研究

物理距離幹預和冠狀病毒疾病的發病率2019:在149個國家自然實驗

BMJ2020年;370年doi:https://doi.org/10.1136/bmj.m2743(2020年7月15日發表)引用這個:BMJ2020;370:m2743

聯係編輯

對covid-19 Lockdown-type措施看起來有效

閱讀我們的冠狀病毒大流行的最新報道

Nazrul伊斯蘭教,研究員1 2,
Stephen J鋒利高級統計學家2,
Gerardo Chowell流行病學教授數學3,
Sharmin Shabnam,博士生4,
一郎Kawachi社會流行病學教授5,
本·萊西高級臨床研究員1,
約瑟夫·M馬薩羅生物統計學教授、數學和統計數據6,
拉爾夫B Sr達教授數學和統計數據7,
馬丁白人口健康研究的教授2

¹臨床試驗服務單位和流行病學研究單位(CTSU),納菲爾德人口健康、大數據學院,牛津大學,英國牛津OX3 7低頻
²MRC流行病學單元,劍橋大學,英國劍橋
³人口健康科學部門,公共衛生學院喬治亞州立大學,亞特蘭大,喬治亞州,美國
⁴機械工程係,賓夕法尼亞州立大學,大學公園,美國賓夕法尼亞州
⁵哈佛TH陳公共衛生學院,哈佛大學波士頓,MA,美國
⁶生物統計學、波士頓大學公共衛生學院,波士頓,MA,美國
⁷數學和統計,波士頓大學,波士頓,MA,美國

函授:N伊斯蘭教nazrul.islam在{}ndph.ox.ac.uk

接受2020年7月8日

文摘

客觀的評價幹預措施的物理距離之間的關係和2019 (covid-19)冠狀病毒疾病的發病率在全球範圍內。

設計自然實驗使用打斷了時間序列分析,結果合成使用薈萃分析。

設置149個國家或地區,數據每日報告病例的covid-19歐洲疾病預防與控製中心和數據的物理距離牛津covid-19政府的政策響應跟蹤。

參與者個別國家或地區實施的一個5物理距離幹預(關閉學校、工作場所和公共交通,限製大規模集會和公共活動,和限製運動(封鎖))1月1日至2020年5月30日。

主要結果測量發病率比(irr) covid-19之前和之後實現的物理距離幹預,估計使用數據幹預,2020年5月30日或30天,哪個先發生。irr是合成各國使用隨機效應分析。

結果平均而言,實施任何物理距離幹預與整體covid-19發病率降低13% (IRR 0.87, 95%置信區間0.85 - 0.89;n = 149個國家)。關閉公共交通並不與任何額外減少covid-19發病率在其他四個物理距離幹預(彙集IRR和沒有公共交通閉包是0.85,0.82 - 0.88;n = 72, 0.87, 0.84, 0.91;分別為n = 32)。來自11個國家的數據也顯示類似的整體有效性(彙集IRR 0.85, 0.81到0.89)當關閉學校,工作場所的閉包,和限製大規模集會。早些時候的一係列幹預措施,實施封鎖與更大的減少covid-19發病率(彙集IRR 0.86, 0.84, 0.89;n = 105)而推遲實施封鎖其他物理距離幹預後(彙集IRR 0.90, 0.87, 0.94;n = 41)。

結論物理距離幹預與減少covid-19全球的發病率有關。沒有發現證據的一個額外的公共交通的影響時關閉其他四個物理距離措施到位。早些時候實施封鎖與更大的減少covid-19的發病率。這些發現可能支持政策隨著國家準備實施或提升物理距離措施在當前或未來的流行浪潮。

介紹

截至2020年6月8日,2019 (covid-19)冠狀病毒疾病大流行已經負責全世界超過七百萬例確診病例,其中包括400多000人死亡。在許多國家,醫療設施已經被激增的情況下,尤其需要重症監護的病人。在缺乏證據有效的治療方案或一個成功的疫苗,最務實的建議已經建議物理距離(將由一些稱為社會距離)來減少人際傳播1為了使流行曲線變得平緩。2 3 4物理距離的主要目的是防止更多covid-19快速傳播,讓更多的時間對公共衛生和醫療服務變得更好準備疾病的預防和管理。4 5雖然大多數國家已經實施了一些政策幹預旨在物理距離(例如,關閉學校、工作場所和公共交通,公共事件)和取消,數據的有效性,和堅持,這些政策幹預是稀缺的。到目前為止,幾乎沒有證據表明存在於比較特定的組合或序列的幹預措施的有效性。

大部分的物理距離幹預措施的有效性證據的假設來自建模研究。2 3 4最近Cochrane係統綜述6報道稱,所有的證據,物理距離幹預covid-19相關發病率和死亡率來自建模研究,隻有四個觀察性研究集中在嚴重急性呼吸係統綜合症和中東呼吸係統綜合症。英國衛生部還強調了有限的可用性的可靠的數據在流感這些措施的有效性。7來自中國武漢,最近的兩項研究8和香港9報告確診病例的數量的減少和covid-19與物理距離政策幹預的傳播。全球這些幹預措施的有效性的數據是,然而,有限的。

鑒於covid-19流行病對健康和經濟的影響在世界範圍內,證據是迫切需要通知的政策回應。在這個自然實驗研究在149個國家我們使用中斷時間序列分析比較covid-19發病率的變化實現的政策幹預前後的物理距離。

方法

數據源

我們獲得的數據對政策幹預的物理距離從牛津covid-19政府響應跟蹤,跟蹤研究國家政府政策措施以應對全球covid-19大流行(2020年5月30日)。10這個數據庫的細節,第一次主動的上下文中covid-19大流行,已經在工作報告中描述。10簡而言之,公共政策和治理的專門小組專家牛津大學收集官方數據基於公共政策措施通過世界各國政府應對covid-19全球大流行,包括物理距離和經濟政策和其他醫療保健相關的措施。我們主要幹預措施的利益是那些旨在物理距離。其中包括關閉學校和工作場所,限製大規模集會(兩個變量的組合:取消公共事件和限製收集),公共交通關閉,鎖定(兩個變量的組合:呆在家裏規定和限製運動在一個國家)。我們合並相似的變量相關限製大規模集會和封鎖因為有效測量相同的概念,因為在大多數這些限製的國家一起實施,或在很短的時間間隔,很難單獨的個體效應。檢查我們的主要的魯棒性分析,我們分別與七個變量進行了敏感性分析。

歐洲疾病預防和控製中心,我們收集的數據的報告病例數covid-19(2020年5月30日),以及2019人口的估計。11其他人口和人口數據,65歲以上人口的比例(2018年估計)來自世界銀行的數據門戶。12人均國內生產總值(GDP)(2018年估計)來自國際貨幣基金組織(imf)。132019年全球衛生安全指數(HSI),衡量一個國家的緊急大流行防範由約翰霍普金斯大學,來自官方的報告。14covid-19測試(每百萬)收集數據從各種各樣的來源(見附件,pp6-7)。

統計分析

我們使用了一個打斷了每個國家的數據的時間序列分析模型的人口發病率covid-19的影響隨著時間的推移,估計每個幹預covid-19發病率的變化。這種方法允許每個國家作為自己的控製幹預前(控製)。項covid-19例使用泊鬆回歸模型,用日誌總人口的大小作為補償。模型被用來估計發病率比covid-19每個幹預前和後的發展在每個國家。

在這個分析我們使用了一個中斷時間序列回歸模型,使用方程:

日誌(Y_t)=β₀+β₁T +β₂X_t+β₃Z +β₄(日誌(總數)

在哪裏Y_t代表covid-19病例數在時間t,T代表的天數後續以來(即天以來首次報道),X_t是一個啞變量,相當於0前小組段和幹預階段1,然後呢Z代表天幹預幹預前(相當於0期)。在這裏,β₀代表了基線水平的結果(covid-19病例)t= 0,β₁結果幹預前的每一天,代表了變化β₂代表的水平的變化結果立即幹預,和β₃感興趣的,我們的主要參數,代表了不同幹預(斜率B在附錄,pp2-3)斜率較幹預前(斜率在附錄,pp2-3)。

由於這些政策幹預是不會有立竿見影的效果,15我們提出一個七天的滯後時間為每個幹預(先天決定)生效,為了配合嚴重急性呼吸道冠狀病毒2的近似潛伏期(SARS-CoV-2),16病毒負責covid-19,和最近的實證研究。17因此,我們考慮的第一個七天的實施幹預幹預前的時期以及任何時期之前的政策幹預(見附件,pp2-3)。才有資格分析,國家必須7天或更多幹預實施的報告日期後的數據,由2020年5月30日和30例或更多(模型收斂)。

因為流行曲線是不同的在被調查的國家中,利用特定的日曆的時間(如5月30日)在統計分析將導致一些國家有一個大幅幹預隨訪時間超過別人。隨著流行不可避免地降低發病率的下降曲線,這種方法可能會顯示幹預的療效與更大的確定性但也可能高估了幹預的效果。我們因此限製幹預隨訪時間30天從政策的實現,或2020年5月30日,哪個先發生。這種分析方法還維護整個國家在薈萃分析分析了可比性。

我們還添加了一個尺度參數的回歸方程設置為皮爾遜χ²統計量除以剩餘自由度,18處理overdispersion(當方差比平均值大,這是一個違反一個假設的泊鬆回歸)與統計相關數據。19模型也為自相關檢查。

隨機效應分析被用來把這些率比率(covid-19後幹預的發生率較幹預前發生率)估計為個別國家。20.分析物理距離的確定是否實施幹預措施與影響covid-19的發病率。

由於許多國家層麵特征可能影響政策幹預和covid-19的發生率,我們評估這些因素的幾個在多元回歸,包括天首次報道情況和實現之間的第一個幹預(代表延遲推出的政策),人均國內生產總值(代表的經濟地位,眾所周知,covid-19不成比例地影響這些低收入群體),21 2265歲以上的人口比例(占人口統計資料,因為隨著年齡的增長)所示的風險大大增加,23covid-19和診斷檢測率(因為測試在各個國家不同,各國在同一時間)。

我們使用隨機效應分析研究比較不同組合和序列的政策幹預措施的有效性。因為幹預措施的組合和序列不區分被實現在一起或分開,我們認為幹預發生在一起隻有七天的時間內實施。合格標準被包括在這個分析是主要的相同分析(即至少七天的數據後,幹預和至少30例covid-19由2020年5月30日)。其他入選標準至少包括七天時間間隔連續兩個幹預(或幹預的組合)發病率的有效評估和相應的95%置信區間。我們還擴大了我們的時間序列模型分離出幹預效果(見附件,pp2-3)。通過分離出交錯的方式幹預措施實施的影響,該模型還允許我們檢查比較早期與晚期封鎖的有效性。為每個指定的政策幹預,我們報告的影響措施率比率比較發展的利率(斜率)covid-19之前和之後的每一個幹預。

所有統計分析使用占據統計軟件(版本14.2)24或Python(版本3.6)。25

敏感性分析

我們測試了我們的主要分析的魯棒性使用一係列的敏感性分析。首先,我們進行了靈敏度分析,所有七個組件的物理距離幹預分離(而不是合並相關的變量)。然後我們檢查我們的主要的健壯性7天滯後分析,使用兩個額外的5天,10天敏感性分析滯後時間框架。最後,大的國家可能在中國有更大的變化在這些幹預措施的實現,我們進行了靈敏度分析不包括巴西、加拿大、中國、印度、俄羅斯、英國、和美國。

病人和公眾參與

本研究不涉及患者和公眾直接,由於速度的研究,沒有考慮病人和公眾參與可行的在這種情況下。然而,我們的研究將向公眾廣泛傳播通過官方(新聞稿、機構網站,和存儲庫),個人和社會的溝通工具。

結果

總的來說,149個國家實施五項物理距離至少有一個政策1月1日至2020年5月30日(在附件流程圖,p9),至少有七天的數據covid-19發病率幹預可用於分析。圖1顯示每個國家和其物理距離政策。附錄提供了證實covid-19發病率的軌跡,隨著每個國家政策實施的時間表,以及模型預測covid-19發病率為個別國家(pp33 - 330)。在大多數國家,幾乎沒有剩餘自相關的證據。

Fig 1

Physical distancing policies implemented by countries globally. Country codes used are based on the Alpha-3 codes by International Organization for Standardization (see appendix, pp4-5)25

圖1

物理距離全球政策實施的國家。國家代碼是基於使用alpha 3碼由國際標準化組織(見附件,pp4-5)25

總體影響的物理距離幹預措施

所有國家包括在分析(白俄羅斯和坦桑尼亞除外)已經實現了至少有三個五物理距離措施於2020年5月30日。所有五個措施是在118個國家,而25個國家有四個政策措施和四個國家有三個。平均來說,政策是第一個實現9天(SD 13天)後第一個報告病例。間隔時間最長的國家,直到第一個實現的物理距離政策是泰國(58天),澳大利亞(51天)、加拿大(46天),斯裏蘭卡和英國(45天),芬蘭和馬來西亞(42天),和柬埔寨,瑞典和美國(40天)。

來自149個國家的聯合估計顯示整體下降13%(彙集發病率比(IRR) 0.87, 95%置信區間0.85 - 0.89;P < 0.001)的發生率covid-19與實現相關的物理距離政策(圖2)。各國異質性較低(我²= 19%)。

圖2

成對薈萃分析距離之間關係的幹預,改變2019年冠狀病毒疾病的發病率。影響報告為發病率比例(95%置信區間)。我²=總變異的百分比的估計是由於非均質性,而不是機會的國家。26國家代碼是基於使用alpha 3碼由國際標準化組織(見附件,pp4-5)25

多元回歸沒有確定任何影響IRR幾天以來首次報道的covid-19直到第一次實施物理距離的政策(P = 0.57)和covid-19測試率(P = 0.71;n = 112)。然而,更高的人均GDP (P = 0.09),高65歲以上的人口比例(P < 0.001),和更高的國家衛生安全指數相關(P = 0.008)是更大的減少池IRR(見附件,p268)。

比較物理距離的幹預措施的有效性

數量的幹預措施

與幹預前的時期相比,下降的速度covid-19發病率相似的五個物理距離措施一起實施(彙集IRR 0.87, 0.85, 0.90;n = 118個國家)相比,發病率的變化的國家四個措施(彙集IRR 0.85, 0.82, 0.89;n = 25個國家)(圖2)。covid-19發生率較小的變化與三個幹預組合(彙集IRR 0.88, 0.77到1.00)盡管這適用於隻有四個國家。

相結合的幹預措施

圖3細節covid-19發病率之間的關係和組合的物理距離幹預,實現在七天時間內(見附件pp10-15詳細的薈萃分析的結果)。covid-19發病率的下降與關閉學校,工作場所的閉包,限製大規模集會,並鎖定(彙集IRR 0.87, 0.84, 0.91;n = 32個國家)類似關閉公共交通此外實施時,所有五個措施(彙集IRR 0.85, 0.82, 0.88;n = 72個國家)。關閉關閉學校,工作場所,限製大規模集會有或沒有關閉公共交通一直伴隨著有益covid-19發病率減少的效果。證據是不足以確定covid-19發病率之間的關係和其他的幹預措施組合沒有限製質量會議(圖3)。

圖3

協會之間的物理距離的組合幹預,改變2019年冠狀病毒疾病的發病率。我²=總變異的百分比的估計是由於非均質性,而不是機會的國家26

序列的幹預措施

圖4顯示了一係列幹預措施之間的聯係和變化的發生率covid-19(也見附件,pp16-25)。沒有發現一致的模式對於任何特定序列的幹預措施。當效應估計所有的國家都集中在一起,但是,更大的減少發病率covid-19早些時候與實施封鎖(彙集IRR 0.86, 0.84, 0.89;n = 105個國家)而不是後來實現(彙集IRR 0.90, 0.87, 0.94;n = 41個國家)(見附件,pp26-27)。

圖4

協會之間的物理距離序列幹預措施和改變2019年冠狀病毒疾病的發病率。我²=總變異的百分比的估計是由於非均質性,而不是機會的國家26