预测COVID-19传播的模型可以帮助决策者监测病毒，为卫生监测系统提供信息

2019冠状病毒病大流行给全球公共卫生带来前所未有的挑战。追踪冠状病毒的动态可以让政府、组织和个人做出预测，以遏制疫情的蔓延。但是，尽管收集了大量有关COVID的数据并可公开获取，但这些信息可能不可靠且存在偏见。在一项新的研究中，研究人员分析了来自哥伦比亚卡利的数据，开发了一个模型，该模型为跟踪数据、预测传播和通知卫生监测系统提供了模板。

这项研究是由卡内基梅隆大学(CMU)、佐治亚理工学院(Georgia Tech)、Jaume I大学和哥伦比亚国立大学的研究人员进行的。它发表在英国皇家统计学会杂志C辑:应用统计学。

“大多数COVID-19研究都是整体记录感染在州或县一级，报告特定地区在特定时间的总病例数，”CMU海因茨学院数据分析助理教授朱世祥解释说，他是该研究的合著者。“这往往会错过病毒传播模式的细节。”

朱和他的同事分析了哥伦比亚第二大城市卡利的高分辨率COVID-19数据集，从2020年3月15日到9月30日，卡利有一半以上的人口生活在低社会经济地位(SES)的社区。的数据集来自卡利市公共卫生秘书的报告，记录了该市每一例确诊病例的地点和时间，而不仅仅是一个地理区域的病例或死亡总数。

作者根据一个随时间和空间变化的点过程创建了一个模型，在这个过程中，以前感染的个体会导致新的病例神经网络基于技术来解释位置对这一过程的不同影响。他们还考虑了城市地标(如教堂、学校、市政厅)施加的外部影响，并考虑了人口密度等因素，因为COVID-19通过呼吸道飞沫传播，而在拥挤和通风不足的空间中，气溶胶传播率更高。

研究人员还研究了真实数据，揭示了COVID-19的独特动态传输并证实了该市的几个地标在病毒传播中发挥了重要作用。特别是，该模型显示，在社会经济地位较低的卡利市中心、东北部和西北部，感染新冠病毒的风险较高，而在社会经济地位较高的卡利南部，感染新冠病毒的风险较低。

将该模型与实际数据进行比较，研究发现该模型能够成功预测COVID-19的传播。因此，它可以帮助政策制定者监测冠状病毒动态，并为跟踪未来流行病的实时数据提供模板，并为卫生监测系统提供信息。

“像我们使用的高分辨率数据集将在未来得到更广泛的应用，所以我们在卡利使用的方法并不局限于那个管辖区，”郑东(Zheng Dong)说，他是佐治亚理工学院H. Milton Stewart工业与系统工程学院机器学习专业的博士生，也是这项研究的负责人。“事实上，它可以被使用、扩展和适应以空间和时间位置为代表的几种自然现象。”