Jun 10, 2023
Die Rolle des kalifornischen Stufensystems bei der Kontrolle der Bevölkerungsmobilität während der COVID
BMC öffentliche Gesundheit
BMC Public Health Band 23, Artikelnummer: 905 (2023) Diesen Artikel zitieren
273 Zugriffe
1 Altmetrisch
Details zu den Metriken
Maßnahmen zur Einschränkung der Bevölkerungsmobilität sind eine häufig eingesetzte Strategie zur Begrenzung der Übertragung ansteckender Krankheiten. Zu den Maßnahmen, die während der COVID-19-Pandemie umgesetzt wurden, gehörten dynamische Anordnungen, zu Hause zu bleiben, die auf Echtzeitdaten auf regionaler Ebene basieren. Kalifornien war der erste Staat in den USA, der diesen neuartigen Ansatz umsetzte; Die Wirksamkeit des vierstufigen Systems Kaliforniens auf die Bevölkerungsmobilität wurde jedoch nicht quantifiziert.
Mithilfe von Daten von Mobilgeräten und demografischen Daten auf Kreisebene haben wir die Auswirkungen politischer Änderungen auf die Bevölkerungsmobilität bewertet und untersucht, ob demografische Merkmale die Variabilität in der Reaktion auf politische Änderungen erklären. Für jeden kalifornischen Landkreis haben wir den Anteil der Menschen, die zu Hause bleiben, und die durchschnittliche Anzahl täglicher Fahrten pro 100 Personen über verschiedene Fahrtentfernungen berechnet und diese mit den Werten vor COVID-19 verglichen.
Wir haben herausgefunden, dass die Gesamtmobilität abnahm, wenn die Landkreise zu einer restriktiveren Stufe wechselten, und zunahm, wenn sie zu einer weniger restriktiven Stufe übergingen, wie es die Richtlinie vorsah. Bei der Einstufung in eine restriktivere Stufe war der größte Rückgang der Mobilität bei Kurz- und Mittelstreckenfahrten zu beobachten, während bei längeren Fahrten ein unerwarteter Anstieg zu verzeichnen war. Die Mobilitätsreaktion variierte je nach geografischer Region sowie dem Durchschnittseinkommen auf Kreisebene, dem Bruttoinlandsprodukt, dem wirtschaftlichen, sozialen und bildungsbezogenen Kontext, der Verbreitung landwirtschaftlicher Betriebe und den jüngsten Wahlergebnissen.
Diese Analyse liefert Beweise für die Wirksamkeit des stufenbasierten Systems bei der Verringerung der Gesamtmobilität der Bevölkerung, um letztendlich die Übertragung von COVID-19 zu reduzieren. Die Ergebnisse zeigen, dass soziopolitische demografische Indikatoren eine erhebliche Variabilität dieser Muster in den einzelnen Landkreisen bewirken.
Peer-Review-Berichte
Bei der Untersuchung der Ausbreitung von Infektionskrankheiten aus Sicht der öffentlichen Gesundheit ist die Bevölkerungsmobilität ein entscheidender Gesichtspunkt. Mobilität bzw. die Entfernungen, die Menschen täglich zurücklegen, und die Häufigkeit ihrer Fahrten sind ein Hinweis auf ihre potenzielle Exposition gegenüber infizierten Personen (für übertragbare Krankheiten) [1]. Wenn Beamte versuchen, einen Infektionserreger wie das SARS-CoV-2-Virus in einer Bevölkerung einzudämmen, werden häufig nicht-pharmazeutische Maßnahmen wie staatliche Anordnungen ergriffen, die die menschliche Mobilität einschränken, um die Exposition und Virusausbreitung zu minimieren. Im Zusammenhang mit COVID-19 haben lokale und föderale Regierungen auf der ganzen Welt verschiedene Maßnahmen ergriffen, um die Übertragung des Virus durch eine Verringerung der Bevölkerungsmobilität einzudämmen. Das SARS-CoV-2-Virus verbreitete sich schnell weltweit, größtenteils durch Übertragung über die Luft, und stellte eine hohe Gesundheitsbelastung dar, wobei sein klinisches Erscheinungsbild von leichten bis zu schweren Symptomen wie Lungenentzündung, Organschäden und Tod reichte. Daher ist es wichtig, Maßnahmen zur Eindämmung seiner Ausbreitung festzulegen [2, 3]. Aufgrund der beispiellosen Natur dieser globalen Pandemie war es jedoch schwierig, Leitlinien festzulegen, was teilweise auf das Fehlen eindeutiger Beweise für die Wirksamkeit verschiedener Maßnahmen zurückzuführen war.
Auf verschiedenen Regierungsebenen wurden eine Reihe von Richtlinien umgesetzt, darunter die Verwendung von Gesichtsmasken, die Einhaltung des Mindestabstands, die Begrenzung der Kapazität von Innenräumen, die Schließung nicht wesentlicher Geschäfte und Räume, die Verbesserung der Belüftung von Innenräumen, die Reinigung und Desinfektion von Oberflächen sowie die Überwachung der individuellen Gesundheit durch Temperaturmessung und COVID-19-Tests [4,5,6,7]. Neben der Förderung dieser Maßnahmen führten viele Regierungen auch Hausverbote ein, um die Ausbreitung von Infektionen einzudämmen. In unterschiedlichem Umfang verlangten diese Anordnungen von den Bewohnern, zu Hause zu bleiben, mit Ausnahmen für notwendige oder kritische Aufgaben [8]. Im Vergleich zu Regionen, in denen Ausgangsbeschränkungen nicht umgesetzt wurden, verzeichneten Gebiete mit Ausgangsbeschränkungen bereits fünf Tage nach der Umsetzung einen Rückgang der Zahl der COVID-19-Fälle und Todesfälle, wodurch die Virusausbreitung minimiert wurde [ 9, 10]. Während der Hauptmechanismus, der zu einer solchen Reduzierung von COVID-19 beitragen könnte, wahrscheinlich auf Veränderungen in den Mobilitätsmustern zurückzuführen ist, gibt es kaum Belege für die Wirkung dieser Maßnahmen auf die Mobilität.
Mehrere frühere Studien haben sich auf die Auswirkungen von Richtlinien zur Mobilitätseinschränkung auf die Übertragungsraten von COVID-19 konzentriert und weitgehend festgestellt, dass Mobilitätseinschränkungen zu einer Verringerung der Übertragung von COVID-19 führten [7, 11,12,13,14,15,16,17, 18,19,20,21]. Weniger Studien haben jedoch die Auswirkungen der Bevölkerungsmobilität aufgrund von COVID-19-Maßnahmen untersucht. Wir haben 22 Artikel identifiziert, die diesen Zusammenhang untersucht haben, die in Tabelle S1 aufgeführt sind. Sieben dieser Studien untersuchten nur die Auswirkungen dieser Richtlinien auf die Mobilität innerhalb der Vereinigten Staaten (USA) [22,23,24,25,26], während fünfzehn diesen Zusammenhang in anderen Teilen der Welt, darunter China, Kanada und Polen, untersuchten , Italien, Frankreich, Ungarn, Griechenland und auf globaler Ebene [7, 16, 27,28,29,30,31,32,33,34,35,36,37,38,39,40]. Bestimmte Länder, darunter China, das Vereinigte Königreich, Südafrika und Israel, nutzten Echtzeitdaten auf regionaler Ebene, um verschiedene Stufen von Mobilitätseinschränkungen einzuführen, um die Verbreitung von COVID-19 einzudämmen [41,42,43]. Um die Wirksamkeit dieser Maßnahmen zu beurteilen, wurden unterschiedliche Ansätze zur Schätzung der Mobilität verwendet. Eine in China durchgeführte Studie nutzte Verkehrsstaus und die Häufigkeit von U-Bahn-Fahrern als Indikator für die menschliche Mobilität, während andere sich auf anonymisierte Mobiltelefondaten oder Google-Mobilitätsdaten stützten [32]. Unabhängig vom verwendeten Ansatz kamen alle Studien zu dem Schluss, dass diese Maßnahmen die Mobilität verringerten, und unterstrichen ihre Gesamtwirksamkeit bei der Verringerung der COVID-19-Übertragung. Kalifornien war der erste Bundesstaat in den USA, der eine differenziertere Richtlinie einführte, die sich von den landesweiten Anordnungen zum Bleiben zu Hause aufgrund der Kriterien auf Bezirksebene zur Festlegung politischer Beschränkungen unterschied. Darüber hinaus nutzten weltweit nur wenige Länder eine Stufensystempolitik (z. B. Italien), und diejenigen, die dies taten, nutzten unterschiedliche Richtlinien (z. B. ein dreistufiges System in Italien, bei dem drei Farben zur Verschärfung der Beschränkungen verwendet wurden: Gelb, Orange und Rot), wobei die meisten Länder, die sich für die Anwendung von Lockdown-Richtlinien ohne Stufensystem entscheiden, machen das kalifornische Stufensystem zu etwas Besonderem [29].
Am 30. August 2020 führte Kalifornien den „Blueprint for a Safer Economy“ ein, ein umfassendes, bezirksspezifisches Stufensystem zur Kontrolle der Virusausbreitung durch politische Beschränkungen, basierend auf landesspezifischen COVID-19-Testpositivitäts- und Fallraten [44] . Dieses Stufensystem wurde vom kalifornischen Gouverneur Gavin Newsom als evidenzbasierter Ansatz zur Bekämpfung der COVID-19-Pandemie unter Berücksichtigung lokaler Indikatoren für die Virusübertragung vorgeschlagen. Das kalifornische System umfasste vier Stufen, wobei Stufe eins am restriktivsten war (lila), Stufe zwei (rot) restriktiv, Stufe drei (orange) weniger restriktiv und Stufe vier (gelb) am wenigsten restriktiv (Ergänzungstabelle S2). Da dieses System farblich gekennzeichnet war, ermöglichte es einen klaren und zugänglichen Indikator für die Risiken von COVID-19 für Menschen und Unternehmen in Kalifornien. Die Stufe jedes Landkreises wurde auf der Grundlage epidemiologischer Beweise für COVID-19-Risiken bewertet. Am 6. Oktober 2020 führte Kalifornien eine zusätzliche Kennzahl für gesundheitliche Chancengleichheit ein, die von den Landkreisen verlangt, konkrete Anstrengungen zur Beseitigung von Ungleichheiten zu unternehmen, indem sie die COVID-19-Positivitätsraten in den am stärksten benachteiligten Gemeinden verbessern, bevor sie zu einer weniger restriktiven Stufe übergehen [45]. Als Kalifornien mit der Verabreichung von Impfstoffen begann, änderte sich das Stufensystem, um ab dem 20. April 2021 sowohl die verabreichten Impfstoffe als auch die absolute Fallzahl anzupassen.
Die Beschränkungen für Unternehmen in den einzelnen Landkreisen entsprachen der Stufe, der sie zugeordnet waren. Beispielsweise wurden auf Stufe 1 nicht unbedingt erforderliche Innenbetriebe geschlossen und wesentliche Innenbetriebe auf eine maximale Kapazität von 25 % reduziert, während auf Stufe 4 die meisten Innenbetriebe mit einigen Änderungen geöffnet waren. Nach unserem Kenntnisstand wurden die Auswirkungen dieses Stufensystems auf die Bevölkerungsmobilität nicht bewertet. Darüber hinaus kann die Rolle verschiedener soziopolitischer und demografischer Indikatoren Aufschluss darüber geben, warum die Mobilitätsmuster von Landkreis zu Landkreis unterschiedlich sind. In Landkreisen mit einem höheren Anteil an wichtigen Arbeitskräften, wie zum Beispiel Landarbeitern, haben die Menschen möglicherweise nicht das Privileg, von zu Hause aus zu arbeiten, und daher ändert sich das Mobilitätsniveau möglicherweise nicht durch Sperrungen, während Kreise mit weniger wichtigen Arbeitskräften möglicherweise mehr Wahlmöglichkeiten bei der Einschränkung haben ihre Mobilität. Frühere Studien haben auch festgestellt, dass bestimmte soziodemografische Merkmale mit einem unverhältnismäßigen Risiko und einer unverhältnismäßigen COVID-19-Exposition verbunden sein können, und diese Unterschiede können teilweise Unterschiede in der Beziehung zwischen der Umsetzung politischer Maßnahmen und Mobilitätsänderungen innerhalb und zwischen Landkreisen erklären [46, 47]. Das Verständnis räumlicher Unterschiede in der Wirksamkeit von Maßnahmen zur Verringerung der Bevölkerungsmobilität und der Ursachen dieser Unterschiede kann wichtig sein, um Maßnahmen auf der Grundlage der Demografie und Bevölkerung auf Kreisebene anzupassen. Das Verständnis der Reaktion der Bevölkerung auf Kreisebene kann genutzt werden, um gerechte Richtlinien zu fördern, die Unterschiede im Expositionsrisiko und den damit verbundenen Schutzmaßnahmen berücksichtigen. Darüber hinaus kann die Bewertung der Auswirkungen dieser Maßnahmen auf Reisen über kürzere und längere Distanzen hilfreich sein, um besser zu verstehen, wie die Bevölkerung ihr Reiseverhalten ändert und welche unbeabsichtigten Auswirkungen sich aus diesen Maßnahmen ergeben können. Die Schließung dieser Wissenslücken könnte unschätzbare Erkenntnisse liefern, um die Umsetzung künftiger bevölkerungsweiter Maßnahmen zu verbessern und die Notfallvorsorge, das Management und die Reaktion im öffentlichen Gesundheitswesen zu verbessern.
Ziel dieses Papiers ist es, die Auswirkungen zu bewerten, die der Blueprint for a Safer Economy, im Folgenden als kalifornisches Stufensystem bezeichnet, auf die Bevölkerungsmobilität hatte, einschließlich des täglichen Anteils der Bevölkerung, der nicht zu Hause bleibt, und der durchschnittlichen Anzahl der Fahrten nach Entfernung währenddessen Durchführung vom 31.08.2020 bis 15.06.2021 auf dem Höhepunkt der COVID-19-Pandemie. Zweitens zielt diese Studie darauf ab, zu verstehen, ob demografische Merkmale auf Bezirksebene Unterschiede in der Art und Weise erklären, wie sich die Mobilitätsmuster der kalifornischen Bezirke als Reaktion auf sich ändernde Einschränkungen während der Umsetzung politischer Maßnahmen veränderten.
Tägliche Reisedaten, einschließlich der Bevölkerung, die nicht zu Hause bleibt, und Fahrten nach zurückgelegter Entfernung auf Kreisebene wurden vom US Bureau of Transportation Statistics heruntergeladen [48]. Diese Reiseinformationen für jeden Landkreis in den USA wurden vom Maryland Transportation Institute und dem Center for Advanced Transportation Technology Laboratory der University of Maryland anhand eines anonymisierten Panels mobiler Gerätedaten geschätzt, das aus mehreren Quellen aggregiert wurde [48]. Dazu gehören Daten von Mobilgeräten in den gesamten USA, die den Datenqualitätsstandards entsprechen, einschließlich zeitlicher Häufigkeit und räumlicher Genauigkeit anonymisierter Standortpunktbeobachtungen, zeitlicher Abdeckung und Repräsentativität für das Gerät sowie räumlicher Repräsentativität der Stichprobe. Mithilfe einer mehrstufigen Gewichtungsmethode wurde die Stichprobe der Studie auf Bevölkerungsschätzungen auf Kreisebene erweitert, und es wird geschätzt, dass die Ergebnisse die beste Repräsentativität aufweisen. Die für diese Studie extrahierten Daten umfassten tägliche Schätzungen der Bevölkerung, die zu Hause blieb, der Bevölkerung, die nicht zu Hause blieb, und, wenn sie das Haus verließ, die durchschnittliche Anzahl der Fahrten nach Entfernung in Meilen (< 1, 1–3, 3–5). , 5–10, 10–25, 25–50, 50–100, 100–250, 250–500 und 500+). Jede Bewegung, die einen Aufenthalt von mehr als 10 Minuten an einem anonymisierten Ort außerhalb des Zuhauses beinhaltete (der auf wöchentlicher Ebene unterstellt wurde), wurde als Reise betrachtet; Mehrere Stopps von mehr als 10 Minuten vor der Rückkehr nach Hause wurden als Mehrfachfahrten geschätzt. Alle Transportarten werden als Fahrten erfasst, einschließlich Auto-, Bahn- und Flugreisen. Dieser Datensatz begann im Januar 2019 und die für diese Studie verwendeten Daten reichten vom 31. August 2020 bis zum 15. Juni 2021, als das Stufensystem eingestellt wurde und Kalifornien vollständig wieder geöffnet wurde. Für diese Analyse wurden zusätzlich Daten aus dem Jahr 2019 herangezogen. Daten zum kalifornischen Stufensystem wurden vom California Department of Public Health (CDPH) heruntergeladen [45]. Jeder Landkreis in Kalifornien wurde vom 31. August 2020 bis zum 15. Juni 2021 jede Woche auf der Grundlage von Indikatoren für die Übertragung und das Risiko von COVID-19 mithilfe von Testpositivität und angepassten Fallraten in eine Stufe [1,2,3,4] eingeteilt. Alle Die Kennzahlen basierten auf der Bevölkerungszahl des Landkreises, und für kleine Landkreise (definiert als Landkreise mit weniger als 106.000 Einwohnern) wurden Anpassungen vorgenommen, einschließlich einer Ausnahme von angepassten Raten auf der Grundlage des Testvolumens und der Einhaltung von Kennzahlen zur gesundheitlichen Chancengleichheit, die festlegen, dass Testpositivitätsraten in benachteiligten Stadtteilen vorliegen nicht anders als die Gesamtschätzungen des Landkreises. Ab dem 20. April 2021 wurden bei der Umstellung von Landkreisen auf eine weniger restriktive Stufe auch die absolute Fallzahl und die Durchimpfungsrate berücksichtigt, wenn die vorherige Bewertung einen Stufenwechsel verhinderte. Das CDPH bewertete jeden Montag die Fallzahlen und die Testpositivität des Landkreises und teilte den Landkreisen jeden Dienstag die Klassifizierung mit, die am nächsten Tag (Mittwoch) in Kraft treten würde. Wenn festgestellt wurde, dass ein Landkreis auf eine restriktivere Stufe umstellen muss, hatte der Landkreis ab Mittwoch drei Tage Zeit, um etwaige Änderungen umzusetzen, es sei denn, aufgrund extremer Umstände waren sofortige Maßnahmen erforderlich. Ein Landkreis musste mindestens drei Wochen in einer Stufe bleiben, um zu einer weniger restriktiven Stufe aufzusteigen, und konnte jeweils nur eine Stufe aufsteigen (selbst wenn die Kennzahlen darauf hindeuten würden, dass Stufen übersprungen werden).
Wenn davon ausgegangen wurde, dass in einem Landkreis eine weit verbreitete Übertragung von COVID-19 herrscht, wurde er in die restriktivste Stufe (Lila, Stufe 1) eingestuft. Zu den wichtigsten Einschränkungen gehörte die Beschränkung gesellschaftlicher Zusammenkünfte auf maximal drei Haushalte, das Verbot von Sitzveranstaltungen in Innenräumen und die Beschränkung von Fitnessstudios und Restaurants im Freien und die Schließung von Bars. In der roten Stufe (Stufe 2), bei der eine erhebliche Übertragung festgestellt wurde, durften sich maximal 25 Personen im Freien versammeln, und Versammlungen in Innenräumen waren mit Änderungen erlaubt, obwohl dringend davon abgeraten wurde. In dieser Stufe durften Fitnessstudios mit einer Kapazität von 10 % und Restaurants mit einer Kapazität von 25 % geöffnet werden, und Bars blieben geschlossen. In der 3. Stufe (Orange) durften sich 50 Personen im Freien versammeln, Fitnessstudios waren zu 25 % und Restaurants zu 50 % ausgelastet, während Büros mit einigen Änderungen erstmals in Innenräumen geöffnet wurden (obwohl Fernarbeit weiterhin stark gefördert wurde); Bars durften auch für den Außenbereich geöffnet werden. Die am wenigsten restriktive Stufe (Gelb, Stufe 4) erlaubte Versammlungen im Freien mit bis zu 100 Personen, Fitnessstudios und Restaurants waren mit einer Kapazität von 50 % geöffnet und Bars durften im Innenbereich mit einer Kapazität von 25 % öffnen. Weitere Einzelheiten darüber, was in den einzelnen Stufenkriterien erlaubt oder eingeschränkt war, finden Sie in den ergänzenden Materialien (Tabelle S2).
Um die Veränderung der Mobilität aufgrund des California Tier-Systems zu verstehen, haben wir zunächst ein bevölkerungsstandardisiertes Maß für jede Mobilitätsvariable berechnet, indem wir die zu Hause bleibende Bevölkerung und die Anzahl der Fahrten durch die Gesamtbevölkerung (Summe der zu Hause bleibenden Bevölkerung und der Bevölkerung) dividierten nicht zu Hause bleiben) und mit 100 multipliziert. Diese bevölkerungsstandardisierten Maße stellen den Anteil der Menschen dar, die zu Hause bleiben, und die durchschnittliche Anzahl der täglichen Fahrten pro 100 Personen für jede Entfernungskategorie. Diese Schätzungen wurden auf wöchentlicher Ebene für jeden Landkreis gemittelt, wobei insgesamt 83 Wochen für jeden der 58 kalifornischen Landkreise bewertet wurden, und eine Differenz für jede Woche wurde unter Verwendung der Schätzungen von 2019 als Basis berechnet, um wie in den vorherigen Schritten eine robuste Differenz abzuschätzen Artikel [49, 50]. Solche starken Unterschiede zielen auf das Mobilitätsmuster ab, das ohne die Beschränkungen des California Tier-Systems für jede Woche im Jahr 2020 beobachtet worden wäre (unter Verwendung wöchentlicher Schätzungen aus dem Vorjahr). Als Ergebnis des Interesses an unseren Modellen wurde ein Unterschied in der durchschnittlichen Mobilität auf wöchentlicher Ebene verwendet. Es ist zu beachten, dass der 1. Januar als erster Tag der ersten Woche eines jeden Jahres galt und die wöchentlichen Maße entsprechend berechnet wurden. Damit begannen die Wochen jedes Jahr an einem anderen Wochentag (Dienstag im Jahr 2019, Mittwoch im Jahr 2020 und Freitag im Jahr 2021). Die Woche nach der Bewertung des Stufensystems wurde zur Analyse herangezogen; Beispielsweise entsprach die erste Woche, in der das Stufensystem am 30. August 2020 bewertet wurde, den Mobilitätsdaten vom 2. bis 8. September 2020. Eine Sensitivitätsanalyse wurde durchgeführt, wobei der erste Mittwoch und Freitag als erster Tag der gegebenen Woche berücksichtigt wurden dass das Stufensystem mittwochs in Kraft trat und die Landkreise beim Übergang zu einer restriktiveren Stufe drei Tage Zeit hatten, um Änderungen umzusetzen.
Die Kreisklassifizierung wurde jede Woche erfasst und jeder Wechsel zu einer höheren Rangstufe wurde als weniger restriktiv angesehen (d. h. es wurde eine dichotome Variable verwendet, bei der jeder Wechsel zu einer höheren Rangstufe als 1, keine Änderung oder jede Änderung zu a neu kodiert wurde Die niedrigere Rangstufe wurde als 0 umcodiert), während jede Änderung zu einer niedrigeren Rangstufe als restriktiver angesehen wurde (d. h. jede Änderung zu einer niedrigeren Rangstufe = 1, keine Änderung oder jede Änderung zu einer höheren Rangstufe = 0). Es wurde ein lineares Modell mit festen Effekten angewendet, mit der Änderung der Ebenenebene als unabhängige Variable und dem bevölkerungsbereinigten Differenzmobilitätsmaß als abhängiger Variable, mit festen Effekten (für den Achsenabschnitt und die Steigung) auf Kreisebene, um wöchentliche Änderungen zu vergleichen nur innerhalb jedes Landkreises. Für die weitere Analyse wurden die Regressionskoeffizienten, die die Auswirkungen von Stufensystemänderungen auf die nicht zu Hause bleibende Bevölkerung jedes Landkreises berücksichtigen, extrahiert.
Eine Meta-Regression wurde angewendet, um den Zusammenhang zwischen der Demografie auf Kreisebene und der Variation in der Mobilität als Reaktion auf die Implementierung des Stufensystems zu verstehen. Demografische Daten auf Kreisebene wurden von der California State Association of Counties [51], Schätzungen der Volkszählung 2019, dem California Healthy Places Index [52] und den Wahlergebnissen der New York Times [53] heruntergeladen. Koeffizienten auf Kreisebene, die die Auswirkung einer restriktiveren Stufe angeben, wurden mit jeder interessierenden demografischen Variable regressiert und grafisch dargestellt, um zu untersuchen, welche Merkmale die zwischen den Landkreisen in Kalifornien beobachteten Unterschiede in der Wirkung erklären. Variablen, von denen angenommen wird, dass sie möglicherweise mit der Reaktion des Stufensystems in Zusammenhang stehen, waren das Bruttoinlandsprodukt (BIP als Maß für die Wirtschaftstätigkeit), das mittlere Einkommen, der wirtschaftliche Kontext (ein Maß für Beschäftigungsquoten, Pro-Kopf-Einkommen und Armutsniveau) und der soziale Kontext (ein Maß für die Wahlbeteiligung und die Reaktion auf die Volkszählung), Bildungskontext (ein Maß für die Einschulung im Vorschulalter, die Bachelor-Ausbildung und die Einschulung an weiterführenden Schulen), die Anzahl der landwirtschaftlichen Betriebe in jedem Kreis (ein Indikator für die landwirtschaftliche Arbeitskraft) und der Anteil jedes Kreises das mit „Ja“ gestimmt hat, um Gouverneur Gavin Newsom abzuberufen. Viele Einwohner Kaliforniens haben aufgrund des von Gouverneur Gavin Newsom eingeführten Stufensystems aufgrund seiner Auswirkungen auf die kalifornische Wirtschaft, die dazu führte, dass viele Unternehmen schließen oder nur mit begrenzter Kapazität arbeiten mussten, eine Abwahlwahl zum Gouverneur von Kalifornien beantragt. Indikatoren auf Volkszählungsebene aus dem Healthy Places Index wurden auf Kreisebene durch die Berechnung bevölkerungsgewichteter Mittelwerte aggregiert. Datenkompilierung und lineare Regressionen wurden in STATA 16 SE durchgeführt, während die Meta-Regression mit R 4.1.0 durchgeführt wurde.
Tabelle 1 enthält die deskriptiven Statistiken zu Demografie, Mobilität und Rückrufabstimmungsinformationen, gemittelt für alle Bezirke in Kalifornien. Das durchschnittliche BIP beträgt 51,7 Milliarden US-Dollar und das durchschnittliche Durchschnittseinkommen beträgt 77.470 US-Dollar für alle Landkreise. Im Durchschnitt kommen auf 1.000 Einwohner 4,17 Bauernhöfe. Im Verlauf der Einführung des Stufensystems blieben durchschnittlich 72,87 Personen pro 100 Personen nicht zu Hause, und die durchschnittliche Anzahl der Reisen, die Einzelpersonen während der Einführung des Stufensystems vom 31. August 2020 bis zum 15. Juni 2021 unternahmen, betrug 261,51 pro 100 Personen. Diese Fahrten reichten von weniger als 1 Meile, die im Durchschnitt mit einer Häufigkeit von 64,77 Fahrten pro 100 Personen stattfanden, bis zu über 500 Meilen, die mit durchschnittlich 0,26 Fahrten pro 100 Personen weniger häufig vorkamen. Die meisten Fahrten (95,4 %) blieben weniger als 50 Meilen lang, und die überwiegende Anzahl der Fahrten war 3 Meilen oder kürzer. In allen Landkreisen stimmten durchschnittlich 47,14 % der Personen mit Ja für den Rückruf von Gavin Newsom. Landkreisspezifische demografische Daten werden im Zusatzmaterial dargestellt (Tabelle S3).
Abbildung 1 zeigt die Änderungen der Stufenbeschränkungen über die Dauer der Implementierung des kalifornischen Stufensystems für jeden Landkreis. Die Mehrheit der Bezirke (81 %) begann zu Beginn der Einführung des Stufensystems mit den restriktiveren Stufen (rot oder lila), die in den folgenden drei bis sechs Wochen tendenziell nachließen. Die meisten Landkreise, mit Ausnahme der Landkreise Alpine, Mariposa und Sierra, befanden sich von November 2020 bis Ende März 2021 in der violetten (restriktivsten) Stufe Die Landkreise Norte, Shasta und Yuba befanden sich zum Zeitpunkt der Einstellung des Stufensystems am 15. Juni 2021 in den weniger restriktiven Stufen (Gelb und Orange). Die meisten Mobilitätsmaße gingen im Jahr 2020 im Vergleich zu 2019 im Durchschnitt zurück und stiegen im ersten Jahr wieder an Monate (Januar-Juli) des Jahres 2021 (Tabelle S4).
Änderungen der Stufen in Kalifornien je nach Landkreis vom 31. August 2020 bis zum 15. Juni 2021 während der Umsetzung des Blueprint for a Safer Economy (Stufensystem)
Im Allgemeinen führte der Wechsel zu einer restriktiveren Stufe zu einem Rückgang von -4,45 [-5,44, -3,47] Personen, die nicht zu Hause blieben, pro 100, während eine weniger restriktive Stufe die Mobilität um 0,57 [-0,08, 1,22] pro 100 Personen erhöhte vorgesehen (Abb. 2). Regionen wie Nordkalifornien, insbesondere in der Bay Area und den Eastern Sierras, sowie Landkreise entlang der meisten Küstenlinien verzeichneten nach dem Wechsel zu einer restriktiveren Stufe einen stärkeren Rückgang der Mobilität. Zu den Landkreisen mit dem größten Rückgang der Mobilität (eine Veränderung von 6–7 Personen, die zu Hause bleiben pro 100 Personen) nach dem Übergang zu einer restriktiveren Stufe gehören die Landkreise Marin und Placer (Abb. 2a). Im Gegensatz dazu waren Del Norte, Modoc, Trinity, Tehama, Plumas, Sutter und Inyo die Landkreise, die nach einem Wechsel zu einer restriktiveren Stufe den geringsten Rückgang der Mobilität verzeichneten (eine Veränderung von 0–3 Personen, die zu Hause bleiben pro 100 Personen). , Kings und Riverside Countys. Es ist wichtig zu beachten, dass einige Landkreise, wie z. B. Los Angeles, mehrere Monate lang in der violetten Stufe (am restriktivsten) blieben und dann die Beschränkungen schrittweise lockerten, jedoch nie in eine restriktivere Stufe umklassifiziert wurden und daher nicht auf die Erhöhung analysiert werden konnten Einschränkungen ändern sich; Diese Landkreise erscheinen in der Karte als fehlend (Abb. 2b).
Änderung der Mobilität (Bevölkerung, die nicht zu Hause bleibt pro 100 Personen) in kalifornischen Landkreisen im Zusammenhang mit dem Wechsel zu einer restriktiveren Stufe (a) oder einer weniger restriktiven Stufe (b). Eine positive Veränderung gibt an, dass die Bevölkerung pro 100 Personen nicht zu Hause bleibt (orange), während eine negative Veränderung angibt, dass die Bevölkerung pro 100 Personen nicht zu Hause bleibt (lila).
Es wurden Unterschiede in den Trends einer erhöhten Mobilität nach dem Wechsel zu einer weniger restriktiven Stufe beobachtet, obwohl diese Schätzungen weniger präzise sind. Die höchsten Mobilitätszuwächse gab es in ländlichen Regionen wie der Küste Nordkaliforniens und den nördlichen Gebirgszügen (z. B. Shasta Cascades und Sierra Nevada) sowie in städtischen Regionen einschließlich Südkalifornien. In den Fällen, in denen die Landkreise auf die am wenigsten restriktive Stufe umgestiegen sind, waren Imperial, Mono, Sonoma und Santa Cruz die Landkreise, die ihre Mobilität am stärksten erhöhten (mehr als 5, die zu Hause blieben pro 100 Personen). Die Bezirke mit dem geringsten Anstieg der Mobilität (0–2,5 Personen, die zu Hause bleiben pro 100 Personen) waren Ventura, San Benito, Tulare, Napa und Del Norte.
Die Veränderungen in der Mobilität variierten je nach Entfernung der analysierten Fahrten in allen Landkreisen, wie in Abb. 3 dargestellt. Bei Änderungen zu einer restriktiveren Stufe ging die Anzahl der Fahrten zwischen 10 und 25 Meilen pro 100 Personen zusammen mit der Anzahl der Fahrten stark zurück zwischen 5 und 10 Meilen, 3–5 Meilen und 1–3 Meilen. Der deutlichste Rückgang war jedoch bei Fahrten von weniger als einer Meile zu verzeichnen, die um durchschnittlich 20 tägliche Fahrten pro 100 Personen zurückgingen. Interessanterweise wurde gezeigt, dass längere Fahrten von 50–100 Meilen und 100–250 Meilen nach der Umstellung auf eine restriktivere Stufe zunahmen. Bei der Umstellung auf eine weniger restriktive Stufe gab es kaum Veränderungen bei längeren Fahrten von mehr als 25 Meilen pro 100 Personen. Im mittleren Bereich der Fahrten mit einer Entfernung von 3–5, 5–10 und 10–25 Meilen war jedoch in jeder dieser Kategorien ein Anstieg um etwa 2–3 Fahrten pro 100 Personen zu verzeichnen. Sensitivitätsanalysen mit Mittwoch oder Freitag als erstem Tag der Woche zeigten ähnliche Ergebnisse (Tabelle S5 und S6).
Änderung der Mobilität (durchschnittliche tägliche Fahrten pro 100 Personen) im Zusammenhang mit der Änderung des Stufensystems durch die Fahrtentfernung in Meilen in den kalifornischen Landkreisen. Die Punkte stellen die Punktschätzungen dar und die Linien stellen die 95 %-Konfidenzintervalle dar
Die Mobilität wurde durch Änderungen im Rangsystem auf Kreisebene beeinträchtigt, wobei die zunehmenden Einschränkungen zu einer geringeren Bevölkerungsbewegung führten. Die Demografie des Landkreises war mit dem Grad der Veränderung der Mobilität verbunden, die nach dem Wechsel zu einer restriktiveren Stufe beobachtet wurde. Mit jeder BIP-Steigerung um eine Million US-Dollar auf Kreisebene erhöhte sich der Effekt des Stufensystems auf die Mobilität um 0,19 [95 %-KI: -0,06, 0,44] (Abb. 4). Das mittlere Einkommen hatte einen ähnlichen Zusammenhang; Landkreise mit einem höheren Einkommen verzeichneten einen stärkeren Rückgang der Mobilität, wenn sie in eine restriktivere Stufe übergingen. Ein höherer wirtschaftlicher, sozialer und bildungsbezogener Kontext eines Landkreises war auch mit einer stärkeren Veränderung der Mobilität aufgrund von Stufenbeschränkungen verbunden. Die Zahl der landwirtschaftlichen Betriebe pro 1000 Personen zeigte einen positiven Zusammenhang, was darauf hindeutet, dass sich die Mobilität weniger veränderte, wenn ein Landkreis mehr landwirtschaftliche Betriebe hatte, obwohl diese Schätzung ungenau war (Abb. 4). Der Anteil der Kreise, die für die Abberufung des Gouverneurs stimmten, schien ebenfalls einen positiven Zusammenhang zu haben; Da der Prozentsatz der Kreise, die mit „Ja“ stimmten, zunahm, wurde die Veränderung ihrer Mobilitätsmuster abgeschwächt, was bedeutet, dass Kreise, die überwiegend für die Abberufung stimmten, weniger wahrscheinlich ihre Mobilität verringerten, wenn sie zu einer restriktiveren Ebene wechselten. Schließlich schien der Anteil der Personen ab 65 Jahren in einem Landkreis nicht mit einer größeren Veränderung der Mobilität aufgrund von Stufenbeschränkungen verbunden zu sein.
Ergebnisse der Meta-Regression, die den Zusammenhang zwischen dem Anstieg der demografischen Merkmale des Landkreises im Interquartilbereich (Y-Achse) und dem Mobilitätsrückgang (X-Achse) aufgrund von Ebenensystembeschränkungen in Kalifornien zeigen. Werte über 0 deuten auf eine stärkere Änderung der Mobilität hin, während Werte unter 0 auf eine geringere Änderung der Mobilität hinweisen
Das von Kalifornien eingeführte Stufensystem zur Einschränkung der Mobilität während der COVID-19-Pandemie war mit einem allgemeinen Rückgang der Mobilität verbunden, als die Landkreise auf eine restriktivere Stufe umstiegen, und mit einer erhöhten Mobilität, als sie auf eine weniger restriktive Stufe wechselten. Wir haben festgestellt, dass kürzere (unter 3 Meilen) und mittlere Distanzen (3–50 Meilen) mit dem Wechsel zu einer restriktiveren Stufe stark zurückgingen, wohingegen nur mittelschwere Fahrten beim Wechsel zu einer weniger restriktiven Stufe merklich zunahmen. Überraschenderweise stellten wir fest, dass längere Fahrten zwischen 50 und 250 Meilen nach dem Wechsel zu einem restriktiveren Tarif zunahmen. Darüber hinaus wurden wichtige geografische Unterschiede zwischen den Landkreisen hinsichtlich der Mobilitätsmuster festgestellt, wobei Nordkalifornien und die Küste einen stärkeren Rückgang der Mobilität aufwiesen, wenn auf eine restriktivere Stufe umgestellt wurde. Diese Unterschiede wurden teilweise durch soziodemografische Unterschiede zwischen den Landkreisen erklärt. Auf Kreisebene waren ein höheres BIP, eine höhere Bildung, ein höherer wirtschaftlicher Kontext, ein höherer sozialer Kontext, ein höheres Einkommen, eine geringere Anzahl von landwirtschaftlichen Betrieben und ein geringerer Prozentsatz der Ja-Stimmen bei der Abberufung des Gouverneurs mit einer größeren Auswirkung auf die Mobilität verbunden. Insgesamt erwies sich das Stufensystem als wirksame Maßnahme zur Mobilitätssteuerung, da Landkreise nach einer Änderung des Stufenstatus im Allgemeinen ihre Mobilitätsmuster änderten.
Wir haben herausgefunden, dass sich das Stufensystem wirksam auf die Mobilität auswirkte und die Zahl der Menschen, die nicht zu Hause blieben, um -4,45 [-5,44, -3,47] pro 100 Personen reduzierte, als die Landkreise zu einer restriktiveren Stufe übergingen (Tabelle S5). Ähnliche Ergebnisse hinsichtlich einer Verringerung der Mobilität bei der Umsetzung restriktiver Richtlinien wurden in früheren Studien festgestellt [7, 22, 23, 26, 29, 32, 35, 37, 38, 40]. Beispielsweise stellten Engle, Stromme und Zhou (2020) einen Rückgang der Mobilität in den Vereinigten Staaten um 7,9 % aufgrund der Anordnung, zu Hause zu bleiben, fest, Liu und Kollegen (2022) beobachteten einen Rückgang der Verkehrsstaus und einen Rückgang um 10 % Während Pullano und Kollegen (2020) aufgrund der in chinesischen Städten eingeführten Abriegelung der U-Bahn-Fahrten einen Rückgang der Mobilität in Frankreich um 65 % aufgrund der Abriegelungsanordnungen feststellten, stellten Wellenius und Kollegen (2021) fest, dass in den Vereinigten Staaten ein sozialer Ausnahmezustand herrschte Distanzierungsanordnungen und Ausgangssperren führten zu einem Rückgang der Mobilität um 9,9 %, 24,5 % bzw. 29 %, und Xiong und Kollegen (2020) beobachteten einen Rückgang der Mobilität durch Anordnungen, zu Hause zu bleiben, um 5 % den Vereinigten Staaten [22, 23, 26, 32, 37]. Als die Landkreise jedoch zu einer weniger restriktiven Stufe übergingen, stieg die Zahl der Menschen, die nicht zu Hause blieben, nur um 0,57 [-0,08, 1,22] pro 100 Personen, mit ungenauen Ergebnissen (Tabelle S6). Dies weist darauf hin, dass die Landkreise selbst bei einer Lockerung der Beschränkungen möglicherweise nicht sofort zu ihren ursprünglichen Mobilitätsmustern zurückkehren [54, 55]. Die Risikowahrnehmung kann eine wichtige Rolle bei der Bereitschaft der Bevölkerung spielen, auch bei Lockerung der Beschränkungen weiterhin Schutzmaßnahmen umzusetzen [56, 57]. In ähnlicher Weise stellten Borkowski, Jażdżewska-Gutta und Szmelter-Jarosz (2021) fest, dass eine erhöhte Angst vor dem Coronavirus zu einer stärkeren Verkürzung der Reisezeit führte, und zeigten, dass sowohl erzwungene als auch selbst auferlegte Beschränkungen zu einer Verringerung der täglichen Mobilität in Polen führten [35] . Dies kann auch dazu beitragen, die räumlichen Unterschiede bei den Mobilitätsänderungen im gesamten Bundesstaat zu erklären, da einige Landkreise möglicherweise über die Kapazitäten und Ressourcen verfügen, konservativere Verhaltensweisen in Bezug auf COVID-19 aufrechtzuerhalten (Abb. 3) [46]. Dies wurde auch von Chiou und Tucker (2020) hervorgehoben, wo sie beobachteten, dass bestimmte Faktoren zum Selbstisolationsverhalten beitrugen, wie etwa ein hohes Einkommen und der Zugang zu Hochgeschwindigkeitsinternet [24]. Die Ergebnisse dieser Studie geben Einblick in die möglichen Auswirkungen der Umsetzung einer räumlich abgeleiteten Politik wie des Tier-Systems bei der Bekämpfung dynamischer Notfälle im Bereich der öffentlichen Gesundheit.
Die Wirksamkeit des kalifornischen Stufensystems variierte auch je nach Entfernung der zurückgelegten Fahrten. Insgesamt sank die tägliche Anzahl der Fahrten um -36,7 [-56,3, -17,0] pro 100 Personen, wenn auf eine restriktivere Stufe umgestellt wurde, wobei der stärkste Rückgang bei Fahrten über kürzere Entfernungen von 25 Meilen oder weniger zu verzeichnen war (Tabelle S5). Allerdings deuten die Ergebnisse auch auf unbeabsichtigte Folgen dieser Politik hin, da die Umstellung auf eine restriktivere Tarifstufe die Fahrten von 50 auf 250 Meilen erhöhte (Abb. 3). Es ist möglich, dass dieser umgekehrte Effekt dadurch erklärt werden kann, dass Einwohner in benachbarte Landkreise reisen, wenn sie in eine restriktivere Stufe wechseln, um Einschränkungen zu vermeiden; Dies müsste jedoch mit einem Datensatz weiter untersucht werden, der Informationen zum Reiseverhalten zwischen Landkreisen enthält. Dies unterscheidet sich von einigen bestehenden Forschungsergebnissen, die zeigen, dass Lockdowns die Langstreckenmobilität stärker einschränken als Kurzstreckenfahrten [17, 37]. Bisherige Arbeiten zu diesem Thema waren jedoch begrenzt und vielfältig; Pullano und Kollegen stellten fest, dass der Lockdown in Frankreich mit einem Rückgang kürzerer Reisen verbunden war [37], während Schlosser und Kollegen herausfanden, dass in Deutschland Fernreisen nach dem COVID-19-Lockdown stärker zurückgingen als Kurzstreckenreisen [58]. Dies kann auf Unterschiede zwischen dem Stufensystem und den in früheren Studien bewerteten vollständigen Sperrmaßnahmen zurückzuführen sein. Die unbeabsichtigten Folgen des Stufensystems können auch auf die eingeschränkte Durchsetzung zurückzuführen sein. Das kalifornische Stufensystem wurde für Unternehmen strenger durchgesetzt, es gab jedoch nur begrenzte Durchsetzungsmaßnahmen hinsichtlich der individuellen Einhaltung der Anordnungen, zu Hause zu bleiben, und der Empfehlungen, Reisen einzustellen (Tabelle S2). Kalifornien hat das Gesetz nicht im gleichen Maße durchgesetzt wie andere Teile der Welt, wie zum Beispiel Frankreich, das Geldstrafen für Verstöße gegen die Hausarrestanordnungen und Sperrbeschränkungen verhängte [37]. Zusammengenommen könnte dies den gegenteiligen beobachteten Effekt einer Zunahme längerer Fahrten erklären. Diese unbeabsichtigten Auswirkungen sind von entscheidender Bedeutung, um zu verstehen, wie die Bevölkerung auf die Politik reagiert hat, und um sich besser auf zukünftige Maßnahmen zur Verringerung der Mobilität vorzubereiten.
Die Unterschiede in der Mobilitätsreduzierung gegenüber dem Stufensystem zwischen den Landkreisen in Kalifornien geben Aufschluss darüber, wie die Richtlinie an die Demografie von Teilpopulationen angepasst werden könnte, um die Wirksamkeit zu maximieren. Wir fanden heraus, dass das Stufensystem einen größeren Einfluss auf die Mobilität hatte, wenn das BIP und das Durchschnittseinkommen des Landkreises stiegen. In ähnlicher Weise nahm die Mobilität nach dem Wechsel zu einer restriktiveren Stufe stärker ab, als der soziale, bildungsbezogene und wirtschaftliche Kontext eines Landkreises auf der Grundlage der Indikatoren des Healthy Places Index [59] zunahm (Abb. 4). Mehrere Studien haben eine höhere Einhaltung der COVID-19-Richtlinien in Regionen mit höherem Einkommen und besserem Zugang zu Ressourcen festgestellt [24,25,26, 35, 36, 60,61,62]. Es ist wichtig anzumerken, dass viele Mitarbeiter an vorderster Front nicht in der Lage waren, vor Ort Schutz zu suchen, was wiederum ihr Risiko erhöhte, sich mit dem Virus zu infizieren und es zu verbreiten [63]. Ähnlich wie unsere Ergebnisse wurde in anderen Studien gezeigt, dass Gebiete mit geringerem Einkommen während der Pandemie einen geringeren Rückgang der Bevölkerungsmobilität aufwiesen [64]. Dies könnte möglicherweise auf den prozentualen Anteil von Arbeitskräften an vorderster Front und wichtigen Arbeitskräften in Gemeinden mit niedrigerem Einkommen im Vergleich zu Arbeitsplätzen mit höherem Einkommen zurückzuführen sein, die Optionen für Fernarbeit ermöglichen. Diese Unterschiede können teilweise durch eine Ungleichheit bei der Anpassung an die Mobilität erklärt werden, da höher bezahlte Arbeitsplätze im Vergleich zu wesentlichen Positionen, die den Arbeitsmarkt in Ländern mit niedrigerem Einkommen dominieren, eine größere Flexibilität für die Arbeit von zu Hause aus bieten [60].
Auch wenn die Ergebnisse nicht präzise waren, stellten wir fest, dass die Anzahl der landwirtschaftlichen Betriebe mit einem geringeren Rückgang der Mobilität einherging, wenn auf eine restriktivere Stufe umgestellt wurde (Abb. 2). Es zeigte sich, dass Landarbeiter besonders von COVID-19 betroffen waren [65]. Dies mag an der wesentlichen Natur der landwirtschaftlichen Arbeit liegen; Von den Landarbeitern wurde erwartet, dass sie trotz der Einschränkungen des Tiersystems weiterarbeiten [66]. Diese Bevölkerungsgruppe ist besonders gefährdet, da sie tendenziell über ein geringeres Einkommen verfügt und viele keinen Anspruch auf Arbeitslosenunterstützung und andere Leistungen haben. Die ausbeuterischen Arbeitsbedingungen und der Mangel an sozialem Schutz müssen berücksichtigt werden, wenn man die unterschiedlichen Reaktionen auf das Stufensystem versteht [66, 67]. 26 % der Bevölkerung im erwerbsfähigen Alter sind unverzichtbare Arbeitskräfte, und fast 50 % gehören rassischen und ethnischen Minderheiten an. Minderheitengruppen sind außerdem einem höheren Risiko für zahlreiche chronische Krankheiten ausgesetzt, die ebenfalls mit schlechteren COVID-19-Verläufen verbunden sind [46]. Dies ist von entscheidender Bedeutung für die Untersuchung, da Arbeiter an vorderster Front und einkommensschwächere Gemeinschaften möglicherweise stärker dem Virus ausgesetzt sind, was zu weiteren gesundheitlichen Ungleichheiten und Ungleichheiten führt. Auf diese gefährdeten Bevölkerungsgruppen zugeschnittene und angepasste COVID-19-Maßnahmen sind erforderlich, um die öffentliche Gesundheitspolitik effektiv und gerecht umzusetzen und die Virusausbreitung zu begrenzen [30, 46, 68]. Wir stellten außerdem fest, dass die Ergebnisse der Rückrufwahlen auf Kreisebene mit der Reaktion des Ebenensystems verbunden waren . Mit anderen Worten: Bei Landkreisen, die für den Rückruf stimmten, war die Wahrscheinlichkeit geringer, dass die Mobilität abnahm, wenn sie zu einer restriktiveren Stufe wechselten (Abbildung S1). In Kalifornien waren die Abberufungswahlen teilweise eine Folge des Widerstands gegen die COVID-19-Politik des Gouverneurs, einschließlich des Stufensystems. Die Berücksichtigung der Politik ist für das Verständnis der Auswirkungen der COVID-19-Politik von entscheidender Bedeutung, da die soziale und politische Ökonomie von entscheidender Bedeutung für die Gestaltung der Einhaltung öffentlicher Gesundheitsmaßnahmen ist [69].
Die Ergebnisse dieser Studie können als Grundlage für Maßnahmen und Richtlinien zur weiteren Bekämpfung der anhaltenden COVID-19-Pandemie dienen. Im Jahr 2023 befindet sich Kalifornien in der Reaktion auf COVID-19 in einer anderen Phase als bei der ersten Einführung des Stufensystems, aber es besteht weiterhin ein starker Bedarf, die Maßnahmen so anzupassen, dass sie sich bestmöglich an die sich entwickelnden Erkenntnisse und Erkenntnisse in Bezug auf die Virusübertragung und die Reaktion auf Epidemien anpassen. Die Ergebnisse dieser Arbeit unterstreichen, wie wichtig es ist, nicht nur Richtlinien und Reaktionsmaßnahmen auf der Grundlage lokaler epidemiologischer Informationen zu informieren, sondern auch den sozialen Kontext und die Verwundbarkeit einer Gemeinschaft auf einer feinen räumlichen Ebene zu berücksichtigen. Ein einheitlicher Ansatz für Mobilitätseinschränkungen wird nicht der effektivste sein, und die Berücksichtigung der spezifischen Ressourcen und Kapazitäten zur Anpassung an diese Richtlinien wird von entscheidender Bedeutung sein. Dies kann für die Information künftiger politischer Maßnahmen in diesem sich ständig weiterentwickelnden Pandemiekontext wichtig sein und kann auch bei der Entwicklung anderer sozialer und gesundheitsbezogener politischer Maßnahmen hilfreich sein. Die Berücksichtigung der spezifischen Anfälligkeit und Anpassungsfähigkeit der lokalen Bevölkerung gegenüber restriktiven Maßnahmen und öffentlichen Richtlinien ist für deren Akzeptanz und Wirksamkeit von entscheidender Bedeutung. Diese Studie weist Einschränkungen auf, die unbedingt anerkannt werden müssen. Erstens hatten wir, da der Mobilitätsdatensatz im Jahr 2019 begann, nur ein Jahr Zeit, um Vergleiche anzustellen. Im Idealfall hätten wir mehr Jahre gehabt, um sie als grundlegende Mobilitätsmaßnahme zu verwenden, aber wir sind der Meinung, dass die Gegenüberstellung der Jahre 2020 und 2021 mit 2019 weiterhin sinnvoll ist, da 2019 nicht von der Pandemie oder damit verbundenen Richtlinien betroffen war. Zweitens handelt es sich bei den verwendeten Mobilitätsdaten um experimentellen Datentyp, und es kann sein, dass es an Datenqualitätsstandards mangelt. Durch den Vergleich der Mobilität innerhalb jedes Landkreises unter Verwendung derselben Datenquelle sind wir der Meinung, dass die Daten für den Zweck dieser Studie ausreichend zuverlässig sind. Außerdem werden alle Bewohner, die kein Mobiltelefon besitzen oder damit ausgehen, von der Stichprobe ausgeschlossen; Dies könnte zu einer Verzerrung führen, da beispielsweise ältere Menschen möglicherweise weniger wahrscheinlich Mobiltelefone besitzen oder mit ihnen reisen; Möglicherweise hat sich auch das Telefonverhalten aufgrund der Pandemie geändert. Darüber hinaus würden alle Fahrten, bei denen keine Pause von 10 Minuten oder mehr außerhalb des Wohnorts eingelegt wurde, nicht erfasst. Wir haben uns auch auf Mobilitätsmessungen auf Kreisebene gestützt, und die Auswirkungen können innerhalb der Kreise unterschiedlich sein; Wir hoffen, in zukünftigen Arbeiten die Variabilität innerhalb des Landkreises mithilfe räumlich besser aufgelöster Schätzungen untersuchen zu können, sind jedoch derzeit durch Schätzungen auf Kreisebene eingeschränkt. Darüber hinaus ist es möglich, dass andere Faktoren als das Stufensystem die Mobilität beeinflussen, darunter unter anderem das Wetter. Da wir jedoch die Auswirkungen von Änderungen des Tiersystems über einen Zeitraum von zehn Monaten in verschiedenen Jahreszeiten untersucht haben und den spezifischen Zeitpunkt dieser Änderungen auf Kreisebene verwenden, ist es unwahrscheinlich, dass die Wettermuster durchweg mit dem Timing des Tiersystems übereinstimmen Veränderungen und erklären den beobachteten Effekt. Es kann zu Restverzerrungen aufgrund exogener Faktoren kommen, aber aufgrund der Nutzung der Zeitlichkeit des Stufensystems in verschiedenen geografischen Regionen gehen wir davon aus, dass dies unsere Ergebnisse nur minimal beeinflussen würde. Wir haben auch nicht den Einfluss der Durchimpfungsrate auf die Beziehung zwischen dem Stufensystem und Veränderungen in der Mobilität bewertet; Die Stufenänderungen umfassten jedoch den Impfschutz ab dem 20. April 2021. Zukünftige Studien möchten möglicherweise die Änderung durch Impfschutz untersuchen. Zukünftige Arbeiten könnten auch die potenziell verstärkte Auswirkung des Überspringens von Stufen durch Landkreise auf die Bevölkerungsmobilität berücksichtigen, um die Wirksamkeit größerer Änderungen bei den Beschränkungen zu bewerten. Allerdings könnte ein alternativer methodischer Ansatz erforderlich sein, um dies in einer kleinen Stichprobe zu untersuchen, da nur wenige Landkreise Stufen übersprungen haben. Es wäre auch interessant, die Mobilität sowohl für diejenigen zu untersuchen, die zwischen Landkreisen als auch zwischen Bundesstaaten wechseln. Dies müsste mit einem Datensatz untersucht werden, der diese Informationen bereitstellt. Schließlich fielen die Auswirkungen der Pandemie mit Waldbränden und Hitzewellen zusammen, die den Staat im Sommer und Herbst 2020 heimsuchten, was sich auch auf die Mobilität auswirken könnte; Zukünftige Arbeiten könnten die spezifischen Auswirkungen dieser Ereignisse entschlüsseln.
Zusammenfassend fanden wir starke Belege dafür, dass das kalifornische Stufensystem und die damit verbundenen Beschränkungen die Bevölkerungsmobilität wirksam verringerten. Die Ergebnisse zeigten jedoch auch unbeabsichtigte Auswirkungen der zunehmenden Reisetätigkeit bei längeren Fahrten beim Übergang zu einer restriktiveren Stufe, was bei der Entwicklung und Umsetzung künftiger Richtlinien unbedingt zu berücksichtigen ist. Dies könnte darauf hindeuten, dass eine stärkere Koordinierung zwischen benachbarten Landkreisen erforderlich ist. Es gab auch räumliche Unterschiede in der Wirksamkeit dieser Politik, was teilweise durch Unterschiede in der Wirtschaftstätigkeit und den politischen Meinungen im gesamten Staat erklärt werden kann. Es ist wichtig, diese Heterogenität in der Reaktion auf die Politik des kalifornischen Stufensystems zu verstehen, um sie so anzupassen, dass Gerechtigkeit und Wirksamkeit maximiert werden. Unseres Wissens nach war dies die erste Studie, die die Auswirkungen der Stufensystempolitik in Kalifornien auf die Mobilitätsmuster während ihrer gesamten Dauer untersuchte und wie sich diese Mobilitätsmuster je nach Merkmalen auf Kreisebene unterschieden. Die Ergebnisse belegen, dass die Klassifizierung nach regionalen Ebenen die Bevölkerungsmobilität während einer Pandemie wirksam einschränkte. Die Bewertung der Stärken und Schwächen der COVID-19-Reaktionspolitik ist für andere Staaten und Länder aufschlussreich, um die Vorbereitung zu verbessern und wirksame Richtlinien für künftige globale Gesundheitsnotfälle zu entwickeln.
Die während der aktuellen Studie generierten und/oder analysierten Datensätze sind im GitHub-Repository verfügbar, https://github.com/benmarhnia-lab/CA_tier_system_mobility.git.
Belik V, Geisel T, Brockmann D. Natürliche menschliche Mobilitätsmuster und räumliche Ausbreitung von Infektionskrankheiten. Phys Rev X. 2011;1(1):11001.
Google Scholar
Ge H, Wang X, Yuan X, Xiao G, Wang C, Deng T et al. Die Epidemiologie und klinischen Informationen zu COVID-19. Eur J Clin Microbiol Infect Dis [Internet]. 2020;39(6):1011–9. Verfügbar unter: https://doi.org/10.1007/s10096-020-03874-z
Wilson N, Corbett S, Tovey E. Luftübertragung von Covid-19. BMJ [Internet]. 20. August 2020;370:m3206. Verfügbar unter: http://www.bmj.com/content/370/bmj.m3206.abstract
Aleta A, Martin-Corral D, y, Piontti AP, Ajelli M, Litvinova M, Chinazzi M et al. Modellierung der Auswirkungen von Tests, Kontaktverfolgung und Haushaltsquarantäne auf die zweite Welle von COVID-19. Nat Hum Verhalten. 2020;4(9):964–71.
Huang IY. Bekämpfung von COVID-19 durch Regierungsinitiativen und kooperative Regierungsführung: die Erfahrung Taiwans. Public Adm Rev. 2020;80(4):665–70.
Artikel PubMed PubMed Central Google Scholar
Wang Y. Regierungspolitik, nationale Kultur und soziale Distanzierung während der ersten Welle der COVID-19-Pandemie: internationale Beweise. Sichere Wissenschaft. 2021;135:105138.
Artikel PubMed Google Scholar
Lasry A, Kidder D, Hast M, Poovey J, Sunshine G, Winglee K, et al. Zeitpunkt der gemeinschaftlichen Eindämmung und Veränderungen bei der gemeldeten COVID-19- und Gemeindemobilität – vier US-amerikanische Metropolregionen, 26. Februar bis 1. April 2020. Morb Mortal Wkly Rep. 2020;69(15):451.
Artikel CAS Google Scholar
Shewry S, Pan ES. Regionale Stay-at-Home-Reihenfolge. 2020.
Fowler JH, Hill SJ, Levin R, Obradovich N. Die Auswirkung von Ausgangsbeschränkungen auf COVID-19-Fälle und Todesfälle in den Vereinigten Staaten. arXiv Prepr arXiv200406098. 2020.
Sen S, Karaca-Mandic P, Georgiou A. Zusammenhang zwischen Ausgangsbeschränkungen und COVID-19-Krankenhauseinweisungen in 4 Bundesstaaten. JAMA. 2020;323(24):2522–4.
Artikel CAS PubMed PubMed Central Google Scholar
Badr HS, Du H, Marshall M, Dong E, Squire MM, Gardner LM. Zusammenhang zwischen Mobilitätsmustern und der Übertragung von COVID-19 in den USA: eine mathematische Modellierungsstudie. Lancet Infect Dis. 2020;20(11):1247–54.
Artikel CAS PubMed PubMed Central Google Scholar
Oh J, Lee HY, Khuong QL, Markuns JF, Bullen C, Barrios OEA, et al. Mobilitätseinschränkungen waren zu Beginn der Pandemie mit einem Rückgang der COVID-19-Inzidenz verbunden: Belege aus einer Echtzeitauswertung in 34 Ländern. Sci Rep. 2021;11(1):1–17.
Google Scholar
He S, Lee J, Langworthy B, Xin J, James P, Yang Y et al. Verzögerung der Auswirkungen der Einschränkung der Mobilität der Gemeinschaft auf die Ausbreitung von COVID-19 während der ersten Welle in den Vereinigten Staaten. Offenes Forum Infektionskrankheiten. Oxford University Press USA; 2022. ofab586.
Cartenì A, Di Francesco L, Martino M. Wie Mobilitätsgewohnheiten die Ausbreitung der COVID-19-Pandemie beeinflussten: Ergebnisse der italienischen Fallstudie. Sci Total Environ. 2020;741:140489.
Artikel PubMed PubMed Central Google Scholar
Friedson AI, McNichols D, Sabia JJ, Dave D. Anordnungen zur Unterbringung vor Ort und öffentliche Gesundheit: Beweise aus Kalifornien während der COVID-19-Pandemie. J Policy Anal Manag. 2021;40(1):258–83.
Artikel Google Scholar
Nouvellet P, Bhatia S, Cori A, Ainslie KEC, Baguelin M, Bhatt S, et al. Einschränkung der Mobilität und Übertragung von COVID-19. Nat Commun. 2021;12(1):1–9.
Artikel Google Scholar
Pepe E, Bajardi P, Gauvin L, Privitera F, Lake B, Cattuto C, et al. Reaktion auf den COVID-19-Ausbruch, ein Datensatz zur Bewertung der Mobilitätsänderungen in Italien nach der landesweiten Sperrung. Sci-Daten. 2020;7(1):1–7.
Artikel Google Scholar
Redding SJ, Glaeser EL, Gorback C. Wie stark nimmt COVID-19 mit der Mobilität zu? Beweise aus New York und vier anderen US-Städten; 2020.
Guan G, Dery Y, Yechezkel M, Ben-Gal I, Yamin D, Brandeau ML. Früherkennung von COVID-19-Ausbrüchen anhand von Daten zur menschlichen Mobilität. Plus eins. 2021;16(7):e0253865.
Artikel CAS PubMed PubMed Central Google Scholar
Tokey KI. Räumlicher Zusammenhang zwischen Mobilität und COVID-19-Infektionsrate in den USA: eine Studie auf Kreisebene unter Verwendung von Standortdaten für Mobiltelefone. J Transp-Heilung. 2021;22:101135.
Artikel Google Scholar
Huang X, Shao X, Xing L, Hu Y, Sin DD, Zhang EClinicalMedicine. 2021;38:101035.
Artikel PubMed PubMed Central Google Scholar
Xiong C, Hu S, Yang M, Younes H, Luo W, Ghader S, et al. Standortdaten mobiler Geräte zeigen die Reaktion der menschlichen Mobilität auf bundesstaatliche Anordnungen, zu Hause zu bleiben, während der COVID-19-Pandemie in den USA. JR Soc-Schnittstelle. 2020;17(173):20200344.
Artikel CAS PubMed PubMed Central Google Scholar
Wellenius GA, Vispute S, Espinosa V, Fabrikant A, Tsai TC, Hennessy J, et al. Auswirkungen der Maßnahmen zur sozialen Distanzierung auf die Mobilität und das Wachstum der COVID-19-Fälle in den USA. Nat Commun. 2021;12(1):1–7.
Artikel Google Scholar
Chiou L, Tucker C. Soziale Distanzierung, Internetzugang und Ungleichheit. Nationales Büro für Wirtschaftsforschung; 2020.
Coven J, Gupta A. Unterschiede in den Mobilitätsreaktionen auf COVID-19. New Yorker Universität. 2020.
Engle S, Stromme J, Zhou A. Zu Hause bleiben: Mobilitätseffekte von Covid-19. Verfügbar SSRN 3565703. 2020.
Beria P, Lunkar V. Präsenz und Mobilität der Bevölkerung während der ersten Welle des Covid-19-Ausbruchs und der Sperrung in Italien. Sustain Cities Soc. 2021;65:102616.
Artikel PubMed Google Scholar
Nikiforiadis A, Mitropoulos L, Kopelias P, Basbas S, Stamatiadis N, Kroustali S. Erforschung der Veränderungen des Mobilitätsmusters zwischen vor, während und nach der COVID-19-Sperrzeit für junge Erwachsene. Städte. 2022;103662.
Manica M, Guzzetta G, Riccardo F, Valenti A, Poletti P, Marziano V, et al. Auswirkungen abgestufter Beschränkungen auf menschliche Aktivitäten und die Epidemiologie der zweiten Welle von COVID-19 in Italien. Nat Commun. 2021;12(1):1–9.
Artikel Google Scholar
Marwah A, Feldman J, Moineddin R, Thomas A. Bevölkerungsmobilität und sozioökonomische Indikatoren in Kalifornien, USA und Ontario, Kanada während der COVID-19-Pandemie. Int J Infect Dis. 2022;116:25–6.
Artikel Google Scholar
Dainton C, Hay A. Quantifizierung des Zusammenhangs zwischen Lockdowns, Mobilität und effektiver Reproduktionszahl (Rt) während der COVID-19-Pandemie im Großraum Toronto. BMC öffentliche Gesundheit. 2021;21(1):1–8.
Artikel Google Scholar
Zhiyong L, „Cara“ WX, Jingchen D, Xiangmin L, Ruimin L. Auswirkungen der COVID-19-Pandemie auf das Reiseverhalten in großen Städten Chinas: Untersuchung der Lockdown- und Wiedereröffnungsphasen. J Transp Eng Teil A Syst [Internet]. 1. Februar 2022;148(2):5021011. Verfügbar unter: https://doi.org/10.1061/JTEPBS.0000630
Warren MS, Skillman SW. Mobilitätsänderungen als Reaktion auf COVID-19. arXiv Prepr arXiv200314228. 2020.
Kraemer MUG, Yang CH, Gutierrez B, Wu CH, Klein B, Pigott DM, et al. Die Auswirkungen menschlicher Mobilität und Kontrollmaßnahmen auf die COVID-19-Epidemie in China. Wissenschaft (80-). 2020;368(6490):493–7.
Artikel CAS Google Scholar
Borkowski P, Jażdżewska-Gutta M, Szmelter-Jarosz A, Lockdowned. Als Reaktion auf COVID-19 verändert sich die alltägliche Mobilität. J Transp Geogr. 2021;90:102906.
Artikel PubMed Google Scholar
Bonaccorsi G, Pierri F, Cinelli M, Flori A, Galeazzi A, Porcelli F, et al. Wirtschaftliche und soziale Folgen menschlicher Mobilitätseinschränkungen unter COVID-19. Proc Natl Acad Sci. 2020;117(27):15530–5.
Artikel CAS PubMed PubMed Central Google Scholar
Pullano G, Valdano E, Scarpa N, Rubrichi S, Colizza V. Bewertung der Auswirkungen demografischer Faktoren, sozioökonomischer Faktoren und Risikoaversion auf die Mobilität während der COVID-19-Epidemie in Frankreich im Lockdown: eine bevölkerungsbasierte Studie. Lancet Digit Heal [Internet]. 2020;2(12):e638–49. Verfügbar unter: https://www.sciencedirect.com/science/article/pii/S2589750020302430
Santamaria C, Sermi F, Spyratos S, Iacus SM, Annunziato A, Tarchi D, et al. Messung der Auswirkungen von COVID-19-Eindämmungsmaßnahmen auf die menschliche Mobilität mithilfe mobiler Positionsdaten. Eine europäische Regionalanalyse. Sichere Wissenschaft. 2020;132:104925.
Artikel PubMed PubMed Central Google Scholar
Szocska M, Pollner P, Schiszler I, Joo T, Palicz T, McKee M, et al. Die landesweite Bevölkerungsbewegungsüberwachung mittels mobiler Geräte generierte (Big)Data während der COVID-19-Krise. Sci Rep. 2021;11(1):1–9.
Artikel Google Scholar
Chakraborty M, Shakir Mahmud M, Gates TJ, Sinha S. Analyse und Vorhersage der menschlichen Mobilität in den Vereinigten Staaten während der frühen Stadien der COVID-19-Pandemie mithilfe regulierter linearer Modelle. Transp Res Rec. 2022;03611981211067794.
Dzobo M, Hlongwa M, Denhere K, Kampira V, Mugoni M, Musuka G et al. Wiederaufleben von COVID-19: Lehren für die Reaktion Südafrikas. Disaster Med Public Health Prep. 2021;1–17.
Ge J, He D, Lin Z, Zhu H, Zhuang Z. Vierstufiges Reaktionssystem und räumliche Ausbreitung von COVID-19 in China durch ein Netzwerkmodell. Mathe-Biowissenschaften. 2020;330:108484.
Artikel CAS PubMed PubMed Central Google Scholar
Das Ampelmodell [Internet]. 2021. Verfügbar unter: https://corona.health.gov.il/en/ramzor-model/
Largent EA, Persad G, Mello MM, Wenner DM, Kramer DB, Tucker Edmonds B et al. Einbeziehung der Gesundheitsgerechtigkeit in die Pläne zur Wiedereröffnung von COVID-19: Politikexperimente in Kalifornien. Bin J Public Health. 2021;(0):e1–8.
Blaupause für eine sicherere Wirtschaft [Internet]. Kalifornisches Gesundheitsministerium. 2021. Verfügbar unter: https://www.cdph.ca.gov/Programs/CID/DCDC/Pages/COVID-19/COVID19CountyMonitoringOverview.aspx
Reitsma MB, Claypool AL, Vargo J, Shete PB, McCorvie R, Wheeler WH, et al. Rassen-/ethnische Unterschiede beim Risiko einer COVID-19-Exposition, Tests und Fällen auf Subcounty-Ebene in Kalifornien: Die Studie untersucht rassische/ethnische Unterschiede beim Risiko, Tests und Fällen von COVID-19. Gesundheitsaff. 2021;40(6):870–8.
Artikel Google Scholar
Tai DBG, Shah A, Doubeni CA, Sia IG, Wieland ML. Die unverhältnismäßigen Auswirkungen von COVID-19 auf rassische und ethnische Minderheiten in den Vereinigten Staaten. Clin Infect Dis. 2021;72(4):703–6.
Artikel PubMed Google Scholar
Veränderungen in der Mobilität nach Bundesstaaten [Internet]. Büro für Verkehrsstatistik. 2021. Verfügbar unter: https://www.bts.gov/browse-statistical-products-and-data/covid-lated/changes-mobility-state-0
Bekbulat B, Apte JS, Millet DB, Robinson AL, Wells KC, Presto AA, et al. Änderungen der Kriterien für die Luftverschmutzung in den USA vor, während und nach der Anordnung, zu Hause zu bleiben, aufgrund von Covid-19: Belege von Aufsichtsbehörden. Sci Total Environ. 2021;769:144693.
Artikel CAS PubMed PubMed Central Google Scholar
Benmarhnia T. Zusammenhänge zwischen Luftverschmutzung und der Gesundheitsbelastung durch COVID-19: methodische Herausforderungen und Chancen. Bin J Epidemiol. 2020;189(11):1238–43.
Artikel PubMed Google Scholar
Daten und Forschung [Internet]. California State Association of Counties. 2021. Verfügbar unter: https://www.counties.org/data-and-research
California Healthy Places Index [Internet]. Public Health Alliance of Southern California. 2022. Verfügbar unter: https://www.healthyplacesindex.org/
Kalifornien ruft Wahlergebnisse zurück [Internet]. New York Times. 2021. Verfügbar unter: https://www.nytimes.com/interactive/2021/09/14/us/elections/results-california-recall.html
Christidis P, Christodoulou A, Navajas-Cawood E, Ciuffo B. Die Erholung der Transportaktivität nach der Pandemie: Neue Mobilitätsmuster und Auswirkungen auf die zukünftige Entwicklung. Bd. 13, Nachhaltigkeit. 2021.
Bönisch S, Wegscheider K, Krause L, Sehner S, Wiegel S, Zapf A et al. Auswirkungen der mit der Coronavirus-Erkrankung (COVID-19) verbundenen Kontaktbeschränkungen in Deutschland, März bis Mai 2020, auf die Mobilität und den Zusammenhang mit Infektionsmustern [Internet]. Bd. 8, Grenzen der öffentlichen Gesundheit. 2020. S. 619. Verfügbar unter: https://www.frontiersin.org/article/https://doi.org/10.3389/fpubh.2020.568287
Bruine de Bruin W, Bennett D. Beziehungen zwischen der anfänglichen Risikowahrnehmung von COVID-19 und gesundheitsschützendem Verhalten: Eine nationale Umfrage. Am J Prev Med [Internet]. 2020;59(2):157–67. Verfügbar unter: https://www.sciencedirect.com/science/article/pii/S0749379720302130
Chan HF, Skali A, Savage DA, Stadelmann D, Torgler B. Risikoeinstellungen und menschliche Mobilität während der COVID-19-Pandemie. Sci Rep [Internet]. 2020;10(1):19931. Verfügbar unter: https://doi.org/10.1038/s41598-020-76763-2
Schlosser F, Maier BF, Jack O, Hinrichs D, Zachariae A, Brockmann D. Der COVID-19-Lockdown führt zu krankheitsmindernden strukturellen Veränderungen in Mobilitätsnetzwerken. Proc Natl Acad Sci [Internet]. 29. Dezember 2020;117(52):32883 LP – 32890. Verfügbar unter: http://www.pnas.org/content/117/52/32883.abstract
Maizlish N, Delaney T, Dowling H, Chapman DA, Sabo R, Woolf S, et al. Index für gesunde Orte in Kalifornien: Frames Matter. Public Health Rep. 2019;134(4):354–62.
Artikel PubMed PubMed Central Google Scholar
Dueñas M, Campi M, Olmos LE. Veränderungen der Mobilität und der sozioökonomischen Bedingungen während des COVID-19-Ausbruchs. Humanit Soc Sci Commun [Internet]. 2021;8(1):101. Verfügbar unter: https://doi.org/10.1057/s41599-021-00775-0
Sun Q, Zhou W, Kabiri A, Darzi A, Hu S, Younes H et al. COVID-19 und Einkommensprofil: Wie Menschen in verschiedenen Einkommensgruppen auf den Krankheitsausbruch reagierten, Fallstudie aus den Vereinigten Staaten. arXiv Prepr arXiv200702160. 2020.
Iio K, Guo X, Kong X, Rees K, Bruce Wang X. COVID-19 und soziale Distanzierung: Unterschiede bei der Mobilitätsanpassung zwischen Einkommensgruppen. Transp Res Interdisziplinäre Perspektive [Internet]. 2021;10:100333. Verfügbar unter: https://www.sciencedirect.com/science/article/pii/S2590198221000403
Dasgupta N, Jonsson Funk M, Lazard A, White BE, Marshall SW. Quantifizierung der Privilegienlücke bei sozialer Distanzierung: eine Längsschnittstudie zur Smartphone-Bewegung. Verfügbar SSRN 3588585. 2020.
Garnier R, Benetka JR, Kraemer J, Bansal S. Sozioökonomische Unterschiede bei der sozialen Distanzierung während der COVID-19-Pandemie in den Vereinigten Staaten: Beobachtungsstudie. J Med Internet Res. 2021;23(1):e24591.
Artikel PubMed PubMed Central Google Scholar
Lusk JL, Chandra R. Erkrankungen und Todesfälle von Landwirten und Landarbeitern durch COVID-19 und Auswirkungen auf die landwirtschaftliche Produktion. PLoS One [Internet]. 28. April 2021;16(4):e0250621. Verfügbar unter: https://doi.org/10.1371/journal.pone.0250621
Beatty T, Hill A, Martin P, Rutledge Z. COVID-19 und Landarbeiter: Herausforderungen für die kalifornische Landwirtschaft. SIND Update. 2020;23(5):2–4.
Google Scholar
Handal AJ, Iglesias-Ríos L, Fleming PJ, Valentín-Cortés MA, O'Neill MS. „Unverzichtbar“, aber entbehrlich: Landarbeiter während der COVID-19-Pandemie – Das Michigan Farmworker Project. Am J Public Health [Internet]. 12. November 2020;110(12):1760–2. Verfügbar unter: https://doi.org/10.2105/AJPH.2020.305947
Hu S, Xiong C, Younes H, Yang M, Darzi A, Jin ZC. Untersuchung der räumlich-zeitlichen Entwicklung rassischer/ethnischer Unterschiede in der menschlichen Mobilität und der gesundheitlichen Folgen von COVID-19: Erkenntnisse aus den angrenzenden Vereinigten Staaten. Nachhaltige Städte Soc. 2022;76:103506.
Artikel PubMed Google Scholar
Greer SL, King EJ, da Fonseca EM, Peralta-Santos A. Die vergleichende Politik von COVID-19: Die Notwendigkeit, die Reaktionen der Regierung zu verstehen. Global Public Health [Internet]. 1. September 2020;15(9):1413–6. Verfügbar unter: https://doi.org/10.1080/17441692.2020.1783340
Referenzen herunterladen
Die Autoren möchten Gabriel Carrasco-Escobar für seine Unterstützung bei der Erstellung der Abbildungen für dieses Manuskript danken.
Lara Schwarz wurde vom Fogarty International Center der National Institutes of Health unter der Preisnummer D43TW009343 und dem University of California Global Health Institute unterstützt.
Emilie Schwarz, Lara Schwarz und Anaïs Teyton haben gleichermaßen zu dieser Studie beigetragen.
School of Advanced Studies in Public Health, Paris, Frankreich
Emilie Schwarz
School of Public Health, San Diego State University, La Jolla, San Diego, CA, USA
Lara Schwarz & Anaïs Teyton
Herbert Wertheim School of Public Health and Human Longevity Science, University of California San Diego, La Jolla, San Diego, CA, USA
Lara Schwarz, Anaïs Teyton & Tarik Benmarhnia
Scripps Institution of Oceanography, University of California San Diego, La Jolla, San Diego, CA, USA
Katie Crist & Tarik Benmarhnia
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
ES, LS und AT führten die Analyse durch und verfassten den Haupttext des Manuskripts. KC und TB diskutierten die Ergebnisse und trugen zum Abschlusspapier bei. Alle Autoren haben das Manuskript überprüft und genehmigt.
Korrespondenz mit Lara Schwarz.
Die Autoren geben an, dass keine Interessenkonflikte bestehen.
Nicht zutreffend, da für das Manuskript ausschließlich öffentlich verfügbare Datenquellen verwendet wurden.
Unzutreffend.
Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.
Unten finden Sie den Link zum elektronischen Zusatzmaterial.
Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/. Der Creative Commons Public Domain Dedication-Verzicht (http://creativecommons.org/publicdomain/zero/1.0/) gilt für die in diesem Artikel zur Verfügung gestellten Daten, sofern in einer Quellenangabe für die Daten nichts anderes angegeben ist.
Nachdrucke und Genehmigungen
Schwarz, E., Schwarz, L., Teyton, A. et al. Die Rolle des kalifornischen Stufensystems bei der Kontrolle der Bevölkerungsmobilität während der COVID-19-Pandemie. BMC Public Health 23, 905 (2023). https://doi.org/10.1186/s12889-023-15858-7
Zitat herunterladen
Eingegangen: 20. Juli 2022
Angenommen: 10. Mai 2023
Veröffentlicht: 18. Mai 2023
DOI: https://doi.org/10.1186/s12889-023-15858-7
Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:
Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.
Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt