美国加州大学欧文分校和华盛顿大学的科研人员9月10日在期刊PNAS在线发表题为“Spatial heterogeneity can lead to substantial local variations in COVID-19 timing and severity”的文章。

文章指出，COVID-19的标准流行病学模型采用局部规模的分室模型（易感-感染-恢复即SIR模型），隐含地假设空间上是均匀的局部混合。本文中，研究人员基于已知的人际网络空间特征，使用地理上更为详细的模型研究疾病扩散效果。根据COVID-19在美国19个城市不受限制扩散的模拟，研究人员得出结论，即使较大规模的总体行为反映了经典的SIR样式，人口分布的异质性也可能对当地的大流行时间和严重程度产生重大影响。观察到的影响包括严重的局部暴发相对于总体感染曲线的滞后时间较长，以及许多地区的疾病轨迹与邻近地区不太相关。一个简单的医院需求集聚模型说明了对卫生保健利用的潜在影响，即使不采取疏远干预措施，影响的时间和最终结果也存在巨大差异。对其他患病或死亡的人的社交接触情况的分析显示，该流行病在当地人身上的表现方式存在很大差异，这可能影响风险评估和对缓解措施的遵守。这些结果表明，即时是在城市尺度上，空间网络结构也具有产生高度不均匀扩散行为的潜力，并表明在设计用于告知卫生保健规划、预测社区结果或确定潜在差异的模型时纳入这种结构的重要性。

原文链接：https://www.pnas.org/content/early/2020/09/09/2011656117