本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。
- 採訪撰文|蕭歆諺
- 美術設計|林洵安
從人流研究觀測疫情
COVID-19 爆發以來,「社交距離」已成為日常用詞。尤其在本土疫情升溫之時,非必要不外出,成為政府頻頻呼籲的防疫指南。但社交距離政策如何防控疫情?新聞裡部分場所依然人潮洶湧,三級警戒是否減低人潮移動?「研之有物」專訪中研院人文社會科學研究中心詹大千研究員,他透過電信數據分析人流慣性模式,同時也以此為基礎,實際協助地方政府觀察疫情變化、提前預測重熱區。
NPI 為控制疫情重要手段
COVID-19 爆發至今,全球疫情持續延燒。除了施打疫苗,「非藥物介入措施」(Non-Pharmaceutical Interventions,NPI)也是阻斷病毒傳播鏈的重要關鍵。倫敦帝國學院等權威學術機構的研究皆已證實, NPI 能有效降低傳染病的 Rt 值( Effective Reproductive Number,有效再生數,在一定時間內疾病會傳染的人數),減少傳染可能。
具體而言 ,NPI 包含哪些方式?
根據世界衛生組織(WHO)列表,NPI 措施可以從個人防護、生活環境到社會大規模的限制規範,透過非疫苗與藥物的手段遏制疫情。歐盟也針對 COVID-19 詳細列出十幾項 NPI 措施,包含手部消毒、戴口罩、隔離檢疫等。
其中,NPI 的核心概念之一即是落實社交距離。
「社交距離的政策很廣泛,不只有室內保持 1.5、室外 2 公尺。」中研院人社中心研究員詹大千解釋,公衛學者眼中的社交距離涵蓋多層意涵,包括限制聚會、人數規範、停班停課等,都屬於相關範疇。
目前研究發現人流下降超過 20%,Rt 值就能降至 1 以下;亦有臺灣的研究推算出,若做好個案追蹤(早期偵測、接觸者疫調、14 天隔離),再加上群體保護(社交距離、戴口罩),Rt 可從 2.5 降至 0.85,有效壓制疫情擴散。
數值或有不同,但各項研究皆顯示:社交距離管制與疫情傳播有明顯關聯,管制越嚴格, Rt 值越小。
三級警戒後,人潮是否有改變?
想減緩疫情,減少人與人的接觸是一大關鍵。那麼,要如何檢視社交管制是否奏效?人流、車流的變化是重要觀測風向球!
詹大千以 Google(COVID-19 mobility)、蘋果 (Apple mobility trends)所公布的各國人流數據,佐以本土的遠傳電信數據,同時檢視牛津大學的跨國政策指標,試圖找出政策、人流變化與疫情發展間的關聯。
2021 年 5 月臺灣首度進入三級警戒後,人流減少了嗎?哪些地方降幅最明顯?首先透過 Google 數據來觀察。
檢視人流 3 關鍵場所:工作場所、交通樞紐、購物商場,對疫情控制皆有重要影響。
觀察工作場所。從 Google 人流報告可以看到,5 月 19 日全國進入三級警戒後,工作場所人流隨即減少約 2 成;住宅區則因為鼓勵居家辦公,人流增加約 2 成。
若與其他國家對照,成效如何?以歐洲最早爆發疫情的義大利來看,初期疫情慘重,工作場所迅速下降達 6-7 成,採行嚴格封城政策後更降至 9 成。詹大千提到,由於臺灣並未強制停班,工作場所人潮降低不大,但臺灣變化最明顯的是交通運輸。
Google 大眾運輸站的人流顯示,5 月 17 日(雙北三級後的第一個上班日)便迅速下降了 50%,5 月底降幅超過 7 成,趨近義大利的封城效果。詹大千也進行北市車流監測,數據顯示北市每條道路的平均小時車流量呈現一路下滑趨勢,5 月 14 日(三級前的週五)平均車流量為 981.7,5 月 21 日(三級後的週五)已降至 497.3,大幅減少約一半車流。
最後,若檢視零售商店與休閒設施,隨著禁止內用、電影院關閉等政策施行,人流也減少 5-6 成。
整體來看,臺灣雖只升級到三級警戒,但人潮與車潮下降明顯。除了工作場所改變較小,其他如大眾運輸、公園、零售商店和遊樂場,社交管制都有明顯成效。詹大千分析:「從人流數據來看,臺灣雖然沒有強制封城,但民眾的自律和防疫配合度高,足夠達到自主封城的效果。」
去識別化電信數據助陣:臺灣人往哪裡趴趴走?
「人怎麼移動,疾病常常就那樣流動。」詹大千點出人流觀測的重要意義,「近十年國外已廣泛運用電信數據,從人流移動分析來進行各種推估,包括交通、疾病研究、公衛政策。」
由於 Google 數據的空間尺度以國家為單位,無法觀察各縣市變化,測量地點也較粗泛,較難細緻分析臺灣真實的人流變化。為了精確掌握臺灣本土的人流圖像,詹大千也與遠傳電信合作,以電信數據作為在地研究基礎。
「Google 沒有針對市場、高鐵、量販店做統計,但想判斷臺灣人潮群聚,這類場所很重要,有助於觀察人流熱區。」舉例來說,分析遠傳數據資料,去年 3 月量販店曾出現一波尖峰。回頭推敲,彼時正好是去年的「衛生紙之亂」,透過圖表,即能清晰反映出常民生活面貌。
除了觀測熱點場所,臺灣疫情期間的人流移動有什麼特徵?
觀察跨縣市人流, 2020 年上半年,每到連假各縣市便湧現旅客,多由北部往南部、東部移動,例如高雄、宜蘭的非居民量大增。隨著疫情趨緩 ,5、6 月後假日人潮不斷攀升,端午連假時移動距離達到高峰、觀光區人潮大增,成為南來北往最大量的連續假期!
這些人流模式皆成為重要的防疫參考。今年端午連假前夕,政府便強力呼籲減少返鄉移動、降低雙鐵負載量,新北市也關閉部分觀光風景區。
分析人流 超前判斷未爆熱區
人流分析對防疫決策具有重要意義,一般可知只要政府管制嚴格,便能控管人流,但唯有科學地掌握實際人流面貌,才能更細緻、滾動式地擬定政策。
「直接封城當然可行,但對社會和經濟的衝擊非常大。」詹大千解釋。
借助人潮數據可判斷高風險的傳播節點,規劃管制順序和強度。清楚呈現人流模式、移動路徑,也有助提前預判可能熱區。
舉例來說,從數據分析後意外發現,某些居住或在萬華區工作的人,可能與三峽經常有互動連結(例如停留)。這個特殊的人流關係模式,無法從實體距離直接判斷出來(如萬華與板橋僅一橋之隔,往來接觸可能性高)。但經數據分析後,地方政府便可以在疫情甫從萬華擴散時,先行至三峽進行重點快篩。
詹大千生動比喻:「不要等個案出來後,像打地鼠一樣去解決;越清楚看出人流移動,我們就可能超前偵測,及早撈出隱形傳播鏈。」實際篩檢後也發現,數據預測處與高風險重熱里,確實高度重疊。
社交管制該多嚴?配合度是另一關鍵
COVID-19 衝擊前所未有,面對這張全新考卷,要封城或宵禁?何時解封?管制是否太鬆散?各國皆只能權衡應變。除了向內看臺灣,詹大千也進行跨國比較,對照不同社交距離政策的防疫效果。
他運用牛津大學的「新冠肺炎政府政策強度指標」(Stringency index),檢視各國的政策鬆緊變化。這是目前最廣泛使用的跨國 NPI 政策指標,依循 17 項檢視項目,涵蓋學校關閉、移動與集會限制等,每日統計 174 國的即時政策強度。管制愈嚴格,指標分數愈高, 逼近 90 分大約已等同全面封城。
以臺灣來說,過去一年以邊境管制為主,沒有大規模停班停課,維持在 20 至 30 分。進入三級警戒後,折線陡升至 70 分以上,大約居於全球 34 名,衝入前五分之一。
綜合各國來看,邊境管制、限制集會等社會衝擊相對較小的防疫措施,多數國家最傾向使用。
若把政策、確診數變化兩相對照,進一步觀察各國人流曲線,也呈現不同面貌。
去年 4 月,日本首度針對大都市如東京、大阪、名古屋發佈「緊急事態宣言」,強制性不大,呼籲減少密切接觸活動。施行一陣子後,確實降低確診數;但隨著緊急事態宣言第三、四次發佈,便出現防疫疲乏,加上政策嚴格維持中低度,整體人流僅減少約 3 成。
視角轉到歐洲,英國同樣面臨類似窘境。政府祭出嚴格的社交距離政策,但民眾配合度不高加上無法可罰,2020 年夏天後人流與確診數再次暴增,中央還得另編獎勵金請地方政府協助,提升政策配合度。
不難發現,能否減少確診數的箇中關鍵,其實和民眾配合度息息相關。
臺灣沒有進入四級警戒,但民眾的自主封城,讓人流降幅已接近國外封城的效果。民眾的配合度高低,可以從臺大公衛的調查看見類似訊息:2020 年 7 月底調查,室內公眾場所戴口罩、進門用酒精消毒的比例高達 99.2% 和 98.4%,防疫警覺高。
疫苗非金鐘罩 社交距離仍是重要防護力
力守邊境一年半後,臺灣疫情首度進入社區傳播,社區防護線成為一大重點。為了讓社區疫情觀察更超前,詹大千團隊也協助改造「社區疾病監測網」。
「我們不是現在才開始,從 2018 年起,就建置北市、高雄社區醫療監測網,監測流感、腸病毒。希望越多基層診所加入,就能布建越全面的流行病社區哨兵。」去年疫情爆發後,研究團隊則新增了新冠肺炎確診、疑似案例、嗅覺喪失等 COVID-19 相關代碼,協助即時掌握社區潛在個案,觀測疫情曲線變化。
社區監測網另一項好處是,多數年輕族群身體不適會先到診所,而非大型醫學中心。透過各地基層診所的症狀回報,有機會更早篩出症狀輕微的年輕確診者。詹大千直言,COVID-19 症狀與流感高度相似,特別是 Delta 病毒株,未來若政府能廣泛提供唾液篩檢組給診所,社區第一線哨兵才能更即時抓出隱形傳播鏈。
來勢洶洶的病毒,已然顛覆了整個世界,可預見的未來我們很可能將與病毒長期共存。廣泛施打疫苗,是社會對抗疫情的必要手段,但面對不斷變種的病毒株,詹大千強調 NPI 仍是不應輕忽的防疫保護網。
他也再次提醒道:「打完疫苗並不是披上無敵金鐘罩,各疫苗的保護力、每個人的免疫狀況都不同,落實社交距離、做好個人防護,始終是根本的防疫之道。」
資料來源
- 詹大千,〈有圖來解─社交距離對於延緩 COVID-19 疫情的影響〉,《研下知疫-COVID-19 的人文社會省思》,康豹、陳熙遠編,中研院出版中心,2021
- 從手機網路訊號資料,探勘人口動態奧妙,2018
- Ta-Chien Chan*, Jia-Hong Tang, Cheng-Yu Hsieh, Kevin J. Chen, Tsan-Hua Yu, Yu-Ting Tsai, to appear,〈Approaching precision public health by automated syndromic surveillance in communities〉,《 PLOS ONE》(DOI: 10.1371/journal.pone.0254479)
- 詹大千的個人網頁