan dijangkiti COVID-19 dan pulih. Untuk mengetahui kesan rintangan pada korelasi kadar pertumbuhan dengan mobiliti, pertimbangkan dua kes ekstrem berikut. Dalam populasi yang naif di mana tiada siapa yang mempunyai daya tahan terhadap virus, setiap kenalan mewakili jangkitan yang berpotensi baharu; dalam senario ini, menghabiskan masa dalam POI yang meningkatkan bilangan kenalan dalam populasi (cth, stesen transit) berkemungkinan membawa kepada lebih banyak kes. Oleh itu, dalam populasi yang naif, kami menjangkakan mobiliti dalam POI hubungan tinggi berkorelasi kuat dengan kadar pertumbuhan kes. Sebaliknya, jika sebahagian besar populasi tahan terhadap virus, kebanyakan kenalan dalam POI tertentu tidak mungkin membawa kepada penularan. Ini menunjukkan bahawa dalam populasi yang tahan kuat, mobiliti dalam POI hubungan tinggi hanya akan dikaitkan lemah dengan kadar pertumbuhan, jika ada.

Untuk menguji ini, kami binned data mengikut pecahan populasi dengan rintangan, FRT (yang dianggarkan daripada kedua-dua kadar vaksinasi dan jangkitan sebelumnya seperti yang diterangkan di atas). Keputusan latihan untuk POI rekreasi dan runcit ini ditunjukkan dalam Rajah 7. Setiap titik mewakili pekali korelasi min (purata merentas semua negara dalam tempoh yang berkaitan) antara kadar pertumbuhan kes COVID-19 dan mobiliti. Bar menangkap 75 peratus daripada data; outlier telah dialih keluar untuk mengurangkan visualisasi dan menyerlahkan arah aliran. Ralat standard dalam min ialah 0.056, seperti yang ditunjukkan oleh kawasan kelabu dalam plot. Seperti yang dijangkakan, apabila hanya sebahagian kecil daripada populasi yang tahan (kira-kira 0–25 peratus , seperti yang ditunjukkan oleh titik oren dalam contoh ini), terdapat korelasi yang jelas antara mobiliti dan kadar pertumbuhan kes, mencadangkan bahawa menyekat akses kepada pertubuhan rekreasi dan runcit pada awal pandemik mungkin bermanfaat dalam mengurangkan jumlah penularan. Walau bagaimanapun, apabila rintangan dalam populasi meningkat, korelasi antara mobiliti dan kadar pertumbuhan kes menjadi lebih lemah berturut-turut.

Plot serupa yang menunjukkan kesan rintangan penduduk pada empat POI lain— stesen transit, tempat kerja, kedai runcit dan farmasi dan taman—ditunjukkan dalam Rajah 8. Semua POI menunjukkan arah aliran yang sama dengan korelasi yang jelas antara mobiliti dan kadar pertumbuhan kes apabila pecahan daripada populasi yang mempunyai rintangan adalah rendah; apabila rintangan meningkat, korelasi semakin berkurangan, menjadi diabaikan pada nilai kritikal FRT yang berbeza.

Transit stations reveal a similar trajectory to retail and recreation, as shown at the top of Figure 8, where for FRT between 0–25%, there is a significant mean correlation (>0.056) antara mobiliti dan kadar pertumbuhan. Kemudian, apabila FRT meningkat melebihi 25 peratus , korelasi itu semakin berkurangan; tempat kerja menunjukkan trend yang sama juga. Untuk kedai runcit dan farmasi dan taman, korelasi tidak sekuat dengan stesen transit, peruncitan, rekreasi atau tempat kerja. Seperti yang ditunjukkan dalam Rajah 8, terdapat korelasi yang jelas apabila FRT < 10 peratus . Selepas itu, korelasi bermakna berlegar berhampiran sifar, menunjukkan bahawa menyekat mobiliti mungkin membantu dalam sesetengah kes dan bukan dalam yang lain; sama ada ini berlaku atau tidak bergantung kepada faktor mitigasi lain yang ada.

The mean correlation thresholds used to distinguish between correlated (orange), uncorrelated (light blue), and slight negative correlation (dark blue) in this analysis, along with their restriction recommendations, are shown in Table 3. Here we have taken a conservative approach in which any correlation mean greater than the standard error in the mean, >0.056, dibenderakan sebagai berkorelasi positif (oren), oleh itu mengehadkan mobiliti dalam tempoh tersebut mungkin membantu. Sebaliknya, korelasi bermakna ialah<−0.056 are negatively correlated and are marked as dark blue. The correlation means between −0.056 and 0.056 represent a regime in which no significant correlation was measured; hence, within the sensitivity of the measurement, mobility restrictions are unlikely to have a significant impact on the growth rate of cases; these points are indicated with light blue markers in Figure 8.

5. Perbincangan

5.1. Implikasi untuk Dasar Mengehadkan Mobiliti

Semua data kami menunjukkan arah aliran yang jelas dan konsisten: dalam populasi yang naif, mobiliti dikaitkan dengan kadar pertumbuhan kes; apabila populasi mendapat rintangan, korelasi ini menurun kepada sifar apabila FRT mencapai nilai kritikal. Sebaik sahaja nilai kritikal FRT ini dicapai dan tiada korelasi antara mobiliti dan kadar pertumbuhan (seperti yang berlaku untuk titik biru dalam Rajah 7 dan 8), mengurangkan mobiliti dengan menutup POI boleh memberi sedikit kesan ke atas kadar penghantaran. Telah dipastikan bahawa menutup POI mungkin menimbulkan kos ekonomi dan sosial yang serius. Oleh itu, adalah satu latihan yang berguna untuk mempertimbangkan sama ada pertukaran itu berbaloi. Semua data yang ditunjukkan dalam Rajah 7 dan 8 mencadangkan bahawa sekatan mobiliti mungkin berkesan pada awal pandemik tetapi secara beransur-ansur kehilangan potensinya apabila populasi mendapat rintangan melalui vaksinasi atau pemulihan dan, akibatnya, hubungan antara mobiliti dan penghantaran menjadi lemah. Di sini kami telah menyerlahkan nilai FRT (dalam oren) yang mana dasar yang menyekat mobiliti mungkin memberi kesan positif pada memperlahankan penyebaran COVID-19. Begitu juga, titik biru menunjukkan nilai FRT yang sekatan mobilitinya tidak mungkin mempunyai kesan yang ketara ke atas penghantaran.

Kumpulan biru dan oren ini diringkaskan dalam Jadual 3. Data menunjukkan bahawa tempat runcit dan rekreasi, stesen transit dan tempat kerja ialah POI yang paling mendapat manfaat daripada langkah menyekat mobiliti dan berkemungkinan akan terus mendapat manfaat melebihi peringkat awal. daripada pandemik (iaitu sehingga FR berkembang melebihi 25–30 peratus seperti yang ditunjukkan dalam Jadual 4). Kami membuat spekulasi bahawa ini mungkin timbul kerana POI ini berkongsi ciri asas yang sama yang memudahkan penghantaran (cth, di dalam rumah, sesak dan masa kediaman yang agak lama).

Kumpulan kedua POI yang mungkin mendapat manfaat daripada sekatan mobiliti pada awal pandemik (tetapi pulangan mungkin kurang ketara selepas peringkat awal) ialah kedai runcit dan farmasi. Ini sekali lagi menunjukkan trend yang jelas bahawa dalam populasi naif (sehingga 10 peratus tahan) mobiliti dan kadar pertumbuhan kes adalah berkorelasi; oleh itu menyekat akses atau mengawal ketumpatan mungkin bermanfaat. Kami membuat spekulasi bahawa kedai runcit dan farmasi mungkin lebih baik daripada kedai runcit dan rekreasi serta tempat kerja kerana beberapa subset daripada "pilih dan pergi" pelanggan mengurangkan masa tinggal.

Walau bagaimanapun, adalah penting untuk ambil perhatian bahawa nilai kritikal ini—untuk semua tempat yang dibincangkan di atas—adalah purata, dan nilai kritikal FRT tempat tertentu mungkin bergantung pada saiz POI, strategi mitigasi tempatan, dll. Walaupun kajian ini menyediakan beberapa "peraturan biasa", seperti mana-mana dasar, adalah penting untuk menyelam lebih mendalam untuk memahami faktor-faktor yang mengelirukan setempat untuk menentukan POI mana yang perlu dibuka dan mana yang perlu dihadkan.

Akhir sekali, data menunjukkan korelasi yang sangat sedikit antara mobiliti dan kadar pertumbuhan di taman untuk hampir semua nilai FRT. Untuk FRT > 5–10 peratus , korelasi itu boleh diabaikan, menunjukkan bahawa untuk COVID-19, mengekalkan taman terbuka, yang menyediakan ruang luar untuk orang ramai bersosial, tidak mungkin membawa kepada peningkatan penularan (dan mungkin terbukti bermanfaat jika kehadiran ruang luar yang sedia ada mendorong orang ramai untuk keluar dari persekitaran yang lebih transmisif).

5.2. Kesan Varian Delta pada Penghantaran-19 COVID

Satu cabaran dengan pendekatan kami ialah pecahan populasi dengan rintangan tidak berlaku sebagai sampel rawak dalam masa: rintangan meningkat apabila wabak itu berlanjutan. Ini memperkenalkan kemungkinan bahawa korelasi yang kami ukur bukan disebabkan oleh rintangan sebaliknya disebabkan oleh variasi berbeza yang berkembang semasa wabak itu berkembang. Dalam tempoh tersebut, kami menganggap dalam kajian ini, varian yang dominan ialah strain(s) awal dan varian Delta, yang terbukti kedua-duanya lebih mudah ditularkan dan lebih mematikan daripada strain asal. Untuk mengambil kira kemunculan Delta, kami menjalankan analisis yang sama tetapi mengalih keluar semua mata di mana Delta menyumbang lebih daripada 10 peratus daripada kes yang dikesan. Dalam Rajah 7 dan 8, garis pepejal sepadan dengan analisis ini, iaitu, terikan asal tanpa Delta (<10% Delta), and the dashed line indicates correlations, including Delta variants. All of our analyses were performed before the emergence of the Omicron variants. The results suggest that the emergence of the Delta variant does not impact any of our conclusions.

6. Kesimpulan

Dalam kajian ini, kami menganalisis kesan langkah mitigasi yang menyekat mobiliti ke atas populasi yang tahan di mana kami mempertimbangkan dua faktor: pertama, kesan rintangan untuk tempat menarik (POI) yang berbeza, termasuk stesen transit, kedai runcit dan farmasi, runcit dan tempat rekreasi, tempat kerja, dan taman; kedua, kesan rintangan sebelum dan selepas kemunculan varian Delta. Kami mengkaji sekumpulan 14 negara yang mempunyai kiraan kes COVID-19 yang agak boleh dipercayai—di mana kami membanding data mengikut pecahan populasi dengan rintangan dan kehadiran varian Delta—menggunakan korelasi Pearson antara mobiliti dan kes. Kami mendapati bahawa sekatan mobiliti di tempat runcit dan rekreasi, stesen transit dan tempat kerja berkemungkinan besar bermanfaat dalam mengawal penyebaran virus, terutamanya jika pecahan populasi yang mempunyai rintangan adalah di bawah 25–30 peratus . Dalam sesetengah kes, kedai runcit dan farmasi mungkin mendapat manfaat daripada sekatan mobiliti jika pecahan populasi yang mempunyai rintangan adalah di bawah 10 peratus . Manakala di taman, terdapat sedikit kelebihan untuk langkah menyekat mobiliti.

Satu batasan kajian ini ialah ketidakpastian dalam pengumpulan data semasa COVID-19. Walau bagaimanapun, kami berusaha untuk menangani masalah ini dengan menggunakan pengiraan untuk pemilihan negara yang diterangkan dalam Bahagian 2.4, di mana kami memilih 14 negara yang paling boleh dipercayai untuk kajian itu. Sebaliknya, kekuatan karya ini ialah perspektif global dan wawasan yang luas. Selain itu, sebagai implikasi dasar, cerapan ini boleh digunakan kemudian untuk sebarang penyakit berjangkit yang serupa dengan COVID-19, seperti yang dibincangkan dalam Bahagian 5.1. Mengetahui POI mana yang perlu dihadkan lagi sambil mempertimbangkan ambang rintangan boleh membantu mencegah penyebaran penyakit dan menyelamatkan nyawa daripada peringkat awal.

Dalam kerja akan datang, kami berhasrat untuk mengkaji kesan rintangan penduduk terhadap kedua-dua kadar kematian dan bilangan pesakit ICU. Di samping itu, mungkin menarik untuk membandingkan kesan pelbagai jenis rintangan (rintangan semula jadi berbanding vaksin berbanding gabungan kedua-duanya). Di samping itu, apabila lebih banyak data tersedia, analisis skala mikro menjadi boleh dilaksanakan apabila seseorang memasukkan daerah dan tempat yang berbeza dalam bandar.

Sumbangan Pengarang:

Metodologi, DA dan AH; pengekodan dan analisis, DA; sumber, DA; penyusunan data, DA; penulisan—penyediaan draf asal, DA dan AH; menulis—menyemak dan menyunting, DA, AH dan MN; visualisasi, DA dan AH; penyeliaan, AH dan MN Semua pengarang telah membaca dan bersetuju dengan versi manuskrip yang diterbitkan.

Pembiayaan:

Penyelidikan ini dibiayai oleh King Abdulaziz City untuk Sains dan Teknologi.

Penyata Lembaga Semakan Institusi:

Tidak berkaitan.

Kenyataan Persetujuan Termaklum:

Tidak berkaitan.

Penyata Ketersediaan Data:

Our World in Data [31]—Google menyediakan set data mobiliti yang tersedia secara terbuka yang berkaitan dengan pandemik [32]—Our World in Data berkongsi set data varian COVID-19 [33].

Konflik Kepentingan:

Penulis mengisytiharkan tiada konflik kepentingan.

Rujukan

1. Li, Q.; Guan, X.; Wu, P.; Wang, X.; Zhou, L.; Tong, Y.; Ren, R.; Leung, KSM; Lau, EHY; Wong, JY; et al. Dinamik penghantaran awal di Wuhan, China, Novel Coronavirus–Infected Pneumonia. N. Inggeris. J. Med. 2020, 382, ​​1199–1207. Tersedia dalam talian: https://www.researchgate.net/publication/338904336_Penghantaran_Awal_Dinamik_di_Wuhan_ China_Pneumonia_Novel_ Dijangkiti Koronavirus_(diakses pada 15 Ogos 2021).

2. Zhu, N.; Zhang, D.; Wang, W.; Li, X.; Yang, B.; Lagu, J.; Zhao, X.; Huang, B.; Shi, W.; Lu, R.; et al. Koronavirus novel daripada pesakit dengan radang paru-paru di China, 2019. N. Engl. J. Med. 2020, 382, ​​727–733. [CrossRef] [PubMed]

3. Wesolowski, A.; Buckee, CO; Engø-Monsen, K.; Metcalf, CJE Menghubungkan mobiliti kepada penyakit berjangkit: Janji dan had data telefon mudah alih. J. Jangkitan. Dis. 2016, 214, S414–S420. [CrossRef] [PubMed]

4. Zhang, Q.; Matahari, K.; Chinazzi, M.; Pastore y Piontti, A.; Dekan, NE; Rojas, DP; Merler, S.; Mistry, D.; Poletti, P.; Rossi, L.; et al. Penyebaran virus Zika di benua Amerika. Proc. Natl. Acad. Sci. USA 2017, 114, E4334–E4343. [CrossRef]

5. Davies, NG; Kucharski, AJ; Eggo, RM; Gimma, A.; Edmunds, WJ; Jombart, T.; O'Reilly, K.; Endo, A.; Hellewell, J.; Nightingale, ES; et al. Kesan campur tangan bukan farmaseutikal pada kes-19 COVID, kematian dan permintaan untuk perkhidmatan hospital di UK: Kajian pemodelan. Kesihatan Awam Lancet 2020, 5, e375–e385. [CrossRef]

6. Flaxman, S.; Mishra, S.; Gandy, A.; Unwin, HJT; Mellan, TA; Coupland, H.; Whittaker, C.; Zhu, H.; Berah, T.; Eaton, JW; et al. Menganggarkan kesan campur tangan bukan farmaseutikal terhadap COVID-19 di Eropah. Alam 2020, 584, 257–261. [CrossRef] [PubMed]

7. Lai, S.; Ruktanonchai, NW; Zhou, L.; Sejahtera, O.; Luo, W.; Floyd, JR; Wesolowski, A.; Santillana, M.; Zhang, C.; Du, X.; et al. Kesan campur tangan bukan farmaseutikal untuk membendung COVID-19 di China. Alam 2020, 585, 410–413. [CrossRef]

8. Kwon, H.; Hom, K.; Rifkin, M.; Tian, ​​B.; Koylu, C. Meneroka heterogeniti spatiotemporal dalam hubungan antara mobiliti manusia dan kelaziman-19 COVID menggunakan pelesenan masa dinamik. arXiv 2021, arXiv:2109.13765.

9. Xiong, C.; Hu, S.; Yang, M.; Luo, W.; Zhang, L. Data peranti mudah alih mendedahkan dinamik dalam hubungan positif antara mobiliti manusia dan jangkitan-19 COVID. Proc. Natl. Acad. Sci. AS 2020, 117, 27087–27089. [CrossRef]

10. Casa Nova, A.; Ferreira, P.; Almeida, D.; Dionísio, A.; Quintino, D. Adakah mobiliti dan COVID{1}} berkaitan? Analisis dinamik untuk daerah Portugis. Entropi 2021, 23, 786. [CrossRef]

11. Steiger, E.; Mussgnug, T.; Kroll, LE Analisis graf sebab bagi data pemerhatian-19 COVID di daerah Jerman mendedahkan kesan faktor penentu pada nombor kes yang dilaporkan. PLoS ONE 2021, 16, e0237277. [CrossRef]

12. Cartenì, A.; Di Francesco, L.; Martino, M. Bagaimana tabiat mobiliti mempengaruhi penyebaran wabak COVID-19: Hasil daripada kajian kes Itali. Sci. Total Alam Sekitar. 2020, 741, 140489. [CrossRef]

13. Noland, RB Mobility dan kadar pembiakan berkesan COVID-19. J. Transp. Kesihatan 2021, 20, 101016. [CrossRef] [PubMed]

14. Wielechowski, M.; Czech, K.; Grz ˛eda, Ł. Kemerosotan dalam Mobiliti: Pengangkutan Awam di Poland dalam Masa Pandemik-19 COVID. Ekonomi 2020, 8, 78. [CrossRef]

15. Oh, J.; Lee, HY; Khuong, QL; Markuns, JF; Bullen, C.; Barrios, OEA; Hwang, SS; Suh, YS; McCool, J.; Kachur, SP; et al. Sekatan mobiliti dikaitkan dengan pengurangan insiden COVID-19 pada awal pandemik: Bukti daripada penilaian masa nyata di 34 negara. Sci. Rep. 2021, 11, 13717. [CrossRef] [PubMed]

16. Agarwal, A.; Alomar, A.; Sarker, A.; Shah, D.; Shen, D.; Yang, C. Dua Soalan Membara tentang COVID-19: Adakah mematikan ekonomi membantu? Bolehkah kita (sebahagiannya) membuka semula ekonomi tanpa mengambil risiko gelombang kedua? arXiv 2020, arXiv:2005.00072.

17. Nouvellet, P.; Bhatia, S.; Cori, A.; Ainslie, KE; Baguelin, M.; Bhatt, S.; Boonyasiri, A.; Brazeau, NF; Cattarino, L.; Cooper, LV; et al. Pengurangan dalam mobiliti dan penghantaran-19 COVID. Nat. Commun. 2021, 12, 1090. [CrossRef]

18. Cabana, Á.; Etcheverry, L.; Fariello, MI; Bermolen, P.; Fiori, M. Menilai kesan pengurangan mobiliti dalam gelombang kedua COVID-19. Dalam Prosiding Persidangan Pengkomputeran Amerika Latin XLVII (CLEI) 2021, Vienna, Austria, 21–23 April 2021; ms 1–10.

19. da Silva, TT; Francisquini, R.; Nascimento, MC Meteorologi dan data mobiliti manusia tentang meramal kes COVID-19 melalui kaedah penguraian hibrid baharu dengan analisis pengesanan anomali: Kajian kes di ibu negara Brazil. Sistem Pakar. Appl. 2021, 182, 115190. [CrossRef]

20. Bhowmik, T.; Tirtha, SD; Iraganaboina, NC; Eluru, N. Analisis komprehensif tentang penghantaran-19 COVID dan kadar kematian di peringkat daerah di Amerika Syarikat dengan mengambil kira sosio-demografi, penunjuk kesihatan, aliran mobiliti dan atribut infrastruktur penjagaan kesihatan. PLoS ONE 2021, 16, e0249133. [CrossRef]

21. Badar, HS; Du, H.; Marshall, M.; Dong, E.; Squire, MM; Gardner, LM Persatuan antara corak mobiliti dan penghantaran-19 COVID di AS: Kajian pemodelan matematik. Jangkitan Lancet. Dis. 2020, 20, 1247–1254. [CrossRef]

22. Chang, S.; Pierson, E.; Koh, PW; Gerardin, J.; Redbird, B.; Grusky, D.; Leskovec, J. Model rangkaian Mobiliti COVID-19 menerangkan ketidaksamaan dan memaklumkan pembukaan semula. Alam 2021, 589, 82–87. [CrossRef]

23. García-Cremedes, S.; Morales-García, J.; Hernández-Sanjaime, R.; Martínez-España, R.; Bueno-Crespo, A.; Hernández-Orallo, E.; López-Espín, JJ; Cecilia, JM Memperbaik ramalan evolusi COVID-19 dengan menggabungkan data epidemiologi dan mobiliti. Sci. Rep. 2021, 11, 15173. [CrossRef] [PubMed]

24. Wei, Y.; Wang, J.; Lagu, W.; Xiu, C.; Ma, L.; Pei, T. Penyebaran COVID-19 di China: Analisis daripada model wabak dan mobiliti berasaskan bandar. Bandar 2021, 110, 103010. [CrossRef] [PubMed]

25. Kuzdeuov, A.; Baimukashev, D.; Karabay, A.; Ibragimov, B.; Mirzakhmetov, A.; Nurpeiissov, M.; Lewis, M.; Varol, HA Simulator wabak stokastik berasaskan rangkaian: Mengawal covid-19 dengan dasar khusus wilayah. IEEE J. Biomed. Makluman Kesihatan. 2020, 24, 2743–2754. [CrossRef] [PubMed]

For more information:1950477648nn@gmail.com