《PLOS Computational Biology》：Mapping spatial colleague connectivity patterns from individual-level registry data to inform regional pandemic interventions
编辑推荐：
摘要翻译：
传染病建模中一个关注点是如何准确地纳入人群混合模式，因为该模式决定了感染通过何种类型和频率的接触传播，进而影响干预措施有效性的估计。尽管基于日记调查的综合混合模式合成已是一种成熟框架，但其对地理信息的捕捉仍不充分或稀疏。本文提出了一种可推广的工
摘要翻译：
传染病建模中一个关注点是如何准确地纳入人群混合模式，因为该模式决定了感染通过何种类型和频率的接触传播，进而影响干预措施有效性的估计。尽管基于日记调查的综合混合模式合成已是一种成熟框架，但其对地理信息的捕捉仍不充分或稀疏。本文提出了一种可推广的工作流程，利用覆盖超过800万荷兰工作人群的岗位登记数据来量化地理连接性。所推导的同事连接度呈现出异质性空间模式，通过每个市镇三元组（两个居住市镇和一个共同工作市镇）的连接数进行量化。研究人员以SARS-CoV-2奥密克戎为例说明了该空间连接性的流行病学相关性：省内连接数增加一倍与奥密克戎 onset 提前3.7天相关（95% CI: 0.6至6.6天），而省间连接性与 onset 提前2.5天相关（95% CI: -1.0至6.2天）。基于空间连接性估计，研究人员量化了在区域流动性限制（如封锁）情况下将被移除的同事连接数量：封锁整个泽兰省将在全国层面移除2.6%的同事连接，而仅封锁阿姆斯特丹市即可移除10.0%。在未来的建模研究中，这些高细粒度空间连接数据可用作空间混合矩阵，更明确地捕捉区域间的连接性和依赖性，从而为更具针对性的政策措施提供信息。
作者总结：呼吸道传染病暴发和大流行因其直接健康负担以及为控制传播所采取措施造成的社会和经济破坏而构成重大社会风险。为更好地让社会应对未来大流行，重要的是回答应何时、何地、针对哪些人群实施何种干预措施，以便在有效减少传播的同时限制封锁等措施造成的社会干扰。在本研究中，研究人员利用覆盖荷兰全国的唯一登记数据（记录荷兰人居住地点及工作通勤地点），考察了荷兰各市镇如何通过工作场所相关联系相互连接。通过展示哪些区域联系更多或更少，研究人员提供了可支持更具针对性控制措施（如区域封锁和长途旅行禁令）的证据。该方法还可扩展到其他社会关系（例如学校和家庭联系）以及其他国家，如拥有类似登记数据的北欧国家。综上，研究结果提供了关于空间连接模式的数据驱动证据，可为设计针对性控制措施作为未来大流行中全国性强制措施的潜在替代方案提供信息。
论文解读文章：
**研究背景与问题**
呼吸道传染病暴发（如SARS-CoV-2大流行）在不同区域的传播动态往往存在显著异质性，这种异质性部分源于病毒经空间结构化接触网络传播时，不同区域间接触程度存在差异。在人群接触网络中，同事网络因连接数量高于朋友和家庭联系、空间范围广于同学和家庭接触，在塑造跨区域人群混合中起核心作用。然而，现有的日记式接触调查（如POLYMOD和CoMix）虽能量化工作场所接触的频率与持续时间，却未记录个体居住或接触地点。基于这些调查的传播模型通常假设工作场所混合均匀，或仅按年龄分层，忽略空间异质性，导致高估疫情增长率、低估干预效果，并限制模型支持区域针对性疫情应对的能力。基于手机信号的移动数据虽能提供地理情境，但商业数据提供商采集的信号因订阅率和智能手机使用差异存在区域代表性不均。为弥补这一空白，研究人员利用荷兰统计局（CBS）的大规模行政登记数据，量化2019至2022年每年在同一公司甚至同一本地分支工作的员工对数量。该数据源覆盖超过800万荷兰工作个体，基于标准化工资税登记，具有人群规模覆盖和高精度登记优势。
**研究内容与结论**
研究人员提出了一种可推广的工作流程，将个体层面登记数据转化为空间连接模式。通过配对在同一本地分支工作的个体，研究人员构建了以市镇三元组（两个居住市镇和一个共同工作市镇）为索引的无向同事连接计数，并聚合到安全区和省两级行政单元。基于2021年每人最多100个同事连接的度上限设置，共识别出1.32亿条同事连接，平均每个工作个体拥有32条同事连接。研究发现同事连接呈现显著异质性空间模式：大多数同事居住在同一省内，但跨省通勤和跨省连接不可忽视；各省份的市内、省内和省间连接占比差异明显，如弗莱福兰省（FL）省间连接占比最高（68%），林堡省（LB）省内连接占比最高（49%）。研究人员进一步将空间连接性与SARS-CoV-2奥密克戎变异株的省级 onset 时间相关联：省内连接数增加一倍与奥密克戎 onset 提前3.7天（95% CI: 0.6至6.6天）相关，省间连接数增加一倍与 onset 提前2.5天（95% CI: -1.0至6.2天）相关；与北荷兰省（NH，拥有史基浦机场）的同事连接增加一倍与 onset 提前2.0天（95% CI: 0.0至4.1天）相关。基于连接模式，研究人员量化了区域干预措施的潜在影响：封锁单个省份将移除全国2.6%（泽兰省）至25.3%（南荷兰省）的同事连接；封锁阿姆斯特丹市可移除10.0%的全国同事连接，而跨区域旅行禁令移除的连接比例（最高9.4%）始终低于区域封锁（最高25.3%）。这些发现表明，高度细粒度的空间连接数据可作为空间混合矩阵输入，用于评估区域针对性干预措施。
**主要关键技术方法**
研究人员使用荷兰统计局（CBS）提供的2019–2022年个体和公司层面登记数据，覆盖每年800万至850万工作个体。方法包括：（1）分支分配算法：对于在同一市镇拥有多个分支的公司，在缺乏分支指定信息时，假设各分支规模近似相等，将员工随机分配至本地分支，并对度上限（cap）进行敏感性分析；（2）市镇三元组计数：按两居住市镇和一共工作市镇对同事对进行无向计数，并加权调整度上限；（3）空间聚合：将市镇级连接计数聚合到安全区和省，计算连接矩阵、行归一化矩阵及不同尺度连接占比；（4）贝叶斯两阶段推断：先拟合层次逻辑回归模型估计奥密克戎阳性序列比例，再结合RIVM的每周病例数据，用泊松广义线性混合模型模拟每周奥密克戎病例数，并估计各省 onset 时间；（5）关联分析：采用贝叶斯回归评估省内和省间连接数与 onset 时间的关联，并分析对北荷兰省连接的影响；（6）干预情景模拟：量化区域封锁和跨区域旅行禁令下移除的同事连接数量和比例。数据来源包括CBS登记数据、GISAID测序数据和RIVM病例数据。
**研究结果**
- **地理同事连接模式**：2021年基于100人度上限，共有1.32亿条同事连接，平均每名工作者32条。图1和图2显示省内连接占主导，但跨省连接显著；图3显示各省连接尺度构成差异大，如乌得勒支省（UT）市内连接占比最低（16%），泽兰省（ZL）最高（29%）；弗莱福兰省（FL）省间连接占比最高（68%），林堡省（LB）最低（29%）。
- **从连接到各省奥密克戎 onset**：北荷兰省 onset 最早（2021年10月26日，95% CrI: 10月23–28日），北部人口较少省份（格罗宁根、弗里斯兰、德伦特、弗莱福兰） onset 较晚（11月20–28日）。关联分析显示，省内连接增加一倍与 onset 提前3.7天相关，省间连接增加一倍与 onset 提前2.5天相关（但95% CI包含0），对北荷兰省连接增加一倍与 onset 提前2.0天相关。
- **区域干预意义**：区域封锁下，封锁南荷兰省（ZH）移除全国25.3%同事连接，封锁泽兰省（ZL）仅移除2.6%；封锁阿姆斯特丹市可移除10.0%。跨区域旅行禁令移除比例最高为9.4%（北荷兰省），且劳动人口规模不能完全解释移除比例，例如南荷兰省劳动人口比北荷兰省多25%，但旅行禁令移除连接反而更少（9.1% vs 9.4%）。
- **敏感性分析**：度上限从50增至200时，省间连接占比上升最多5.56个百分点；不同随机种子下省际连接构成差异≤0.10个百分点，混合矩阵条目最大相对差异1.99%；奥密克戎 onset 排名在不同病例阈值下保持稳定。
**讨论与结论**
研究证实了同事连接性与区域疫情动态相关的假设，但存在若干局限：两阶段贝叶斯框架仅传播了第一阶段参数不确定性，忽略了数据不确定性；同事连接不等同于真实密切接触，缺乏接触频率和持续时间信息；分支分配假设均匀规模可能引入偏差；未包含行业、职业、合同类型和远程办公潜力等维度；干预影响仅基于连接移除比例，未纳入动态传播模型。研究人员指出，该框架可推广至其他接触网络（如学校、家庭）和其他国家（如北欧国家）。结论强调，该研究建立了可复用的同事网络地理连接数据产品，为未来传播建模和政策评估提供了空间输入；奥密克戎分析支持连接模式与区域疫情时间差异的关联，但仍需动态传播模型评估干预措施的流行病学影响。总体而言，从个体登记数据推断同事网络和空间连接模式的工作流程具有跨情境和国际推广价值。
