预测COVID-19传播的模型可以帮助政策制定者监测病毒，为卫生监测系统提供信息

COVID-19大流行对全球公共卫生构成前所未有的挑战。跟踪冠状病毒的动态可以让政府、组织和个人做出预测，以遏制大流行的传播。但是，虽然收集了大量关于COVID的数据并向公众公开，但这些信息可能不可靠并存在偏见。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，为跟踪数据、预测传播和告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)、豪姆一世大学和哥伦比亚国立大学的研究人员进行的。它发表在皇家统计学会杂志C辑:应用统计学．

“大多数COVID-19研究都是按时间顺序进行的感染在州或县一级，报告特定地区在特定时间的病例总数，”CMU海因茨学院数据分析助理教授朱世祥解释说，他是这项研究的合著者。“这往往会遗漏病毒传播模式的细节。”

朱伟和他的同事分析了哥伦比亚第二大城市卡利2020年3月15日至9月30日期间的高分辨率COVID-19数据集，卡利有超过一半的人口生活在低社会经济地位(SES)社区。的数据集卡利市公共卫生部长(Municipal Public Health Secretary of Cali)的报告记录了该市每个确诊病例的位置和时间，而不仅仅是某个地理区域的病例或死亡人数的总和。

作者基于随时间和空间变化的点过程创建了一个模型，其中先前感染的个体会导致新的病例，他们使用了一种方法神经网络基于技术，以说明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，而在拥挤和通风不良的空间，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，该市的几处地标建筑在病毒传播中发挥了重要作用。特别是，该模型显示，社会经济地位较低的卡利市中心、东北部和西北部地区感染新冠病毒的风险较高，而社会经济地位较高的卡利南部地区感染新冠病毒的风险较低。

将模型与真实数据进行比较，研究发现该模型成功预测了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和为卫生监测系统提供信息提供模板。

“像我们使用的高分辨率数据集在未来会更广泛地使用，所以我们在卡利使用的方法并不局限于那个司法管辖区，”乔治亚理工学院工业与系统工程学院机器学习博士生郑东(音译)说，他领导了这项研究。“事实上，它可以被使用、扩展和适应由空间和时间位置所代表的几种自然现象。”