# 基于夜间人口流动数据反事实分析评估日本早期COVID-19疫情浪潮中公共卫生和社会措施有效性

《Epidemiology & Infection》：Effectiveness of public health and social measures during the early COVID-19 waves in Japan

　　

# 摘要

在COVID-19疫情期间，日本实施了紧急状态宣言及其他限制人员流动的公共卫生和社会措施。本研究旨在通过比较2020—2021年大阪和东京的观察数据与反事实情景，从流行病学角度评估这些措施对疫情的影响。研究使用每周夜间人口数据预测有效再生数，并采用年龄依赖性传播模型对2020—2021年的前三波疫情进行建模。研究人员将2019年的夜间人口数据作为反事实情景，模拟了在缺乏公共卫生和社会措施情况下COVID-19疫情的演变。在大阪，预测的第一波、第二波和第三波反事实死亡人数分别为71525例、13589例和18814例，这些估计值分别约为观察值的832倍、100倍和21倍。在东京，三波疫情的反事实预测死亡人数分别为57018例、4361例和17100例，分别约为观察值的416倍、42倍和14倍。如果夜间人口保持在2019年的水平，并且该水平能够持续预测缺乏公共卫生和社会措施时的疫情发展，大阪和东京本可能出现远多于实际的COVID-19死亡人数。

# 基于夜间人口流动反事实分析的日本早期COVID-19疫情中公共卫生和社会措施有效性评估——论文解读

## 一、研究背景与问题提出

2019年12月，中国武汉首次报告了由严重急性呼吸综合征冠状病毒2型（SARS-CoV-2）引起的2019冠状病毒病（COVID-19）确诊病例。世界卫生组织于2020年1月30日宣布该疫情构成国际关注的突发公共卫生事件，并于2020年3月11日宣布其为全球大流行。COVID-19通过吸入感染性气溶胶和接触感染性飞沫传播，且无症状感染者和症状前感染者均可导致继发传播，这极大地增加了疫情防控的复杂性。人群密集场所、密闭的近距离接触室内环境和通风不良的受限空间（即所谓的"三密"环境）极易导致病毒传播。

在疫情早期缺乏有效疫苗和特效治疗药物的情况下，包括人员流动限制、保持社交距离、佩戴口罩、学校和商业场所关闭以及旅行限制在内的公共卫生和社会措施在抑制疾病发病率方面发挥了关键作用，为药物性干预措施的研发赢得了时间。日本在疫情早期采取了"锤击与舞蹈"策略：在病例快速增加的时期实施包括紧急状态宣言在内的强力干预措施以减缓传播（锤击阶段），一旦发病率降至医疗系统可承受的水平，则逐步放松干预并尽可能长时间维持低发病率水平（舞蹈阶段）。

日本的情况具有两个特殊之处。第一，人员流动限制是通过发布紧急状态宣言实施的，但仅为请求性质而非严格的法律强制措施（即最初对不遵守请求者没有法律处罚）。第二，第一波疫情期间采取了居家措施，但随后的干预措施逐渐聚焦于高传播风险情境（如提供酒类的餐饮场所和大型聚集活动）。第二波疫情在未发布紧急状态宣言或未呼吁居家的情况下得到控制。因此，这些控制措施并非针对全体人口的强制性措施，但民众很可能严格遵守了政府的建议，从而成功抑制了发病率。在此背景下，评估人员流动限制对日本COVID-19传播动态的影响，对于理解这些对策在应对未来大流行时的人群层面效果具有重要意义。

## 二、研究方法与关键技术

本研究使用手机GPS定位数据源"LocationMind xPop"提供的每小时人口规模估计数据，该数据由NTT DOCOMO对ZENRIN DataCom CO., LTD提供的Zenrin Map Navi服务用户许可发送的手机定位数据进行统计和全面处理后获得，每5分钟记录一次经纬度信息，且不包含可识别个人身份的信息。研究选取了东京都和大阪府两个大都市圈的前三波疫情进行分析，病例和死亡数据来源于日本厚生劳动省以及大阪府和东京都政府公开的按年龄分层的监测数据。研究期间大阪的三波疫情分别覆盖2020年2月23日至6月13日、2020年6月14日至10月10日和2020年10月11日至2021年2月27日，东京分别覆盖2020年2月9日至5月23日、2020年5月24日至9月19日和2020年9月20日至2021年2月27日。主要关键技术包括：（1）建立夜间人口模型，以每周有效再生数（R_t）为响应变量，以夜间人口对数值及其相对变化率为解释变量进行回归分析；（2）基于多型别更新方程模型和四个年龄组（0–19岁、20–39岁、40–59岁和≥60岁）的异质性接触模式构建年龄依赖性传播模型；（3）采用最大似然法和非参数自举法估计未知参数及其95%置信区间；（4）利用2019年疫情前的夜间人口数据构建反事实情景，模拟在没有公共卫生和社会措施情况下疫情的发展态势。

## 三、研究结果

### （一）模型拟合

研究人员将模型预测的各年龄组发病数与大阪和东京的观察数据进行比较，模型预测的不确定区间覆盖了大部分观察数据点。基于回归模型的R_k估计值与从流行病学数据估算的R_k在大多数流行病学周内预测不确定区间相互重叠。通过比较具有波次特异性参数系数的模型与三个疫情波次合并的固定参数系数模型，发现前者对发病率数据的拟合更优，后者在第二波和第三波疫情高峰期间会显著低估或高估各年龄组的发病率数据，这一现象在20–39岁年龄组中尤为明显。与仅包含α_i和β_i两个参数系数的简化模型相比，包含三个参数系数的完整模型在大阪和东京的所有疫情波次中具有更低的赤池信息准则值。

### （二）反事实模拟

研究人员将2020年的夜间人口数据替换为2019年同期数据，构建了无干预情况下的反事实疫情情景。反事实的R_k估计值显著高于观察值，由此推导出的反事实疫情规模在大阪和东京的前三波疫情中均大幅超过观察值。在大阪（2020年人口约850万），前三波疫情的反事实累积报告病例数（死亡数）分别为147万例（71525例）、92万例（13589例）和75万例（18814例），分别达到观察值的814倍、99倍和21倍。在东京（人口1380万），前三波疫情的反事实累积报告病例数（死亡数）分别为215万例（57018例）、84万例（4361例）和121万例（17100例），分别达到观察值的420倍、42倍和14倍。值得注意的是，东京第二波疫情中各年龄组的反事实累积病例数95%置信区间包含了实际观察值，表明该波疫情的影响估计存在较大不确定性。

### （三）敏感性分析

针对大阪第一波疫情的敏感性分析显示，平均代际时间的不同假设对R_k的影响不大，但假设代际时间短于主分析中采用的3.5天时，反事实情景下的累积死亡数和病例数会更大。另一项敏感性分析假设医疗系统超负荷时老年人群的病例致死率升高，结果显示由于观察到的死亡主要来自60岁及以上老年人群，老年死亡率的升高会显著增加反事实死亡总数。

## 四、讨论与结论

本研究利用夜间人口数据建立有效再生数的预测模型，对大阪和东京前三波COVID-19疫情中公共卫生和社会措施的有效性进行了回顾性评估。研究结果显示，在第一波疫情期间，大阪和东京的反事实病例数和死亡数分别超过观察值的800倍和400倍，凸显了公共卫生和社会措施在抑制疫情方面的巨大作用。研究的关键信息是，紧急状态宣言和其他限制人员流动的公共卫生和社会措施在减少大阪和东京前三波COVID-19疫情规模和死亡率方面具有实质性效果。尽管存在较大的不确定性，反事实病例数中位数仍超过观察值的16倍，表明公共卫生和社会措施的人群间接影响十分显著。这项研究强调了在大流行早期通过公共卫生和社会措施大幅抑制发病率以争取时间发展药物防治手段的重要性。

本研究首次使用2019年疫情前的夜间人口数据构建公共卫生和社会措施的反事实情景，实现了因果建模分析。公共健康干预措施随时间推进不断演变，接触行为和社会应对也在大流行过程中持续变化，因此使用具有波次特异性参数系数的模型能够更好地捕获发病率数据。在讨论部分，研究人员指出自主性心理和社会反应（包括风险意识影响）未被单独考虑，夜间人口数据未涵盖日间社会活动的影响，传播过程也可能被过度简化。局限性包括：三个反事实疫情波次分别模拟且模拟长度任意设定为52周；忽略了同一波次内的再感染和既往波次感染获得的免疫力；研究仅聚焦东京和大阪两个大都市，未考虑与其他地区或国家的空间交互作用；部分特定周次（如新年假期前后）无法使用夜间人口模型计算有效再生数，转而使用了流行病学数据中的估计值；仅使用2019年一年的疫情前夜间人口数据，无法评估多年间疫情前数据的稳定性。

结论：如果2020年的夜间人口保持在2019年的水平，大阪和东京本可能出现远多于实际的COVID-19报告病例和死亡人数。利用人员流动数据估计有效再生数，为理解限制人员流动的公共卫生和社会措施对COVID-19传播动态的影响提供了关键见解。