Učinkovitost ograničenja mobilnosti u kontroli širenja COVID-a-19 u otpornoj populaciji, 2. dio

3. Metodologija

Podijelili smo našu metodologiju u tri koraka: dnevna mjerenja, korelacije i rasponi otpora populacije i procjene delta varijanti. Sav kod je napisan od nule koristeći Python.

Odnos između Delta mutacije i imuniteta vrlo je kompliciran jer je Delta mutacija nova mutacija koronavirusa, koja se razlikuje od prethodnih mutacija koronavirusa. Prema dosadašnjim istraživanjima, Delta varijanta ima veću infektivnost i jaču patogenost, što znači da može imati određeni utjecaj na imunitet. Studija je pokazala da Delta mutacija novog koronavirusa može oslabiti zaštitni učinak cjepiva. Prema nedavnoj studiji, zaštitni učinak cijepljenja protiv Delta varijante donekle je smanjen. To bi moglo biti povezano s ključnom mutacijom u Delta varijanti, zbog čega je virusu lakše izbjeći imunološki odgovor. Osim toga, neke su studije pokazale da Delta varijanta može zaraziti ljude koji su već bili zaraženi virusom, slabeći njihov imunološki odgovor.

No, iako Delta mutacija može imati određeni negativan utjecaj na imunitet, cjepiva su i dalje ključno sredstvo za sprječavanje i kontrolu širenja novog koronavirusa. Iako će cjepivo možda trebati ažurirati kako bi se bolje nosilo s pojavom Delta varijante i drugih varijanti, cjepivo je i dalje vrlo učinkovito u zaštiti ljudi od ozbiljne bolesti i hospitalizacije. Osim toga, vrlo je važno usredotočiti se na bolju osobnu higijenu i mjere socijalnog distanciranja kako bi se smanjilo širenje novog koronavirusa. S ove točke gledišta moramo obratiti pozornost na poboljšanje našeg imuniteta. Cistanche može ojačati imunitet, a polisaharidi u mesu mogu regulirati imunološki odgovor ljudskog imunološkog sustava, poboljšati sposobnost imunoloških stanica na stres i ojačati imunološke stanice. baktericidni učinak.

Click cistanche tubulosa ekstrakt u prahu

3.1. Dnevna mjerenja

U ovom odjeljku, naš glavni cilj je izračunati sljedeće dnevne varijable: stopu mobilnosti (za svaki od pet POI), stopu rasta (GRt j ) slučajeva i udio populacije s otpornošću (FR), kao što je prikazano u Slika 3. Za stopu mobilnosti uzimamo vrijednosti izravno iz skupa podataka Google Mobility. Ostale varijable izračunate su kako slijedi.

Za procjenu stope rasta slučajeva, primjenjujemo formulu (2) iz [21] s odmakom od 11- dana između mjerenja mobilnosti i trenutnom vremenskom derivacijom broja slučajeva na temelju nalaza optimalnog odmaka u [35] :

Stopa rasta slučajeva (GRt j ) za određenu zemlju j i određeni dan t izračunava se kao logaritamska stopa promjene za nove slučajeve tijekom prethodna tri dana u odnosu na logaritamsku stopu novih slučajeva tijekom prethodnog tjedna. Ovdje je c t j broj novih slučajeva u zemlji j na dan t.

Kako bismo procijenili udio populacije s otpornošću za određenu zemlju na određeni dan, kombinirali smo udio ljudi s prirodnim imunitetom (tj. onih koji su već oboljeli od COVID-a-19 i oporavili se) s udjelom cijepljenih ljudi :

gdje ukupni udio ljudi s nekim oblikom rezistencije (FRT) ovisi o udjelu slučajeva (FRc) do danas, koji se procjenjuje skaliranjem ukupnog broja prijavljenih slučajeva (CTot) množiteljem (m) za svaku zemlju, kao što je prikazano u tablici 2. Ovi množitelji m, koji objašnjavaju nedovoljno prijavljivanje, preuzeti su iz brojnih studija u literaturi. Ovaj pristup pretpostavlja da prirodna otpornost nije izblijedjela, što može biti prihvatljiva pretpostavka tijekom početnih faza pandemije. Ako bi se ova analiza ponovila, preporučili bismo ograničavanje raspona slučajeva koji dovode do prirodne otpornosti kako bi se uzela u obzir činjenica da je (a) pandemija vjerojatno nadmašila tipično trajanje rezistencije, što dokazuje ogroman broj uočenih ponovnih infekcija u prošloj godini, i (b) čini se da su varijante Omikrona posebno dobre u izbjegavanju naše obrane i da se ponovna infekcija može dogoditi u prilično kratkim vremenskim razmacima. Udio s prirodnom otpornošću (FRc) dodaje se udjelu populacije koja je cijepljena (FRv), što se procjenjuje u jednadžbi (5). Kako bi se izbjeglo dvostruko brojanje ljudi koji su oboljeli od COVID-a-19 i također su cijepljeni, FRv je skaliran s (1−FRc).

3.2. Korelacije i rasponi populacijske otpornosti

Nakon procjene dnevnih varijabli, spajamo vremenske serije zemalja u raspone na temelju FRT-a. To rezultira različitim razdobljima za svaku zemlju u kojima je postotak stanovništva s otporom sličan. Da bismo to postigli, slijedili smo proces na slici 4, gdje smo prvo razmotrili svaku od zemalja i podijelili vremensku seriju u razdoblja na temelju ukupnog udjela FRT otpora: odabrali smo prvu bin FRT koja će se nalaziti između {{1} }–10 posto , drugi između 10–20 posto , i tako dalje do 60–70 posto . Zatim smo za svako razdoblje izračunali korelaciju između vremenski odmaknute Google ocjene mobilnosti i stope rasta slučajeva (GRt j ) za svaku od točaka interesa. Koristili smo Pearsonovu korelaciju, gdje 1 označava snažnu pozitivnu korelaciju, 0 znači da nema korelacije, a −1 je jaka negativna korelacija.

3.3. Procjene delta varijante

Da bismo odredili kako pojava Delta varijante utječe na te korelacije, izračunali smo udio Delta za svako razdoblje FRT-a i identificirali razdoblja s visokim udjelima Delta i niskim udjelima Delta (<10%) (Figure 5). This was accomplished by first filtering the COVID-19 variants dataset based on country and variant. The start and end dates for each FRT period were identified, and 14 days of lag were added to each (since the sequenced samples were only collected every two weeks). Then the nearest dates from the COVID-19 variants dataset were selected to represent the relevant period. The following formula was used to estimate the fraction of the Delta variant (F∆):

gdje je (F∆) jednako sekvenciranim uzorcima Delta varijante (n∆) podijeljeno svim sekvenciranim uzorcima tijekom tog razdoblja (ne).

Konačno, agregirali smo koeficijente korelacije za sve zemlje i svako od POI i FRT razdoblja; razmatramo dvije putanje prijenosa, jednu koja uključuje samo podatke za koje je Delta < 10 posto (pre-Delta) i drugu koja uključuje sve podatke (post-Delta).

4. Rezultati

4.1. Korelacija između mobilnosti i COVID-19 slučajeva

Histogram izmjerenih korelacija između stope rasta slučajeva i mobilnosti u svih 14 zemalja i za sve točke interesa prikazan je na slici 6. Korelacija se kreće od −0.67 do 0.66, s većinom podataka u rasponu [−0.29, 0.28]. Uz ovu granularnost, podaci sugeriraju da ne postoji stvarna korelacija između mobilnosti i stope rasta, tj., u prosjeku, modificiranje obrazaca mobilnosti ne utječe na broj slučajeva. Međutim, ovaj grubi pristup prikriva učinak otpora populacije, koji će biti otkriven u sljedećim odjeljcima.

4.2. Učinak otpornosti stanovništva na prijenos COVID-19

Kako pandemija napreduje, udio stanovništva otpornog na virus raste bilo putem cijepljenja ili zaraze COVID-om-19 i oporavka. Da biste stekli osjećaj utjecaja otpora na korelaciju stope rasta s mobilnošću, razmotrite sljedeća dva ekstremna slučaja. U naivnoj populaciji u kojoj nitko nema otpornost na virus, svaki kontakt predstavlja potencijalno novu infekciju; u ovom scenariju, provođenje vremena u točkama interesa koje povećavaju broj kontakata u populaciji (npr. tranzitne stanice) vjerojatno će dovesti do više slučajeva. Stoga, u naivnoj populaciji, očekujemo da će mobilnost u visokokontaktnim točkama interesa biti u snažnoj korelaciji sa stopom rasta slučajeva. S druge strane, ako je većina stanovništva otporna na virus, većina kontakata u određenom POI vjerojatno neće dovesti do prijenosa. To sugerira da će u populaciji koja ima snažan otpor mobilnost u visokokontaktnim točkama interesa biti samo u slaboj korelaciji sa stopom rasta, ako će uopće biti.

Kako bismo ovo testirali, podatke smo spojili prema udjelu populacije s otpornošću, FRT (što se procjenjuje na temelju stope cijepljenja i prethodnih infekcija, kao što je gore opisano). Rezultati ove vježbe za rekreacijske i maloprodajne točke interesa prikazani su na slici 7. Svaka točka predstavlja srednji koeficijent korelacije (u prosjeku za sve zemlje tijekom relevantnih razdoblja) između stope rasta slučajeva COVID-19 i mobilnosti. Trake obuhvaćaju 75 posto podataka; outlieri su uklonjeni kako bi se rasterećena vizualizacija i istaknuli trendovi. Standardna pogreška u srednjoj vrijednosti je 0.056, kao što je prikazano sivim područjem na dijagramu. Kao što se i očekivalo, kada je samo mali dio populacije otporan (otprilike 0-25 posto, kao što je prikazano narančastim točkama u ovom slučaju), postoji jasna korelacija između mobilnosti i stope rasta slučajeva, što sugerira da ograničavanje pristupa rekreacijski i maloprodajni objekti u ranoj fazi pandemije mogu biti korisni u smanjenju broja prijenosa. Međutim, kako otpor u populaciji raste, korelacija između mobilnosti i stope rasta slučajeva postaje sve slabija.

Slični dijagrami koji pokazuju učinak otpora stanovništva na četiri druge točke interesa — tranzitne stanice, radna mjesta, trgovine namirnicama i ljekarne te parkovi — prikazani su na slici 8. Sve točke interesa pokazuju slične trendove s jasnim korelacijama između mobilnosti i stope rasta slučajeva kada je udio populacije s otporom je nizak; kako se otpor povećava, korelacije se stalno smanjuju, postajući zanemarive pri različitim kritičnim vrijednostima FRT.

Transit stations reveal a similar trajectory to retail and recreation, as shown at the top of Figure 8, where for FRT between 0–25%, there is a significant mean correlation (>0.056) između mobilnosti i stope rasta. Zatim, kako se FRT povećava iznad 25 posto, korelacija se stalno smanjuje; radna mjesta također pokazuju sličan trend. Za namirnice, ljekarne i parkove korelacija nije tako jaka kao kod stanica javnog prijevoza, maloprodaje, rekreacije ili radnih mjesta. Kao što je prikazano na slici 8, postoji jasna korelacija kada je FRT < 10 posto. Nakon toga, korelacija znači da lebdi blizu nule, sugerirajući da bi ograničavanje mobilnosti moglo biti korisno u nekim slučajevima, a ne u drugim; hoće li to biti slučaj vjerojatno ovisi o drugim čimbenicima ublažavanja koji postoje.

The mean correlation thresholds used to distinguish between correlated (orange), uncorrelated (light blue), and slight negative correlation (dark blue) in this analysis, along with their restriction recommendations, are shown in Table 3. Here we have taken a conservative approach in which any correlation mean greater than the standard error in the mean, >0.056, označeno je kao pozitivno korelirano (narančasto), stoga bi ograničavanje mobilnosti tijekom tog razdoblja moglo biti od pomoći. S druge strane, korelacija znači da su<−0.056 are negatively correlated and are marked as dark blue. The correlation means between −0.056 and 0.056 represent a regime in which no significant correlation was measured; hence, within the sensitivity of the measurement, mobility restrictions are unlikely to have a significant impact on the growth rate of cases; these points are indicated with light blue markers in Figure 8.

5. Rasprava

5.1. Implikacije za politike ograničenja mobilnosti

Svi naši podaci pokazuju jasan i dosljedan trend: u naivnoj populaciji, mobilnost je u korelaciji sa stopom rasta slučajeva; kako populacija dobiva otpor, ova korelacija opada na nulu kada FRT dosegne kritičnu vrijednost. Nakon što se postigne ova kritična vrijednost FRT-a i ne postoji korelacija između mobilnosti i stope rasta (kao što je slučaj za plave točke na slikama 7 i 8), smanjenje mobilnosti zatvaranjem POI-a može imati mali učinak na stopu prijenosa. Dobro je utvrđeno da zatvaranje točaka interesa može izazvati ozbiljne ekonomske i društvene troškove. Stoga je korisno razmotriti isplati li se kompromis. Svi podaci prikazani na slikama 7 i 8 upućuju na to da bi ograničenja mobilnosti mogla biti učinkovita u ranoj fazi pandemije, ali postupno gube svoju moć kako populacija stječe otpornost cijepljenjem ili oporavkom i, posljedično, veza između mobilnosti i prijenosa slabi. Ovdje smo istaknuli vrijednosti FRT (narančasto) za koje politike koje ograničavaju mobilnost mogu imati pozitivan učinak na usporavanje širenja COVID-a-19. Slično tome, plava točka označava vrijednosti FRT-a za koje je malo vjerojatno da će ograničenja mobilnosti imati značajan utjecaj na prijenos.

Ove plave i narančaste skupine sažete su u tablici 3. Podaci sugeriraju da su maloprodajna i rekreacijska mjesta, tranzitne stanice i radna mjesta točke interesa koje će imati najviše koristi od mjera ograničavanja mobilnosti i vjerojatno će nastaviti imati koristi i nakon početnih faza pandemije (tj. dok FR ne poraste iznad 25-30 posto kao što je prikazano u tablici 4). Nagađamo da bi do toga moglo doći jer ovi POI dijele zajedničke temeljne karakteristike koje olakšavaju prijenos (npr. zatvoreni prostor, gužva i relativno dugo vrijeme boravka).

Druga skupina točaka interesa koja bi mogla imati koristi od ograničenja mobilnosti u ranoj fazi pandemije (ali povrat može biti manje izražen nakon početnih faza) su trgovine i ljekarne. Ovo ponovno pokazuje jasan trend da su u naivnoj populaciji (do 10 posto rezistentne) pokretljivost i stopa rasta slučajeva u korelaciji; stoga ograničavanje pristupa ili kontroliranje gustoće može biti korisno. Nagađamo da bi namirnice i ljekarne mogle proći bolje od maloprodaje, rekreacije i radnih mjesta jer neki podskupine "odaberi i idi" kupaca skraćuju vrijeme boravka.

Međutim, važno je napomenuti da su te kritične vrijednosti—za sva gore spomenuta mjesta—prosječne, a kritična vrijednost FRT-a određenog mjesta vjerojatno ovisi o veličini POI-a, lokalnim strategijama ublažavanja, itd. Iako ova studija pruža neka opća "pravila palca", kao i sa svakom politikom, važno je dublje zaroniti kako biste razumjeli lokalne zbunjujuće čimbenike kako biste odredili koje POI ostaviti otvorenima, a koje ograničiti.

Konačno, podaci pokazuju vrlo malu korelaciju između mobilnosti i stope rasta u parkovima za gotovo sve vrijednosti FRT. Za FRT > 5-10 posto, korelacija je bila zanemariva, što sugerira da za COVID-19, držanje parkova otvorenima, što pruža otvoreni prostor za druženje ljudi, vjerojatno neće dovesti do povećanog prijenosa (i može se pokazati korisnim ako prisutnost lako dostupnih vanjskih prostora potiče ljude da se isele iz transmisivnijih okruženja).

5.2. Učinak Delta varijante na prijenos COVID-19

Jedan od izazova s ​​našim pristupom je da se udio populacije s otpornošću ne pojavljuje kao randomizirani uzorak u vremenu: otpornost raste kako pandemija napreduje. Ovo uvodi mogućnost da korelacije koje mjerimo nisu posljedica otpornosti, već različitih varijanti koje se razvijaju kako pandemija napreduje. Tijekom razdoblja, smatramo u ovoj studiji, dominantne varijante bile su početni sojevi i Delta varijanta, koje su se pokazale i prenosivijima i smrtonosnijima od izvornih sojeva. Kako bismo objasnili pojavu Delte, proveli smo istu analizu, ali smo uklonili sve točke u kojima je Delta činila više od 10 posto otkrivenih slučajeva. Na slikama 7 i 8 puna linija odgovara ovoj analizi, tj. izvornim sojevima bez Delta (<10% Delta), and the dashed line indicates correlations, including Delta variants. All of our analyses were performed before the emergence of the Omicron variants. The results suggest that the emergence of the Delta variant does not impact any of our conclusions.

6. Zaključci

U ovoj smo studiji analizirali utjecaj mjera za ublažavanje ograničenja mobilnosti na otpornu populaciju u kojoj smo uzeli u obzir dva čimbenika: prvo, učinak otpora za različite točke interesa (POI), uključujući postaje javnog prijevoza, trgovine namirnicama i ljekarne, maloprodaju i mjesta za rekreaciju, radna mjesta i parkovi; drugo, učinak otpora prije i nakon pojave Delta varijante. Proučavali smo skupinu od 14 zemalja s relativno pouzdanim brojem slučajeva COVID-19—u kojima smo spojili podatke prema udjelu populacije s otpornošću i prisutnošću Delta varijante— koristeći Pearsonovu korelaciju između mobilnosti i slučajeva. Otkrili smo da će ograničenja mobilnosti na maloprodajnim i rekreacijskim mjestima, tranzitnim stanicama i radnim mjestima najvjerojatnije biti korisna u kontroli širenja virusa, osobito ako je udio populacije s otpornošću ispod 25-30 posto. U nekim slučajevima, trgovine namirnicama i ljekarne mogu imati koristi od ograničenja mobilnosti ako je udio stanovništva s otporom ispod 10 posto. Dok u parkovima postoji mala prednost mjera za ograničavanje mobilnosti.

Jedno ograničenje ove studije su nesigurnosti u prikupljanju podataka tijekom COVID-a-19. Međutim, potrudili smo se riješiti ovaj problem korištenjem izračuna za odabir zemlje opisanog u odjeljku 2.4, gdje smo odabrali 14 najpouzdanijih zemalja za studiju. S druge strane, prednosti ovog rada su njegova globalna perspektiva i široki uvid. Nadalje, kao implikacije na politiku, ovi se uvidi mogu koristiti kasnije za sve zarazne bolesti slične COVID-u-19, kao što je objašnjeno u odjeljku 5.1. Poznavanje koje točke interesa više ograničiti uz razmatranje praga otpornosti može pomoći u sprječavanju širenja bolesti i spasiti živote iz ranijih faza.

U budućem radu namjeravamo proučiti učinak otpornosti stanovništva na stopu smrtnosti i broj pacijenata na intenzivnoj njezi. Osim toga, moglo bi biti zanimljivo usporediti učinak različitih vrsta otpornosti (prirodna otpornost naspram cjepiva naspram kombinacije to dvoje). Osim toga, kako više podataka postaje dostupno, mikro-analize postaju izvedive kada se uključe različiti okrugi i mjesta unutar gradova.

Doprinosi autora:

Metodologija, DA i AH; kodiranje i analiza, DA; resursi, DA; čuvanje podataka, DA; pisanje—priprema izvornog nacrta, DA i AH; pisanje—pregled i uređivanje, DA, AH i MN; vizualizacija, DA i AH; nadzor, AH i MN Svi su autori pročitali i složili se s objavljenom verzijom rukopisa.

Financiranje:

Ovo istraživanje je financirao King Abdulaziz City for Science and Technology.

Izjava institucionalnog odbora za reviziju:

Nije primjenjivo.

Izjava o informiranom pristanku:

Nije primjenjivo.

Izjava o dostupnosti podataka:

Naš svijet u podacima [31]—Google pruža javno dostupan skup podataka o mobilnosti povezan s pandemijom [32]—Naš svijet u podacima podijelio je skup podataka varijanti COVID-19 [33].

Sukob interesa:

Autori izjavljuju da nema sukoba interesa.

Reference

1. Li, Q.; Guan, X.; Wu, P.; Wang, X.; Zhou, L.; Tong, Y.; Ren, R.; Leung, KSM; Lau, EHY; Wong, JY; et al. Rana dinamika prijenosa nove upale pluća zaražene koronavirusom u Wuhanu, Kina. N. engl. J. Med. 2020, 382, ​​1199–1207. Dostupno na mreži: https://www.researchgate.net/publication/338904336_Early_Transmission_Dynamics_in_Wuhan_ Kina_od_nove_ zaražene koronavirusom_pneumonije (pristupljeno 15. kolovoza 2021.).

2. Zhu, N.; Zhang, D.; Wang, W.; Li, X.; Yang, B.; Pjesma, J.; Zhao, X.; Huang, B.; Shi, W.; Lu, R.; et al. Novi koronavirus od pacijenata s upalom pluća u Kini, 2019. N. Engl. J. Med. 2020., 382, ​​727–733. [CrossRef] [PubMed]

3. Wesolowski, A.; Buckee, CO; Engø-Monsen, K.; Metcalf, CJE Povezivanje mobilnosti sa zaraznim bolestima: obećanje i ograničenja mobilnih podataka. J. Zaraziti. Dis. 2016, 214, S414-S420. [CrossRef] [PubMed]

4. Zhang, Q.; Sun, K.; Chinazzi, M.; Pastore y Piontti, A.; Dean, NE; Rojas, DP; Merler, S.; Mistry, D.; Poletti, P.; Rossi, L.; et al. Širenje Zika virusa u Americi. Proc. Natl. Akad. Sci. SAD 2017, 114, E4334–E4343. [CrossRef]

5. Davies, NG; Kucharski, AJ; Eggo, RM; Gimma, A.; Edmunds, WJ; Jombart, T.; O'Reilly, K.; Endo, A.; Hellewell, J.; Slavuj, ES; et al. Učinci nefarmaceutskih intervencija na COVID-19 slučajeve, smrti i potražnju za bolničkim uslugama u Ujedinjenom Kraljevstvu: studija modeliranja. Lancet Public Health 2020, 5, e375–e385. [CrossRef]

6. Flaxman, S.; Mishra, S.; Gandy, A.; Unwin, HJT; Mellan, TA; Coupland, H.; Whittaker, C.; Zhu, H.; Berah, T.; Eaton, JW; et al. Procjena učinaka nefarmaceutskih intervencija na COVID-19 u Europi. Nature 2020, 584, 257–261. [CrossRef] [PubMed]

7. Lai, S.; Ruktanonchai, SZ; Zhou, L.; Prosper, O.; Luo, W.; Floyd, JR; Wesolowski, A.; Santillana, M.; Zhang, C.; Du, X.; et al. Učinak nefarmaceutskih intervencija na suzbijanje COVID-19 u Kini. Nature 2020, 585, 410–413. [CrossRef]

8. Kwon, H.; Hom, K.; Rifkin, M.; Tian, ​​B.; Koylu, C. Istraživanje prostorno-vremenske heterogenosti u odnosu između ljudske mobilnosti i prevalencije COVID-19 korištenjem dinamičkog vremenskog krivljenja. arXiv 2021, arXiv:2109.13765.

9. Xiong, C.; Hu, S.; Yang, M.; Luo, W.; Zhang, L. Podaci o mobilnim uređajima otkrivaju dinamiku pozitivnog odnosa između ljudske mobilnosti i infekcija COVID-19. Proc. Natl. Akad. Sci. SAD 2020, 117, 27087–27089. [CrossRef]

10. Casa Nova, A.; Ferreira, P.; Almeida, D.; Dionísio, A.; Quintino, D. Jesu li mobilnost i COVID-19 povezani? Dinamička analiza za portugalske okruge. Entropija 2021, 23, 786. [CrossRef]

11. Steiger, E.; Mussgnug, T.; Kroll, LE Uzročno-posljedična analiza podataka promatranja COVID-19 u njemačkim okruzima otkriva učinke odlučujućih faktora na prijavljeni broj slučajeva. PLoS ONE 2021, 16, e0237277. [CrossRef]

12. Cartenì, A.; Di Francesco, L.; Martino, M. Kako su navike kretanja utjecale na širenje pandemije COVID-19: rezultati talijanske studije slučaja. Sci. Totalna okolina. 2020, 741, 140489. [CrossRef]

13. Noland, RB Mobilnost i efektivna stopa reprodukcije COVID-19. J. Transp. Zdravlje 2021, 20, 101016. [CrossRef] [PubMed]

14. Wielechowski, M.; Čeh, K.; Grz ˛eda, Ł. Pad mobilnosti: javni prijevoz u Poljskoj u vrijeme pandemije COVID{1}}. Ekonomije 2020, 8, 78. [CrossRef]

15. Oh, J.; Lee, HY; Khuong, QL; Markuns, JF; Bullen, C.; Barrios, OEA; Hwang, SS; Suh, YS; McCool, J.; Kačur, SP; et al. Ograničenja mobilnosti povezana su sa smanjenjem incidencije COVID-19 rano u pandemiji: dokazi iz procjene u stvarnom vremenu u 34 zemlje. Sci. Rep. 2021, 11, 13717. [CrossRef] [PubMed]

16. Agarwal, A.; Alomar, A.; Sarker, A.; Shah, D.; Shen, D.; Yang, C. Dva goruća pitanja o COVID-u-19: Je li gašenje gospodarstva pomoglo? Možemo li (djelomično) ponovno otvoriti gospodarstvo bez opasnosti od drugog vala? arXiv 2020, arXiv:2005.00072.

17. Nouvellet, P.; Bhatia, S.; Cori, A.; Ainslie, KE; Baguelin, M.; Bhatt, S.; Boonyasiri, A.; Brazeau, NF; Cattarino, L.; Cooper, LV; et al. Smanjenje mobilnosti i prijenos COVID-a-19. Nat. Komun. 2021, 12, 1090. [CrossRef]

19. Cabana, Á.; Etcheverry, L.; Fariello, MI; Bermolen, P.; Fiori, M. Procjena utjecaja smanjenja mobilnosti u drugom valu COVID-a-19. U Zborniku radova 2021. XLVII Latinoameričke računalne konferencije (CLEI), Beč, Austrija, 21. – 23. travnja 2021.; str. 1–10.

19. da Silva, TT; Francisquini, R.; Nascimento, MC Meteorološki podaci i podaci o ljudskoj mobilnosti o predviđanju slučajeva COVID-19 novom metodom hibridne dekompozicije s analizom otkrivanja anomalija: studija slučaja u glavnim gradovima Brazila. Stručni sustav Appl. 2021, 182, 115190. [CrossRef]

20. Bhowmik, T.; Tirtha, SD; Iraganaboina, NC; Eluru, N. Sveobuhvatna analiza prijenosa COVID-19 i stopa smrtnosti na razini okruga u Sjedinjenim Državama uzimajući u obzir sociodemografiju, zdravstvene pokazatelje, trendove mobilnosti i atribute zdravstvene infrastrukture. PLoS ONE 2021, 16, e0249133. [CrossRef]

21. Badr, HS; Du, H.; Marshall, M.; Dong, E.; Squire, MM; Gardner, LM Povezanost između obrazaca mobilnosti i prijenosa COVID-19 u SAD-u: studija matematičkog modeliranja. Lancet Infect. Dis. 2020, 20, 1247–1254. [CrossRef]

22. Chang, S.; Pierson, E.; Koh, PW; Gerardin, J.; Redbird, B.; Grusky, D.; Leskovec, J. Modeli mreže mobilnosti COVID-19 objašnjavaju nejednakosti i informiraju o ponovnom otvaranju. Priroda 2021, 589, 82–87. [CrossRef]

23. García-Cremades, S.; Morales-García, J.; Hernández-Sanjaime, R.; Martínez-España, R.; Bueno-Crespo, A.; Hernández-Orallo, E.; López-Espín, JJ; Cecilia, JM Poboljšanje predviđanja razvoja COVID-19 spajanjem epidemioloških podataka i podataka o mobilnosti. Sci. Rep. 2021, 11, 15173. [CrossRef] [PubMed]

24. Wei, Y.; Wang, J.; Pjesma, W.; Xiu, C.; Ma, L.; Pei, T. Širenje COVID-a-19 u Kini: Analiza iz modela epidemije i mobilnosti u gradu. Gradovi 2021, 110, 103010. [CrossRef] [PubMed]

26. Kuzdeuov, A.; Baimukashev, D.; Karabay, A.; Ibragimov, B.; Mirzakhmetov, A.; Nurpeiissov, M.; Lewis, M.; Varol, HA Mrežni stohastički simulator epidemije: Kontroliranje covida-19 s politikama specifičnim za regiju. IEEE J. Biomed. Zdravstvene inform. 2020, 24, 2743–2754. [CrossRef] [PubMed]

For more information:1950477648nn@gmail.com