文章專區

從今（2021）年5月中開始，臺灣陷入新冠疫情開始以來最嚴重的社區感染，由雙北開始延伸至全國進入第三級警戒，呼籲大眾非必要勿外出、勿群聚，希望能減少人流移動、人群接觸來阻止疫情擴散。

2019冠狀病毒疾病（COVID-19）主要借由近距離飛沫、直接或間接接觸帶有病毒的口鼻分泌物傳播。要預防及控制COVID-19傳播，除了在個人層面保持良好的呼吸道衛生習慣，在公共衛生層面實施非藥物型介入措施（non-pharmaceutical interventions）亦極為重要。

非藥物型介入措施旨在透過公共衛生的政策減少人群接觸，進而限制病毒傳播的機會，避免感染與死亡。具體措施包含旅遊限制、聚會限制、社交距離、在家工作、關閉學校等，在過去一年多也廣被各國採用。然而，在公共衛生單位發布這些非藥物介入措施後，該如何了解大眾施行的狀況，即時監測並適時調整措施呢？

用科技掌握人群移動資料

拜現代科技所賜，行動裝置能夠精準記錄使用者在時間及空間尺度下的移動情形，不僅提升生活的便利性，亦能在商業規畫及公共政策上提供實用的資訊。相較於定點運輸流量的資料（如火車站或捷運站的進出人次），來自行動裝置的移動資料涵蓋了個人不同時段、不同類型的移動方式，更能反映個人的接觸行為模式。由於現今社會大多人都持有行動裝置，從之而來的資料可以很直接反應真實的人群移動。

來自行動裝置的人群移動資料（human mobility data）也能應用於傳染病的防治上，2012年任職於美國卡內基美隆大學的維索沃夫斯基（Amy Wesolowski）博士及研究團隊與肯亞的電信公司合作，將一千五百萬用戶的手機通話及簡訊發送地點的分布和瘧疾盛行率的地理區域比對，定位出肯亞瘧疾的傳播熱點。

因應2020年在全球大流行的COVID-19疫情，Google、Apple、Facebook等平台也各自整理並釋出其使用者的人群移動資料（表一），提供即時資訊以協助公共衛生的決策參考。考量用戶隱私及蒐集資料的內容，不同平台使用不同的分類及定義整理移動指標，地理空間的解析度也有所差異。

減少移動能控制COVID-19的傳播嗎？

直覺上，減少移動意味著減少疾病的傳播。而傳染病的控制需要科學證據的支持，以量化並了解要減少多少的移動才足以控制傳播，或當下的情境距離良好的疫情控制相差多遠。在傳染病流行病學中最基本的量化指標即是所謂的基本傳染數（basic reproduction number, R₀）。這個指標常被用來評估一個疾病的傳播性，其定義為一個具有傳染力的個人，在完全能夠被病原體感染（susceptible）、沒有任何免疫力的群體中，於可傳染期內平均能夠感染的人數。隨著疫情的發展，部分感染的群體會復原並免疫，加上介入措施的實施，使得群體中能夠被感染的群體縮減，病原體實際的傳播性也隨著時間與情境變動發生變動，每個個案平均能夠感染的人數可以用有效傳染數（effective reproduction number, R_t）來評估。因此，R_t值能夠反映特定情境與時間下的疫情趨勢，若R_t值大於1疫情將會持續成長、新感染數會指數增加；反之，若R_t值小於1，疫情則會逐漸消失。

去（2020）年，英國倫敦帝國學院的諾法威（Pierre Nouvellet）博士及團隊以COVID-19死亡通報資料估算R_t值，並結合了Google及Apple用戶的移動資料，分析了52個國家於該年疫情期間人群移動趨勢與疫情傳播的關係。此研究發現，即使各個國家的疫情與措施各不相同，在疫情爆發、嚴格的非藥物介入措施剛開始實行時，COVID-19傳播與人群移動呈現同步下降的趨勢，而要使COVID-19的傳播受到控制（Rt<1），大部分的國家需要超過40％的整體移動降幅。然而，在疫情初步獲得控制之後，人群移動資料對COVID-19傳播的解釋力則減弱甚至消失，增加移動不一定會觀察到傳播性的上升。

臺灣三級警戒前後的人群移動情形

回到表一所陳列的資料集，這些都包含了臺灣的人群移動資料。其中Google的社區人流報告呈現了不同場域的移動情形，若與中央疫情指揮中心發布疫情警戒的時間點比較，這些移動趨勢的時序變化能夠在一定程度上反映大眾遵循非藥物介入措施的情形，提供防疫策略調整的方向。

圖一將Google的每日移動資料再製，以實線呈現臺灣自2021年4月12日至5月31日於零售店和休閒設施、雜貨店和藥局、公園、大眾運輸站、工作場所、住宅區的移動變化。在全國三級警戒發布後，大眾運輸站、零售店和休閒設施（包含餐廳）的相關移動大約有50％的下降，工作場所方面的降幅則較低（25％），而雜貨店和藥局沒有明顯變化，在疫情初始移動甚至還些微上升。與前述諾法威博士的國際分析比較，要控制臺灣現階段的COVID-19疫情，工作場所、雜貨店和藥局的相關移動可能需要有更大幅度的下降。

臺灣各場域人流變化百分比

儘管即時資料能夠呈現人群實際的移動狀況，辨別出防疫策略需要加強的面向，Google資料的使用仍有其限制。首先，這份資料只能代表有使用Google定位紀錄的用戶，欲了解沒有手機（如長者或小孩）、工作性質不允許攜帶行動裝置或開啟定位功能的人群移動行為，就需要其他資料與調查來輔助。而這份資料加總了全國的移動資料，但縣市間的移動變化可能具有極大的差異性，所需的防疫策略也會不同。另外，移動趨勢與COVID-19傳播的關聯性可能會隨著時間、疫情變化及其他防疫措施而改變，若要準確評估移動情形改變及非藥物介入措施的效果，需要進階的研究設計與模型建置，並結合本土疫情的流行病學詳細資訊（如新確診與死亡數、潛伏期、檢測與通報延遲、流行株的分布等）。

結語

自2020年COVID-19全球大流行以來，有越來越多行動裝置所紀錄的人群移動資料釋出，這些資料即時提供大眾遵循非藥物介入措施的指標，能夠作為調整防疫政策的依據之一。清華大學生命科學系助理教授張筱涵的研究團隊結合了Facebook的匿名移動資料與傳染病動態模型，探討臺灣各個縣市內及跨縣市的移動趨勢如何影響COVID-19傳播的地理範圍及個案數目，以及對應的旅行限制措施的可能效果。

本文從人群移動的觀點切入，介紹主要的移動公開資料及其在傳染病流行病學的可能應用。接著以Google的COVID-19社區人流資料為例，呈現臺灣在最近發布疫情警戒後人群移動的情形，探討防疫政策調整的方向，同時討論移動資料在代表性、解析度等推論上的限制。期許透過本文的簡介，讀者能夠了解人群移動資料於傳染病防治的應用，並期許未來能看到更多研究投入與探索。