基于人口统计、流动性和环境变量的美国COVID-19第一波分析
摘要：COVID-19在我们的社会中产生了强大而具有破坏性的影响，但仍需要进一步分析解释疫情蔓延的最相关因素。跨学科研究将流行病学、流动性、环境和社会人口数据分析联系起来，有助于理解历史条件、同时存在的社会政策和环境因素对疫情危机演变的影响。本研究通过回归分析，在2020年上半年（即COVID-19疫情的第一波）将COVID-19死亡率与美国的社会人口、流动性和环境数据相关联。该研究可以提供有关在非药物干预或疫苗接种活动开始之前提高死亡率的风险因素的非常有用的见解。我们的横断面生态回归分析表明，在考虑整个美国地区时，社会人口变量在描述COVID-19死亡率方面比环境和流动性变量起着最重要的作用。与考虑所有社会人口、流动性和环境数据的完整广义线性模型相比，仅基于社会人口数据的回归模型提供了更好的近似，并且证明在与基于流动性和环境的模型相比时是一个更好的解释模型。然而，在每个三个组别的单个条目中观察，我们发现流动性数据可以在局部尺度上成为重要的描述性预测因子，例如在新泽西州，工作时间是最重要的解释性变量之一，而环境数据的作用则存在矛盾。
作者：Dario Spiller, Gabriele Santin, Alessandro Sebastianelli, Lorenzo Lucchini, Riccardo Gallotti, Brennan Lake, Silvia Liberata Ullo, Bertrand Le Saux, Bruno Lepri
论文ID：2302.14649
分类：Physics and Society
分类简称：physics.soc-ph
提交时间：2023-03-01