По данным исследования McKinsey, измерение показателей мобильности населения является одним из наиболее эффективных способов прогнозирования динамики распространения коронавируса. С его помощью можно объяснить до 80% изменений темпа прироста заболеваемости вирусом на последующие 7–14 дней.
Фото: Роман Яровицын, Коммерсантъ / купить фото
Фото: Роман Яровицын, Коммерсантъ / купить фото
Показатель мобильности населения, который позволяет отслеживать сокращение социального взаимодействия между людьми, является одним из наиболее эффективных способов прогнозирования распространения коронавируса. К такому выводу в ходе собственного исследования пришли аналитики консалтинговой компании McKinsey.
Напомним, в рамках противодействия пандемии коронавируса администрации большинства городов мира вводили различные меры для снижения инфицированности населения, в том числе ограничения на передвижение. Например, в Москве действовали режим нерабочих дней, запрет публичных мероприятий и работы школ, а передвигаться по городу можно было только по пропускам.
Аналитики McKinsey подсчитали, что именно те города, в которых, судя по показателям мобильности, удалось максимально сократить социальное взаимодействие, достигли наиболее существенного прогресса в снижении показателя распространенности коронавируса.
Так, по оценкам исследования, в результате противоэпидемических мер показатели мобильности в городах снизились до 10–25% от обычного уровня. При этом показатель распространения коронавируса (Rt) снизился с 3–4 (высокий уровень инфицированности) до менее 1, что позволило удержать распространение вируса.
На этапе отмены ограничений мобильность в городах неизбежно росла, но при этом многие города сумели предотвратить рост числа заболевших. Их показатели не увеличивались в городах, которые дольше выжидали перед снятием ограничений, касающихся мобильности (три недели и более после снижения заболеваемости до уровня ниже единицы), активнее и шире принимали меры безопасности на общественном транспорте.
При этом значения прироста числа заболевших остаются удовлетворительными и в тех городах, где ждали только одной-двух недели и применяли лишь некоторые упреждающие контрмеры.
Таким образом, отмечают авторы исследования, измерение показателей мобильности населения является одним из наиболее эффективных способов прогнозирования новых случаев инфицирования на последующие 7–14 дней, так как позволяет объяснить около 80% изменений их динамики во времени.