使用全球定位系统数据跟踪英格兰和威尔士首次SARS-CoV-2疫苗接种前后的流动性变化(病毒观察):前瞻性观察性社区队列研究

简介

英国对COVID-19大流行的应对措施包括多轮非必要的活动限制，以减少接触和控制传播[1］．准许旅行的例子包括必要的购物、锻炼、医疗需要或往返重要工作的路程[2］．然而，限制运动可能会对多种结果产生不利影响，如身体活动减少[3.]、心理健康、家庭事故、经济和教育[4］．坚持以旅行为基础的公共卫生干预措施，特别是那些旨在限制非家庭接触的措施，随着时间的推移而有所不同[5］．英国采取限制措施的简短时间线可以在图1(6］．

引入COVID-19疫苗可减少SARS-CoV-2的传播和疾病[7因此，由于免疫接种的增加，这是允许更多正常社会混合的战略的一个关键部分。然而，在英国，人们担心，在接种第一剂COVID-19疫苗后，人们对其有效性存在误解，这可能会导致对其他公共卫生政策的遵守减少，并导致部分受保护的个人暴露在疫苗中[8］．2021年2月对疫苗接种进行的初步研究发现，在接种了第一剂疫苗的80岁以上人群中，41%的人在3周内至少与家人以外的其他人见过面。这些接触不包括护理人员或他们的支持小组成员，他们是当时实施的限制所允许的[8］．这一发现令人担忧，因为抗体水平在第一剂疫苗后的1-2周内不会上升[9，10］．进一步的证据还表明，与对照组相比，> - 80岁的老年人在接种疫苗后的前9天内聚合酶链反应测试更有可能呈阳性，这可能是由于接种疫苗后人们之间的流动性和接触增加了[11］．在Delta (B.1.617.2) SARS-CoV-2变种出现期间，牛津-阿斯利康和辉瑞- biontech疫苗在第一次接种后对症状性疾病的有效性估计为33% [12]，尽管对住院的保护似乎要高得多[13］．因此，如果那些没有完全接种疫苗的人在接种疫苗后增加了他们的社会接触和流动性水平，他们被感染和感染他人的风险也可能增加。

了解第一次疫苗接种后的运动是重要的，因为它可以帮助决策者了解疫苗接种计划所带来的保护可能会如何消极地抵消旨在减少传播的其他政策的有效性。这种论点还可以扩展到第一次疫苗接种之外，引入与未来SARS-CoV-2变体有关的加强疫苗和变种特异性疫苗。虽然以前的研究试图调查接种疫苗后的旅行距离[14]，这些研究是使用基于蜂窝基站定位的移动呼叫数据进行的，与GPS定位相比，蜂窝基站定位被认为不太准确。追踪移动的其他方法也存在，例如追踪借记卡/信用卡的使用情况[15]及二维码签到场地[16］．虽然此类技术可用于跟踪特定活动，但由于这些活动需要用户的积极互动，因此可能会受到限制，如果在使用此类技术之外发生旅行，则评估旅行距离可能会受到限制。另一方面，全球定位系统技术利用卫星让用户被动地提交全球范围内的经度和纬度数据，包括室内和室外[17］．

在这项分析中，我们旨在量化第一次SARS-CoV-2疫苗接种对旅行行为的影响，使用了从研究参与者那里收集的手机GPS数据，这些参与者同意并自愿将ArcGIS Tracker应用程序下载到他们的手机上。

‎

方法

研究设计与设置

研究设计采用来自病毒观察队列的前瞻性观察数据;病毒观察研究的完整说明已于先前发表[18］．简而言之，从2020年6月中旬开始招募家庭，目的是创建英格兰和威尔士的代表性群体。为了在大流行开始时迅速招募参与者，我们使用了一系列方法，旨在创建英格兰和威尔士的代表性队列。我们使用皇家邮政邮局地址文件生成了一个随机的住宅地址列表，这些地址被发送了招聘明信片(n=3914)，在Facebook和Twitter上放置了社交媒体广告(n= 18594)，并向参与者和家庭发送了短信(n= 11151)和全科医生的信件(n=3803)。我们随机邀请了符合条件的参与者(年龄≥18岁)加入我们的跟踪器子队列，他们同意参与在其兼容的智能手机上安装ArcGIS跟踪器，并提供有关性别、种族和注册地址的详细信息。

ArcGIS Tracker应用程序可用于Apple iOS (ios12或更高版本)和谷歌Android(5.0或更高版本)平台，并可从各自的应用程序商店下载[19］．ArcGIS跟踪应用程序要求用户登录(使用提供的凭证)，并使用开关按钮共享他们的位置，允许用户控制何时何地他们想要共享他们的位置。定位应用程序被设计为在后台运行以收集数据;然而，在某些型号的手机上，这个功能必须在智能手机的设置菜单中开启。使用ArcGIS Tracker应用程序，子队列提供了以下数据:日期;时间;经度;纬度;旅游模式;GPS精度是由手机制造商的GPS算法定义的。 See图2浏览ArcGIS Tracker应用程序的截图。

‎

干预

通过每周病毒观察问卷自我报告接种第一剂疫苗的日期。我们从2021年1月11日开始收集每周疫苗接种状况，并在前两次每周调查中询问之前的任何疫苗接种情况。随后，参与者被要求每周只提供一次更新。可供选择的选项有“辉瑞/BioNTech”、“牛津/阿斯利康”、“Moderna”和“其他/不记得”。

研究人群

研究人群包括病毒观察研究子队列中的成年人(入组时年龄≥18岁)，他们接种了疫苗并提交了至少10天的读数。参与者必须在自我报告的疫苗接种日期前后提交至少5天的读数。我们排除了英国以外的读数，也排除了投稿人数少于5人的分析。我们只使用精度等级小于30米的位置读数。

研究期间

我们在2020年9月至2021年2月期间开始向跟踪者队列发出邀请，并于2021年5月进行这项分析的数据提取。

结果

分析的单位是汇总的中位数日旅行距离，结果是中位数日旅行距离的变化。为了计算这组人的每日旅行距离的中位数，我们从每个参与者的注册地址汇总了每天的运动。选择日距离的中位数来解释队列的日常旅行模式的分布。

分析

对于每个人，每天，我们计算了使用ArcGIS Tracker应用程序从他们的注册家庭地址记录的累计户外旅行距离。这是通过将距离(d)由2个连续室外GPS记录之间的欧几里得距离法(公式1)计算。考虑到GPS记录的准确性，我们在参与者家的位置周围设置了一个半径为25米的缓冲区(平均水平精度为25米)。在缓冲区内的点被认为是家庭旅行活动，因此在分析中被认为是零距离。

计算每个参与者所走的距离的公式如下:

在哪里d（p_我，p_j)为连续2个GPS点之间的欧氏距离(即p_我而且p_j）;的笛卡尔坐标为(p₉，p_iy)p_我和(p_jx，p_司法院)p_j．我们使用英国国家电网作为参考系统。

我们使用中断时间序列进行统计分析，其中我们使用分段线性回归来估计旅行模式的趋势，第一部分估计接种疫苗前队列的中位数旅行距离，第二部分估计接种疫苗后队列的中位数旅行距离。因此，我们在分析中将中断时间点定义为每个人第一次接种疫苗的日期，负天数表示接种疫苗前的天数，正天数表示接种疫苗后的天数;然后，我们计算每一天的旅行距离的中位数。

为了计算接种疫苗前的旅行轨迹，我们使用接种疫苗前的数据进行线性回归分析，以时间(接种疫苗前天数)为解释变量，估计样本离家的每日旅行距离中位数。为了计算接种疫苗后的旅行轨迹，我们使用接种疫苗后的数据进行了线性回归分析，以时间(接种疫苗后的天数)为解释变量，估计样本离家的每日旅行距离中位数。对于这两个模型，每天代表一个数据点，每天的点是当天提交读数的人的中间距离。分段回归方程见式2;我们先验地选择了线性回归，因为我们期望运动的局限性可以在运动中创造一个稳定的模式。我们的另一种假设是接种疫苗后，我们会看到运动的增加，如果一个₂>一个₁(斜率变化)或b₂>b₁当一个₂≥一个₁(级别更改)[27]在方程2中。

式2采用分段线性回归模型，模型(和下标)1表示接种前的趋势，模型(和下标)2表示接种后的趋势;y_n用系数表示估计的中位数每日旅行距离一个_n，x表示接种疫苗以来的天数(模型1为阴性，模型2为阳性)，和b_n为常数:

y₁＝一个₁x+b₁为x< 0（2）

y₂＝一个₂x+b₂为x> 0

英国疫苗接种计划根据年龄(较大)和临床风险人群优先考虑人群，除了被邀请和接受疫苗接种的人之间的社会经济背景差异外，这意味着为该分析选择适当的对照组是不可行的。

协变量

由于研究设计比较了同一个体在接种疫苗前后的运动，我们没有使用协变量进行回归调整。对于每个符合条件的个体，我们使用以下数据:接种疫苗后的天数和相应天的总旅行距离。

敏感性分析

我们进行了各种敏感性分析。首先，在检查数据后，我们删除异常值，重复分析。使用三个截点:中位数旅行距离低于50公里的天数，中位数旅行距离低于25公里的天数，以及中位数旅行距离低于接种当天的中位数旅行距离的天数。第三个截点被用于接种疫苗的那一天，即我们确定人们曾旅行(接种疫苗)的那一天。

我们的第二个敏感性分析解释了取消国家对运动限制的影响，作为疫苗接种后运动差异的替代解释。我们进行了一项敏感性分析，将旅行和疫苗接种事件与第三次全国封锁联系起来。这段时间为2021年1月4日至4月5日，这段时间的限制措施没有因旅行和保持社交距离的规定而改变。

伦理批准

病毒观察研究得到了汉普斯特德国家卫生服务卫生研究管理局伦理委员会的批准(20/HRA/2320)。参与家庭的所有成员都为自己提供了知情同意，并在相关情况下为他们负责的孩子提供了知情同意。要加入“病毒观察”跟踪器子队列，成年人必须在我们的注册过程中提供明确的同意。

信息治理

这项研究在伦敦大学学院(UCL)数据保护办公室注册，并由伦敦大学学院信息安全和治理团队审查。病毒监视数据隐私影响评估可在web上找到[28］．在同意和注册过程中，成年参与者被邀请使用ArcGIS手机跟踪应用程序提供地理位置数据。对于那些选择参与的人，我们将个人身份数据从伦敦大学学院数据安全港发送到伦敦大学学院计算机上的安全记忆棒，然后通过HTTPS将数据传输到ArcGIS在线(Esri UK)订阅。这种数据传输的目的是建立参与者的跟踪应用程序帐户。传输的数据以及账户密码都存储在北美。UCL病毒观察研究小组负责数据传输过程，并可以访问ArcGIS在线订阅中的参与者配置文件。只有少数具名的ArcGIS员工可以访问参与者档案区域，并且仅用于必要时协助UCL研究团队的目的。跟踪应用程序帐户创建后，伦敦大学学院的研究团队通过电子邮件向跟踪应用程序参与者发送了如何下载应用程序并登录跟踪应用程序的说明。

应用程序收集的地理位置数据被安全存储在欧洲的ArcGIS在线订阅中，每30天安全清除一次。参与者的地理位置数据定期通过HTTPS传输到UCL机器上的安全记忆棒，然后通过安全网关技术导入到UCL安全记忆棒并进入UCL数据安全港。

地理位置数据与数据安全港中的其他参与者研究数据相关联。分析后，汇总数据(由地理位置和其他研究数据生成)从数据安全港导出，并在公共研究网站和研究出版物中发布。

根据伦敦大学学院的记录保留政策，本分析中使用的汇总数据集将在20年后安全销毁。根据为电子医疗保健研究制定的政策，我们没有报告任何包含<5个事件的单元的数据，并且在必要时，我们使用二级抑制来保护这些计数。

结果

队列人口

截至2021年2月，病毒观察共招募了45,963人，其中39,558人注册时至少年满18岁。在这39,558人中，79% (n=31,317)表示同意安装ArcGIS Tracker应用程序。在31,317名参与者中，根据性别、种族和地址详细信息的完整信息，随机选择了13,120名成年人(入组时年龄≥18岁)作为样本。在这些参与者中，2193人至少提供了一次GPS读数。在去除无效数据点后，包括英国以外的数据点和那些没有提交准确读数的数据点(例如，水平和垂直精度极高的数据点)，1376名参与者被包括在内。到2021年5月，在1376人中，有1244人接种了疫苗。在剔除疫苗接种日期两侧少于5个数据点的个体后，我们最终分析了249个个体。看到图3参阅综合报告标准(CONSORT)图表，说明如何对队列进行分析。

在249名参与者中，女性(n=141, 56.6%)比男性多，中位年龄为62岁(IQR 55-67岁)，比整个病毒观察队列年龄大。贫困程度最低的3个五分位数的本地超级产出区个体居民占总人口的79.1% (n=197)。在我们的队列中，总共有88.8% (n=221)的人自认为是“白种英格兰人/威尔士人/苏格兰人/北爱尔兰人/英国人”，这比整个病毒观察队列都要多。看到表1这是群体的社会人口学分类。

在249名参与者中，在第一次接种疫苗前有157天的合格读数，即接种疫苗前157天是最早的一天，至少有5人提交了读数;接种疫苗后，在相同的合格标准下，有105天的读数。每天接种疫苗人数的中位数为89人(IQR 34.75-135.50)，接种疫苗前的中位数为91人(IQR 35.00-132.00)，接种疫苗后的中位数为88人(IQR 30.50-149.25)。249名参与者贡献的中位数天数为87 (IQR 58.00-128.00)天，疫苗接种前贡献的中位数为51 (IQR 26-77)天，疫苗接种后贡献的中位数为36 (IQR 19.00-56.00)天。零名参与者每天提供数据，5名参与者在接种疫苗前后提供等量的数据。接种疫苗前(-157 d ~ -1 d)，日旅行距离中位数为9.05 km (IQR 8.06 ~ 10.09)，接种疫苗后(+1 d ~ 105 d)，日旅行距离中位数为10.08 km (IQR 8.60 ~ 12.42)。接种当天的中位数旅行距离为19.1 km (IQR为8.75 ~ 37.90 km)。

在线性回归模型的第一部分，从第一次疫苗接种前157天到疫苗接种日，日下降中位数为40.09 m (95% CI -50.08至-31.10;P<.001)，运动常数为6.90 m (95% CI为6.02-7.79;图4A).在线性回归模型的第二部分，从第一次接种日期到接种后105天，平均每日增加60.6 m(95%置信区间20.9-100;P<.001)，运动常数为8.00 m (95% CI 5.59-10.40)。

‎

‎

敏感性分析1

在回顾数据后，我们认为某些中值旅行距离是异常值;因此，我们进行了敏感性分析，以去除读数高于50公里、25公里和接种日旅行中位数距离(19.1公里)的天数。在这些分析下，与初步分析相比，接种疫苗前后的所有中位数旅行距离，以及系数和常数保持相似(即，它们没有越过95% ci)。看到表2为接种疫苗前后的系数和中间距离。看到多媒体附件1-3为这些敏感性分析中断时间序列的图形表示。

敏感性分析2

为了考虑国家限制行动的影响，我们进行了一项敏感性分析，将有限的旅行和疫苗接种事件与2021年1月4日至2021年4月5日的第三次全国封锁联系起来。由于本分析中疫苗接种前后数据点数量不对称，我们分析了疫苗接种前30天和疫苗接种后30天的运动。

从疫苗接种前30天到疫苗接种日，日移动中位数为8.06 km (IQR 7.49-8.51)，日移动中位数增加了18 m (95% CI 19 - 56;P= .57)。从接种疫苗之日至随后的30天(第三次全国封锁期间)，日均移动中位数为9.16公里(IQR为8.35-10.71)，日均移动中位数增加9.35米(95%置信区间39-149;P= i)。看到图4B为灵敏度分析中断时间序列的图形表示。

讨论

主要研究结果

我们的研究证明了收集大量地理位置数据作为研究项目的一部分的可行性，以及这些数据对了解公共卫生问题的效用。我们的结果需要谨慎的解释。我们的初步分析发现，有证据表明，在参与者接种第一剂SARS-CoV-2疫苗后，每日旅行中位数距离的变化率略有增加，但当我们将分析限制在封锁期间时，我们没有发现接种一剂疫苗后流动性有差异的证据。总的来说，我们的结果并没有提供证据表明人们在第一次接种疫苗后增加了他们的运动速度，因为结果与接种疫苗后增加和没有运动是一致的，并表明接种疫苗后的任何运动变化都可能是适度的。

我们使用GPS数据来测量接种疫苗个体的旅行距离。这不仅提高了使用GPS系统的其他距离估计方法的准确性(与蜂窝定位相比)，而且与使用自我报告数据相比，它还减少了回忆偏差。我们的间断时间序列研究设计有助于减少非时变混杂因素的影响，因为在疫苗接种前后都考虑了同一个人的数据。

与之前工作的比较

与之前的工作相比[14]，我们的方法建立在这项工作的基础上，通过使用GPS系统产生比手机信号塔更准确的距离测量技术。该研究对疫苗接种后一周的数据采取了“双差法”，发现与疫苗接种前一周相比，疫苗接种后一周的活动量增加了8.6%。虽然我们的敏感性分析(我们限制在接种疫苗前后30天)发现接种疫苗后的中位数运动增加了13.6%，但我们回归模型的ci并不支持运动的整体变化，并且反映了接种疫苗前(中位数8.06,IQR 7.49-8.51 km)和接种疫苗后(中位数9.16,IQR 8.35-10.71 km)的重叠IQR范围。

鉴于先前的研究表明，人们在首次接种疫苗后会增加非家庭接触，因此有必要对接种疫苗后的行为变化进行进一步研究。与此同时，重要的是，公共卫生宣传应明确第一剂和第二剂疫苗对SARS-CoV-2感染的区别保护，这样人们就可以对接种疫苗后如何改变自己的行为做出合理的个人判断。

限制

我们研究的样本量意味着，我们可能无法检测到流动性的微小变化，尤其是在全国封锁期间。我们的GPS收集是自动的，但可以由参与者打开和关闭，更有可能是在参与者呆在家里的时候关闭的。以这种方式使用应用程序将导致我们的分析高估了参与者呆在家里的日子里，通过不报告GPS数据(例如，关闭应用程序)每天行驶的中位数距离。由于跟踪应用程序的技术要求，结果倾向于那些拥有智能手机并能够为研究活动贡献数据计划的人，导致初始吸收率较低。此外，对于那些提供数据的人来说，随着时间的推移，提供的数据不一致，这可能是由于参与者关闭了应用程序造成的。由于所使用的GPS应用程序对电池寿命有消耗作用，病毒观察跟踪器队列的退出率相对较高。参加病毒观察的人是自我选择的，并有动力为COVID-19研究做出贡献，因此，他们的运动模式可能不适用于所有接种疫苗的人群。

我们的初步分析的一个重要限制是，它没有控制时变的混杂因素，如国家物理距离规则的变化，这可能导致中位数每日旅行距离变化率的增加。我们无法控制的其他时变sars - cov -2相关事件包括感染率的变化，这可能影响了人们的旅行决定。由于我们的分析以疫苗接种日期为中心，因此我们的分析没有考虑到不同疫苗接种日期的不同时变公共卫生干预措施。此外，天气变化等其他非sars - cov -2事件也可能影响了研究结果，由于天气条件的改善，参与者在接种疫苗后的同一时间段内增加了流动性。

结论

尽管之前的研究发现，近一半接种疫苗的人(接种1剂后)与家人以外的人见面或支持泡沫[8]，我们的研究结果提供了关于第一剂疫苗接种后运动的混合图景，并且我们在国家运动限制期间进行分析时，没有发现运动增加的证据。