خلاصه
کلید واژه ها:
خطر ابتلا به COVID-19 ؛ محیط ساخته شده ؛ رگرسیون جهانی پواسون ; رگرسیون پواسون دارای وزن جغرافیایی
1. معرفی
2. محیط ساخته شده و گسترش بیماری های عفونی
3. داده ها و روش ها
3.1. حوزه و داده های مطالعه
3.2. ارزیابی خطر COVID-19
ما از دو معیار مختلف برای ارزیابی خطر COVID-19 در هنگ کنگ استفاده می کنیم. اولین معیار میزان بروز یا شیوع (R1: تراکم مورد) است که تعداد موارد تایید شده در هر 1000 نفر در هر یک از 291 واحد برنامه ریزی سوم (TPU) در یک دوره زمانی مشخص است. توجه داشته باشید که فقط موارد تایید شده “محلی” برای محاسبه نرخ بروز در این مطالعه گنجانده شده است زیرا موارد وارداتی نتیجه عوامل خطر در مناطق مبدا خود هستند، نه عوامل خطر محیطی ساخته شده هنگ کنگ. معیار دوم R2 (تراکم مکان) است که تعداد مکانها یا ساختمانهایی است که توسط موارد تایید شده در هر TPU بازدید شده است. همانطور که قبلا ذکر شد، ویروس کرونا میتواند روی سطوح مختلف محیطی زنده بماند، و برخی از ویژگی های محیط ساخته شده تمایل به جذب فعالیت ها و تعاملات انسانی بیشتری دارند و بنابراین احتمال بیشتری دارد که به منابع انتقال COVID-19 تبدیل شوند. از این رو، دومین اندازه گیری خطر COVID-19 (R2) بر اساس تعداد مکان ها و مکان های بازدید شده توسط همه موارد تایید شده (یعنی ساختمان ها یا مکان هایی که موارد تایید شده در 14 روز گذشته بازدید کرده اند) محاسبه می شود. توجه داشته باشید که هم موارد تایید شده «محلی» و هم «وارداتی» هنگام محاسبه R2 لحاظ میشوند، زیرا این معیار مکانها یا مکانهای پرخطر را شناسایی میکند (که توسط موارد تأیید شده بازدید شدهاند و در نتیجه، سایر افرادی که از این مکانها بازدید کردهاند دارای بالاترین میزان هستند. خطر ابتلا به COVID-19). فرمول R2 به شرح زیر است: دومین اندازه گیری خطر COVID-19 (R2) بر اساس تعداد مکان ها و مکان های بازدید شده توسط همه موارد تایید شده (یعنی ساختمان ها یا مکان هایی که موارد تایید شده در 14 روز گذشته بازدید کرده اند) محاسبه می شود. توجه داشته باشید که هم موارد تایید شده «محلی» و هم «وارداتی» هنگام محاسبه R2 لحاظ میشوند، زیرا این معیار مکانها یا مکانهای پرخطر را شناسایی میکند (که توسط موارد تأیید شده بازدید شدهاند و در نتیجه، سایر افرادی که از این مکانها بازدید کردهاند دارای بالاترین میزان هستند. خطر ابتلا به COVID-19). فرمول R2 به شرح زیر است: دومین اندازه گیری خطر COVID-19 (R2) بر اساس تعداد مکان ها و مکان های بازدید شده توسط همه موارد تایید شده (یعنی ساختمان ها یا مکان هایی که موارد تایید شده در 14 روز گذشته بازدید کرده اند) محاسبه می شود. توجه داشته باشید که هم موارد تایید شده «محلی» و هم «وارداتی» هنگام محاسبه R2 لحاظ میشوند، زیرا این معیار مکانها یا مکانهای پرخطر را شناسایی میکند (که توسط موارد تأیید شده بازدید شدهاند و در نتیجه، سایر افرادی که از این مکانها بازدید کردهاند دارای بالاترین میزان هستند. خطر ابتلا به COVID-19). فرمول R2 به شرح زیر است: توجه داشته باشید که هم موارد تایید شده «محلی» و هم «وارداتی» هنگام محاسبه R2 لحاظ میشوند، زیرا این معیار مکانها یا مکانهای پرخطر را شناسایی میکند (که توسط موارد تأیید شده بازدید شدهاند و در نتیجه، سایر افرادی که از این مکانها بازدید کردهاند دارای بالاترین میزان هستند. خطر ابتلا به COVID-19). فرمول R2 به شرح زیر است: توجه داشته باشید که هم موارد تایید شده «محلی» و هم «وارداتی» هنگام محاسبه R2 لحاظ میشوند، زیرا این معیار مکانها یا مکانهای پرخطر را شناسایی میکند (که توسط موارد تأیید شده بازدید شدهاند و در نتیجه، سایر افرادی که از این مکانها بازدید کردهاند دارای بالاترین میزان هستند. خطر ابتلا به COVID-19). فرمول R2 به شرح زیر است:
جایی که آر2ستراکم محل برگزاری TPU است تیس، و wمنتعداد ساختمان ها یا مکان ها در TPU است تیسکه توسط موارد تایید شده ویزیت شده اند. TPUهایی با مقادیر بالاتر R1 و R2 خطر COVID-19 بالاتری دارند (یعنی ویژگیهای محیط ساخته شده و الگوهای فعالیت انسانی آنها برای انتقال COVID-19 مساعدتر است).
3.3. استخراج ویژگی های محیط ساخته شده
دسترسی گرهی یک TPU بر اساس ایستگاه های حمل و نقل چندوجهی در هر TPU مشتق شده است. اول، هر ایستگاه حمل و نقل عمومی (یعنی ایستگاه مترو، اتوبوس یا کشتی) به عنوان یک گره در نظر گرفته می شود، جایی که یک پیوند گره را به هم متصل می کند. nو متربا توجه به شبکه مسیر یک توصیه خاص از الکساندر و همکاران. [ 48 ] این است که فاصله بین دو ایستگاه برای یک سفر انتقال نباید از 183 متر تجاوز کند (به عنوان مثال، لی و همکاران [ 49 ] ایستگاه های اتوبوس متصل برای انتقال بین گره در فاصله کمتر از 120 متر در سئول). از این رو، ما یک پیوند انتقال اضافه می کنیم که گره های نزدیک را به هم متصل می کند nو متردر صورتی که فاصله بین این دو ایستگاه از 100 متر بیشتر نباشد. دوم، ما یک ماتریس اتصال ایجاد می کنیم سی، جایی که سیمترnتمام پیوندهای بین گره ها را ارائه می دهد nو متر(یعنی سیمترn= 1 اگر گره nو مترمتصل هستند یا 0 اگر گره هستند nو مترمتصل نیستند). توجه داشته باشید که ممکن است وجود داشته باشد لکوتاه ترین مسیرها بین گره ها nو متر. فرض کنید یک مسیر متصل می شود لمنایستگاه ها از طریق ک-1گره ها با پانتقال مودال، سپس اتصال بین گره ها nو متربه شرح زیر برآورد می شود:
جایی که تی(0 < t < 1) معیار اسکالر ناکارآمدی انتقال است و اس(0 < S < 1) اسکالر اثر فاصله- فروپاشی را نشان می دهد. در این مطالعه، تی0.7 است و اسبر اساس نتایج مطالعه قبلی 0.8 است [ 50 ]. پس از تخمین اتصال بین هر جفت گره، دسترسی گرهی گره متراز جمع کل اتصال بدست می آید سیمترnبه طور کلی n:
تراکم جمعیت (PD) تعداد افراد در هر کیلومتر در هر TPU است. تراکم مسکونی خصوصی (PR)، تراکم تجاری (CD)، تراکم تسهیلات حمل و نقل (TF) و تراکم فضای سبز (GSD) بر اساس مساحت هر یک از این انواع کاربری زمین در هر TPU تقسیم بر مساحت آن محاسبه میشوند. TPU توجه داشته باشید که تراکم فضای سبز (GSD) در هر TPU بر اساس مجموع مساحت علفزار، بوته زار و جنگل که حدود 65.4٪ از کل مساحت کاربری زمین هنگ کنگ را پوشش می دهد، تخمین زده می شود. این مساحت بر اساس دادههای کاربری زمین که قبلاً ذکر شد، محاسبه میشود، که کاربری زمین سلول را به عنوان فضای سبز (به عنوان مثال، چمن، جنگل، و بوتهزار) طبقهبندی میکند، اگر سلول عمدتاً توسط پوشش گیاهی پوشیده شده باشد. تنوع کاربری زمین (LUD) با استفاده از مدل آنتروپی پرکاربرد زیر برآورد می شود:
جایی که پمننشان دهنده نسبت مننوع کاربری اراضی و nتعداد کل انواع کاربری زمین است. ارتفاع ساختمان (BH) با استفاده از داده های چند ضلعی ساختمان و اطلاعات توپوگرافی دیجیتال تخمین زده می شود. در این تحلیل، ارتفاع ساختمان به میانگین ارتفاع ساختمان برای هر TPU اشاره دارد. نمای آسمان (SV) به میانگین SVF در هر کیلومتر مربع در هر TPU اشاره دارد که کل SVF در هر TPU تقسیم بر مساحت آن TPU است.
3.4. بررسی رابطه بین ویژگی های محیط ساخته شده و خطر COVID-19
با توجه به اینکه خطر ابتلا به COVID-19 (یعنی R1 و R2) ذکر شده در بخش 3.2 داده های شمارشی هستند و مدل رگرسیون پواسون یک تکنیک مناسب برای مدل سازی داده های شمارش [ 51 ] است، بنابراین از هر دو رگرسیون جهانی پواسون (GPR) استفاده می کنیم. و رگرسیون پواسون وزندار جغرافیایی (GWPR) برای بررسی رابطه بین ویژگیهای محیط ساخته شده و خطر COVID-19. در این تحلیل، R1 و R2 متغیرهای وابسته و متغیرهای مستقل 9 ویژگی محیط ساخته شده هستند. مدل های GPR و GWPR بر اساس TPU ها به عنوان واحدهای تحلیل تخمین زده می شوند. مدل GPR به صورت زیر فرموله شده است:
جایی که آرمننشان دهنده خطر COVID-19 TUP i است ، βمننشان دهنده ضرایب رگرسیون برای عبارت قطع و متغیرهای مستقل و εنشان دهنده خطای تصادفی است. مدل GWPR برای در نظر گرفتن مسائلی که روابط بین متغیرها ممکن است در فضا متفاوت باشد، که به عنوان ناایستایی فضایی [ 52 ] نامیده می شود، و برای کاهش خطای تخمین به دلیل همبستگی خودکار مکانی، توسعه داده شد. مدل GWPR یک مدل موضعی است که تغییرات فضایی در روابط بین متغیرها را با برازش پارامترهایی که در فضا تغییر میکنند، وزن دادن به مشاهدات همسایه مرتبط (که TPU در این مطالعه هستند) با استفاده از یک ماتریس وزن فضایی به تصویر میکشد. در این تحقیق مدل GWPR به صورت زیر فرموله شده است:
جایی که مننشان دهنده منTPU، آرمنمخفف خطر COVID-19 از منTPU، βمنضرایب رگرسیون تخمین زده شده است منTPU، و εمنعبارت خطای TPU i است . توجه داشته باشید که βjاکنون تابعی از مکان است تومن = (توایکسمن، توyمن) ، که مختصات دو بعدی را نشان می دهد مننقطه (مرکز از منth TPU) در فضا. بنابراین، غیر ایستایی فضایی در چارچوب مدلسازی GWPR مورد بررسی قرار میگیرد. در این تلاش مدلسازی، مقادیر پهنای باند تطبیقی فضایی با استفاده از روشی به دست میآید که معیار اطلاعات آکایک (AIC) مدلهای رگرسیون را به حداقل میرساند. ضریب تورم واریانس (VIF) برای آزمایش چند خطی بودن متغیرها استفاده می شود. رویکرد معیار اطلاعات آکایک (AIC) برای ارزیابی معاوضه بین خوب بودن تناسب و سادگی مدلها (یعنی برای ارزیابی ریسک بیشبرازش یا عدم تناسب) استفاده میشود.
4. نتایج
4.1. ارزیابی خطر COVID-19 در هر TPU
4.2. رابطه بین ویژگی های محیط ساخته شده و خطر COVID-19: نتایج تجزیه و تحلیل GPR
4.3. رابطه بین ویژگی های محیط ساخته شده و خطر COVID-19: نتایج تجزیه و تحلیل GWPR
5. بحث و نتیجه گیری
منابع
- Guarner, J. سه کروناویروس نوظهور در دو دهه: داستان SARS، MERS، و اکنون COVID-19. صبح. جی. کلین. پاتول. 2020 ، 153 ، 420-421. [ Google Scholar ] [ CrossRef ]
- سازمان بهداشت جهانی. گزارش وضعیت کروناویروس جدید (COVID-19)-75. 2020. در دسترس آنلاین: https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200404-sitrep-75-covid-19.pdf?sfvrsn=99251b2b_2 (در 12 مه 202).
- کوپفراشمیت، ک. کوهن، جی. اقدامات تهاجمی چین، ویروس کرونا را کند کرده است. آنها ممکن است در کشورهای دیگر کار نکنند. 2020. در دسترس آنلاین: https://www.sciencemag.org/news/2020/03/china-s-aggressive-measures-have-slowed-coronavirus-they-may-not-work-other-countries (در 12 مورد دسترسی قرار گرفته است. می 2020).
- تیان، اچ. لیو، ی. لی، ی. وو، CH; چن، بی. کریمر، MU; لی، بی. کای، جی. خو، بی. یانگ، کیو. و همکاران بررسی اقدامات کنترل انتقال طی 50 روز اول اپیدمی COVID-19 در چین. Science 2020 ، 368 ، 638-642. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
- کو، جی آر. کوک، AR؛ پارک، ام. مداخلات برای کاهش شیوع زودهنگام COVID-19 در سنگاپور: یک مطالعه مدل سازی. Lancet Infect Dis. 2020 ، 20 ، 678-688. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- وایلدر اسمیت، ای. Freedman، DO Isolation، قرنطینه، فاصله اجتماعی و مهار جامعه: نقش محوری اقدامات بهداشت عمومی قدیمی در شیوع کروناویروس جدید (2019-nCoV). J. Travel Med. 2020 ، 27 ، taaa020. [ Google Scholar ] [ CrossRef ]
- دل واله، اس. Hethcote، H. هیمن، جی.ام. کاستیلو چاوز، سی. اثرات تغییرات رفتاری در مدل حمله آبله. ریاضی. Biosci. 2005 ، 195 ، 228-251. [ Google Scholar ] [ CrossRef ]
- Fenichel، EP; کاستیلو چاوز، سی. Ceddia، MG; چاول، جی. پارا، PAG; هیکلینگ، GJ; هالووی، جی. هوران، ر. مورین، بی. پرینگز، سی. و همکاران رفتار تطبیقی انسان در مدل های اپیدمیولوژیک Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2011 ، 108 ، 6306-6311. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
- یانگ، ی. اتکینسون، PM؛ Ettema، D. تجزیه و تحلیل اقدامات کنترل اجتماعی CDC با استفاده از شبیه سازی مبتنی بر عامل یک اپیدمی آنفلوانزا در یک شهر. BMC Infect. دیس 2011 ، 11 ، 199. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
- ریزو، ا. فراسکا، م. پورفیری، م. تأثیر رفتار فردی بر گسترش اپیدمی در شبکههای فعالیت محور. فیزیک Rev. E 2014 , 90 , 042801. [ Google Scholar ] [ CrossRef ] [ PubMed ]
- سازمان بهداشت جهانی. اقدامات بهداشت عمومی غیردارویی برای کاهش خطر و تأثیر آنفولانزای همه گیر و همه گیر: ضمیمه: گزارش بررسی های ادبیات سیستماتیک. 2019. در دسترس آنلاین: https://apps.who.int/iris/bitstream/handle/10665/329439/WHO-WHE-IHM-GIP-2019.1-eng.pdf (در 12 مه 2020 قابل دسترسی است).
- بیهام، ج. Fenichel، EP تأثیر تعطیلی مدارس برای COVID-19 بر نیروی کار مراقبت های بهداشتی ایالات متحده و مرگ و میر خالص: یک مطالعه مدل سازی. Lancet Public Health 2020 ، 5 ، e271–e278. [ Google Scholar ] [ CrossRef ]
- داگلاس، ام. Katikireddi، SV; طالبوت، م. مک کی، ام. مککارتنی، جی. کاهش اثرات بهداشتی گستردهتر پاسخ به همهگیری کووید-۱۹. BMJ Br. پزشکی J. 2020 , 369 , m1557. [ Google Scholar ] [ CrossRef ]
- ونکاتش، ع. ادیراپولی، اس. فاصله گذاری اجتماعی در کووید-19: پیامدهای سلامت روان چیست؟ BMJ Br. پزشکی J. 2020 , 369 , m1379. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
- گالیا، اس. Merchant, RM; لوری، ن. پیامدهای سلامت روان COVID-19 و فاصله گذاری فیزیکی: نیاز به پیشگیری و مداخله زودهنگام. JAMA Intern. پزشکی 2020 ، 180 ، 817-818. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
- Emeruwa، UN; به عنوان.؛ Shaman، JL; توریتز، ا. رایت، جی دی. گیامفی بنرمن، سی. ملامد، الف. ارتباط بین محیط ساخته شده، وضعیت اجتماعی-اقتصادی محله، و عفونت SARS-CoV-2 در میان زنان باردار در شهر نیویورک. JAMA Netw. 2020 ، 324 ، 390-392. [ Google Scholar ] [ CrossRef ] [ PubMed ]
- فرانک، LD; Engelke، PO محیط ساخته شده و الگوهای فعالیت انسانی: بررسی تأثیرات شکل شهری بر سلامت عمومی. جی. پلان. روشن شد 2001 ، 16 ، 202-218. [ Google Scholar ] [ CrossRef ]
- حمیدی، س. صبوری، س. یوینگ، آر. آیا تراکم همهگیری COVID-19 را تشدید میکند؟ یافته ها و درس های اولیه برای برنامه ریزان. مربا. برنامه ریزی کنید. دانشیار 2020 ، 1-15. [ Google Scholar ] [ CrossRef ]
- وبر، دی جی; روتالا، WA; فیشر، WA; کاناموری، اچ. Sickbert-Bennett، EE بیماری های عفونی نوظهور: تمرکز بر مسائل کنترل عفونت برای کروناویروس های جدید (سندرم تنفسی حاد شدید-CoV و سندرم تنفسی خاورمیانه-CoV)، ویروس های تب خونریزی دهنده (لاسا و ابولا)، و ویروس های آنفلوانزای پرندگان بسیار بیماری زا، A (H5N1) و A (H7N9). صبح. ج. عفونی کردن. Control 2016 , 44 , e91–e100. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- کازانووا، ال. روتالا، WA; وبر، دی جی; Sobsey, MD بقای کروناویروس های جانشین در آب. Water Res. 2009 ، 43 ، 1893-1898. [ Google Scholar ] [ CrossRef ]
- پیریس، JSM; چو، سی ام؛ چنگ، VCC; چان، KS; آویزان، IFN; پون، LL; قانون، KI; تانگ، BSF; Hon، TYW; چان، CS; و همکاران پیشرفت بالینی و بار ویروسی در یک شیوع اجتماعی پنومونی SARS مرتبط با کرونا: یک مطالعه آینده نگر. Lancet 2003 ، 361 ، 1767-1772. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- ون دورمالن، ن. بوش میکر، تی. موریس، دی اچ. هالبروک، ام جی; گمبل، ا. ویلیامسون، BN; تامین، ع. هارکورت، جی ال. تورنبرگ، نیوجرسی؛ گربر، SI; و همکاران پایداری آئروسل و سطح SARS-CoV-2 در مقایسه با SARS-CoV-1. N. Engl. جی. مد. 2020 ، 382 ، 1564-1567. [ Google Scholar ] [ CrossRef ]
- Handy، SL; Boarnet، MG; یوینگ، آر. Killingsworth، RE چگونه محیط ساخته شده بر فعالیت بدنی تأثیر می گذارد: دیدگاه هایی از برنامه ریزی شهری. صبح. J. قبلی پزشکی 2002 ، 23 ، 64-73. [ Google Scholar ] [ CrossRef ]
- یان، جی. گرانتام، ام. پانتلیک، جی. de Mesquita، PJB; آلبرت، بی. لیو، اف. ارمن، س. میلتون، DK; کنسرسیوم EMIT ویروس عفونی در تنفس بازدم در موارد علامت دار آنفلوانزای فصلی از یک جامعه دانشگاهی. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2018 ، 115 ، 1081–1086. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- ژائو، پی. کوان، ام.-پی. ژو، اس. مشکل زمینه جغرافیایی نامشخص در تجزیه و تحلیل روابط بین چاقی و محیط ساخته شده در گوانگژو. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2018 ، 15 ، 308. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- وانگ، جی. تره فرنگی.؛ کوان، ام.-پی. تأثیرات محیطی بر عدم فعالیت بدنی اوقات فراغت در ایالات متحده: کاوشی در مورد غیر ایستایی فضایی ISPRS Int. J. Geoinf. 2018 ، 7 ، 143. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- هوانگ، جی. لیو، ایکس. ژائو، پی. ژانگ، جی. Kwan، MP تعاملات بین استفاده از اتوبوس، مترو، و تاکسی قبل و بعد از جشنواره بهار چین. ISPRS Int. J. Geoinf. 2019 ، 8 ، 445. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- ژائو، پی. خو، ی. لیو، ایکس. کوان، ام.-پی. پویایی فضا-زمان رفتارهای اقامت رانندگان تاکسی و روابط آنها با ویژگی های محیط ساخته شده Cities 2020 , 101 , 102689. [ Google Scholar ] [ CrossRef ]
- راندل، ا. Neckerman، KM; فریمن، ال. لواسی، جی اس. پورسیل، ام. کوین، جی. ریچاردز، سی. سیرکار، ن. ویس، سی. محیط غذایی محله و قابلیت پیاده روی چاقی را در شهر نیویورک پیش بینی می کند. محیط زیست چشم انداز سلامتی 2009 ، 117 ، 442-447. [ Google Scholar ] [ CrossRef ] [ PubMed ]
- Bodor, JN; برنج، JC; فارلی، TA; Swalm، CM; Rose, D. ارتباط بین چاقی و محیط های غذایی شهری. J. Urban Health 2010 ، 87 ، 771-781. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
- Lu, Y. استفاده از نمای خیابان گوگل برای بررسی ارتباط بین فضای سبز خیابان و فعالیت بدنی. Landsc. طرح شهری. 2019 ، 191 ، 103435. [ Google Scholar ] [ CrossRef ]
- لین، تی پی؛ Tsai، KT; هوانگ، RL; Matzarakis, A. کمی سازی اثر شاخص های حرارتی و عامل نمای آسمان بر حضور در پارک. Landsc. طرح شهری. 2012 ، 107 ، 137-146. [ Google Scholar ] [ CrossRef ]
- کارتر، اس جی; Baranauskas، MN; Fly, AD ملاحظات مربوط به چاقی، ویتامین D و فعالیت بدنی در میان همهگیری COVID-19. چاقی 2020 ، 28 ، 1176-1177. [ Google Scholar ] [ CrossRef ] [ PubMed ]
- گال، اف. سابلا، EA؛ مولین، جی دی; Giglio، OD; کاجیانو، جی. اونوفریو، وی دی. فراکوتی، اس. Montagna، MT; لیگوری، جی. Orsi، GB; و همکاران درک دانش و رفتارهای مرتبط با اپیدمی CoViD-19 در دانشجویان مقطع کارشناسی ایتالیا: مطالعه EPICO. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2020 , 17 , 3481. [ Google Scholar ] [ CrossRef ] [ PubMed ]
- لیدن، KM سرمایه اجتماعی و محیط ساخته شده: اهمیت محلههای قابل پیادهروی. صبح. J. بهداشت عمومی 2003 ، 93 ، 1546-1551. [ Google Scholar ] [ CrossRef ] [ PubMed ]
- موراتیدیس، ک. محیط ساخته شده و رفاه اجتماعی: شکل شهری چگونه بر زندگی اجتماعی و روابط شخصی تأثیر می گذارد؟ شهرها 2018 ، 74 ، 7-20. [ Google Scholar ] [ CrossRef ]
- چن، اچ. جیا، بی. لاو، اس. شکل شهری پایدار برای شهرهای فشرده چینی: چالش های اقتصاد شهری سریع. Habitat Int. 2008 ، 32 ، 28-40. [ Google Scholar ] [ CrossRef ]
- پینتر ولمن، ن. جلیک، ا. ولز، NM تأثیر محیط ساخته شده بر رفتارهای بهداشتی و انتقال بیماری در سیستم های اجتماعی. فیلوس ترانس. R. Soc. لندن. B Biol. علمی 2018 , 373 , 20170245. [ Google Scholar ] [ CrossRef ]
- باجردی، پ. پولتو، سی. راماسکو، جی جی. تیزونی، م. کولیزا، وی. Vespignani، A. شبکه های تحرک انسانی، محدودیت های سفر، و گسترش جهانی بیماری همه گیر H1N1 در سال 2009. PLoS ONE 2011 ، 6 ، e16591. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- چیناتزی، م. دیویس، جی تی; اژلی، م. جیوانینی، سی. لیتوینووا، م. مرلر، اس. پیونتی، APy؛ مو، ک. روسی، ال. سان، ک. و همکاران تاثیر محدودیتهای سفر بر شیوع ویروس کرونای جدید (COVID-19) در سال 2019. Science 2020 , 368 , 395-400. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- ساموئلسون، ک. بارتل، اس. کولدینگ، جی. ماکاسا، جی. Giusti، M. طبیعت شهری به عنوان منبع تاب آوری در طول فاصله گذاری اجتماعی در میان همه گیری ویروس کرونا. آماده سازی OSF 2020 . [ Google Scholar ] [ CrossRef ]
- ون باول، جی جی. بایکر، ک. Boggio، PS; کاپرارو، وی. سیچوکا، ا. سیکارا، م. Crockett، MJ; کرام، ای جی. داگلاس، KM; Druckman، JN; و همکاران استفاده از علوم اجتماعی و رفتاری برای حمایت از پاسخ به همه گیری COVID-19. نات هوم رفتار 2020 ، 4 ، 460-471. [ Google Scholar ] [ CrossRef ] [ PubMed ]
- دیتز، ال. هورو، پی اف. کویل، DA; فرتز، ام. آیزن، جی. ون دن ویملنبرگ، ک. 2019 بیماری همه گیر کروناویروس جدید (COVID-19): ملاحظات محیطی ساخته شده برای کاهش انتقال. mSystems 2020 ، 5 ، e00245-20. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- فنگ، ی. مارشال، تی. اسپری، تی. یی، H. تأثیر باد و رطوبت نسبی بر اثربخشی فاصله گذاری اجتماعی برای جلوگیری از انتقال هوابرد COVID-19: یک مطالعه عددی. J. Aerosol Sci. 2020 , 147 , 105585. [ Google Scholar ] [ CrossRef ] [ PubMed ]
- یانگ، جی. وانگ، ام اس؛ مننتی، م. Nichol, J. مدلسازی تابش مؤثر سایبان شهری با استفاده از عامل نمای آسمان ISPRS J. Photogramm. Remote Sens. 2015 ، 105 ، 211-219. [ Google Scholar ] [ CrossRef ]
- Oke، طراحی خیابان TR و آب و هوای لایه سایبان شهری. انرژی ساخت. 1988 ، 11 ، 103-113. [ Google Scholar ] [ CrossRef ]
- لای، P.-C. کم، C.-T. Tse، W.-SC; Tsui، C.-K. لی، اچ. هوی، پی.-ک. خطر ابتلا به سل در خانه های با متراژ بالا و تراکم بالا: یک تحلیل فضایی اکتشافی. محیط زیست آلودگی 2013 ، 183 ، 40-45. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- الکساندر، سی. ایشیکاوا، اس. Silverstein, M. A Pattern Language: Towns, Buildings, Construction ; انتشارات دانشگاه آکسفورد: آکسفورد، بریتانیا، 1977. [ Google Scholar ]
- تره فرنگی.؛ پارک، جی اس. گوه، اس. چوی، ام. اندازه گیری دسترسی در شبکه های حمل و نقل و کاربرد در سیستم اتوبوس سئول. Geogr. مقعدی 2019 ، 51 ، 339-353. [ Google Scholar ] [ CrossRef ]
- تره فرنگی.؛ لی، HY یک الگوریتم جدید برای اندازهگیری دسترسی گرهی گرهای نظری. Geogr. مقعدی 1998 ، 30 ، 1-14. [ Google Scholar ] [ CrossRef ]
- کاهل، بی. هیل، جی. هوبی، سی جی; شویکارت، جی. کرافت، تی. Dukers-Muijrers، NH توزیع فضایی عفونتهای ویروس هپاتیت C و عوامل تعیینکننده مرتبط – کاربرد یک رگرسیون پواسون وزندار جغرافیایی برای مداخلات غربالگری مبتنی بر شواهد در نقاط داغ. PLoS ONE 2015 ، 10 ، e0135656. [ Google Scholar ] [ CrossRef ]
- براندون، سی. Fotheringham، AS; چارلتون، ME رگرسیون وزندار جغرافیایی: روشی برای کاوش غیرایستایی فضایی. Geogr Anal. 1996 ، 28 ، 281-298. [ Google Scholar ] [ CrossRef ]
- Desjardins، MR; هول، ا. Delmelle، EM نظارت سریع بر COVID-19 در ایالات متحده با استفاده از آمار اسکن فضا-زمان آینده نگر: شناسایی و ارزیابی خوشه های در حال ظهور. Appl. Geogr. 2020 , 118 , 102202. [ Google Scholar ] [ CrossRef ]
- گاتو، م. برتوزو، ای. ماری، ال. میکولی، اس. کارارو، ال. کاساگراندی، ر. Rinaldo، A. گسترش و پویایی اپیدمی COVID-19 در ایتالیا: اثرات اقدامات مهار اضطراری. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2020 ، 117 ، 10484–10491. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- نگوین، QC؛ هوانگ، ی. کومار، ا. دوان، اچ. کرالیس، جی.ام. دوویدی، پ. منگ، H.-W.; Brunisholz، KD; جی، جی. جوانمردی، م. و همکاران استفاده از 164 میلیون تصویر نمای خیابان Google برای استخراج پیشبینیکنندههای محیطی ساختهشده از موارد COVID-19. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2020 ، 17 ، 6359. [ Google Scholar ] [ CrossRef ]
- امرام، او. امیری، س. لوتز، RB; راجان، بی. Monsivais, P. توسعه یک شاخص آسیبپذیری برای تشخیص کروناویروس جدید، COVID-19، در ایالت واشنگتن، ایالات متحده. Health Place 2020 , 64 , 102377. [ Google Scholar ] [ CrossRef ] [ PubMed ]
- Xiong، Y. وانگ، ی. چن، اف. ژو، ام. آمار فضایی و عوامل مؤثر بر اپیدمی COVID-19 در هر دو سطح استان و شهرستان در استان هوبی، چین. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2020 ، 17 ، 3903. [ Google Scholar ] [ CrossRef ]
- Cowling، BJ; یک لیست؛ Ng، TW; Tsang، TK; لی، جی سی. فونگ، مگاوات؛ لیائو، کیو. کوان، من؛ لی، اس ال. چیو، اس اس. و همکاران ارزیابی تاثیر مداخلات غیردارویی علیه بیماری کروناویروس 2019 و آنفولانزا در هنگ کنگ: یک مطالعه مشاهده ای. Lancet Public Health 2020 ، 5 ، e279–e288. [ Google Scholar ] [ CrossRef ]
![Ijgi 09 00624 g001 550](https://www.mdpi.com/ijgi/ijgi-09-00624/article_deploy/html/images/ijgi-09-00624-g001-550.jpg)
![Ijgi 09 00624 g002 550](https://www.mdpi.com/ijgi/ijgi-09-00624/article_deploy/html/images/ijgi-09-00624-g002-550.jpg)
![Ijgi 09 00624 g003 550](https://www.mdpi.com/ijgi/ijgi-09-00624/article_deploy/html/images/ijgi-09-00624-g003-550.jpg)
![Ijgi 09 00624 g004 550](https://www.mdpi.com/ijgi/ijgi-09-00624/article_deploy/html/images/ijgi-09-00624-g004-550.jpg)
![Ijgi 09 00624 g005 550](https://www.mdpi.com/ijgi/ijgi-09-00624/article_deploy/html/images/ijgi-09-00624-g005-550.jpg)
![Ijgi 09 00624 g006 550](https://www.mdpi.com/ijgi/ijgi-09-00624/article_deploy/html/images/ijgi-09-00624-g006-550.jpg)
![Ijgi 09 00624 g007 550](https://www.mdpi.com/ijgi/ijgi-09-00624/article_deploy/html/images/ijgi-09-00624-g007-550.jpg)
![Ijgi 09 00624 g008 550](https://www.mdpi.com/ijgi/ijgi-09-00624/article_deploy/html/images/ijgi-09-00624-g008-550.jpg)
![Ijgi 09 00624 g009 550](https://www.mdpi.com/ijgi/ijgi-09-00624/article_deploy/html/images/ijgi-09-00624-g009-550.jpg)
بدون دیدگاه