COVID-19扩散的社会空间决定因素:全球化、定居特征和人口的影响

背景

COVID-19是一种在地理上传播并成为全球大流行的新兴传染病。虽然许多研究侧重于COVID-19传播的流行病学和病毒学方面，但在地方间地理扩散的驱动因素方面，特别是在全球范围内，仍然存在重要的知识差距。在这里，我们使用分位数回归来模拟全球化、人类住区和人口特征作为2020年3月和4月六周内报告的COVID-19扩散的社会空间决定因素的作用。我们的探索性分析基于约翰霍普金斯大学公布的COVID-19报告数据，尽管该大学存在局限性，但它是各国报告的COVID-19病例的最佳资料库。

结果

分位数回归模型表明，与高人口流动性和相互作用相关的全球化、定居和人口特征预测了报告的疾病扩散。人类发展水平(HDI)和总人口可预测COVID-19在总报告病例数(每百万例)高的国家的扩散，而家庭规模较大、人口老龄化以及与人类互动相关的全球化可预测COVID-19在总报告病例数(每百万例)低的国家的扩散。人口密度和人口特征(如总人口、老年人口和家庭规模)在最初几周是强有力的预测指标，但随着时间的推移，对报告的COVID-19扩散影响不大。相比之下，人际和贸易全球化的影响随着时间的推移而增强，这表明人口流动可能是疾病持续扩散的最佳解释。

结论

模型结果证实，全球化、定居和人口特征以及与高人口流动性相关的变量导致报告的疾病扩散更大。这些结果有助于为抑制战略提供信息，特别是因为它们与预期的从较发达国家和地区向较不发达国家和地区的重新安置扩散，以及从人口和密度较高的国家的等级扩散有关。其中许多进程很可能在国家内部和区域内以较小的地理规模复制。因此，必须根据人口流动模式以及国家的定居和人口特征来制定流行病学战略。我们建议，最大限度地限制人员流动将最好地抑制COVID-19的扩散，在没有广泛接种疫苗的情况下，这可能是流行病学的最佳防线之一。

与以往疫情(如1918年西班牙流感大流行和2003年SARS大流行)相比，冠状病毒病(COVID-19)在全球范围内的传播更为迅速。[1]，这表明国际联系日益紧密[2，3.]和城市化[4，5在传播过程中发挥了关键作用之间的而且在领土。在大流行的早期阶段，报告病例数高的国家(如意大利、西班牙、英国和美国)和人均报告病例数高的国家(如卡塔尔、卢森堡、巴拿马和巴林)是高度全球化的国家，城市化和人口流动性水平高，而病例数少的国家大多全球化程度较低，游客人数较少，城市化率较低，总体上国内流动性较低[6］．这一观察结果在国家范围内也适用，因为在国家人口最密集、往往是最全球化和富裕的地区，COVID-19大流行的早期阶段报告了重大疫情。例如，伦巴第(意大利)[7，8]，纽约(美国)[9]，马德里(西班牙)[10]及德黑兰(伊朗)[11到2020年前几个月，所有这些地区的病例数量都远远超过各自国家其他地区的病例数量。

这项探索性研究旨在检验全球化、定居和人口特征所发挥的作用，以解释大流行早期全球范围内报告的COVID-19病例的空间扩散。普遍认为于2019年12月底从中国的单一源头在地理上扩散[12，13]，最初跨国界的空间扩散相对缓慢。病毒用了45天传播到30个国家、地区或领土[14］．此后，地理扩散加速，在接下来的45天内，COVID-19将到达全球几乎所有领土[14］．截至2020年4月8日，即本研究的最后一周，约翰·霍普金斯大学系统科学与工程中心(JHU)的COVID-19数据存储库中记录了20,277,716例报告病例[15］．据称，截至2020年5月底，只有12个国家和地区没有发生COVID-19疫情，其中包括10个孤立的太平洋小岛国，以及两个相对不受外部影响的国家:土库曼斯坦和朝鲜[16］．

尽管对COVID-19传播进行了广泛的流行病学研究和数学建模[7，17，18，19，20.，21，22]，但在旨在了解社会和地理因素如何融合在一起来解释COVID-19在全球范围内的扩散方面，一直存在一个空白。在这篇探索性论文中，我们通过实证证明全球化以及各国的人类住区和人口特征如何解释已报告的COVID-19病例的时空扩散模式，以及这种关系在大流行早期(10-15周)如何发生变化，当时旅行限制仍处于相对初期，但病毒传播开始迅速全球化。

传染病通过固有的地理过程在空间和时间上扩散[23］．空间扩散的地理概念被定义为一种现象在空间中的扩散[24]，其中通过人际传播的疾病传播只是其中的一种变体[23，25］．在这里，我们调查了全球化、定居和人口特征作为报告的COVID-19在国家之间传播的社会空间决定因素的作用，这是个人之间传播的结果。尽管每个新病例从定义上讲都是人际传播的产物——包括直接通过接触和间接通过传播体——但作为人类活动和流动性的结果，长距离传播也可能发生。与扩散相比，对病毒传播的理解更坚定地停留在病毒学的学术领域，而扩散是一种基本的地理现象，可以应用于许多其他形式的传播(例如，创新扩散[24])。不同的潜在过程表征了不同类型的空间扩散[26，27］．膨胀扩散确定“向外”传播的现象的一般趋势，传染病是最相关的传染(扩张)扩散，这表明由于邻居的地理位置接近，他们之间可以直接传播。

随着传染病在全球人群中传播，不同类型的扩散开始发挥作用，通常是结合在一起[25，27］．疾病传播发生在距离其起源很远的地方被捕获迁移扩散，通常是通过航空旅行或其他外地交通方式调动。在全球范围内，国家之间的流动性和连通性共同导致了全球范围内的疾病爆发，这是以前对人类鼻病毒、流感和SARS的研究提出的观察结果[28，29］．事实上，各种形式的全球化正在削弱物理距离(欧几里得距离)在扩散中的作用。虽然病媒需要人类接触，但全球运输和旅行的速度和无处不在导致了时空压缩[2，30.]，减少了连接任意两个全局点所需的时间距离。

在最近的研究中[31，32]，全球化已被证明与报告的COVID-19病例数量呈正相关，因为全球化程度更高的国家更容易受到疫情的影响[32，33]，以及各国的“全球城市”[4］．在全球范围内，Sirkeci和Yüceşahin [34]表明2020年3月COVID-19的传播遵循迁移扩散模式，而Kuebart和Stabler [35基于现有人际网络，观察新冠病毒在德国的迁移扩散。正如公共卫生研究一再承认的那样，在国际上，全球化支持迁移扩散[22，36］．COVID-19通过国际空气迅速传播[37，38]和sea [39]连接旅游和贸易发达国家的旅游[40］．另一项研究[31]发现几乎所有KOF(瑞士经济研究所)全球化分项指数[41]显示出与COVID-19报告病例数存在强有力的正相关关系，而社会全球化(在其他衡量指标中替代了移民和公民权利)是规模和统计显著性方面最重要的预测因素。

另一种空间扩散模式是通过等级扩散，其特征是从大型定居点向小型定居点扩散，或从较具国际重要性的城市(例如“全球城市区域”)向较不重要的城市扩散。就传染病而言，先前的研究表明，大都市地区由于人口数量多、距离近、流动频繁，因此传播更广。5，29，42，43，44］．福塔莱萨等人[45]观察到COVID-19从巴西最大的城市向较小的定居点逐级扩散。类似地，Sirkeci和Yüceşahin [34]观察新冠病毒感染在美国、英国、韩国和意大利等国家的等级扩散。

某些聚落特征与等级扩散有关，包括城市化水平、密度和可达性。更大和更密集的城市已被证明更容易受到传染病传播的影响[46]通过为更多的人类互动创造必要的前提条件，其中高密度的作用是增加这种互动的强度[47］．安徒生等人[48研究发现，城市化是美国境内COVID-19传播的一个重要预测因素，而carrozzi [49发现城市密度是一个预测因素。

此外，影响传染病传播的人口特征(人口规模、发展水平、家庭规模和年龄结构)也有显著差异[38，50］．我们利用各个国家的四个人口特征来检验这一点:人类发展指数(HDI);65岁以上人口;平均家庭人数;以及国家人口规模。纳入这些变量是为了控制和基于最近发表的研究结果，这些研究结果可以解释COVID-19在早期阶段的爆发率[9，34，51］．

数据

我们采用分位数回归[52，53]以研究全球化、定居特征和人口特征如何影响从2020年第10周(截至3月4日)到第15周(截至4月8日)的六周内每百万居民报告的COVID-19病例累计总数。数字1显示了研究期间的病例分布。

研究期间的选择基于其与用于解释报告的COVID-19扩散的变量的关系。在2020年3月的第一周之前，没有足够的数据点在全球范围内研究这种疾病。2020年3月11日世界卫生组织(世卫组织)宣布COVID-19为全球大流行时，数据收集随着报告病例数量的增加而加快[54]，在疫情爆发2个多月后。在研究期间的六周内，报告的病例数目增加了1433%，受影响的国家和地区数目增加了一倍以上(包括约翰霍普金斯大学储存库内经点算的国家和地区)[15摘录于2020年5月13日。

JHU数据集仍然是最具全球代表性的可用数据。研究以往流行病的学者无法获得这种全球近实时数据，经验研究主要涉及全国范围内的疾病扩散。然而，该数据库的开发人员认识到，从该数据库和类似的全球存储库中提取数据并非没有注意事项[55］．其中，以前的研究和评论已经确定了定义和报告频率的模糊性;不同来源和国家之间的报告差异;数据不一致性和完整性[56];以及故意误报[57］．例如，有人建议在2020年3月底，COVID-19的平均检出率为6%，2周后增加到9% [56］．尽管GitHub存储库中的寄存器包含与JHU数据如何收集和报告相关的一千多个项[58]， Stokes等人。[59加德纳等人指出，JHU的数据与美国疾病控制与预防中心的数据一致，并且“仍然是全球COVID-19流行病学数据的权威来源”。[60］．我们与使用JHU数据库的已发表研究保持一致[61，62，63，64，65]，但也有一个附带条件，即鉴于仍有数量未知的病例未被发现，这些报告的COVID-19病例是真实感染率的最佳代表。在讨论部分，我们将回到对我们的发现的一些潜在影响。

在为期六周的研究期间，报告的COVID-19病例数量在全球范围内扩散，包括越来越多的国家和病例。数据2而且3.显示地理(图;2)和时间扩散(图;3.) 2020年2月27日至4月8日报告的COVID-19病例。

分位数回归模型中的因变量是按国家(或地区)和按周划分的每百万居民累计报告COVID-19病例总数(对数转换)。因变量的分母为各国2019年年中人口，取自联合国世界人口展望[66］．84个国家在研究期间拥有一致的可用数据，因此被纳入模型。

分位数回归的选择使我们能够超越响应和预测变量之间的平均关系，以揭示分布中特定点的统计关系[52，53，67，68］．通过这种方式，我们详细讨论了全球化、定居特征和人口特征对报告的COVID-19病例全球扩散的影响在分布上的差异。相比之下，平均模式方法将解释这些影响一般是如何发生的，因此可能无法捕捉大流行范围末端的影响。

虽然平均回归模型对异常值高度敏感，但不同的分位数估计也会受到不同位置异常值的影响[69，70］．例如，在研究的最后3周的第50个分位数中，中国、伊朗和日本作为有影响力的观察结果脱颖而出，它们可能过度影响了每个变量的显著性。

分位数模型共包括11个自变量，用于解释按国家(或地区)按周报告的每百万居民COVID-19病例(对数转换)。为了理解全球化在COVID-19传播中的作用，我们纳入了KOF全球化指数[41，71，72]:事实上的人际全球化、事实上的金融全球化和以代表全球化的事实上的贸易全球化。这些分类指数代表了移民、旅游和商业流动，众所周知，这些流动通过将国家暴露于外部世界而与传染病的爆发呈正相关[31，32，36，43，73，74，75］．全球化变量1实际上是人际全球化，这是社会全球化的一个KOF分指数，包括国际交通、换乘、国际旅游、国际学生和移民等指标[41］．COVID-19空间扩散的早期研究[34]显示，移徙流量一直是该流行病国际传播的有力指标。全球化变量2是事实上的贸易全球化，这是KOF经济全球化的另一个分类指数，反映了商品和服务贸易以及贸易伙伴的多样性[41］．全球化变量3是事实上的金融全球化，是经济全球化的一个KOF分指数。它包括外国直接投资、证券投资、国际债务、国际储备和国际收入支付[41］．

为了了解聚落特征在报告的COVID-19扩散中的作用，我们纳入了四个变量，用于衡量聚落特征的各个国家尺度维度:城市化率;人口密度;最大城市人口密度;区域可达性(衡量全国人口从较小定居点到较大定居点的平均开车时间)[76］．这些理论将人类在国家边界内的互动运作起来，最近的出版物表明，在人口密集、联系良好、交通便利的城市中，传播发生得更快[4，5，34，46，47］．定居变量1为城市化率，定义为城市或大都市地区的人口占全国人口的比例(各国定义不同)。我们之所以选择这一变量，是因为城市地区的互动和运动更集中，因此城市比农村地区更容易发生早期疾病扩散[5]，并记录了大城市对传染病传播的更高敏感性[4，29，77］．定居变量2是人口密度，定义为一个国家领土上每平方公里的人口。人口密度代表了更高的人际交往强度，这使得疾病传播更有可能。文献显示，人口密度对传染病的爆发有很大影响[47］．之前的一项研究[34没有发现人口密度与报告的COVID-19病例总数之间的关系，但有更广泛的文献表明，人口密度与传染病爆发之间存在关联[47］．

住区变量3是城市密度[最大值]，定义为一个国家密度最大的城市每平方公里的人口。这一变量被选为一个国家主要城市地区的密度水平的代表，以弥补一个事实，即许多在全国范围内城市化水平相对较低的国家(如巴基斯坦、孟加拉国)实际上在其城市内拥有世界上最高的城市密度。住区变量4为区域可达性，定义为每平方公里至少有1500名居民的地点的区域加权平均驾驶时间[76］．这个变量是根据之前的研究选择的[46]，作者认为，城市化的延长可能导致传染病传播的脆弱性增加。城市可达性反映了各国郊区化和半城市化的差异。

为了解国家人口特征在报告的COVID-19传播中的作用，我们采用:人类发展指数;人口年龄结构(65岁以上);家庭规模中位数;还有人口规模。研究表明，与发展和移民水平较低的国家相比，COVID-19更有可能在国际移民水平较高的较发达国家传播[31)，至少在早期阶段。富裕、健康和受过教育的人口(HDI)更有可能高度流动。尽管较大的家庭规模和国家人口与COVID-19病例报告的增加有关，但这些关系并不明确[9］．与可能无症状的年轻人群相比，老年人群或死亡率较高的人群更有可能接受检测。51，78］．人口变量1是HDI(人类发展指数)，它反映了各个国家的整体情况，在以前的研究中被用作宏观环境的指标[34在大流行早期写的。研究发现，HDI得分每增加一个单位，报告的COVID-19病例就会增加5例。人类发展指数高的国家的人口更富裕、更健康、受教育程度更高，这意味着他们的整体流动潜力也更高。人口变量2为65岁及以上人口(%)，为65岁及以上人口占比。我们假设，在大流行的早期阶段，由于老年人的死亡率负担较高，老龄人口国家的病例检出率较高[51］．COVID-19在年轻人群中的传播时间可能更长而未被发现[78］．人口变量3是家庭规模(平均值)是每个住宅的平均人数。大家庭中的个人与更多的人互动，包括一旦实施居家措施。例如，对纽约COVID-19检测的人口和社会经济决定因素的分析表明，感染率与家庭规模之间存在很强的相关性[9］．人口变量4为人口(n)，是与潜在感染人群池大小直接相关的人口变量。在之前的研究中，人口规模被认为是一个调节变量[34研究发现，“人口规模每增加一人，就意味着COVID-19病例增加1.6例以上”(第385页)，因此人口越多的国家暴露的可能性就越大。即使在人均基础上实现正常化，大国出现新病例的可能性仍高于小国。表格1列出模型中的变量，以及每个变量的来源、单位和年份。

下表(表2)提供按星期计算的因变量，以及有关全球化、定居特征和人口数据的自变量的摘要统计数字。

全球化、定居特征和人口特征都影响报告的COVID-19扩散，但在分布的不同点上以及在不同时间上的影响不同。数字4可视化每个因素与6周期间每周第25、50、75和90个分位数的每百万报告病例数(对数转换)的标准化关系。

在早期阶段(第10周和第11周)，人口特征是解释报告的COVID-19扩散的最具影响力的变量。研究发现，人类发展指数是影响报告的COVID-19扩散的最具影响力的重要变量，特别是在人均新病例数较高的国家(第75和第90分位数)以及前几周内(支持早期发现[34])，随着时间的推移，重要性逐渐降低。老年人口(65岁以上)仅在前几周的第25和第50分位数显著，但与HDI的强共线性表明它们之间存在因果关系(见附加文件)7)．人类发展指数和65岁以上人口在之后几周趋于零，表明随着时间的推移，影响逐渐下降。人口规模和家庭规模在前几周都呈正相关，在后几周下降。人口规模在第75个分位数显著，而家庭规模在第25、50和75个分位数显著。随着时间的推移，人口特征对报告的COVID-19扩散的影响普遍下降。

定居点特征对报告的COVID-19扩散有混合影响。人口密度最初(第10周)在平均值和第25、50和75分位数上有很强的正影响，但随着时间的推移而减弱。最大城市密度对报告的COVID-19扩散在整个分布中具有负面影响，但在平均值上最强，仅在我们研究的第一周显著。同样，早期报告的COVID-19扩散与密度有关，但随着时间的推移，单个(或多个)人口密集定居点的影响逐渐减弱。相比之下，区域可达性与报告的COVID-19在后几周的扩散呈负相关，但仅在第90分位数，这表明其影响在每百万新病例数较高的国家非常显著。这种负相关关系表明，总病例数最高与进入城市的机会更多有关，随着这一机会的减少，每百万报告病例数也会减少。除城市化外，随着时间的推移，定居点特征对报告的COVID-19扩散的影响普遍下降。

在这三类变量中，全球化的影响最弱，它的影响在受影响的分布部分和全球化的类型两方面都是混合的。然而，与其他几组变量相比，全球化对报告的COVID-19扩散的影响随着时间的推移(即随着时间的推移)有所增强(而不是减弱)。

人际全球化在平均值和第25分位数有微弱的正效应，特别是在前几周。虽然金融全球化不是一个可靠的预测指标，但在研究开始时，它与人际全球化在分布的两端相互作用。从规模上看，贸易全球化最为突出，因为它解释了报告的COVID-19扩散受到抑制的原因，这表明进出口关系密切的国家在关闭边境后更有能力减缓传播。

全球化和定居特征解释扩散的更大意义是通过两个基于拟合优度的相互作用项添加的。全球化相互作用的术语是介于事实上的金融全球化和事实上的人际全球化之间。这一相互作用术语考虑了国际旅行和金融全球化水平的综合影响。这种相互作用是显著和积极的，特别是在较低的分位数和早期几周。也就是说，如果金融全球化和人际全球化都达到了高度，那么每百万报告COVID-19病例数较低的国家就有可能接收新病例，而这两者通常都与人口流动的强度有关。

聚落相互作用项是指该国最大城市的城市密度与较小聚落的可达性(缺乏)之间的关系。这一相互作用术语说明了国内不同规模定居点之间的等级连通性，因此它代表了首要地位，因为许多国家总体上连通性较差，但拥有庞大而密集的首都或主要城市。这种相互作用产生了大部分积极的影响(直到第75个分位数)，并且在分析的最后一周的分布中是显著和积极的。

随着COVID-19疫苗在全球范围内的推广，这种疾病继续对人类健康造成重大损害。在我们的扩散模型中检验的变量中，人口和定居特征影响前几周每百万居民中新报告的COVID-19病例，而全球化变量影响后几周每百万居民中新报告的COVID-19病例。值得注意的是，在早期报告病例数量较多的国家中，人类发展指数是迄今为止最强有力的新病例预测指标。人类发展指数(HDI)与报告的COVID-19在6周期间的扩散呈强(尽管有所减弱)正相关，表明从较发达国家向较不发达国家存在一定程度的等级扩散，以及在具有高流动性的较发达国家之间(例如在欧洲内部)的重新迁移扩散。然而，这也可能反映出富裕国家的检测和/或报告水平相对较高。或者，由于欠发达国家的人口特征通常较年轻，因此无症状病例的数量可能相对较多。因此，我们强调，任何使用全球聚合数据集的研究都应谨慎解释。

特别是在前几周，其他人口和定居特征，如65岁以上人口、家庭规模和人口密度，可以解释扩散，但在随后的几周，它们的影响下降。人类发展指数的持久影响，以及其他人口和住区特征的微弱影响，也许可以用COVID-19对流动性的影响来最好地解释。尽管更发达的国家在实施早期封锁措施方面可能更成功，但它们的国际和国内流动性总体水平也要高得多，这就是为什么定居特征在研究的第一周(第10周)发挥如此重要的作用，而在研究结束后则没有。

虽然随着时间的推移，定居和人口特征的影响通常会下降，但全球化在预测报告的COVID-19扩散方面显示出越来越大的重要性，这既具有负面(贸易全球化)影响，也具有积极(人际全球化)影响。在全球化变量中，人际全球化的影响最强，特别是在与金融全球化变量相互作用时。这表明，持续的人员流动可能是报告的COVID-19扩散的关键决定因素。

相反，贸易全球化具有负面影响，所有三种全球化类型的影响似乎在后几周更强。如果人们预计更多全球化的国家在早期阶段会经历COVID-19的快速传播，而其他国家随着时间的推移也会达到类似的水平，那么全球化在未来几周的影响多少有点违反直觉。这也反映了一个事实，即全球化程度更高的国家的经济与“开放”紧密相关，对关闭边境和实施其他“全球”限制有强烈的抑制作用。为此，贸易全球化与人口流动的关联不如金融全球化和人际全球化那么大，后者既包括旅游，也包括移民。

全球化、定居特征和人口特征在解释报告的COVID-19扩散方面都很重要，但在不同的分布点和不同的时间点上都很重要。在世卫组织于2020年3月宣布全球大流行前后的几周，人口和定居特征对解释COVID-19扩散最有影响，但在随后的几周，全球化变得更加重要。这一探索性分析表明，等级扩散和重新安置扩散都是报告的疾病传播的原因，因为更加全球化和发达国家(以人类发展指数衡量)将COVID-19传播到全球化程度较低和/或发达国家，并且这一过程在城市密度和交通便利程度高的国家早期加速。

该模型显示，城市化和密度通常在早期对疾病扩散产生积极影响，但随着时间的推移，这种影响趋于零。相反，全球化的变体产生不同的影响，贸易全球化对报告的COVID-19扩散产生的负面影响与金融和人际全球化相关的积极影响不同。我们的分位数回归模型方法强调，沉降特征的影响是混合的，但通常对低分位数和高分位数的影响最大，特别是在前几周。

我们的研究结果表明，至少在大流行早期，非本地扩散的影响超过了与邻近相关的扩散的地理影响。尽管通过人际接触在整个研究期间都存在传染性和传染性扩散，但我们的结果表明，迁移扩散先于等级扩散，因为疾病首先在富裕和流动的国家内传播，然后通过全球流动进行长距离传播，然后从单一或多个入境点在国家内扩散，这些入境点通常是最大和/或最全球化的城市。虽然这似乎是不言而喻的，但进一步的研究应该集中在政策对扩散的影响和效果上，这可能在整个研究期间产生了强烈的影响[79，80，81］．

考虑到治理更好、经济财富更多、卫生保健系统更先进的国家能够更好地应对大流行状况，更发达国家比欠发达国家更容易经历疾病扩散的这一发现可能被视为吉祥。然而，这可能反映了报告标准和/或测试率的差异，富裕国家早期的测试率最高。

我们的模型发现了扩散的明确证据:从较发达国家到较不发达国家;在较小程度上，从城市化到非城市化。由于COVID-19是一种依赖人际传播的疾病，我们发现，重新安置扩散(与全球流动性有关)和等级扩散(与人口和定居特征有关)同时对国家产生作用。

迄今为止，遏制疾病扩散的主要以流动性为重点的公共卫生举措是旅行禁令(关闭边境)和限制集会的居家令。两者都显示出在遏制疾病扩散方面的明显有效性[79，81]正如澳大利亚和新西兰几乎战胜了COVID-19所证明的那样[82］．随着疾病扩散的进展，有必要以越来越小的规模实施这些措施，因为限制人员流动已被证明是防止传播的最有效措施。

随着疫苗的出现，人们对“恢复正常”越来越不耐烦，政府命令在许多情况下的有效性受到了质疑[83，84，85，86］．考虑之一是权衡大流行的治疗(如疫苗)和预防(如保持距离、限制流动)方法的影响。为此目的，我们知道，通过人际流动实现的全球化是疾病传播的推动者，因此，如果采取后一种办法，可能值得限制或完全制止国际和区域间旅行。同样，空间分析表明，有针对性的流行病学干预可能是最有效的，这实际上可能结合了战略。正如我们的数据所显示的那样，某些定居和人口特征为报告的COVID-19扩散创造了前提条件，但这些特征(例如去城市化、去密度化)要比降低全球高水平的流动性困难得多。各国政府必须争取社会科学家的努力，以便更好地了解针对空间的干预措施如何能够遏制疾病扩散和由此产生的传播。

普通最小二乘回归(OLS;公式1)在每个时间段(第10周至第15周)重复。我们引入了两个相互作用术语——一个是全球尺度的，另一个是局部尺度的。在全球范围内，相互作用的术语是在事实上的金融全球化和人际全球化之间。金融全球化吸引了外国直接投资、国际储备和国际收入支付，这些因素导致了技能和劳动力的流动。金融全球化的国家通常是商业和相关服务的全球中心，因此产生了全球商务旅行和互动。因此，金融全球化和人际全球化之间的相互作用体现了与商业相关的国际旅行。相比之下，我们预计，一旦国家边境关闭，最大城市密度(最大的国家城市)和区域可达性之间的全国尺度相互作用将在未来几周变得越来越重要，因此COVID-19暴露通常会发生在国界内和国内。因此，这种相互作用代表了较小的城市增长中心与国家经济中心之间的连通性。

在哪里y_n为报告的COVID-19病例的对数转换率，β₀是y截距，β_nx_n解释变量的系数，和ε_n是误差项。

一旦使用经验LASSO方法(遍历全球化和国家解释变量的所有组合)确定了最简约和共线的解释变量集，就使用分位数回归来解释COVID-19在分布上特定点上的全球扩散和传播(见附加文件)7)．该回归揭示了报告的COVID-19病例的对数转换率的影响在分布的分位数中是如何变化的[87］．因此，这种回归并不假定COVID-19在国家之间和国家内部的扩散和传播方式是正常的或一致的。该回归揭示了报告的COVID-19病例的对数转换率的影响在分布的分位数中是如何变化的[87］．因此，这种回归并不假定COVID-19在国家之间和国家内部的扩散和传播方式是正常的或一致的。根据疾病映射的惯例，τ被放置在第25、50、75和90四分位数[88，89，90］．同样，分位数回归每周使用公式2 [87]：

在哪里问^τ点估计是为了y_我鉴于x_我，其中τ为特定的分位数(即第25、50、75和90)，y_我各国报告的COVID-19病例的对数转换率是多少我而且x_我是解释变量。在公式的解释方面，\({\beta}_0^{\left(\uptau \right)} \)截距,\({\beta}_n^{\left(\uptau \right)}{x}_n \)解释变量的系数，和ε^（τ）是每个分位数τ的误差项。

这些回归模型的输出表在附加文件中提供1，2，3.，4，5而且6．最后，用于建模的特定R函数是用于分位数回归的quantreg::rq。

Koenker和Machado(1999)提出拟合优度，R₁(τ)类似于简单线性回归中的R平方，并认为R₁(τ)给出了特定分位数的局部拟合优度度量，而不是整个条件分布的全局拟合优度度量[91］．中位数(第50个分位数)是模型最弱的点，这同样表明均值模型不太适合。该模型在第25和第90个分位数最强，这表明该模型最适合服务于病例数量较少的国家(这些国家大多是低人类发展指数的小国)，而第90个分位数是现有病例最多的国家(通常是高人类发展指数的较大国家)。分位数回归模型在第一周最拟合，显著性和解释力逐渐降低。这表明，政策可能在最初几周最有效，因为已知的社会空间条件可以通过具体的公共干预来针对。

支持本文结论的数据集可从约翰霍普金斯大学系统科学与工程中心(CSSE)的COVID-19数据存储库获得。https://github.com/CSSEGISandData/COVID-19．

不适用。

不适用。

作者及隶属关系

1. 昆士兰大学昆士兰人口研究中心，昆士兰圣卢西亚，澳大利亚昆士兰4072

   Thomas Sigler, Sirat Mahmuda, Anthony Kimpton, Julia Loginova, Pia Wohland, Elin Charles-Edwards和Jonathan Corcoran

贡献

所有作者对研究构想和设计贡献均等。TS, SM, AK, JC对数据收集，协调，数据分析和解释做出了贡献。JL、PW、ECE对起草工作作出了贡献。所有作者都阅读并批准了最终的手稿。

相应的作者

对应到托马斯•．

伦理批准并同意参与

不适用。

发表同意书

不适用。

相互竞争的利益

作者宣称他们之间没有利益冲突。

出版商的注意

伟德体育在线施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。

开放获取本文遵循知识共享署名4.0国际许可协议，允许以任何媒介或格式使用、分享、改编、分发和复制，只要您对原作者和来源给予适当的署名，提供知识共享许可协议的链接，并注明是否有更改。本文中的图像或其他第三方材料包含在文章的创作共用许可协议中，除非在材料的信用额度中另有说明。如果材料未包含在文章的创作共用许可协议中，并且您的预期使用不被法定法规所允许或超出了允许的使用范围，您将需要直接获得版权所有者的许可。如欲查看本牌照的副本，请浏览http://creativecommons.org/licenses/by/4.0/．创作共用公共领域奉献弃权书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本条所提供的资料，除非在资料的信用额度中另有说明。

转载及权限