スタンフォードモデル、都市内COVID-19拡散をマッピングし政策決定を支援

全米でCOVID-19感染者が増加する中、市当局者は感染拡大防止とビジネス支援という難しいバランス調整を迫られています。スタンフォード大学のコンピューターモデルが、移動と接触パターンを示し、その作成者たちはこれがコミュニティリーダーの意思決定支援になることを期待しています。

スタンフォードチームによれば、モデルの特異性が当局者にとって貴重なツールとなり得るといいます。シミュレーションが、施設を制限付き定員で開放した際の新規感染と売上損失のトレードオフを明らかにするからです。

主要な結論：定員50%制限で感染50%以上削減、経済損失5-10%

モデル（および上記スタンフォード大学動画）によれば、最大定員を50%に制限すると、経済訪問損失はわずか5-10%に留まりながら、全体感染数を50%以上削減できるとしています。

携帯電話からの匿名大規模データを用い、スタンフォードチームは米国最大10都市圏（アトランタ、ダラス、ニューヨークなど、計9800万人超）の移動パターンを分析。

コンピューターモデルは、感染リスクを駆動する3要因——人々が一日でどこへ行くか、どのくらい滞在するか、場所がどの程度混雑するか——を分析し、この春の10大都市でのCOVID-19拡散を精度よく予測しました。

「少数の注目地点（POI）での感染が、全感染の大部分を占める」ことが判明。

今月Nature誌に掲載された研究では、人口統計データ、疫学推定、匿名携帯電話位置情報を組み合わせ、家庭外でのCOVID-19感染大半が「スーパースプレッダー」サイト——人々が長時間密接する場所——で起きると予測。

「異なる人口統計背景、異なる地域の人々が、より混雑/少混雑な様々な場所タイプを訪れる様子を分析するコンピューターモデルを構築しました。これら全てに基づき、特定場所・時刻での新規感染可能性を予測できます」と、スタンフォードコンピュータ科学者で主任研究者のジュレ・レスコベック氏。

レスコベック氏とチームは、定員上限制限（施設占有制限）が全体感染削減だけでなく、COVID-19影響を受けるコミュニティ間格差も縮小すると結論。モデルは移動パターンが不均衡リスクを駆動すると示唆。

「低所得層は密度高い場所を頻繁に訪れる傾向がある」と共著者デビッド・グルースキー氏（スタンフォード人文科学学部社会学教授、動画出演）。「例：低所得地域の食料品店は密度が高く、より混雑しがちです。」

データ収集方法

匿名位置データをモバイルアプリから集約するSafeGraph社が、人々がどこへ行き、どのくらい滞在し、最重要である各施設の床面積（時間別占有密度算出用）をモデル作成者に提供。

研究対象都市：ニューヨーク、ロサンゼルス、シカゴ、ダラス、ワシントンD.C.、ヒューストン、アトランタ、マイアミ、フィラデルフィア、サンフランシスコ。

第1フェーズ（3月8日〜5月）：移動データでコロナウイルス感染率予測。日次報告感染数をモデルに組み込み、様々な場所・時刻での感染イベント確率を計算する方程式シリーズを開発・改良。

予測は保健当局実報告と密接に一致し、モデル信頼性に自信を得ました。

博士課程エマ・ピアソン氏含むチームは、ツールとデータを公開し、他研究者が再現・発展可能にしました。

エマ・ピアソン氏へのQ&A

Tech Briefs： モデル自体で、既存モデリング手法と比較して貴重な「特異性」を可能にするデータとは？

ピアソン氏： SafeGraphからの匿名集約データを使用。携帯電話データで人間移動パターン追跡。データは毎時間のPOI（レストラン、食料品店等）来訪者数と、来訪者の出身地域を記録。

分析は2020年3-5月（第1波）の米国10大都市圏データに基づく。このきめ細かな移動データで、誰が、どこで、いつ感染するかをモデル化可能。

Tech Briefs： モデルから導かれた最重要結論は？

ピアソン氏： いくつか結論がありますが、最も重要な2つは：

• 再開は「全か無か」である必要なし：最大占有削減など戦略で、訪問減少を比較的小さく抑えながら、感染大幅削減が可能。
• 人種・社会経済格差は移動によって部分的に駆動される：不可避ではなく、短期政策決定で影響可能。したがって再開戦略評価では、全体影響だけでなく不利益グループへの影響も考慮すべき。これはカリフォルニア州とバイデン・ハリス移行チームが不利益層への再開政策影響を具体的に考慮し始めたステップを支持。

Tech Briefs： 当局者がモデルを最も効果的に活用するには？

ピアソン氏： 上記2発見は直接政策関連で、より効果的・公平な再開戦略開発を支援。政策立案者と一般市民がモデルと対話・学習できるオンラインツール構築中。また、春データベースの分析をより更新されたデータへ拡張中（以来多くの変化あり）。

ご意見・ご質問をお寄せください。