數據科學模型 社交距離有助控制新冠疫情

香港城市大學（城大）的學者研究紐約市新冠疫情，發現停課對控制疫情的效用並不如實施社交距離顯著。 城大數據科學學院副教授張清鵬博士研發嶄新數學模型，檢視紐約市於2020年1月至12月期間採用各種非藥物干預方法，減少在不同年齡群組和地區感染和死亡個案的成效。 這個以城市為研究對象的模型，將有助全球其他城市根據其獨特的年齡和地區分佈組合作疫情控制的參考。 研究針對的五種非藥物干預方法，包括不作任何干預、停課、全民實施社交距離、64歲及以上長者實施社交距離，以及全面封城等應變措施。 研究結果顯示，紐約市採取的控制疫情措施在2020年底令感染人數減少72％，死亡個案則減少76％。 分析顯示在各種非藥物干預方法中，最有效控制疫情的措施是實施社交距離，包括減少乘搭公共交通時的接觸、禁止公眾聚集、在公共設施中保護長者。實施社交距離令社會上的感染及死亡個案分別減少47％及51％，而長者的感染及死亡個案同樣降低47％。 研究顯示，全市停課未能有效減少死亡個案。從感染個案來看，停課也只比不作任何干預措施少4％。 研究指出採取非藥物干預的方法能夠控制疫情，並盡量減少影響社交接觸。這一點對城市如紐約市及香港尤其重要，因為這些城市的經濟均倚重國際貿易。 張博士說：「對抗新冠病毒大流行，須採用創新而具透明度的數據科學方法，去歸納人口組合分佈、人流及經濟活動的特性。」 有關研究報告已於美國物理聯合會出版的期刊《混沌》發表，題為「非藥物干預措施對紐約市防止及控制新冠病毒疫情的成效」。 此研究的通訊作者包括張博士及中國科學院自動化研究所曾大軍教授，其他合作研究人員包括城大傳染病及公共衞生學系Dirk Pfeiffer教授、城大數據科學學院博士生羊劍楠、中國科學院自動化研究所曹志冬教授、紐約倫斯勒理工學院高建喜博士及鍾露博士。鍾博士為城大數據科學學院博士畢業生。 圖一：張清鵬博士。 圖二：各種非藥物干預方法對所有年齡群組的累積感染個案的效用。