Covid App的日常数据预测病毒的局部发病率和患病率

今天发表了柳叶刀公共卫生杂志，国王大学伦敦研究团队的研究人员的研究详细说明了Zoe Covid症状研究应用程序的建模。

他们发现这是自我报告数据来自英格兰的应用程序的超过280万志愿者用户，包括这些用户记录的超过1.2亿日的每日评估，可用于提供Covid-19流行和发病率的准确估计，并及时鉴定区域感染热点。

联合第一作者、来自伦敦国王学院的马克·格雷厄姆博士说:“这些数据准确地预测了许多受气候变化显著影响的热点地区。第二波，包括在6月的检测莱斯特，然后成为将在本地锁定下放置的第一个区域。7月中旬，他们在曼彻斯特周围发现了许多地区，该地区也在7月底的当地限制下。如果我们在锁定缓释后遇到第三波，则数据也可能证明有价值的是检测区域热点。

“对PCR试验的依赖依赖意味着这可能是政府监测Covid-19的传播并确定潜在关注领域的成本效益，互补的和快速的方式。热点的检测应该鼓励额外的测试能力专注于这些区域，以确保尽可能多的新案例，并打破发射传输链。“

该研究的联合第一作者、伦敦大学国王学院的托马斯·瓦尔萨夫斯基说:“我们还发现，开展更多检测的地区更符合我们对发病率的预测。”我们希望这能给大家一些启示政策制定者哪些地区将受益于额外的测试，从而更早地发现热点。”

研究人员发现应用程序的一个优势是每天发布数据，而ONS每周发布并每隔几周作出反应 - 这意味着App团队可能能够在其数据中接受最早的发病或最早流行的变化。

“我们的研究结果表明，基于移动的方法可以检测类似的发病率和流行，更加传统但不那么成本效益，这是令人鼓舞的，”格雷厄姆博士说。“为了提高公共卫生决策，Zoe Covid症状研究数据应该被视为互补的数据源，以便和反应。与所有调查一样，我们的样本并不完全代表人口，而团队则寻求解决这个问题通过我们的建模，结果需要考虑到这一点。“

伦敦国王学院的领导高级作者可以采取最佳行动来解决大流行。早期的热点识别，有关流行和事件的更多信息与释放的最新数据一起建立更强大的防御。“

---

---