跳过主要内容

量化物理距离措施对英国Covid-19传输的影响

摘要

背景

为了缓解和减缓新冠病毒-19的传播,包括英国在内的许多国家都采取了前所未有的物理隔离政策。我们评估这些措施是否足以通过估计其对繁殖数量的影响来控制疫情(R0,每个案例生成的次要案例的平均数量)。

方法

我们向上一天询问了英国成年人的代表性样本。调查问卷通过电子邮件招聘在线进行,并记录了联系人的年龄和地点以及其亲密的衡量标准(无论是物理接触是否制造)。此外,我们询问遵守不同的物理脱节措施。第一次调查是在英国“锁定”在英国实施“锁定”后1日星期二发出的第一次调查。我们将测量的接触模式与在非流行期间的社会接触模式中进行了比较。通过比较这些,我们估计了由于施加的物理疏散措施而变化。我们使用了公布估计数的荟萃分析,以便在解决干预措施之前通知我们对再生数的估计。

结果

我们发现每位参与者观察到的平均每日触点数量减少74%(从10.8到2.8)。这足以减少R0基于所有类型的接触,从锁定前的2.6到锁定后的0.62(95%置信区间[CI] 0.37 - 0.89),仅针对物理(皮肤对皮肤)接触,为0.37 (95% CI = 0.22-0.53)。

结论

英国公众采取的保持身体距离的措施大幅降低了接触水平,并可能导致未来几周的重大影响和病例下降。然而,预计的发病率下降不会立即发生,因为在感染、出现有症状的疾病和住院之间存在明显的延迟,而且报告的这些事件还会进一步推迟。跟踪行为变化可以比常规流行病学监测更迅速地评估身体保持距离措施的影响。

同行评审报告

背景

截至2020年4月13日,全世界记录了180多万例新冠肺炎病例和11万多例死亡病例[1.]。SARS-CoV2的主要传播途径是通过飞沫传播,这需要密切接触[2.]。为了缓解COVID-19大流行,许多国家采取了前所未有的身体距离政策[3.]。3月23日,在确诊病例刚刚超过6000例的情况下,英国政府实施了严格的保持距离措施,要求个人呆在家里,除了必要工作外不要离开家,每天进行一种形式的锻炼,并购买食品和药品等基本物品。此前一周,体育赛事、学校、餐馆、酒吧、健身房和其他休闲或招待相关的企业都关闭了。4.),以及在宣布宣布前数天就已经在人群中加强了社交距离[5.]。

保持身体距离的干预措施试图减少与传染病在个人之间传播有关的接触。已就在当前大流行期间采取不同的身体距离措施发起多项调查,但这些调查没有明确测量人与人之间的接触[6.,7.,8.]。为了准确预测这些措施对这些措施的影响,需要有关相关接触模式的定量数据[9,10.,11.,12.]。许多政府已采取物理隔离措施,以减轻新冠病毒-19大流行的影响。然而,目前尚不清楚这些措施在多大程度上减少了接触人数,从而减少了传播。此前,只有一项于2020年2月在武汉和上海两个中国城市进行的调查对新冠病毒的影响进行了量化e对新冠病毒-19大流行期间个人接触模式的测量[13.]。

人类接触行为的变化驱动呼吸道感染率。了解COVID-19大流行不同阶段的这些变化,使我们能够迅速量化物理距离措施对病原体传播的影响。在本文中,我们描述了接触模式和遵守物理距离措施的调查,并提出了来自英国成年人样本的结果。我们通过估计这些措施对繁殖数量(每例产生的继发性病例的平均数量)的影响,评估这些措施是否足以控制疫情。

方法

道德声明

参与这项选择加入研究是自愿的,所有分析都是根据匿名数据进行的。这项研究得到了伦敦卫生与热带医学学院伦理委员会的批准,参考号为21795。

调查方法论

我们委托市场研究公司益普索(Ipsos)对英国成年人进行了一项调查(这里称为CoMix调查)。成年人(≥18岁)通过向在线小组现有成员发送电子邮件邀请加入调查。通过设置年龄、性别、地理位置和社会经济地位的配额,确保了英国一般人口的代表性。这组人将被要求每两周回答一次调查,共16周,以跟踪他们自我报告的行为变化。第一批调查是在3月24日周二发出的,也就是英国宣布封锁的一天后。

参与者被问及他们对新冠病毒-19的态度和身体距离干预的效果,他们或他们的任何家庭成员是否最近出现任何症状,他们是否接受了新冠病毒-19检测,他们是否接触过已知的新冠病毒-19病例,以及他们是否受到身体距离测量的影响。

参与者报告了(i)是否有任何家庭成员因COVID-19在过去7天内被建议隔离、隔离或限制在工作场所或教育设施中的时间,以及(ii)是否听从建议并隔离、隔离或远离工作场所或教育设施。在调查中,我们将隔离定义为有限度的接触和呆在家里,在可能接触COVID-19病例后限制外出活动。我们将隔离定义为在家中或卫生设施中与包括家庭成员在内的未感染接触者完全隔离。为了评估有关保持身体距离的建议和政策变化的影响,我们要求参与者表明他们是否计划在前一周参加一系列活动。对于每个事件类型,他们报告(i)他们是否继续他们的计划,或(ii)它是否被取消或他们决定不去,和(iii)事件类型在过去7天的频率。另外还询问了有关预防行为的问题,如洗手或戴口罩,以及有关过去7天使用公共交通工具的问题。

此外,我们要求参与者记录在调查前一天早上5点到调查当天早上5点之间的所有直接联系。直接接触被定义为与人见面并至少交换了几句话的人,或者与参与者有任何形式的肌肤接触的人。由于缺乏道德认可,我们无法要求家长提供孩子的联系方式;然而,参与者能够列出18岁以下的联系人。

为每个记录的接触,参与者记录的年龄和性别接触,接触关系,他们通常的频率联系这个人,是否接触物理(皮肤),以及设置接触发生(例如,在家里,工作,学校,或同时进行休闲活动),包括接触是发生在封闭建筑内还是外部。有关社会交往的问题与POLYMOD英国分部的调查结果一致[14.],用作大流行前的基线比较数据集。关于调查方法、研究方案和所用问卷副本的详细信息,见其他文件1.2.

统计分析

R版本3.6.3用于所有分析;代码和数据可在github上获得(参见“数据和材料的可用性”部分)[15.,16.,17.]。

我们将研究参与者和联系人分为以下年龄段:18-29岁、30-39岁、40-49岁、50-59岁、60-69岁和70岁以上。将参与者的年龄、性别和地点与英国国家统计局(ONS)提供的2018年年中估计值进行比较,以评估研究样本的代表性[18.].我们对与症状、态度、接触物理距离措施和个体预防措施相关的答案进行了描述性分析。我们在适当的情况下给出了数字和百分比或平均值和标准偏差(表1)3.).

我们计算整体每天每人的社会接触数,并按年龄类别,性别,家庭规模,联系地点,联系类型和一周中的地点分层。然后,将年龄组与由接触位置分层分层的Polymod的平均每日接触总数。

我们使用R[中的socialmixr包,计算了特定年龄的每日直接社会接触频率的社会接触矩阵,并对研究人群中的年龄分布和接触的互惠性进行了调整。19.]。

由于不包括儿童(< 18岁)作为调查参与者,我们使用英国POLYMOD数据估算了较年轻年龄组(儿童-儿童和儿童-成人接触)的接触情况。具体来说,对于那些失踪的儿童联系群体,我们使用了POLYMOD社会联系矩阵的缩放版本。遵循Klepac等人以前开发的方法[20]作为比例因子,我们取两项研究中存在的所有年龄组的POLYMOD和CoMix矩阵的主要特征值的比值,按设置进行分层。此外,为了反映调查期间学校关闭的情况,我们从POLYMOD的数据中删除了学校联系方式。

基本复制数,或R0,是完全易感人群中典型单一感染引起的二次感染的平均数量,可估计为下一代矩阵的主要特征值[21]。下一代矩阵的确切形式是依赖于模型。对于呼吸道感染,例如SARS-COV-2(病原体引起Covid-19),这通常是特定年龄的日常触点数量的函数,单个接触导致变速器的概率和总持续时间传染性。所以,R0与接触矩阵的主导特征值成正比[19.]。

我们假设,在保持身体距离之前的接触模式与POLYMOD数据中观察到的类似,并且在研究期间,传染性持续时间和单一接触导致传播的概率没有变化。我们还假定所有年龄组对传播的贡献是平等的。在这些假设下,相对减少R0等价于对接触矩阵的主特征值的约简。乘以的值R0在通过POLYMOD和CoMix接触矩阵的主要特征值比率进行干预之前,我们能够计算R0在保持身体距离的干预下。在干预之前,我们假设R0根据附加文件中提供的文献的meta分析,遵循平均2.6和标准偏差0.54的正态分布3.[22,23,24,25,26,27,28,29,30,31,32,33,34]。

为了评估不确定性,我们从POLYMOD和CoMix矩阵中提取10,000个bootstrap样本,重复年龄估算过程。对于每个bootstrap样本,我们计算了抽样POLYMOD和CoMix矩阵的主要特征值之间的比率。这种抽样提供了一种相对变化分布R0从Polyod和Comix中观察到的接触图案。随后,我们缩放了初始分布R0用bootstrap样本的分布来估计R0在保持身体距离的干预下。

英国广播公司大流行研究的最新结果[20]的数据显示,与POLYMOD的数据相比,青少年(13-18岁)的平均接触次数下降了近50%。在POLYMOD研究中,5岁至18岁的患者保守减少50%,并重复我们的方法评估随着时间的推移接触量潜在减少的敏感性R0

结果

参与者的特征

我们调查了1356名英国参与者,记录了3849个联系人。参与者的平均年龄为47.2岁(标准差(SD) = 15, max = 86), 45%(608/1356)为女性(见表)1.).平均家庭规模为2.8 (SD = 1.4, max = 10)。数据收集时间为2020年3月24日(包括周二)至27日(包括周五)。参与者是从英国各地招募的。样本包括来自伦敦(16.5%)、英格兰北部(16.0%)、英格兰中部和东部(26.5%)、英格兰南部(24.4%)、威尔士(4.4%)、苏格兰(9.8%)和北爱尔兰(2.6%)的参与者,而116名参与者没有报告他们的地区(表)1.)。表中列出了参与者人口统计和按年龄、性别、家庭规模和地点分层的平均接触人数的进一步详情2..与国家统计局2018年中期的人口估计相比,70岁以上和20-29岁之间的人样本不足。

表1 CoMix调查的参与者特征,以及与国家统计局提供的2018年中期英国人口估计数的比较。CoMix的调查不包括18岁以下的儿童
表2按年龄、性别、家庭规模和星期几分层的每位参与者每天记录的接触人数

13名参与者报告已接受COVID-19检测,其中7人检测呈阳性,两名参与者仍在等待结果。41名参与者表示,他们与一名已知的COVID-19病例有过接触。在感知风险方面,26.4%(359/1356)的人认为有可能发展为冠状病毒,48.0%(652/1356)的人认为或强烈认为如果感染COVID-19,对他们来说将是一种严重疾病。

物理距离措施的影响

参与者报告了总共3824名家庭成员(包括他们自己)的数据,其中508人(13.2%)被要求隔离,826人(21.6%)被要求隔离。将近四分之一(921;24.1%)的家庭成员与至少有一种发烧、疼痛、呼吸短促或咳嗽症状的人住在同一屋檐下。在2122名受雇人员中,约有50%的人在过去7天内被要求限制工作时间、关闭工作场所和/或没有去上班(见表)3.).在进入教育机构的家庭成员中,67.2%(818/1217)的机构关闭,63.3%的机构在过去7天内没有访问。

表3参与者报告的所有家庭成员遵守公共卫生干预措施和行为改变的指标

有明显的迹象表明,前一周的身体距离已经影响了调查参与者的计划活动,51.3%的参与者打算去音乐会,因为活动被取消了,40.6%打算去电影院,因为电影院关闭了,无法去,32.5%的参与者不得不取消去酒吧的计划(Table3.).相反,原本打算去超市的参与者中,因新冠疫情而无法前往的人只有2.5%。

联系模式

本研究期间测量的人均物理(皮肤对皮肤)和非物理接触的平均数量为2.8(四分位数范围[IQR] = 1-4),比POLYMOD(10.8;6-14)的测量值低74%。POLYMOD和CoMix之间的平均接触减少在年龄、性别和家庭规模上是一致的(表1)2.).各自的社会接触矩阵(包括身体接触和非身体接触)也反映了整个年龄层的平均接触数量要低得多,如图所示。1.

图1
图1

CoMix和POLYMOD接触矩阵的比较,以及由于所有人的物理距离和物理(皮肤与皮肤)接触而估计的繁殖数量减少。A.社会接触矩阵显示了不同年龄组的参与者与其他年龄组的个体每天报告的接触的平均总数,CoMix和POLYMOD数据中报告的所有接触的结果。CoMix中0-4岁和5-17岁年龄组的参与者联系情况使用POLYMOD数据进行计算。B估价R0在调查时,假设值为R0 ~ Norm (2.6, SD = 0.54) prior to physical distancing reducing all contacts for all and physical (skin to skin) contacts

大多数接触者(57.6%)发生在家中,而POLYMOD调查报告的这一比例为33.7%2.显示所有人、物理、家庭、工作、学校和其他联系人的年龄组别的平均联系人数量。这些矩阵与大多数接触者在家里、工作和其他方面对接触者总数的贡献很小的情况相一致。

图2
figure2

在不同设置下制作的所有报告联系人的联系人矩阵,比较CoMix和POLYMOD

估计保持身体距离下的新冠病毒基本繁殖数量

我们估计了R0在物理距离措施为0.62(95%置信区间[CI] 0.37-0.89)的情况下,基于所有类型的接触(图。1.).我们估计,这只是基于身体接触R0为0.37 (95% CI = 0.21-0.52)。干预前后的平均比率R0对所有接触者为0.24 (min = 0.21, max = 0.27),仅对物理(皮肤对皮肤)接触者为0.14 (min = 0.12, max = 0.17)。基于这些值,物理距离措施将降低的平均估计R0到1以下,即使是首字母R0假设所有联系人同样高达3.6,则假设只有物理触点导致传输。

在敏感性分析中,将5-17岁的接触者减少50%对结果没有什么影响。在此假设下,估计的价值R0如果仅通过身体接触而导致传播,则所有接触者的传播率分别为0.69 (95% CI 0.42-0.98)和0.37 (95% CI 0.22-0.53)。

讨论

英国政府介绍的措施似乎在参与者之间具有高度的摄取,并导致了往复总数的大大(74%)减少。如果在英国人口中观察到类似的变化,我们将期望基本的再现号码低于1(0.62; 95%CI 0.37-0.89),并且这些物理疏散措施将导致未来几周内的案例衰退。然而,这种预测的发病率下降不会导致报告案件立即下降,因为感染与症状性和住院的发病造成的显着延迟,以及报告这些事件的进一步延迟。因此,常规监测数据在某种程度上不太可能在病例中显示出下降。然而,通过直接测量个人的接触模式并估计相应的基本再现号码,我们能够迅速量化物理差距对传输的影响。

与POLYMOD研究中先前估计的模式(10.7;不包括儿童)相比,每天接触的总人数(人均2.8)显著减少< 18 年)和最近的BBC流行病研究(10.5;不包括13岁以下的儿童)[20]。观察到的减少似乎不太可能由于考虑到机会大差异平均接触和符合最近的一项研究在武汉进行的,中国,估计每天的平均数量的减少接触爆发前从14.6到2.0在物理距离干预措施(13.]。虽然我们不知道英国有任何直接可比的数据,但我们的调查结果肯定与英国的其他报告一致,即社会接触大幅减少,例如,在一项调查中,只有一半的受访者报告说在过去24年中离开过家 h[5.]。

这项调查有几个局限性。要求个人报告他们前一天的接触可能会导致回忆偏差。此外,坚持保持身体距离措施的个人可能更有可能对这项调查作出回应,这可能导致选择偏差和高估这些措施的影响。POLYMOD的调查使用的是纸质日记,而CoMix使用的是在线表格,这可能导致CoMix报告的联系人数量不同。但是,观察到的巨大差异不太可能只是由于调查的报告方法。此外,我们无法对任何儿童进行抽样,因此只能从POLYMOD调查中推断儿童与儿童之间的接触。这削弱了两项研究的可比性,未来的工作计划直接测量儿童与儿童的接触,这将有助于评估这一限制的影响。

我们无法量化干预措施对传播的任何额外影响,例如通过增加洗手减少传染性。此外,我们无法计算净繁殖数,R因为我们没有考虑到人口中不再易感人群的比例。这些都可能使净繁殖数量降低到低于我们分析中估计的值。这种方法进一步假定所有年龄组对传播的贡献相等,但情况可能并非如此。假设流感样传播中,儿童是传播的最主要责任者,成年人对整体的贡献R0会更低[9]。但如果儿童在传播中不发挥显著作用,则成人传播的意义会更高。因此,尽管这项调查提供了人口总体接触减少的证据,这将大大降低R0由于缺乏对不同年龄组对总体传播的相对贡献的了解,我们无法准确确定传播的确切减少情况。

我们的分析认为是一个合适的代理直接接触有效接触,因此,遗传性等于各年龄组人群(例如一个受感染的儿童和成人易感接触可能导致传播如接触一个受感染的成人和敏感的成年人)。我们进一步假设儿童非学校接触的减少与在成人中观察到的相似。此外,我们假设干预前的接触模式是一致的和相似的规模。最近的一项研究发现,与POLYMOD的调查相比,青少年报告的接触人数明显减少[20]。减少5-17岁的混合50%,同时减少了减少的程度R0,不影响分析得出的定性结论。

截至4月13日,英国报告病例的增长速度似乎正在放缓,由3月24日之前的5天每天20%的增长速度降至4月13日之前的5天每天7%的增长速度[1.]。这与繁殖数量的减少是一致的;然而,很难将这种减少的幅度与的估计值联系起来R0.我们的方法假设同一年龄段的个体行为相同,并没有考虑到医院和其他机构会有不同的疾病动态。此外,由于英国的测试算法集中在医院里的人,而且医院感染的问题似乎越来越严重,任何社区感染的下降都可能被医院感染的增加所抵消。鉴于确诊病例主要来自医院,这可能会对使用原始数据(即不按传播途径分割)估算的生殖人数产生不成比例的影响。未来的工作计划比较的估计R0随着疫情的增长,检测水平、报告、延误和传播背景的变化。

这项研究计划在英国继续进行15周,并将扩展到其他国家,包括比利时和荷兰。未来的分析将能够探索不同干预期间接触模式的变化,并可能提供由于干预措施取消或减少对限制的遵守而导致接触模式变化的早期预警信号。

结论

我们已经证明,行为监测可以快速了解新冠病毒-19的传播,并提供了英国政府采取的限制措施导致新冠病毒-19传播减少的第一个证据。

表格3.由于新冠病毒-19,显示出对不同社会距离测量的遵从性。N症状显示居住在有以下任何症状(发烧、疼痛、呼吸急促、咳嗽)的家庭中的家庭成员总数,以及有多少人报告自己有COVID-19症状。列要求指报告被要求隔离或隔离的总人数。列一直在显示调查前7天内至少有1天在检疫或隔离的人数的总数。

数据和材料的可用性

用于进行这些分析的规范和数据见https://github.com/jarvisc1/comix_covid-19-first_wave.

缩写

CI:

置信区间

差:

四分位范围

英国国家统计局:

国家统计局

SD:

标准偏差

工具书类

  1. 1。

    ECDC。截至2020年4月13日的全球情况更新:ECDC;2020.https://www.ecdc.europa.eu/en/geographical-distribution-2019-ncov-cases.2020年4月13日。

  2. 2.

    金YH,蔡,程子S,Cheng H,邓T,范Y-P,等。2019种新型冠状病毒(2019 NCOV)感染性肺炎(标准版)的诊断和治疗快速指南(标准版)。MIL MED RES. 2020;7:4。

    中科院文章谷歌学者

  3. 3.

    cap M. COVID-19:政府措施。2020.https://www.acaps.org/special-report/covid-19-government-measures..2020年3月25日。

    谷歌学者

  4. 4.

    英国公共卫生部。英国每个人的社交距离指南。gov.uk。2020https://www.gov.uk/government/publications/covid-19-guidance-on-social-distancing-and-for-vulnerable-people/guidance-on-social-distancing-for-everyone-in-the-uk-and-protecting-older-people-and-vulnerable-adults.2020年3月28日

    谷歌学者

  5. 5.

    萨凡塔。萨凡塔冠状病毒每日追踪——3月30日。萨凡塔冠状病毒每日追踪。2020年。https://cdn2.hubspot.net/hubfs/5043860/Covid-19%20assets/Full%20data%20set%20PDFs/Savanta%20Coronavirus%20Daily%20Tracker%20-%2030th%20March.pdf.2020年3月31日。

    谷歌学者

  6. 6.

    王志强,王志强,王志强,等。报告10:公众对英国政府关于COVID-19建议的回应:人口调查,2020年3月17日至18日;2020.https://doi.org/10.25561/77581

    谷歌学者

  7. 7.

    Fancourt D.关于Covid-19心理和社会影响的新研究:伦敦大学学院;2020.https://www.ucl.ac.uk/news/2020/mar/new-study-psychological-and-social-effects-covid-19.2020年3月25日。

  8. 8.

    YouGov。COVID-19公众监督。YouGov。https://yougov.co.uk/topics/health/explore/issue/Coronavirus.2020年3月31日。

  9. 9.

    Eames KTD,Tilston NL,Brooks Pollock E,Edmunds WJ.测量的动态社会接触模式解释H1N1流感的传播。PLoS Comput Biol.2012;8:e1002425。

    中科院文章谷歌学者

  10. 10。

    Hens N, Ayele GM, Goeyvaerts N, Aerts M, Mossong J, Edmunds JW等。估计学校关闭对八个欧洲国家的社会混合行为和密切接触感染传播的影响。BMC infection Dis. 2009;9:187。

    文章谷歌学者

  11. 11.

    Prem K, Cook AR, Jit m使用接触调查和人口统计数据,在152个国家预测社会接触矩阵。公共科学图书馆。2017;13:e1005697。

    文章谷歌学者

  12. 12.

    反应性学校关闭削弱社会互动网络,减少流感传播。中国科学院大学学报(自然科学版)2019;

    中科院文章谷歌学者

  13. 13

    Zhang J,Litvinova M,梁Y,王Y,Wang W,赵氏,等。年龄分布的易感性,混合,和社会距离塑造动态的新冠状病毒病2019爆发在中国。流行病学。2020。https://doi.org/10.1101/2020.03.19.20039107

  14. 14

    等。与传染病传播有关的社会接触和混合模式。《公共科学图书馆·医学。2008;5:e74。

    文章谷歌学者

  15. 15

    R核心团队。统计计算的语言和环境。2017.https://www.R-project.org

    谷歌学者

  16. 16.

    Dowle M,Srinivasan A. Data.Table:扩展'data.frame';2020.

    谷歌学者

  17. 17.

    Wickham H. ggplot2:用于数据分析的优雅图形。2016.https://ggplot2.tidyverse.org

    谷歌学者

  18. 18.

    国家统计局。2018年年中英国、英格兰和威尔士、苏格兰和北爱尔兰的人口估计数。2019.https://www.ons.gov.uk/peoplepopulationandcommunity/populationandmigration/populationestimates/datasets/populationestimatesforukenglandandwalesscotlandandnorthernireland.2020年3月25日。

  19. 19.

    Wallinga J, Teunis P, Kretzschmar M.使用社会接触的数据估计呼吸道传播传染病病原体的年龄特异性传播参数。美国流行病学杂志2006;164:936-44。

    文章谷歌学者

  20. 20。

    李志刚,李志刚,李志刚,等。背景中的接触:来自BBC大流行项目的大规模特定背景的社会混合矩阵。流行病学》2020。https://doi.org/10.1101/2020.02.16.20023754

  21. 21。

    迪克曼O,Heesterbeek JAP,Roberts MG.区间传染病模型下一代矩阵的构造.J R Soc Interface.2010;7:873–85。

    中科院文章谷歌学者

  22. 22。

    Pouillot R,Delignette Muller ML.使用两个R包分别评估微生物定量风险评估中的可变性和不确定性。国际食品微生物杂志。2010;142:330–40。

    文章谷歌学者

  23. 23。

    Riou J,Althaus CL. Pattern早期人类对人类传播的武汉2019新冠状病毒(2019 NCOV),2019年12月至2020年1月。欧洲监测。2020;25。https://doi.org/10.2807/1560-7917.ES.2020.25.4.2000058

  24. 24。

    等。报告3:新型冠状病毒的传播性;2020.https://doi.org/10.25561/77148

    谷歌学者

  25. 25

    阅读JM,Bridgen Jre,Cummings Dat,Ho A,Jewell CP。新型冠状病毒2019-NCOV:流行病学参数和流行预测的早期估计。Medrxiv。2020;https://www.medrxiv.org/CONTENT/10.1101/2020.01.23.20018549V2.abstract.2020年4月15日。

  26. 26

    赵氏,Lin Q,冉J,穆萨,Yang G,王伟,等。中国2019~2020年间新冠状病毒(2019 NCOV)基本繁殖数的初步估计:爆发初期的数据驱动分析。生物十四。2020https://doi.org/10.1101/2020.01.23.916395

  27. 27

    刘涛,胡建军,康敏,林林,钟华,肖建军,等。2019新型冠状病毒(2019- ncov)的传播动态。bioRxiv。2020.https://doi.org/10.2139/ssrn.3526307

  28. 28.

    Chinazzi M,Davis JT,Ajelli M,Gioannini C,Litvinova M,Merler S等人。旅行限制对2019年新型冠状病毒(2019-NCOV)爆发的影响。Medrxiv。2020.https://doi.org/10.1101/2020.02.09.20021261

  29. 29.

    吴鹏,郝旭,刘爱华,王继勇,梁家松,吴廷堂,等。对截至2020年1月22日中国武汉新型冠状病毒感染的流行病学特征进行实时初步评估。欧元Surveill。2020;25。https://doi.org/10.2807/1560-7917.ES.2020.25.3.2000044

  30. 30.

    荣格S M,Akhmetzhanov AR,Hayashi K,林顿NM,Yang Y,Yuan B等人。实时估计死亡的风险从新冠状病毒(COVID-19)感染:推断导出病例。J Cern ME R. 2020;9。https://doi.org/10.3390/jcm9020523

  31. 31.

    庄Z,赵S,林Q,曹P,娄Y,杨L,等。2020年1月31日至3月1日韩国冠状病毒病(COVID-19)暴发的繁殖数量初步估算。medRxiv。2020;https://www.medrxiv.org/content/medrxiv/early/2020/03/10/2020.03.02.20030312.full.pdf.2020年4月15日。

  32. 32。

    庄家强,程伟,赵胜,凌峰,Mohammad KN。浙江省2019年新型冠状病毒病传播能力监测medRxiv。2020;https://www.medrxiv.org/content/10.1101/2020.03.02.20028704v1.abstract

  33. 33。

    李Q,关X,吴平,王X,周力,童Y,等.新型冠状病毒感染肺炎在武汉的早期传播动力学.中国医学杂志.2020;382:1199-207。

    中科院文章谷歌学者

  34. 34。

    王志强,王志强,王志强,等。新型冠状病毒在2019-20年武汉疫情早期的传播能力:使用情景分析探索初始点源暴露规模和持续时间威康公开赛2020;5:17。

    文章谷歌学者

下载参考

致谢

CIJ和AG获得了全球挑战研究基金(ES/P010873/1)的资助。KvZ是由英国政府国际发展部Elrha的人道主义危机中的健康研究项目资助的。KP由国家卫生研究所(NIHR;16/137/109)。PK由比尔和梅琳达·盖茨基金会(invo -003174)资助。GJR由伦敦国王学院应急准备和反应的国家健康研究研究所健康保护研究单位(NIHR HPRU)、英格兰公共卫生(PHE)、东安格利亚大学和纽卡斯尔大学合作资助。所表达的观点是作者的观点,不一定是英国国家医疗服务体系、国家卫生和社会保障部或英国公共卫生部的观点。

我们要感谢伦敦卫生与热带医学学院cmid COVID-19建模小组的其他成员,他们对这项工作做出了贡献。他们的资金来源如下:Megan auzenberg和Kathleen O 'Reilly (Bill and Melinda Gates Foundation, OPP1191821);Graham Medley (Bill and Melinda Gates Foundation的NTD modeling Consortium (OPP1184344);Jon C Emery和Rein M G J Houben(欧洲研究理事会启动基金,行动号:757699);Nicholas Davies (NIHR HPRU-2012-10096);艾米丽·S·南丁格尔(比尔和梅琳达·盖茨基金会,OPP1183986;Wellcome Trust和NIHR);Stefan Flasche (Sir Henry Dale Fellowship 208812/Z/17/Z);Thibaut Jombart(公共卫生研究快速支持小组,NIHR健康保护研究单位建模方法);Joel Hellewell, Sam Abbott, James D Munday, Nikos I Bosse和Sebastian Funk (Wellcome Trust 210758/Z/18/Z); Fiona Sun (NIHR; 16/137/109); Akira Endo (The Nakajima Foundation; The Alan Turing Institute); Alicia Rosello (NIHR: PR-OD-1017-20002); Simon R Procter (Bill and Melinda Gates Foundation, OPP1180644); Fiona Sun (NIHR; 16/137/109); Adam J Kucharski and Timothy W Russell (Wellcome Trust, 206250/Z/17/Z); Gwen Knight (UK Medical Research Council, MR/P014658/1); Hamish Gibbs (Department of Health and Social Care ITCRZ 03010); Quentin Leclerc (Medical Research Council London Intercollegiate Doctoral Training Program studentship grant no. MR/N013638/1); Billy J. Quilty, Charlie Diamond, Yang Liu, and Mark Jit (National Institute for Health Research NIHR; 16/137/109); Yang Liu and Mark Jit (Bill & Melinda Gates Foundation INV-003174); Samuel Clifford (Sir Henry Dale Fellowship 208812/Z/17/Z); Carl A.B. Pearson (NTD Modelling Consortium by the Bill and Melinda Gates Foundation OPP1184344); Rosalind M. Eggo (Health Data Research UK MR/S003975/1); and Arminder K Deol. We would like to thank Paula Bianca Blomquist for thoughtful critique and discussions during this analysis. This research was partly funded by the NIHR (16/137/109) using aid from the UK Government to support global health research. The views expressed in this publication are those of the author(s) and not necessarily those of the NIHR or the UK Department of Health and Social Care. We would also like to thank the team at Ipsos who have been excellent in running the survey, collecting the data, and allowing for this study to happen at a rapid speed.

资金

该项目由欧盟“地平线2020研究和创新计划”项目EpiPose(将2019冠状病毒病的公共卫生、社会和经济影响降到最低的流行病情报,No 101003688)资助。

作者信息

隶属关系

作者

财团

贡献

WJE、GJR、CIJ和KvZ共同构思和设计了这项研究。CIJ、KvZ和WJE提出了分析。CIJ、KvZ、AG、KP进行了分析。CIJ和KvZ在WJE、AG、KP、GJR和PK的输入和指导下撰写了文稿。cmid COVID-19工作组成员对数据的处理、清理和解释做出了贡献;解释研究结果;对手稿有贡献的;并批准出版。所有作者都对研究结果进行了解释,参与了手稿的撰写,并批准了最终版本的出版。

通讯作者

对应到克里斯托弗。贾维斯

道德宣言

道德认可和参与同意

参与这项选择加入研究是自愿的,所有分析均基于匿名数据。该研究和知情同意方法已获得伦敦卫生与热带医学学院伦理委员会批准,参考号为21795。

同意出版

不适用

竞争利益

WJE是本刊编委会成员。其他作者宣称他们没有相互竞争的利益。

额外的信息

出版商的注意

万博平台登陆网址Springer Nature在公布的地图和机构附属机构的管辖权主张方面保持中立。

补充资料

额外的文件1。

CoMix研究问题。

额外的文件2。

漫画研究协议。

额外的文件3。

漫画额外的分析。

权限

开放访问本文根据知识共享署名4.0国际许可证获得许可,该许可证允许以任何媒体或格式使用、共享、改编、分发和复制,只要您给予原作者适当的信任和来源,提供到知识共享许可证的链接,并说明是否进行了更改。本文中的图像或其他第三方材料包括在文章的知识共享许可证中,除非在材料的信用额度中另有说明。如果材料未包括在文章的知识共享许可证和法定法规不允许我们的预期用途或超出允许用途,您需要直接获得版权持有人的许可。要查看本许可证的副本,请访问http://creativecommons.org/licenses/by/4.0/.Creative Commons公共领域奉献豁免(http://creativecommons.org/publicdomain/zero/1.0/)适用于本条中提供的数据,除非数据信用额度中另有规定。

再版和权限

关于这篇文章

通过CrossMark验证货币和真实性

引用这篇文章

Jarvis,C.I.,Van Zandvoort,K。,Gimma,A。et al。量化物理距离测量对英国新冠病毒-19传播的影响。BMC医疗18,124(2020)。https://doi.org/10.1186/s12916-020-01597-8

下载引用

关键字

  • 新型冠状病毒肺炎
  • 联系调查
  • 流感大流行
  • 疾病暴发
  • 繁殖数量
  • 新型冠状病毒
Baidu