條文本
PDF
文摘
客觀的通過使用一個數據驅動的統計方法,我們孤立的淨效應同時實現多個政府幹預在第二波COVID-19流行在中國。
設計、數據來源和合格標準我們收集了流行病學數據和政府幹預的九個城市的數據與當地疫情COVID-19的第二波大流行期間在中國。我們采用Susceptible-Exposed-Infectious-Recovered(西)框架模型分析不同城市之間的傳播途徑與政府幹預實現和那些沒有。我們引進新組件標準西珥模型,調查了五個主題的政府幹預對COVID-19大流行。
數據提取和合成我們提取信息,包括研究目的、設計、方法、主要結果和影響。這些表和敘事合成進行考慮到不同的研究設計,方法和意義。
結果支持廣泛的實證驗證,我們的研究結果表明,一些特定的政府幹預的淨效應(包括麵具、環境清潔和消毒,跟蹤,跟蹤和14天集中隔離密切接觸者)被大大低估了在前麵的調查。我們還發現了重要的版主和介質的影響某些政府幹預,如關閉購物中心和餐廳在中等風險水平地區,等等。連接COVID-19流行病動力學與實現政府幹預的時機,我們檢測到的早些時候實現一些特定的政府幹預(包括部分鎖定目標,跟蹤,跟蹤和14天集中隔離密切接觸者)實現對控製COVID-19最強大、最及時的影響,特別是在當地爆發的早期。
結論這些發現提供了重要的科學信息決定的,當政府幹預應該實現對抗COVID-19在中國和超越。擬議的決策分析框架是有用的在未來流行和大流行。
- COVID-19
- 流行病學
- 衛生政策
- 公共衛生
數據可用性聲明
所有的數據都包含在相關研究文章。
這是一個開放的分布式條依照創作共用署名非商業性(4.0 CC通過數控)許可證,允許別人分發,混音,適應,建立這個工作非商業化,和許可他們的衍生產品在不同的協議,提供了最初的工作是正確地引用,給出合適的信用,任何更改表示,非商業使用。看到的:http://creativecommons.org/licenses/by-nc/4.0/。
來自Altmetric.com的統計
本研究的優點和局限性
采用數據驅動的統計方法定量分離多個政府幹預的淨效應。
政府幹預的實施包括擴展Susceptible-Exposed-Infectious-Recovered框架模型,它可以可靠地估計不同的政府幹預的淨效應。
相關分析進行演示的強度之間的關係實現一些特定的政府幹預的時機和COVID-19的發病率。
研究區域僅限於9個城市在中國,和潛在的混雜一些不可測的季節性因素的影響並沒有完全排除。
介紹
出現在2019年12月以來,COVID-19已經迅速蔓延全球,嚴重威脅全球公共衛生安全。這次大流行創造了使分派公共衛生、整個世界的經濟和政治危機。1 2截至2021年1月29日,COVID-19疫情影響了223個國家和地區,100 455 529已確認陽性COVID-19,和2 166 440人死亡。3特別是一些新的COVID-19變體,是首次發現在英國和南非,似乎更多的傳染性。COVID-19的第二波大流行期間,這些新的變體高達70%高傳播性,導致感染在世界範圍內迅速崛起。最大的挑戰之一是,目前還沒有明確和令人信服的證據顯示現有的藥理幹預措施的效果或疫苗來治療或預防這些新COVID-19變體。4因此,非藥物幹預措施(npi)實現對抗COVID-19爆發之前被視為優先推遲甚至包含這些新變種的傳播。5個6例如,許多研究已經調查了一個NPI或多個NPI的影響在中國實現,7英國,8新加坡,9德國,10意大利,11韓國和美國,12或許多npi的效果相比實現在34個歐洲國家,1379年領土14和190個國家。15
專注於第一波COVID-19大流行(從2019年12月到2020年6月),大多數以前的研究使用了數學模型(如Susceptible-Infectious-Recovered, Susceptible-Exposed-Infectious-Recovered(西),基於主體的仿真模型)由實驗流行病學的參數來模擬COVID-19傳輸過程。16日至18日這些仿真結果,用於評估不同的npi的影響,主要是依靠流行病學的假設、參數估計和數據變化。首先,一些流行病學的假設過於簡化,比如使用一個固定的傳輸概率(β)或相同的接觸率(c)在不同的國家。這些假設忽視了異構性問題在易感人口和他們的聯係方式。因此,基於這些假設,具有挑戰性的使用一個模擬Rt(有效的繁殖數量)作為典型代表參數估算npi的效果。第二,NPI效應的估計可能是高度敏感的一些重要的流行病學參數的估計價值,如代時間或潛伏期。相同的參數與不同的估算值雲導致相同的npi的不同效果。第三,第一波COVID-19大流行期間,隻有症狀性進行測試,導致大部分無症狀的情況下未被發現。的挑戰找到可靠的數據在日常報告病例。之後,在大多數國家,報告病例的快速增長可能由擴大測試覆蓋率或增加測試。因此,由於未知的變化在不同國家的測試功能,早期研究使用數據從第一波COVID-19大流行,不提供一個可靠的評估NPI的效果。
這個研究橋梁利用先前文獻中采用數據驅動的統計方法定量分離多個政府幹預實現的淨效應在中國的9個城市COVID-19大流行的第二波。依靠流行病學數據(包括報告病例的特點和14天的旅遊曆史)從市政衛生委員會的官方網站,收集數據驅動的統計方法可以準確和可靠的統計方法應用於解決淨效應從不同主題的政府幹預。這將大大減少結構不確定性的數學模型。
此外,我們的研究隻關注政府幹預措施和排除npi發起和實施任何非政府機構由於測量的困難效果可靠。許多研究發現,政府主導的npi關鍵戰鬥COVID-19或其他任何未來的複興呼吸爆發。這些幹預措施,也被稱為法律npi,由政府授權公布和實施公共和私營部門采取一些具體的措施。這些政府實施了幹預更有效地實現在社區比非法定npi(如自願隔離和自願戴著麵具),可以確保高公共合規準確量化效果。
先前的研究也忽視了不同的局部作用相同的政府幹預,在不同階段推出。通過使用一個市級數據集,本研究的另一個重要貢獻是分析政府幹預的不同淨效應實現了不同的時間在一個大的地理區域。我們的比較分析表明,某些主題的政府幹預實施前的“骨幹”包含COVID-19爆發。19這一發現熊的顯著影響策略來預防或控製未來的COVID-19浪潮。
雖然它很容易比較來自多個國家或地區的政府幹預,聚集來自世界不同的地方可能會模糊的證據圖片代替。這是因為不同的政府實現相同的政府幹預的顯著水平的變化。舉個例子,在第一次鎖定在英國,遮臉是鼓勵,而不是強製性的,人們被告知要使用他們的良好穩固的英國常識做出自己的決定。同時,口罩在中國在整個大流行期間,嚴格執行強製性的政府和廣大社區。因此,觀察到的效果相同的政府幹預將不可避免的被這些製度變化抱愧蒙羞。孤立的淨效應多個政府幹預,我們選擇使用的數據來自中國,這些幹預措施實施有效且高效地在全國各地。特別是,基於廣泛的實現在中國的流行病學調查,更多的流行病學數據變得可用。我們的研究也受益於準確和高效的流行病學數據(包括報告病例的特點和他們的14天旅遊曆史),具體地點的傳輸、識別和COVID-19-infected來源的城市和日期。研究設計和實證策略使可靠隔離多個政府幹預的淨效應。我們的研究結果可以作為這類幹預措施的影響範圍的上界,考慮到在中國嚴格的政府幹預、有效實施。 The results can guide policy decisions to deal with the rapidly changing epidemiological situations in other countries when fighting against the COVID-19 pandemic, and the spread of similar raspatory transmissive diseases in general.
數據和方法
COVID-19案例數據
國家級數據集在每日每1000萬人確診COVID-19病例總共包括156個國家從2020年10月11日到2021年2月4日,也就是從一個數據存儲庫中提取來自約翰霍普金斯大學係統科學與工程中心和風金融數據庫盾等。20.這些國家的排名根據累計確診病例(每1000萬人口),圖1顯示累計確診病例的進化(每1000萬人口)在前十的國家。與這些排名前十的國家相比,累計數量的確診病例(每1000萬人口)在中國> 1000倍低於這些排名前十的國家。從2020年10月11日到2021年2月4日,這次大流行發展剛剛通過當地疫情在中國21個城市和社區傳播階段沒有高感染和廣泛傳播。地方政府明智和及時實現一些特定的政府幹預,以防止當地爆發的主題轉向國家傳播。這樣的證據支持,政府幹預包含COVID-19疫情發揮了重要作用。
累積的確診病例(每1000萬人口)在前十國家和中國從11 2020年10月至2021年2月4日。
在中國,專注於21個城市當地疫情發生,報告病例的數據特點和他們的完整和詳細14天旅行史有9城市(如北京、成都、上海、天津、沈陽、大連、青島、長春、黑河),而其它12個城市的一些關鍵數據不可用(如、綏化市、齊齊哈爾、哈爾濱、大慶、邢台、石家莊、廊坊、保定、通化、宋元,滿洲裏,喀什)。這個有限的這些九個城市我們的研究領域。2020年10月11日至2021年2月4日,圖2顯示中等風險水平的分布在這九個城市地區。
中等風險水平的分布地區9個城市從2020年10月11日到2021年2月4日。
據中國COVID-19風險分類方案,低風險水平區域被定義為沒有確診病例的社區或在14天沒有新確診病例的報道。中等風險水平的區域被定義為累積的社區確診病例的數量不超過50歲,或沒有集群COVID-19病例14天。高風險水平區域被定義為社區的累計確診病例數在哪裏> 50或一些集群COVID-19病例14天。從2020年10月11日到2021年2月4日,沒有高風險水平在每個城市。因此,中等風險水平地區的數量(圖2)表示最後COVID-19疫情在這九個城市的大小。
我們的觀察期間覆蓋整個傳輸段COVID-19 9個城市。在每個城市,傳播時期開始第一例報道時,最後當最後的案例被報道。每個城市有不同的傳播時間與不同的開始日期和結束日期,如青島(2020年10月至2020年10月14日11日)、天津(2020年11月8日2020年11月24日)、成都(2020年12月7日2020年12月17日),大連(2020年12月15日到2021年1月8日),沈陽(2020年12月23日到2021年1月10日),北京(2020年12月29日2021年1月23日),長春(2020年12月23日2021年2月3日),黑河(2020年12月29日2021年1月7日)和上海(2021年1月至2021年2月4日21日)。
在9個城市,市政衛生委員會堅持每天報告病例的記錄。從2020年10月11日到2月4日,流行病學數據收集從市政衛生委員會的官方網站,分別包括青島(http://wsjkw.qingdao.gov.cn/)、天津(http://wsjk.tj.gov.cn/)、成都(http://cdwjw.chengdu.gov.cn/)、大連(http://hcod.dl.gov.cn/)、沈陽(http://wjw.shenyang.gov.cn/),北京(http://wjw.beijing.gov.cn/)、長春(http://wjw.changchun.gov.cn/)、黑河(http://zwgk.heihe.gov.cn/)和上海(https://wsjkw.sh.gov.cn/)。和流行病學數據包括報告病例的特征(包括年齡、性別、家庭住址、證實或無症狀的情況下,戴著麵具,隔離,等)和14天旅行史。14天旅行史的準確性和效率被強製使用衛生證明二維碼(移動應用支持)。健康QR碼是一種監測係統由所有中國城市和地區共享記錄所有人的旅行軌跡(即,他們去哪兒了,他們會見了,是否有他們前往中等風險或高風險水平;是否有他們會見了報告病例)。我們合並流行病學數據形成每個城市的市級數據集,用於分析地理傳播,城市的情況下識別和COVID-19-infected來源和日期。接觸傳播,COVID-19傳輸主要是由於人與人的接觸。因此,高人口密度大大增加在公共社會聯係。21考慮到人口密度的不同,我們關注的累計報告病例數(包括確診病例和無症狀的患者)(每1000萬人口)來表示感染在9個城市的增長率(圖3和圖4)。
累積的確診病例(每1000萬人口)的9個城市11 2020年10月至2021年2月4日。
累計無症狀病例(每1000萬人口)的9個城市11 2020年10月至2021年2月4日。
政府幹預數據
公開的複雜性科學中心COVID-19控製策略列表(CCCSL)數據集和CoronaNet COVID-19政府響應事件(CoronaNet)數據集在npi被用來定義和分類9個城市中實現的政府幹預,分別。CCCSL數據集提供了分層分類6068 npi 56個國家,和CoronaNet數據集包含31 532幹預措施覆蓋247領土。在這項研究中,我們使用一個動態版CCCSL和CoronaNet。從2020年10月11日到2021年2月4日,在每一個城市,COVID-19預防和控製總部,負責部門,通過新聞發布會,發布更新的npi市政衛生委員會的官方網站公告,分別。和每個NPI被視為“上”時宣布實現在每個城市。我們收集和記錄所有法律npi(政府幹預)和實施日期,不是非法定npi。然後,使用相同的標準CCCSL CoronaNet數據集,我們組成了一個四層分層編碼方案來定義和歸類所有記錄的政府幹預。這個方案包括五個主題(1級,L1),10個類別(級別2,L2),12個子類(3級,L3)和12碼(4級,L4)。每一個我1(主題)是由幾個類別(L2)包含子類(L3),這是進一步細分為代碼(L4)。詳細歸納了有關這四層分層編碼方案表1。圖5顯示了實現政府幹預的時機在9個城市11 2020年10月至2021年2月4日。
政府幹預的實施時間在9個城市11 2020年10月至2021年2月4日。
Susceptible-Exposed-Infectious-Recovered框架模型與政府幹預實現
西珥模型,實驗仿真模型,被廣泛用於評估和預測的流行曲線COVID-19在許多先前的研究。在西珥的標準模型,人口分層易感(S),暴露(E)、感染(I)和(R)隔間中恢複過來。然而,大多數以前的研究已經使用西珥建模方法模擬npi的流行而不考慮效果的實現,22或者隻是調查的影響單個NPI或一群NPI,估計的實驗以人群為基礎的數據。23這些造型研究缺乏npi的討論效果,不能幫助公共衛生官員決定公眾采用保護行動。此外,我們認為,缺乏一些npi實驗以人群為基礎的數據(如環境清潔和消毒,定期測試,等)不能等同於這些特定的npi的效果。尤其是,一些特定的低可接受性和耐受性npi(麵具等)誘導低公共合規在一些國家。這往往會忽視這些npi效應,這可能是一個原因反對他們的建議。因此,在這項研究中,我們采用西珥框架模型分析城市在政府幹預實現之間的傳輸路徑。我們使用法律npi數據實現九個城市的地方政府提供直接證據對政府幹預的淨效應(選擇和歸類為四層的分層編碼方案,包括5個主題(L1),10個類別(L2),12個子類(L3)和12碼(L4分別)COVID-19傳輸。然而,隔離淨效果在統計學上具有挑戰性的,因為大多數城市同時執行兩個或更多的政府幹預措施根據這些政府幹預的實施時間在9個城市11 2020年10月至2021年2月4日(圖5)。24日25日關注“查看目標為中心的觀點,政府幹預的典型主題實施實現一些特定的目標(包括減少易感人群的數量;保護易感人群;減少暴露的情況下,識別暴露情況和受感染的情況下),這反映了new-formed隔間(包括保護易感人群(Sp),隔離暴露情況下(E問情況下(我)和住院感染h在西珥框架模型())圖6)。
Susceptible-Exposed-Infectious-Recovered框架模型的示意圖連接政府幹預實現,傳播途徑的區分(通道1)沒有政府幹預措施實施和(通道2)在政府幹預實現。
的主題旅行限製(封鎖)是實現減少易感人群接觸感染的可能性。鎖定(G11中等風險水平的地區有統計上顯著的解釋力包含跨位置的傳播。因此,我們認為,旅行限製的主題是實現實現的目標減少易感人群的數量。和這個主題的淨效應可能導致減少易感人群(年代)。
衛生資源的主題(包括口罩)和環保措施(包括環境清潔和消毒)實施保護易感人群,扮演了一個更突出的作用在疾病控製比第一波COVID-19大流行。因為增加傳播風險從無症狀病例占全球更高的傳輸速率在COVID-19大流行的第二波。26然而,這些主題被政府,很少報道,許多先前的研究排名這些幹預措施有效。例如,由於缺乏有效的和可靠的數據在大多數國家,環境清潔和消毒(胃腸道的影響4)可能是容易被忽略。和戴著麵具的貢獻(GI10)也可能低估了由於可能的偏見在麵具的易感人群的覆蓋率。明確,當易感人口使用麵具後才出現症狀或低比例的易感人口戴著口罩,沒有明顯的統計數據來估計麵具的效果。在中國,環保措施和衛生資源的主題都是合法的,正式實施國家和地方政府提供直接證據對他們影響COVID-19傳播。因此,我們認為,環境措施和衛生資源的主題實現實現的目標保護易感人群。和這些主題的淨效應可能單獨保護易感人群(Sp)的易感人口(S)。保護易感人群接觸病毒的比例較低,這進一步降低了感染的風險。
社會距離的主題(包括但不限於質量會議取消,教育機構、關閉不必要的企業和餐館)一直在實現區域或中等風險水平大幅度轉變社會所有領域混合模式。這是特別有用在遏製新興病原體的傳播更廣泛的社區,減少傳播從無症狀或輕微的感染風險。因此,我們認為,社會距離的主題是實現實現的目標減少暴露的情況下(E),這個主題的淨效應可能誘導減少暴露情況下(E),這可能會進一步誘發減少受感染的情況下(我的)。
例標識的主題、接觸者追蹤和相關措施(包括跟蹤和追蹤,14日集中隔離和測試)是由地方政府鼓勵和支持的9個城市確定檢疫COVID-19感染盡可能早。例如,追蹤和跟蹤(GI密切接觸者1),它被用來理解社區的互動,可以提高無症狀的檢測和診斷,進一步控製和預防潛在的新感染病例。COVID-19的第二波大流行期間,更COVID-19感染是無症狀或輕微症狀,而誘導大部分感染不明身份的隻有測試表征。有針對性的測試(GI3)的易感人口中等風險水平地區,定期測試(GI3 b)衛生專業人員(如醫生、護士和其他醫務工作者)和essential-workers搬運工(如測試人員和冷鏈食品的搬運工,快遞,公交司機,等等)可能比大規模低成本和更有效的測試(GI3 c)。因為大規模的測試能力的顯著增加是目前許多國家所麵臨的最大的挑戰。在不同的國家,各種不同的隔離策略(包括檢疫易感人群,暴露或感染病例;閉關鎖國則或摧毀中央隔離;自願隔離或強製隔離;等)是適應和定製,以適應宿舍居民的需要,他們的生活環境和COVID-19的嚴重性。然而,現有的研究使用的數據隻有確診病例或證實/死亡病例估計這些隔離策略的影響,不能對他們的影響COVID-19傳輸提供了直接證據。在中國,14天集中隔離密切接觸者(GI2)嚴格執行隔離標識暴露易感人口/感染病例。當有易感人群之間的相互作用和暴露/感染的情況下,密切接觸者的潛在暴露/感染病例隔離以防止播種病毒更廣泛的地區。這14天是必要的和有效的隔離,因為潛伏期從感染到出現第一個症狀通常5 - 7天,但是14天。27因此,我們假設情況下的主題識別、實施接觸者追蹤和相關措施來實現確定的目標暴露/感染病例。和這個主題的淨效應可能單獨隔離暴露情況下(E問)從暴露的情況下(E)和住院感染病例(我h)從被感染的情況下(我)。隔離暴露(E問(我)和住院感染h)情況下不能接觸易感人群,因此減少恢複情況下(R)。
量化政府幹預的淨效應
基於西珥框架模型與政府幹預實現中,我們采用了數據驅動的統計方法(包括時間序列的描述性統計分析、相關性分析和線性回歸分析)量化政府幹預實現的淨效應在中國的9個城市從2020年10月11日到2021年2月4日,分別。在不同的城市,政府幹預措施實施不同的時間表。一些政府幹預大大延長實現期比別人,甚至一個重疊的實現與他人。由於政府幹預的綜合效應是不被認為是在這項研究中,我們假設每個政府幹預的淨效應是有條件地相互獨立的。
測試的淨效應旅遊限製(鎖定在中等風險水平地區GI9減少易感人群的數量),我們使用報告病例的分布在中等風險水平地區(包括中等風險水平的地區,總數的百分比報告病例的三大風險級別區域)的9個城市。和我們進行了相關性分析(通過評估等級次序的斯皮爾曼相關係數)來演示的力量之間的關係的實現時間鎖定在中等風險水平地區和中等風險水平的地區,總數或報告病例的比例在三大中等風險水平地區,分別。相關分析研究了如果越早實施有針對性的部分封鎖,而不是完整的封鎖,可能大大限製COVID-19的傳播範圍。
測試衛生資源的淨效應和環境措施保護易感人群,我們使用的分布地點的傳輸(包括報告病例的比例由於家庭,社區,醫院,工作場所,教育機構,不必要的商業、購物中心和餐館或公共交通工具傳播),和COVID-19-infected來源的分布(包括冷鏈食品從其他國家進口,從其他國家進口的情況下,從其他城市或地方輸入性病例例)在9個城市,分別。不同比例的報告病例由於不同地點的傳輸,結合不同百分比的不同COVID-19-infected來源,表示如果繼續嚴格戴口罩在公共場所,和目標環境中等風險水平地區的清潔和消毒,可以有效地減少COVID-19傳播的可能模式。
測試社會距離的淨效應減少暴露的情況下,我們建立了一個線性回歸模型來確定不同的具體地點的傳輸(包括家庭、社區、醫院、工作場所、教育機構,不必要的業務,公共交通和購物中心和餐廳)與不同影響COVID-19的發病率。通過評估每個自變量的係數(包括報告病例的比例由於家庭、社區、工作場所,教育機構,不必要的商業、公共交通、購物中心和餐館傳輸)對因變量(累計報告病例的數量(每1000萬人口)在9個城市),線性回歸模型應用於識別一些重要地點的傳輸作為版主和介質。此外,控製其他獨立變量,我們對待每個獨立變量可分離地增加了5%,導致不同因變量的變化。這個模型占社會距離的不同的效果在兩個不同的地方,不同的城市。
測試例標識的淨效果,接觸者追蹤和相關措施識別暴露/感染的情況下,我們用例標識的分布(包括自我診斷、密切接觸者追蹤或質量測試)和檢疫的分布比例(包括隔離或不隔離)在9個城市。和我們進行了相關性分析(通過評估斯皮爾曼等級次序的相關係數)來演示的強度之間的關係的累計報告病例數(每1000萬人口),追蹤和跟蹤的實現時間密切接觸者,或14日集中隔離密切接觸者,分別。相關分析研究了如果越早實施強製性的和有針對性的跟蹤,跟蹤和14天集中隔離幹預,而不是隔離所有易感人群在中等風險水平地區,可以顯著降低COVID-19傳播。
病人和公眾參與
沒有病人和公眾直接參與本研究。考慮到速度的研究,沒有考慮病人和公眾參與可行的在這個研究。然而,基於數據驅動的方法,我們的研究結果提供了科學證據的淨效應多個政府幹預的第二波COVID-19在中國,這將指導決策對於快速變化的流行病學情況>其他223個國家COVID-19對抗的大流行。這些發現也將通過官方對公眾廣泛傳播,個人與社會的溝通工具。
結果
的淨效應限製旅行
報告病例的分布在9個城市的中等風險水平地區從2020年10月至2021年2月4日11所示表2。和之間的相關性分析結果實現的時間鎖定在中等風險水平地區和中等風險水平地區,總數或報告病例的比例在三大風險水平區域所示表3。在每個城市,中等風險水平地區排名由於其發布日期。顯著正相關關係表明,中等風險水平地區封鎖的早些時候實施更有效地減少的總數等風險領域。此外,顯著地負相關關係表明,早期實施封鎖等風險領域的誘導更高比例的報告病例集中在三大風險地區。例如,在兩個9個城市(包括天津和青島),這早在中等風險領域實施封鎖,這是實現從第一或者第二天在傳輸期間,強烈局限COVID-19流行病的發展不到三地區中等風險水平,確保100%報告病例集中在三大中等風險水平地區(如最早宣布中等風險水平地區)。
此外,與“武漢封鎖”在第一波COVID-19在中國,完整的封鎖並不是在所有九個城市實施。然而,感染是有效地包含在地方小,沒有開車到國家傳播。這些結果表明,早期實施封鎖在中等風險水平地區重要的淨效應在減少易感人群的數量,這雲支持我們的假設。更重要的是,在COVID-19暴發的早期階段,這部分封鎖代替完全鎖定目標應該實現的效果。和避免完全封鎖可以減少對社會的不利影響,經濟、人道主義反應係統和環境。
衛生資源的淨效應
的分布地點的傳輸在9個城市從2020年10月至2021年2月4日11所示表4。在大多數城市,平均低比例(37.39%)的報告病例由於公共場所傳輸,而智商高的比例(8.97%)的報告病例由於家庭傳輸,提供直接證據強製戴口罩在公共場所能有效地減少COVID-19傳播的可能模式。長春,報告病例的比例最高(87.36%)由於不必要的業務傳輸,隻是由於兩個大規模集會(在長春的美容俱樂部和健身俱樂部)沒有戴著麵具,在super-spreader現象引起COVID-19集群老年人(> 100人)。此外,在這九個城市,27.12%的報告病例無症狀的情況下,這表示,官方州級要求戴上口罩不管症狀是最小化的關鍵易感人口感染病毒的可能性,有明顯的淨效應保護易感人群。這是與我們的假設一致。
一些先前的研究指出,各種替代幹預(如“一米帽子”、“微生物泡沫”)可能比麵具,同樣或更有效28這已經被許多國家實施,而不是麵具。然而,物理距離保持在許多大城市(如紐約、倫敦)和高人口密度是更複雜的。這些大城市,高基本生殖數字,可能是由於高人口密度持續傳輸支持更多的機會。由於缺乏有效的和可靠的數據,麵具的淨效應是無法檢查在大多數國家。這些結果提供充分的證據強烈支持繼續實施嚴格的戴著麵具,這是至關重要的減少COVID-19傳播和疾病控製和預防中心建議。
環保措施的淨效應
COVID-19-infected來源的分布在9個城市從2020年10月至2021年2月4日11所示圖7。這些結果表明,從其他國家進口冷鏈食品主要COVID-19-infected來源,造成當地疫情在九三個城市(包括天津、大連、青島)。例如,在天津、受感染的冷鏈食品引起了報告病例的比例最高(44.44%),由於工作場所傳播(表4)。港口和工業園區,被感染的冷鏈食品的主要存儲和處理網站,已經在工作場所的傳播起到了至關重要的作用。這是因為搬運工和工人獲得病毒通過加載和接觸受感染的冷鏈食品,這也進一步導致了當地疫情。在許多先前的研究,來自其他城市或國家的輸入性病例已被廣泛接受為主要COVID-19感染來源,當一個新的本地疫情發生在許多城市或國家。然而,由於缺乏廣泛的流行病學調查的實施,有不清楚和模糊識別其他COVID-19-infected來源的證據。COVID-19-infected來源的分布在9個城市顯然表明,新的地方爆發可能是由於頻繁的進口冷鏈食品,這意味著環境清潔和消毒的淨效應是似乎錯過了在幾乎所有的國家。因此,環境清潔和消毒應集中在所有港口和工業園區,實現可以有效地保護易感人群(尤其是搬運工和工人)。它可能幫助遏製新興的傳播感染其他城市或國家。
COVID-19-infected來源的分布在9個城市11 2020年10月至2021年2月4日。
社會距離的淨效應
線性回歸模型被用來估計不同地點的傳輸的影響(包括家庭、社區、醫院、工作場所、教育機構,不必要的業務,公共交通和購物中心和餐廳)在9個城市COVID-19的發病率。不同的係數(表5)表示,報告病例百分比的增加由於家庭(B =−60.094),社區(B =−8.327)或工作場所(B =−28.902)傳播可能導致減少累計報告病例的數量。相反,報告病例百分比的增加是由於教育機構(B = 290.015),不必要的業務(B = 159.563),公共交通工具(B = 499.106)或購物中心和餐廳(B = 602.949)傳播可能導致增加累計報告病例的數量。沒有明顯的關係被確認為醫院傳播。
不同的增長率(圖8)表明,相同的增加比例(5%)的報告病例由於不同地點的傳輸可能會導致顯著的變化在9個城市的累計報告病例數。控製其他地點的傳輸,例如,報告病例增加5%,由於購物中心和餐館傳播可能導致最大的增加累計報告病例數(每1000萬人口)在9個城市,同時增加5%報告病例由於家庭傳播可能導致最大的減少累計報告病例數(每1000萬人口)在9個城市。這些結果表明,在報告病例的比例增加的價格在家庭內部,全職雲的幹預有效降低的累計報告病例數為整個城市。此外,報告病例的比例由於購物中心和餐廳傳播是一個重要的主持人和中介,這意味著關閉中等風險水平地區的購物中心和餐館(GI8)雲顯著減少的累計報告病例數(如暴露的情況下在西珥框架模型)。和較低的百分比報告病例由於購物中心和餐館傳輸雲提高的預期放緩或停止COVID-19流行病的傳播。
估計增長率的累計報告病例的數量(每1000萬人口)在9個城市,假設增加5%報告病例由於不同地點的傳輸,可分離地。
的淨效應情況下識別、接觸者追蹤和相關措施
例標識的分布在9個城市從2020年10月至2021年2月4日11所示圖9。這些結果表明,跟蹤和追蹤密切接觸者有明顯的淨效應識別暴露/感染病例,這強烈導致了快速解決COVID-19這九個城市的大流行。例如,追蹤和跟蹤密切接觸者確認報告病例的64.87%平均在所有城市,長春甚至高達92.52%。此外,所有易感人口中等風險水平的目標測試領域,衛生專業人員和定期測試和essential-workers搬運工的高風險暴露於病毒,為限製提供了極為有利的傳播COVID-19本地。例如,測試(包括目標、周期和質量測試)鑒定報告病例的30.81%平均在9個城市。特別是,定期測試(一周一次)確定第一個感染病例在九三個城市(包括青島、天津、大連),從其他國家進口冷鏈食品的主要COVID-19-infected來源。這些第一次感染病例無症狀病例都是搬運工和工人接觸受感染的冷鏈食品的風險很高。早期識別是一項重大進展COVID-19疫情的控製。除此之外,在中等風險水平地區的封鎖,目標測試能夠有效地識別出更多的暴露/感染易感人群的情況下中斷傳播。因此,執行部分封鎖可以放心安全的有針對性的測試,可用於確定社區的開放階段。 In contrast, in nine cities, the lowest percentage (4.3%) of reported cases were found by self-diagnosis averagely, which indicated that only symptomatic testing was problematic to identify all actual infected people.
例標識的分布在9個城市11 2020年10月至2021年2月4日。
檢疫比率的分布在9個城市從2020年10月至2021年2月4日11所示圖10。在9個城市,檢疫率高(平均71.35%)暗示,14日集中隔離密切接觸者隔離最前報告病例證實診斷。特別是,超過一半的這些報告病例開始症狀被隔離後3 - 10天。這些結果提供了精確的和重要的淨效應的直接證據14天集中隔離在分離密切接觸者隔離暴露病例暴露的情況下,和住院感染病例感染的情況下,進一步穩定累計報告病例的數量。
檢疫比率的分布在9個城市11 2020年10月至2021年2月4日。
累積的數量之間的相關性分析結果報告病例(每1000萬人口),追蹤和跟蹤的實現時間密切接觸者,或14天集中隔離密切接觸者所示表6。這些顯著的積極的人際關係表明,早期實施跟蹤和追蹤,或14天集中隔離密切接觸者都有效地減少了累計報告病例的數量在9個城市。追蹤和跟蹤密切接觸是必要的和有效的識別暴露/感染病例,更準確。結合追蹤和跟蹤,14天集中隔離雲密切接觸者隔離這些確定暴露/感染病例(包括隔離暴露情況和住院感染病例)的易感人群,這可能避免隔離所有易感人口中等風險水平的地區。因此,這些強製性的和有針對性的跟蹤,跟蹤和隔離幹預大大改變了流行病學動態COVID-19流行沒有顯著的和不可預知的經濟和社會後果。與此同時,這些幹預措施的顯著的影響依賴於完整的推廣位置跟蹤應用程序(如健康二維碼在中國),加強地方政府規定,和足夠的跟蹤和測試能力的公共衛生機構。
討論和結論
撒謊的優勢研究提供一個數據驅動的方法來分析政府幹預的淨效應五個主題在中國的9個城市從2020年10月11日到2021年2月4日,分別。首先,合規率npi的準確量化npi的關鍵作用。因為一些npi效應可能高估了由於其廣泛的實現,雖然有些npi效應可能低估了由於低程度的實現。因此,我們隻專注於政府幹預在9個城市中實現。衛生和社區工作者結合強製使用二維碼(移動應用支持)確保所有人遵守一些特定的政府幹預無論在社區或公共場所。如果一個人去了中等風險或高風險級別區域或會見了報告的病例中,健康二維碼將從“綠色代碼”變成“黃代碼”,甚至“紅色代碼”。沒有“綠色代碼”,任何人不能進入任何公共場所(如火車站、機場、港口、寫字樓、購物中心、餐館、公園、等)。通過采訪社區工作者和地方政府官員在9個城市,衛生二維碼的覆蓋率非常高(> 95%)。它確保合規率高說明我們的研究結果的準確性和可靠性。
第二,我們選擇了五個主題的政府幹預(包括10個類別,12個亞類和12碼)從CCCSL CoronaNet數據集,以不均勻的數據在不同的領土完整性。值得注意的是,有些政府的幹預還可以屬於多個類別但隻記錄一次。我們試圖緩解這一問題,驗證我們的發現在這兩個數據庫。
第三,我們與西珥框架模型與政府幹預實現隔離淨效應解決困難,許多政府幹預是同時進行。四個具體目標定義了不同主題的政府幹預實現目標的貢獻。此外,在9個城市,市政衛生委員會提供獨特的、一致的和可靠的流行病學數據(包括報告病例的特點及其14天旅行史)。與前麵的數學模型相比,它避免了大統計不確定性模擬COVID-19傳輸過程。
第四,當地COVID-19反應是不協調:不同城市實現在不同時間不同主題的政府幹預。這起到了至關重要的作用在當地流行病控製和重大影響的最終大小COVID-19當地疫情。我們的研究進行了相關分析證明關係的力量實現一些特定的政府幹預的時機和COVID-19在9個城市的發病率。我們提出將“能夠做什麼”在市級政府幹預的計劃對COVID-19傳播的最大作用。
詳細我們的研究結果包括以下幾點:首先,我們的研究結果表明,不同主題的政府幹預措施實施實現不同的目標,不同的淨效應。旨在減少易感人群的數量,限製旅遊的主題有一個重要的角色在預防COVID-19在中國的傳播。與完整的封鎖,早些時候執行鎖定在中等風險水平地區(GI9)有更大的影響包含各地地方爆發地點,而不是帶著重要的和不可預知的經濟和社會後果。旨在保護易感人群,衛生資源和環境措施的主題可能會削弱COVID-19傳播的可能模式。繼續嚴格的戴著麵具(GI10)在公共場所有顯著的影響在減少報告病例由於公共場所傳輸,特別是在大城市高密度或無症狀病例的比例很高。有針對性的具體實現的環境清潔和消毒工作場所(包括港口和工業園區)特別有效的冷鏈食品從其他國家進口時主要COVID-19-infected來源。然而,以前,由於缺乏廣泛的實現中,這兩個主題的淨效應似乎是錯過還是低估了在幾乎所有的國家。
旨在減少暴露的情況下,社會距離的主題在不同的位置有不同的淨效應實現的。教育機構(GI6(GI),不必要的業務7(GI)、購物中心和餐廳8)中等風險地區的積極影響COVID-19的發病率。特別是,包含購物中心和餐館傳播作為一種重要的主持人和中介的累計報告病例數明顯減少。相反,一個更大比例的家庭傳播可以顯著降低的累計報告病例數。因此,全職在這種情況下可能是一個有效的政策選擇。旨在確定暴露/感染病例,例標識的主題、接觸者追蹤和相關措施在控製COVID-19爆發有顯著的影響。追蹤和跟蹤密切接觸者確認報告病例的64.87%的平均水平。中等風險水平區域內尋址傳輸和高感染風險組,測試(包括目標、周期和質量測試)鑒定報告病例的30.81%的平均水平。Fourteen-day集中隔離密切接觸者隔離71.35%報告病例平均之前證實診斷。因此,考慮到增加的比例無症狀的情況下,這些政府幹預的組合有顯著影響隔離標識暴露/感染病例的易感人群,預防和推遲在中國第二波的到來。特別是,越早實施跟蹤和追蹤,或14日集中隔離密切接觸者有效地誘發更大的減少COVID-19的發病率,這是發現的顯著正相關性。 This evidence from nine cities provided information that the theme of case identification, contact tracing and related measures should be enacted earlier to maximise their benefits and minimise the health, social and economic effect of COVID-19 in other countries or cities.
盡管綜合調查結果,我們的研究也有一些局限性。首先,由於當前的流行病學數據有限的可用性,我們的研究領域是限於9個城市在中國。第二,在9個城市,我們假設COVID-19的發生率明顯下降可能是由於政府幹預實現,我們不能排除這種可能性,今年秋天部分歸因於其他未知的季節性因素,例如,溫度和絕對濕度。第三,我們隻研究了五個主題的政府幹預措施包括在CCCSL和CoronaNet數據集。其他未被注意的npi也可以有效的COVID-19反應的一個重要組成部分。未來的研究應該考慮擴大政府幹預的主題包括更多的政府幹預措施實施,這將允許一個更精確的比較他們的淨效應。
數據可用性聲明
所有的數據都包含在相關研究文章。
倫理語句
病人同意出版
倫理批準
這項研究沒有收到也不需要倫理批準,因為它使用二級數據,和政府發布的數據庫。
引用
腳注
貢獻者傑:方法、軟件可視化,原創作品草稿準備。BG:調查、數據管理、驗證。HXB: writing-reviewing和編輯。z:構想、監督。傑是本文的擔保人。
資金這項工作是由國家社會科學基金支持,授予20 cgl051數量。
地圖免責聲明包含任何地圖(包括其中任何邊界的描述),或任何地理區位參考,並不意味著任何意見的表達的BMJ關於任何國家的法律地位,領土,管轄區域或部門。任何這樣的表達式仍然是完全相關源和不了BMJ的支持。地圖提供了沒有任何類型的保證,明示或暗示。
相互競爭的利益沒有宣布。
病人和公眾參與病人和/或公眾沒有參與設計,或行為,或報告,或傳播本研究計劃。
出處和同行評議不是委托;外部同行評議。