研究提供了引入和提升物理距离措施对COVID-19 R数字的影响的估计值

分析表明，个别措施(包括关闭学校、关闭工作场所、禁止公共活动、禁止10人以上集会、要求呆在家里、限制内部活动)与减少SARS-CoV-2传播有关，但综合措施在减少传播方面更有效。根据发表在柳叶叶犬传染病日报》。

该研究估计了个别措施和四种措施组合(从禁止10人以上的活动和聚会，到类似封锁的更限制性措施组合)在实施或取消后28天内对R数字的影响。

R号或再现号码 - 是病毒传输的关键措施。R值高于1表示不断增长的爆发，而低于1的R值表明爆发萎缩。

使用来自131个国家的数据,这项研究提供了一个高度概括的群体干预措施的影响,但不占其他潜在影响因素,影响R——包括,除其他事项外,遵守干预,改变人口的行为(例如,穿的口罩)， R的地方差异，或接触追踪和隔离的影响——所有这些都因环境而异。使用R值作为传播的代表也有局限性，因为很难准确估计，特别是在流行率较低的情况下。

英国爱丁堡大学的Harish Nair教授说:“我们发现结合不同的措施在减少COVID-19传播方面效果最大。由于我们经历了病毒的重新抬头，政策制定者将需要考虑采取各种措施来减少R的数量。我们的研究可以帮助决定引入或取消哪些措施，以及何时预期看到它们的效果，但这也取决于当地情况——任何给定时间的R数字、当地的医疗保健能力，以及措施的社会和经济影响。”

当看单独的措施,禁止公共活动与R最大的减少(降低24%后28天),作者建议可能因为他们可能会阻止超级撒布机事件和它往往是第一个测量中引入国家。

与R增加最密切相关的措施是取消10人以上集会的禁令和重新开学学校(28天后分别占25%和24%)。尽管复课与第28天R值增长24%有关，但作者警告称，他们无法解释某些国家为复课采取的不同预防措施(如限制班级规模、距离措施、常规深度清洁、个人洗手、戴口罩、以及到达时的热温度检查)，这对于更安全是必不可少的学校在解释这一发现时，应该考虑到重新开放。

在学校重新开放，Nair教授补充说：“我们在重新开放学校后发现了r增加，但目前尚不清楚增加的增加是特定年龄组，在课堂内外的社会疏远措施方面可能存在大量差异。此外，需要更多的数据来了解学校通过强大的联系跟踪增加SARS-COV-2传输的特定作用。“

研究发现了措施，包括学校关闭，社会疏远和锁定（所有措施的组合），可以将R大幅度到1以下或低于1，但这是第一次研究这些措施放松后对R的影响。

在这项建模研究中，国家层面R每日估计值的数据与这些国家从2020年1月1日至2020年7月20日采取的措施的数据相关联。当每个国家的所有措施保持一致时，将每个国家的时间线划分为各个阶段。该分析包括131个国家的790个阶段，作者使用了一个模型来衡量实施的措施和R变化之间的关联。他们使用这个模型来估计引入或取消措施对R的影响长达28天。此外，他们还模拟了可用于应对SARS-CoV-2卷土重来的四种措施组合。

在引入五项个别措施后发现了r的减少趋势，在禁止公共活动（24％）后28天减少，学校关闭（15％），工作场所关闭（13％），内部运动限制（7％），以及留在家里的要求（3％）。但是，当这些措施中的每一个单独引入时，唯一一个对R号有统计显着影响的人是公共事件禁令。

对实施四种措施组合的效果进行建模，与28天后R值的更大降低有关。最不全面的一揽子措施(禁止公共活动和十人以上集会)使R在第28天减少了29%。第二个方案(关闭工作场所以及禁止10人以上的公共活动和集会)使R在第28天减少了38%。第三项措施(关闭工作场所、禁止10人以上公共活动和集会、限制内部活动)使R在第28天减少了42%。最全面的一揽子措施(关闭学校和工作场所、禁止公共活动和10人以上集会、限制内部活动和留在家中)使其减少了52%。

引入措施的效果不是立竿见影的;采用一种措施后，平均8天就能看到减少R值的效果达到60%。

作者还研究了提升措施的影响。越来越趋势R被发现后的放松五个措施,增加28天后解除禁止公共集会的超过10人(25%),关闭学校(24%)、公共活动禁令(21%),和内部运动(13%)、限制和要求呆在家里(11%)。然而，只有在重开学校和取消10人以上公共集会禁令的情况下，增幅才显著。

同样，提升措施的效果并不立即;它平均花了17天才能看到其对增加R号影响的60％。

此外，作者还对101个国家的谷歌流动性数据进行了二次分析，模拟了到工作场所的总访问次数和在居民区的总时间。谷歌移动数据表明人们也采取了类似的时间来适应他们的行为符合工作场所关闭和呆在家里要求措施和效果之间的延迟出现在r .因此,他们认为,延迟可以解释为人口花时间去修改他们的行为遵守措施。

作者注意到，对于律师更容易实施的措施，措施的一些最大的效果，例如学校重新开放和引入公共活动禁令。他们表明这些措施的效果可能是因为它们的效果更为直接，并且遵守更容易确保。例如，当学校重新开放时，返回的大多数儿童回归，而改变是立即的，相比提升内部运动限制或要求留在家里，因为需要有时间变化，这需要时间而且不能成为在他们使用的数据集中测量。

同样，这组作者认为，对10人以上或100人以上集会的禁令遵守程度低，可能是他们在实施这项措施后没有发现传播大幅减少的一个原因。此外，他们还指出，由于缺乏数据，他们无法区分室内聚会和室外聚会。

加拿大滑铁卢大学的克里斯·T·鲍奇教授在评论中写道:“尽管R有缺陷，李教授和他的同事们的发现告诉我们npi(非药物干预)是有效的，以及哪种效果最好。鉴于某些npi具有巨大的社会经济效应，这一信息至关重要。同样，预测不同新政策情景下COVID-19病例和死亡的传播模型对于优化一个国家的新政策组合也极有价值。此外，我认为R提供了一种流行病学家很容易忽视的社会效用。大规模npi的成功需要人口坚持。R可以刺激人们采取行动，并就他们的劳动成果给予他们有用的反馈。也许这就是R在2020年进入我们的语言的原因之一。”

---

---