流动性行为对COVID-19的感染风险的不同影响对脆弱社区的风险

尽管易受伤害社区的Covid-19感染风险中对差异的认识越来越高，但对各个社区规模的行为干预措施的影响尚未得到充分了解。在社会疏远授权之前和之后，更具本地化的活动可以阐明Covid-19对弱势社区的不同影响，并为公平，有针对性的公共卫生干预措施设计和评估提供了工具。

NYU MARRON研究所城市科学与规划副教授康斯坦丁·E·康托科斯塔（Constantine E. Kontokosta）和联合教职员工民用与城市工程系以及城市科学与进步中心（CUSP）的团队。在美国国家科学基金会（NSF）快速赠款的支持下，设计了一种方法来量化对社会持续政策的行为反应如何随社区的社会经济和人口特征而变化。

在发表在美国国家科学院论文集（（PNAS），“ Covid-19感染风险的暴露密度和邻里差异”，Kontokosta兼合着者Bartosz J. Bonczak和来自Kontokosta Urban Management的Kontokosta实验室的Bartosz J. Bonczak和Boyeong Hong，来自Nyu Stern School School of Business和Business of Business of Business and Business of Business of Business of商业和商业，以及来自纽约大学医学院人口学院的Lorna E. Thorpe检查了Covid-19的暴露密度，以衡量定义区域中本地活动的局部活动，以及在不同土地用途类型中发生的活动比例。

研究人员使用纽约市的详细邻里数据和来自1200万个独特设备的匿名地理位置数据，研究人员评估了局部人口统计学，社会经济和建立环境特征对感染率和死亡的影响风险。

有了这些信息，在2020年3月22日的暂停订单开始，在三个月内获得了该信息，该团队开发了一种高度准确的方法来量化邻里暴露密度，这是对定义区域中人类活动量的量度和比例在非住宅和户外土地利用区域发生的活动，这与可能感染的其他人的风险增加有关。他们使用这种方法来捕捉人们进出社区的流动，以及由于剩下的人的大流行而导致的流动行为变化。

该团队专注于识别在纽约市，是美国大流行的第一个中心，对社会持有政策的回应随社会经济，人口统计和建立环境特征而异。他们：

开发了一种在3个月（2020年2月，3月和4月）中使用智能手机地理位置数据评估邻里活动水平的方法-M网格分辨率。
通过估计居住在家秩序之前和之后的社区活动和社区特征的相关模式的差异，测量和分析了社区社会疏远的差异。
评估了暴露密度对与局部人口统计学，社会经济和建立环境特征相关的COVID-19感染率的影响，以确定与流动性行为相关的健康结果差异。

该团队的发现表现出跨越不同的行为模式社区在全家居住的秩序之后，这些暴露密度的变化对感染风险产生了直接且可衡量的影响：例如，他们发现，全市范围内的曝光密度降低了10％，可以节省1,849之间。在研究期间，有4,068人的生命，主要是低收入和少数民族社区。研究结果还表明，在确定COVID-19感染风险时，社区的密度不如移动性行为显着。