研究提供了估计引入的影响和提高物理距离措施COVID-19 R数字

分析表明,单个措施(包括关闭学校,工作场所的关闭,公共活动禁令,禁止超过十人的集会,要求呆在家里,和内部运动限制)与减少传播SARS-CoV-2但措施更有效地减少传播相结合,根据发表在建模研究《柳叶刀传染病日报》。

这项研究估计,影响个人的措施和四个组合措施(从禁止事件和10人以上的集会的更为严格的组合措施类似于锁定)对R数量被引入后28天或解除。

R数字或复制号码是病毒传播的关键措施。R值高于1表明越来越多的爆发,而一个R值小于1表明萎缩的爆发。

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,在地方上的差异或接触者追踪和isolation-all的影响随上下文。使用R作为传输代理数量也有一定的局限性,因为它是很难估计准确,特别是当患病率较低。

英国爱丁堡大学教授哈瑞耐尔说,“我们发现,结合不同的措施显示效果最大减少COVID-19的传播。当我们经历复苏的病毒,政策制定者需要考虑措施减少R数字的组合。我们的研究可以通知决定引入或提升的措施,希望看到他们的效果,但这也取决于当地的情况下,R在任何给定的时间,当地的保健能力,以及社会和经济影响的措施。”

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。

最密切相关的措施和提高R解除禁止超过十人的集会和重新开张的学校后28天(25%和24%)。尽管重新开放学校与增加24%的R 28天,作者警告说,他们无法解释一些国家不同的预防措施实施重新开放学校(如限制班级规模,距离测量,常规深度清洁、个人洗手,口罩,和热温度检查到来),这对安全至关重要学校重新开放时,应该考虑解释这一发现。

学校重新开放,奈尔教授补充说,“我们发现增加R后重新开放学校,但不清楚是否增加归因于特定年龄组,那里可能会有很大的差异,坚持社会距离教室内外的措施。此外,需要更多的数据来了解学校的特定角色增加SARS-CoV-2传输通过强劲的接触者追踪。”

研究发现,措施,包括关闭学校、社会距离和锁定(所有措施的组合),可以降低R大大接近或低于1,但这是第一个研究看对R放松后这些措施的影响。

在这个模型研究中,数据每日国家级R估计是与这些国家有哪些措施数据从1月1日,2020年7月20日,2020年。每个国家的时间表分为个人阶段当所有措施在该国保持不变。分析包括790名来自131个国家的阶段,作者用模型测量之间的关系措施到位,R .他们用这个估计的变化影响到28天的R引入或提升措施。此外,他们模仿的四个组合措施,可以引入解决SARS-CoV-2的复苏。

R的减少趋势随着时间的推移,被发现后五个人措施的引入,减少R后28天禁止公共活动(24%),关闭学校(15%)、工作场所关闭(13%)、内部运动限制(7%),和要求呆在家里(3%)。然而,当每个单独介绍了这些措施的,唯一一个有统计上显著影响R是一个公共事件数量禁令。

造型的影响实施的四个组合措施与更大的减少R数量后28天。最全面的一揽子措施(禁止公共活动和聚会超过10人)在28天R减少了29%。第二个包(工作场所关闭加禁止公共活动和聚会超过10人)在28天R减少了38%。第三包(工作场所关闭,禁止公共事件和超过10人的集会,和内部运动限制)在28天R减少了42%。最全面的包(学校和工作场所的关闭,禁止公共活动和聚会的十多人,内部运动限制和呆在家里要求),减少了52%。

引入措施没有直接的影响;平均花了8天之后引入测量看到60%的影响减少R数字。

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,增加重要的只有重新开放学校和解除禁止公共集会超过十人。

同样,提升措施的影响不是直接;平均花了17天看到60%的影响增加R。

此外,作者进行了二次分析,模型的总访问工作场所和所花费的总时间在居民区使用谷歌移动在101个国家的数据。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。

作者指出,一些最伟大的措施,对R的影响被认为是更容易实现,像学校重新开放,引入公共活动禁令。他们认为,这些措施的效果可能是由于他们的影响更为直接,和遵从性更容易保证。例如,当学校重开,大部分孩子回报,和改变是直接的,而说提升内部运动的限制或要求呆在家里,因为有一个需要改变人口的行为,这是需要时间的,不能以他们使用的数据集。

同样,作者认为低遵守禁止超过十年或超过100人的集会可能是一个可能的原因为什么他们没有发现大量减少这种方法被引入后传输。此外,他们指出,他们无法区分室内与室外聚会在这个测量由于缺乏数据。

写在一个相关评论,从滑铁卢大学教授克里斯·T胃痛,加拿大,说,“尽管R的瑕疵,李和他的同事们的发现告诉我们,npi(非药物干预措施)工作,哪个效果最好。这些信息是至关重要的,因为一些npi巨大的社会经济效应。同样,传播模型,在不同的NPI项目COVID-19病例和死亡的场景可能是极有价值的NPI的优化一个国家的投资组合。此外,我认为R提供了一个社会效用,流行病学家很容易忽视。人口大规模npi的成功需要坚持。R可以刺激人口行动和为他们提供了有用的反馈他们的劳动果实。也许这是原因之一,R在2020年进入我们的方言。”