A mathematical model for the COVID-19 pandemic spread, which integrates age-structured Susceptible-Exposed-Infected-Recovered-Deceased dynamics with real mobile phone data accounting for the population mobility, is presented. The dynamical model adjustment is performed via Approximate Bayesian Computation. Optimal lockdown and exit strategies are determined based on nonlinear model predictive control, constrained to public-health and socio-economic factors. Through an extensive computational validation of the methodology, it is shown that it is possible to compute robust exit strategies with realistic reduced mobility values to inform public policy making, and we exemplify the applicability of the methodology using datasets from England and France. Code implementing the described experiments is available at https://github.com/OptimalLockdown.
Inferring UK COVID-19 fatal infection trajectories from daily mortality data: were infections already in decline before the UK lockdowns?
每天新增感染人数是有效疫情管理的一个关键数量。通过对随机总体样本的检验，可以比较直接地估计出它。在没有这种直接的流行病学测量的情况下，需要其他方法来推断新病例的数量是否可能增加或减少：例如，使用从对疾病的临床反应中收集的数据来估计病原体的有效繁殖数R。对于Covid-19（SARS-CoV-2），这种R估计在很大程度上依赖于建模假设，因为可用的临床病例数据是受到严重时间混杂影响的机会性观察数据。考虑到这一困难，使用最小的先验假设，从最少受损的可用数据中回顾性地重建感染的时间过程是有用的。贝叶斯逆问题方法应用于英国第一波新冠肺炎死亡人数和疾病持续时间分布的数据表明，在英国全面封锁（2020年3月24日）之前，致命感染率一直在下降，而瑞典的致命感染率仅在一两天后才开始下降。使用Flaxman et al.（2020，Nature 584）的模型对英国数据进行分析，在放松其先前对R的假设的情况下得出了相同的结果，表明在英国背景下，非药物干预（NPI）的作用增强，而不是完全锁定。在随后的两次封锁中，似乎也出现了类似的模式。自最初发表以来，英国主要的新冠肺炎统计监测调查的估计支持了这些结果。论文的复制代码可在doi/10.1111/biom.13462的支持信息中获得。
Changes in Crime Rates During the COVID-19 Pandemic
我们估计了2020年3月至12月COVID-19大流行期间五种FBI Part 1犯罪（杀人、汽车盗窃、入室盗窃、抢劫和盗窃）的比率变化。使用2018年1月至2020年12月美国70个最大城市中的29个城市的公开每周犯罪统计数据，使用三种不同的线性回归模型规范来检测变化。其中一项检测了2020年大流行前后四个时期的犯罪趋势是否与2018年和2019年不同。第二份报告更详细地研究了2020年春季的封锁，以检测犯罪趋势是否在连续两周的封锁期间发生了变化。第三种方法使用了我们创建的城市开放度指数，目的是检查开放程度是否与犯罪率的变化有关。对于杀人和汽车盗窃，我们发现在大流行的全部或大部分时间内显著增加。相比之下，我们发现抢劫和盗窃在整个或部分大流行期间显著下降，入室盗窃在大流行期间没有显著变化。只有盗窃率随着每个城市的封锁程度而波动。罪案率的变动方向并不相同，而这五宗第一部分指数罪案的调查结果各有不同，其中一宗没有变动，两宗持续上升，另两宗持续下降，原因尚不清楚。我们推测，原因可能与机会的变化有关，大流行为未来的研究提供了独特的机会，以更好地了解影响犯罪率的力量。在对这一流行病影响犯罪的机制缺乏明确认识的情况下，本着循证犯罪政策的精神，我们告诫不要根据从这一流行病的“自然实验”中吸取的经验教训，在此时推进政策。"
