Public transit mobility as a leading indicator of COVID-19 transmission in 40 cities during the first wave of the pandemic
Notice bibliographique
Résumé
Background The rapid global emergence of the COVID-19 pandemic in early 2020 created urgent demand for leading indicators to track the spread of the virus and assess the consequences of public health measures designed to limit transmission. Public transit mobility, which has been shown to be responsive to previous societal disruptions such as disease outbreaks and terrorist attacks, emerged as an early candidate. Methods We conducted a longitudinal ecological study of the association between public transit mobility reductions and COVID-19 transmission using publicly available data from a public transit app in 40 global cities from March 16 to April 12, 2020. Multilevel linear regression models were used to estimate the association between COVID-19 transmission and the value of the mobility index 2 weeks prior using two different outcome measures: weekly case ratio and effective reproduction number. Results Over the course of March 2020, median public transit mobility, measured by the volume of trips planned in the app, dropped from 100% (first quartile (Q 1 )–third quartile (Q 3 ) = 94–108%) of typical usage to 10% (Q 1 –Q 3 = 6–15%). Mobility was strongly associated with COVID-19 transmission 2 weeks later: a 10% decline in mobility was associated with a 12.3% decrease in the weekly case ratio (exp( β ) = 0.877; 95% confidence interval (CI): [0.859–0.896]) and a decrease in the effective reproduction number ( β = −0.058; 95% CI: [−0.068 to −0.048]). The mobility-only models explained nearly 60% of variance in the data for both outcomes. The adjustment for epidemic timing attenuated the associations between mobility and subsequent COVID-19 transmission but only slightly increased the variance explained by the models. Discussion Our analysis demonstrated the value of public transit mobility as a leading indicator of COVID-19 transmission during the first wave of the pandemic in 40 global cities, at a time when few such indicators were available. Factors such as persistently depressed demand for public transit since the onset of the pandemic limit the ongoing utility of a mobility index based on public transit usage. This study illustrates an innovative use of “big data” from industry to inform the response to a global pandemic, providing support for future collaborations aimed at important public health challenges.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».