فعالية قيود التنقل في التحكم في انتشار COVID -19 في مجموعة سكانية مقاومة ، الجزء 2

3. المنهجية

قسمنا منهجيتنا إلى ثلاث خطوات: القياسات اليومية ، والارتباطات ونطاقات المقاومة السكانية ، وتقديرات متغيرات دلتا. تمت كتابة جميع التعليمات البرمجية من البداية باستخدام Python.

العلاقة بين طفرة دلتا والمناعة معقدة للغاية لأن طفرة دلتا هي طفرة فيروس كورونا جديدة ، والتي تختلف عن طفرات فيروس كورونا السابقة. وفقًا للبحث الحالي ، فإن متغير دلتا لديه قدرة أعلى على العدوى وقابلية إمراضية أقوى ، مما يعني أنه قد يكون له تأثير معين على المناعة. وجدت الدراسة أن طفرة دلتا لفيروس كورونا الجديد قد تضعف التأثير الوقائي للقاح. وفقًا لدراسة حديثة ، تم تقليل التأثير الوقائي للتطعيم ضد متغير دلتا إلى حد ما. قد يكون هذا مرتبطًا بطفرة رئيسية في متغير دلتا ، مما يسهل على الفيروس التهرب من الاستجابة المناعية. بالإضافة إلى ذلك ، أظهرت بعض الدراسات أن متغير دلتا يمكن أن يصيب الأشخاص المصابين بالفعل بالفيروس ، مما يضعف استجابتهم المناعية.

ومع ذلك ، على الرغم من أن طفرة دلتا قد يكون لها تأثير سلبي معين على المناعة ، إلا أن اللقاحات لا تزال وسيلة رئيسية لمنع انتشار فيروس كورونا الجديد والسيطرة عليه. بينما قد يحتاج اللقاح إلى التحديث للتعامل بشكل أفضل مع ظهور متغير دلتا والمتغيرات الأخرى ، يظل اللقاح فعالًا للغاية في حماية الناس من الأمراض الخطيرة والاستشفاء. بالإضافة إلى ذلك ، من المهم جدًا التركيز على إجراءات النظافة الشخصية والتباعد الاجتماعي للحد من انتشار فيروس كورونا الجديد. من وجهة النظر هذه ، يجب أن ننتبه إلى تحسين مناعتنا. يمكن أن يعزز الكستانش المناعة ، ويمكن للسكريات المتعددة الموجودة في اللحوم تنظيم الاستجابة المناعية لجهاز المناعة البشري ، وتحسين قدرة الخلايا المناعية على الإجهاد ، وتقوية الخلايا المناعية. تأثير مبيد للجراثيم.

انقر فوق cistanche tubulosa استخراج مسحوق

3.1. القياسات اليومية

في هذا القسم ، هدفنا الرئيسي هو حساب المتغيرات اليومية التالية: معدل التنقل (لكل من نقاط الاهتمام الخمسة) ، ومعدل النمو (GRt j) للحالات ، وكسر السكان ذوي المقاومة (FR) ، كما هو موضح في الشكل 3. بالنسبة إلى معدل التنقل ، نأخذ القيم مباشرة من مجموعة بيانات Google Mobility. تم حساب المتغيرات الأخرى على النحو التالي.

لتقدير معدل نمو الحالات ، نطبق الصيغة (2) من [21] مع تأخر يوم 11- بين قياسات التنقل والمشتق الزمني اللحظي لعدد الحالات بناءً على النتائج المثلى للتأخر في [35] :

يُحسب معدل نمو الحالات (GRt j) لبلد معين j ويوم معين t على أنه المعدل اللوغاريتمي للتغيير للحالات الجديدة على مدار الأيام الثلاثة السابقة بالنسبة إلى المعدل اللوغاريتمي للحالات الجديدة خلال الأسبوع السابق. هنا c t j هو عدد الحالات الجديدة في البلد j في اليوم t.

لتقدير نسبة السكان الذين لديهم مقاومة لبلد معين في يوم معين ، قمنا بدمج نسبة الأشخاص الذين لديهم مناعة طبيعية (أي أولئك الذين أصيبوا بالفعل بفيروس COVID -19 وتعافوا) مع جزء الأشخاص الذين تم تطعيمهم :

حيث يعتمد الجزء الإجمالي للأشخاص الذين يعانون من شكل من أشكال المقاومة (FRT) على جزء من الحالات (FRc) حتى الآن ، والذي يتم تقديره عن طريق قياس العدد الإجمالي للحالات المبلغ عنها (CTot) بمضاعف (م) لكل بلد ، كما هو مبين في الجدول 2. هذه المضاعفات m ، التي تمثل نقصًا في التقارير ، مأخوذة من دراسات عديدة في الأدبيات. يفترض هذا النهج أن المقاومة الطبيعية لم تتلاشى ، وهو ما قد يكون افتراضًا مقبولًا خلال المراحل الأولى من الجائحة. إذا تم تكرار هذا التحليل ، فإننا نوصي بتقييد نافذة الحالات التي تؤدي إلى مقاومة طبيعية لمراعاة حقيقة أن (أ) الجائحة قد تجاوزت المدة النموذجية للمقاومة ، كما يتضح من الأعداد الهائلة من حالات الإصابة مرة أخرى الملحوظة في العام الماضي ، و (ب) يبدو أن متغيرات Omicron جيدة بشكل خاص في التهرب من دفاعاتنا وقد تحدث العدوى مرة أخرى على نطاقات زمنية قصيرة إلى حد ما. يضاف الجزء ذو المقاومة الطبيعية (FRc) إلى جزء السكان الذين تم تحصينهم (FRv) ، والذي تم تقديره في المعادلة (5). لتجنب الحساب المزدوج للأشخاص الذين أصيبوا بفيروس COVID -19 وتم تطعيمهم أيضًا ، تم قياس FRv بمقدار (1 − FRc).

3.2 الارتباطات ونطاقات المقاومة السكانية

بعد تقدير المتغيرات اليومية ، نقوم بتجميع السلاسل الزمنية للبلدان في نطاقات بناءً على FRT. ينتج عن هذا فترات مختلفة لكل بلد تتشابه فيها نسبة السكان الذين يتمتعون بالمقاومة. لتحقيق ذلك ، اتبعنا العملية الموضحة في الشكل 4 ، حيث درسنا أولاً كل بلد وقسمنا السلاسل الزمنية إلى فترات بناءً على الكسر الإجمالي للمقاومة FRT: نختار الحاوية الأولى من FRT لتقع بين {{1} } –1 0 في المائة ، والثاني بين 10-20 في المائة ، وهكذا حتى 60-70 في المائة. ثم لكل فترة ، قمنا بحساب الارتباط بين درجة التنقل المتأخرة في Google ومعدل نمو الحالات (GRt j) لكل نقطة من نقاط الاهتمام. استخدمنا ارتباط بيرسون ، حيث 1 يشير إلى ارتباط إيجابي قوي ، 0 لا يوجد ارتباط ، و -1 ارتباط سلبي قوي.

3.3 تقديرات متغيرات دلتا

لتحديد كيفية تأثير ظهور متغير دلتا على هذه الارتباطات ، قمنا بحساب جزء دلتا لكل فترة من فترات FRT وحددنا الفترات ذات الكسور العالية من دلتا والكسور المنخفضة من دلتا (<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∆):

حيث (F∆) تساوي العينات المتسلسلة لمتغير دلتا (n∆) مقسومة على جميع العينات المتسلسلة خلال تلك الفترة (لا).

أخيرًا ، قمنا بتجميع معاملات الارتباط لجميع البلدان وكل من نقاط الاهتمام وفترات FRT ؛ نحن نأخذ في الاعتبار مسارين للإرسال ، أحدهما يتضمن فقط البيانات التي تقل نسبة دلتا فيها عن 10 بالمائة (ما قبل الدلتا) والآخر يتضمن جميع البيانات (ما بعد دلتا).

4. النتائج

4.1 العلاقة بين التنقل وحالات COVID -19

يظهر الرسم البياني للارتباطات المقاسة بين معدل نمو الحالات والتنقل عبر جميع البلدان الأربعة عشر وجميع نقاط الاهتمام في الشكل 6. ويتراوح الارتباط من - 0. 67 إلى 0. 66، مع معظم البيانات في النطاق [- 0. 29 ، 0. 28]. عند هذا التفصيل ، تشير البيانات إلى عدم وجود ارتباط حقيقي بين التنقل ومعدل النمو ، أي في المتوسط ​​، لا يؤثر تعديل أنماط التنقل على عدد الحالات. ومع ذلك ، فإن هذا النهج الخشن يخفي تأثير مقاومة السكان ، والذي سيتم الكشف عنه في الأقسام التالية.

4.2 تأثير مقاومة السكان على انتقال COVID -19

مع تقدم الوباء ، يزداد عدد السكان الذين يتمتعون بمقاومة للفيروس إما عن طريق التطعيم أو عن طريق الإصابة بـ COVID -19 والتعافي. للتعرف على تأثير المقاومة على ارتباط معدل النمو بالحركة ، ضع في اعتبارك الحالتين المتطرفتين التاليتين. في مجتمع ساذج لا يتمتع فيه أحد بأي مقاومة للفيروس ، يمثل كل اتصال عدوى جديدة محتملة ؛ في هذا السيناريو ، من المرجح أن يؤدي قضاء الوقت في النقاط المهمة التي تزيد من عدد جهات الاتصال بين السكان (على سبيل المثال ، محطات العبور) إلى المزيد من الحالات. ومن ثم ، في مجتمع ساذج ، نتوقع أن يكون التنقل في نقاط الاهتمام ذات الاتصال العالي مرتبطًا ارتباطًا وثيقًا بمعدل نمو الحالات. على الجانب الآخر ، إذا كان الجزء الأكبر من السكان مقاومًا للفيروس ، فمن غير المرجح أن تؤدي معظم جهات الاتصال في نقطة اهتمام معينة إلى الانتقال. يشير هذا إلى أنه في مجموعة سكانية شديدة المقاومة ، سيكون التنقل في نقاط الاهتمام عالية التلامس مرتبطًا بشكل ضعيف فقط بمعدل النمو ، إن وجد.

لاختبار هذا ، قمنا بإخفاء البيانات من خلال جزء من السكان الذين لديهم مقاومة ، FRT (المقدرة من كل من معدل التطعيم والالتهابات السابقة كما هو موضح أعلاه). تظهر نتائج هذا التمرين للنقاط المهمة الترفيهية والتجزئة في الشكل 7. وتمثل كل نقطة متوسط ​​معامل الارتباط (متوسط ​​عبر جميع البلدان خلال الفترات ذات الصلة) بين معدل نمو حالات COVID -19 والتنقل. تلتقط الأشرطة 75 بالمائة من البيانات ؛ تمت إزالة القيم المتطرفة لإلغاء التصور وإبراز الاتجاهات. الخطأ المعياري في المتوسط ​​هو 0. 0 56 ، كما هو موضح بالمنطقة الرمادية في الرسم. كما هو متوقع ، عندما يكون جزء صغير فقط من السكان مقاومًا (حوالي 0-25 بالمائة ، كما هو موضح بالنقاط البرتقالية في هذه الحالة) ، يكون هناك ارتباط واضح بين التنقل ومعدل نمو الحالات ، مما يشير إلى أن تقييد الوصول إلى قد تكون مؤسسات الترفيه والتجزئة في وقت مبكر من الوباء مفيدة في الحد من عدد حالات انتقال العدوى. ومع ذلك ، مع نمو المقاومة لدى السكان ، يصبح الارتباط بين التنقل ومعدل نمو الحالات أضعف على التوالي.

تظهر المخططات المماثلة التي تظهر تأثير مقاومة السكان على النقاط المهمة الأربعة الأخرى - محطات العبور وأماكن العمل ومحلات البقالة والصيدليات والمتنزهات - في الشكل 8. تُظهر جميع نقاط الاهتمام اتجاهات مماثلة مع ارتباطات واضحة بين التنقل ومعدل نمو الحالات عند الكسر من السكان مع المقاومة منخفضة ؛ مع زيادة المقاومة ، تنخفض الارتباطات بشكل مطرد ، وتصبح مهملة عند القيم الحرجة المختلفة لـ 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) بين التنقل ومعدل النمو. ثم ، مع زيادة FRT فوق 25 في المائة ، ينخفض ​​الارتباط بشكل مطرد ؛ تظهر أماكن العمل اتجاهًا مشابهًا أيضًا. بالنسبة لمحلات البقالة والصيدليات والمتنزهات ، فإن الارتباط ليس قويًا كما هو الحال مع محطات النقل أو البيع بالتجزئة أو الترفيه أو أماكن العمل. كما هو مبين في الشكل 8 ، هناك ارتباط واضح عندما يكون FRT <10 بالمائة. بعد ذلك ، يعني الارتباط التحليق بالقرب من الصفر ، مما يشير إلى أن تقييد التنقل قد يكون مفيدًا في بعض الحالات وليس في حالات أخرى ؛ ما إذا كانت هذه هي الحالة أم لا يعتمد على الأرجح على عوامل التخفيف الأخرى الموجودة.

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 ، تم تمييزها على أنها مرتبطة بشكل إيجابي (برتقالي) ، وبالتالي قد يكون تقييد التنقل خلال تلك الفترة مفيدًا. من ناحية أخرى ، يعني الارتباط أن<−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. مناقشة

5.1 الآثار المترتبة على سياسات تقييد التنقل

تُظهر جميع بياناتنا اتجاهًا واضحًا ومتسقًا: في السكان الساذجين ، يرتبط التنقل بمعدل نمو الحالات ؛ عندما يكتسب السكان المقاومة ، ينخفض ​​هذا الارتباط إلى الصفر عندما يصل FRT إلى قيمة حرجة. بمجرد الوصول إلى هذه القيمة الحرجة لـ FRT وعدم وجود ارتباط بين التنقل ومعدل النمو (كما هو الحال بالنسبة للنقاط الزرقاء في الشكلين 7 و 8) ، فإن تقليل التنقل عن طريق إغلاق النقاط المهمة يمكن أن يكون له تأثير ضئيل على معدل الإرسال. لقد ثبت جيدًا أن إغلاق نقاط الاهتمام قد يؤدي إلى تكاليف اقتصادية واجتماعية خطيرة. ومن ثم ، فمن المفيد التفكير فيما إذا كانت المقايضة تستحق العناء. تشير جميع البيانات الموضحة في الشكلين 7 و 8 إلى أن قيود التنقل قد تكون فعالة في وقت مبكر من الجائحة ولكنها تفقد قوتها تدريجيًا حيث يكتسب السكان المقاومة عن طريق التطعيم أو الشفاء ، وبالتالي تضعف العلاقة بين التنقل والانتقال. لقد قمنا هنا بتسليط الضوء على قيم FRT (باللون البرتقالي) والتي قد يكون للسياسات التي تقيد التنقل تأثير إيجابي على إبطاء انتشار COVID -19. وبالمثل ، تشير النقطة الزرقاء إلى قيم FRT التي من غير المحتمل أن يكون لقيود الحركة تأثير كبير على الإرسال.

يتم تلخيص هذه المجموعات باللونين الأزرق والبرتقالي في الجدول 3. وتشير البيانات إلى أن أماكن البيع بالتجزئة والاستجمام ومحطات النقل وأماكن العمل هي نقاط الاهتمام التي ستستفيد أكثر من تدابير تقييد التنقل ومن المرجح أن تستمر في الاستفادة إلى ما بعد المراحل الأولية من الجائحة (أي حتى ينمو FR فوق 25-30 في المائة كما هو موضح في الجدول 4). نتوقع أن هذا قد ينشأ لأن نقاط الاهتمام هذه تشترك في الخصائص الأساسية المشتركة التي تسهل النقل (على سبيل المثال ، في الداخل ، ومزدحمة ، وأوقات إقامة طويلة نسبيًا).

المجموعة الثانية من نقاط الاهتمام التي قد تستفيد من قيود التنقل في وقت مبكر من الوباء (ولكن قد تكون العودة أقل وضوحًا بعد المراحل الأولية) هي محلات البقالة والصيدليات. يُظهر هذا مرة أخرى اتجاهًا واضحًا مفاده أن التنقل ومعدل نمو الحالات في مجموعة سكانية ساذجة (حتى 10 بالمائة مقاومة) مرتبطان ؛ ومن ثم فإن تقييد الوصول أو التحكم في الكثافة قد يكون مفيدًا. نحن نتوقع أن محلات البقالة والصيدليات قد يكون أداؤها أفضل من البيع بالتجزئة والاستجمام وأماكن العمل لأن بعض المجموعات الفرعية من "الانتقاء والذهاب" للمستفيدين تقلل من وقت الإقامة.

ومع ذلك ، من المهم ملاحظة أن هذه القيم الحرجة - لجميع الأماكن التي تمت مناقشتها أعلاه - يتم حساب متوسطها ، ومن المحتمل أن تعتمد القيمة الحرجة لـ FRT لمكان معين على حجم نقطة الاهتمام ، واستراتيجيات التخفيف المحلية ، وما إلى ذلك. بينما توفر هذه الدراسة بعض "القواعد العامة" ، كما هو الحال مع أي سياسة ، من المهم التعمق أكثر في فهم العوامل المحلية المربكة لتحديد نقاط الاهتمام التي يجب الاحتفاظ بها وأيها يجب تقييدها.

أخيرًا ، تُظهر البيانات ارتباطًا ضئيلًا جدًا بين التنقل ومعدل النمو في الحدائق لجميع قيم FRT تقريبًا. بالنسبة لـ FRT> 5-10 بالمائة ، كان الارتباط ضئيلًا ، مما يشير إلى أنه بالنسبة لـ COVID -19 ، من غير المرجح أن يؤدي إبقاء المتنزهات مفتوحة ، والتي توفر مساحة خارجية للأشخاص للتواصل الاجتماعي ، إلى زيادة انتقال العدوى (وقد يكون مفيدًا إذا إن وجود مساحات خارجية متاحة بسهولة يحفز الناس على الخروج من بيئات أكثر قابلية للانتقال).

5.2 تأثير متغير دلتا على انتقال COVID -19

يتمثل أحد التحديات في نهجنا في أن الجزء من السكان الذين لديهم مقاومة لا يحدث كعينة عشوائية في الوقت المناسب: تزداد المقاومة مع تقدم الوباء. يقدم هذا إمكانية أن الارتباطات التي نقيسها لا ترجع إلى المقاومة ولكن بسبب المتغيرات المختلفة التي تتطور مع تقدم الوباء. خلال الفترة التي نعتبرها في هذه الدراسة ، كانت المتغيرات السائدة هي السلالة (السلالات) الأولية ومتغير دلتا ، والتي أثبتت أنها أكثر قابلية للانتقال وأكثر فتكًا من السلالات الأصلية. لحساب ظهور دلتا ، أجرينا نفس التحليل لكننا أزلنا جميع النقاط التي تمثل فيها دلتا أكثر من 10 في المائة من الحالات المكتشفة. في الشكلين 7 و 8 ، يتوافق الخط الصلب مع هذا التحليل ، أي السلالات الأصلية بدون دلتا (<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. الاستنتاجات

في هذه الدراسة ، قمنا بتحليل تأثير تدابير التخفيف المقيدة للتنقل على السكان المقاومين حيث أخذنا في الاعتبار عاملين: أولاً ، تأثير المقاومة لنقاط الاهتمام المختلفة (POIs) ، بما في ذلك محطات العبور ومحلات البقالة والصيدليات وتجارة التجزئة و أماكن الترفيه وأماكن العمل والمتنزهات ؛ ثانياً ، تأثير المقاومة قبل وبعد ظهور متغير دلتا. لقد درسنا مجموعة من 14 بلدًا بها عدد حالات COVID موثوق نسبيًا -19 - حيث قمنا بتجميع البيانات من خلال جزء من السكان الذين لديهم مقاومة ووجود متغير دلتا - باستخدام ارتباط بيرسون بين التنقل والحالات. لقد وجدنا أن قيود التنقل المفروضة على أماكن البيع بالتجزئة والاستجمام ومحطات العبور وأماكن العمل من المرجح أن تكون مفيدة في السيطرة على انتشار الفيروس ، لا سيما إذا كانت نسبة السكان الذين يعانون من المقاومة أقل من 25-30 في المائة. في بعض الحالات ، قد تستفيد محلات البقالة والصيدليات من قيود التنقل إذا كانت نسبة السكان المقاومة للمقاومة أقل من 10 بالمائة. بينما في المتنزهات ، هناك فائدة قليلة لإجراءات تقييد الحركة.

يتمثل أحد قيود هذه الدراسة في أوجه عدم اليقين في جمع البيانات أثناء COVID -19. ومع ذلك ، فقد بذلنا جهدًا لمعالجة هذه المشكلة باستخدام حساب اختيار البلد الموضح في القسم 2.4 ، حيث اخترنا أكثر 14 دولة موثوقية للدراسة. من ناحية أخرى ، تكمن نقاط القوة في هذا العمل في منظوره العالمي وبصيرةه الواسعة. علاوة على ذلك ، نظرًا لتداعيات السياسة ، يمكن استخدام هذه الأفكار لاحقًا لأي أمراض معدية مشابهة لـ COVID -19 ، كما تمت مناقشته في القسم 5.1. يمكن أن تساعد معرفة نقاط الاهتمام التي يجب تقييدها بشكل أكبر أثناء النظر في عتبة المقاومة في منع انتشار المرض وإنقاذ الأرواح من المراحل المبكرة.

في العمل المستقبلي ، نهدف إلى دراسة تأثير مقاومة السكان على كل من معدل الوفيات وعدد مرضى وحدة العناية المركزة. بالإضافة إلى ذلك ، قد يكون من المثير للاهتمام مقارنة تأثير أنواع مختلفة من المقاومة (المقاومة الطبيعية مقابل اللقاح مقابل مزيج من الاثنين). بالإضافة إلى ذلك ، مع توفر المزيد من البيانات ، تصبح التحليلات على نطاق صغير ممكنة عندما يشمل المرء مناطق وأماكن مختلفة داخل المدن.

الكاتب الاشتراكات:

المنهجية و DA و AH ؛ الترميز والتحليل ، DA ؛ الموارد ، DA ؛ معالجة البيانات ، DA ؛ الكتابة - إعداد المسودة الأصلية ، DA و AH ؛ الكتابة - المراجعة والتحرير ، DA و AH و MN ؛ التصور ، DA و AH ؛ الإشراف ، AH و MN لقد قرأ جميع المؤلفين النسخة المنشورة من المخطوطة ووافقوا عليها.

التمويل:

تم تمويل هذا البحث من قبل مدينة الملك عبد العزيز للعلوم والتقنية.

بيان مجلس المراجعة المؤسسية:

غير قابل للتطبيق.

بيان الموافقة المستنيرة:

غير قابل للتطبيق.

بيان توفر البيانات:

Our World in Data [31] - توفر Google مجموعة بيانات تنقل متاحة للجمهور تتعلق بالوباء [32] - شارك عالمنا في البيانات -19 مجموعة بيانات متغيرات COVID [33].

تضارب المصالح:

الكتاب تعلن أي تضارب في المصالح.

مراجع

1. لي ، س. غوان ، العاشر ؛ وو ، ص. وانغ ، X. ؛ تشو ، إل. تونغ ، واي. رن ، ر. ليونغ ، KSM ؛ لاو ، إهوي ؛ وونغ ، جي. وآخرون. ديناميات الانتقال المبكر في ووهان ، الصين ، لفيروس كورونا الجديد - الالتهاب الرئوي المصاب. إنجل. جيه ميد. 2020 ، 382 ، 1199-1207. متاح على الإنترنت: https://www.researchgate.net/publication/338904336_مبكرًا_الإرسال_Dynamics_in_Wuhan_ الصين _ ذات الرئة _ الجديدة _ Coronavirus-Infected _ الالتهاب الرئوي (تم الوصول إليها في 15 آب (أغسطس) 2021).

2 - Zhu، N. تشانغ ، د. وانغ ، دبليو. لي ، العاشر ؛ يانغ ، ب. سونغ ، ياء ؛ تشاو ، العاشر ؛ هوانغ ، ب. شي ، دبليو. لو ، ر. وآخرون. فيروس كورونا جديد من مرضى الالتهاب الرئوي في الصين ، 2019. N. Engl. جيه ميد. 2020 ، 382 ، 727-733. [CrossRef] [PubMed]

3. Wesolowski، A .؛ Buckee ، CO ؛ إنغو مونسن ، ك. Metcalf، CJE ربط التنقل بالأمراض المعدية: وعد وحدود بيانات الهاتف المحمول. J. تصيب. ديس. 2016 ، 214 ، S414 – S420. [CrossRef] [PubMed]

4. تشانغ ، س. الشمس ، ك. Chinazzi ، M. ؛ Pastore y Piontti، A .؛ عميد ، نبراسكا ؛ روجاس ، موانئ دبي ؛ ميرلر ، إس. ميستري ، د. بوليتي ، ب. روسي ، إل. وآخرون. انتشار فيروس زيكا في الأمريكتين. بروك. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية 2017، 114، E4334 – E4343. [CrossRef]

5. Davies، NG؛ كوتشارسكي ، AJ ؛ Eggo ، RM ؛ جيما ، أ. إدموندز ، دبليو جيه ؛ جومبارت ، تي. أورايلي ، ك. إندو ، أ. هيلويل ، ياء ؛ العندليب ، ES ؛ وآخرون. تأثيرات التدخلات غير الصيدلانية على حالات COVID -19 والوفيات والطلب على خدمات المستشفيات في المملكة المتحدة: دراسة نموذجية. لانسيت للصحة العامة 2020، 5، e375-e385. [CrossRef]

6. Flaxman، S. ميشرا ، إس. غاندي ، أ. أونوين ، HJT ؛ ميلان ، تا. كوبلاند ، ح. ويتاكر ، سي. Zhu، H. براه ، ت. إيتون ، جي دبليو ؛ وآخرون. تقدير آثار التدخلات غير الدوائية على COVID -19 في أوروبا. Nature 2020، 584، 257–261. [CrossRef] [PubMed]

7. Lai، S. Ruktanonchai ، NW ؛ تشو ، إل. الازدهار ، يا. لو ، دبليو. فلويد ، جيه آر ؛ ويسولوفسكي ، أ. سانتيلانا ، م. تشانغ ، سي. دو ، X. ؛ وآخرون. تأثير التدخلات غير الدوائية لاحتواء COVID -19 في الصين. Nature 2020، 585، 410–413. [CrossRef]

8. كوون ، ح. هوم ، ك. ريفكين ، م. تيان ، ب. كويلو ، ج. استكشاف التغايرية الزمانية المكانية في العلاقة بين التنقل البشري وانتشار COVID -19 باستخدام التواء الوقت الديناميكي. arXiv 2021، arXiv: 2109.13765.

9- شيونغ سي. هو ، س. يانغ ، م. لو ، دبليو. Zhang، L. تكشف بيانات جهاز الجوال عن ديناميكيات العلاقة الإيجابية بين التنقل البشري والإصابة بفيروس COVID -19. بروك. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية 2020 ، 117 ، 27087-27089. [CrossRef]

10- كاسا نوفا ، أ. فيريرا ، ص. ألميدا ، د. ديونيسيو ، أ. Quintino، D. هل التنقل و COVID -19 مرتبطان؟ تحليل ديناميكي للمقاطعات البرتغالية. إنتروبيا 2021، 23، 786. [CrossRef]

11. Steiger، E .؛ موسغنوج ، تي. كرول ، تحليل الرسم البياني السببي لبيانات رصد COVID -19 في المقاطعات الألمانية يكشف عن تأثيرات العوامل المحددة على أرقام الحالات المبلغ عنها. بلوس وان 2021 ، 16 ، e0237277. [CrossRef]

12. كارتينو ، أ. دي فرانشيسكو ، إل. مارتينو ، إم. كيف أثرت عادات التنقل في انتشار جائحة COVID -19: نتائج دراسة الحالة الإيطالية. علوم. مجموع البيئة. 2020، 741، 140489. [CrossRef]

13. Noland، RB Mobility ومعدل التكاثر الفعال لـ COVID -19. J. Transp. Health 2021، 20، 101016. [CrossRef] [PubMed]

14. Wielechowski، M .؛ التشيكية ، ك. Grz ˛eda، Ł. انخفاض في التنقل: النقل العام في بولندا في زمن جائحة COVID -19. اقتصاديات 2020 ، 8 ، 78. [CrossRef]

15. أوه ، ياء ؛ لي ، هاي خونج ، QL ؛ ماركون ، JF ؛ بولن ، سي ؛ باريوس ، أويا ؛ هوانج ، س. سوه ، YS ؛ ماكول ، ياء ؛ كاشور ، سب ؛ وآخرون. ارتبطت قيود التنقل مع انخفاضات -19 حدوث COVID في وقت مبكر من الجائحة: دليل من تقييم في الوقت الفعلي في 34 دولة. علوم. 2021، 11، 13717. [CrossRef] [PubMed]

16. أغاروال ، أ. العمر ، أ. ساركر ، أ. شاه ، د. شين ، د. يانغ ، سي. سؤالان مهمان حول COVID -19: هل ساعد إغلاق الاقتصاد؟ هل يمكننا (جزئيًا) إعادة فتح الاقتصاد دون المخاطرة بالموجة الثانية؟ arXiv 2020 ، arXiv: 2005.00072.

17. نوفيليت ، ب. ؛ بهاتيا ، إس. كوري ، أ. أينسلي ، كيه إي ؛ باجولين ، م. بهات ، إس. Boonyasiri، A .؛ برازو ، نف. كاتارينو ، إل. كوبر ، LV ؛ وآخرون. انخفاض في التنقل ونقل COVID -19. نات. كومون. 2021 ، 12 ، 1090. [CrossRef]

18. كابانا ،. ؛ إتشيفري ، إل. فاريلو ، ميشيغان ؛ برمولين ، ص. فيوري ، م. تقييم تأثير تقليل التنقل في الموجة الثانية من COVID -19. في وقائع مؤتمر الحوسبة السابع والأربعون لأمريكا اللاتينية (CLEI) لعام 2021 ، فيينا ، النمسا ، 21-23 أبريل 2021 ؛ ص 1 - 10.

19. دا سيلفا ، TT ؛ فرانسيسكيني ، ر. بيانات Nascimento و MC للأرصاد الجوية والتنقل البشري حول التنبؤ بحالات COVID -19 من خلال طريقة تحلل هجين جديدة مع تحليل كشف الشذوذ: دراسة حالة في عواصم البرازيل. خبير النظم. تطبيق 2021 ، 182 ، 115190. [CrossRef]

20. Bhowmik، T .؛ Tirtha ، SD ؛ إيراجانابوينا ، نورث كارولاينا ؛ Eluru، N. تحليل شامل لمعدلات انتقال COVID والوفيات على مستوى المقاطعة في الولايات المتحدة -19 مع مراعاة الخصائص الاجتماعية والديموغرافية والمؤشرات الصحية واتجاهات التنقل وسمات البنية التحتية للرعاية الصحية. بلوس وان 2021 ، 16 ، e0249133. [CrossRef]

21. بدر ، حسن. دو ، ح. مارشال ، م. دونغ ، إي. سكوير ، مم ؛ Gardner، LM Association بين أنماط التنقل وانتقال COVID -19 في الولايات المتحدة: دراسة نمذجة رياضية. لانسيت تصيب. ديس. 2020 ، 20 ، 1247-1254. [CrossRef]

22. تشانغ ، س. بيرسون ، إي. كوه ، بي دبليو ؛ جيراردين ، ياء ؛ ريدبيرد ، ب. جروسكي ، د. ليسكوفيك ، ج. نماذج شبكات التنقل الخاصة بـ COVID -19 تشرح أوجه عدم المساواة وتبلغ عن إعادة الفتح. طبيعة 2021 ، 589 ، 82-87. [CrossRef]

23. García-Cremades، S.؛ موراليس غارسيا ، ياء ؛ هيرنانديز سانجايم ، ر. Martínez-España، R .؛ بوينو كريسبو ، أ. هيرنانديز أورالو ، إي. López-Espín، JJ؛ سيسيليا ، JM تحسين التنبؤ بتطور COVID -19 من خلال دمج البيانات الوبائية وبيانات التنقل. علوم. 2021، 11، 15173. [CrossRef] [PubMed]

24. وي ، واي. وانغ ، ياء ؛ سونغ ، دبليو. شيوى ، سي ؛ أماه ، ل. Pei، T. انتشار COVID -19 في الصين: تحليل من وباء قائم على المدينة ونموذج للتنقل. مدن 2021 ، 110 ، 103010. [CrossRef] [PubMed]

25. Kuzdeuov، A .؛ بايموكاشيف ، د. كاراباي ، أ. إبراغيموف ، ب. ميرزاكميتوف ، أ. نوربيسوف ، م. لويس ، م. Varol، HA محاكي وبائي عشوائي قائم على الشبكة: التحكم في انتشار فيروس كورونا -19 من خلال سياسات خاصة بالمنطقة. IEEE J. Biomed. إعلام صحي. 2020 ، 24 ، 2743-2754. [CrossRef] [PubMed]

For more information:1950477648nn@gmail.com