数字化对COVID-19大流行和政府措施的严格程度产生了影响

2019年全球冠状病毒病(COVID-19)的爆发让世界停滞了一段时间。一些国家遭受了大量的感染和死亡^1，2，这极大地影响了经济和社会^3.，4．作为应对措施，各国政府实施了协调一致的遏制和缓解战略⁵．尽管世界各国当局采取了类似的政策，如关闭工作和学校、限制边境、隔离或封锁，但这些政策对大流行的影响和执行的严格程度因国而异^6，7，8．最近的研究表明，政策的有效性取决于许多因素，包括社会经济和人口状况以及文化和政治结构^5，9．此外，数字信息技术可能是决定大流行进程的一个显著因素¹⁰．

疫情加速了许多生活领域的数字化转型。保健部门正在迅速采用远程医疗¹⁰在美国，学校正在与在线协作平台合作¹¹美国的商业模式正变得更加混合¹²．然而，人们对数字化是如何形成这场危机以及如何应对危机知之甚少。亚洲国家推出了许多创新技术，以减缓COVID-19的传播。韩国和新加坡通过迅速实施监控技术，加强了数字接触追踪工具^13，14．香港和台湾使用政府发放的手机和腕带作为检疫合规措施^10，15．这些措施是控制大流行的潜在相关因素，导致政府措施不那么严格^8，13．弗雷泽等人在更早的工作中讨论了数字接触追踪在控制疫情方面的有效性。¹⁶并在最近针对COVID-19病例进行了调整¹⁷．然而，目前尚不清楚如何在数字基础设施多样化的地区实施数字追踪和监测。现有研究的证据集中在数字化的前景上。然而，正如之前的论文所述，联系人追踪需要广泛的数字基础设施^13，14，15．这场大流行病暴露了数字获取和采用普遍性方面的根本差距，导致新数字技术的实施和使用面临挑战¹⁸．

本研究旨在探讨国家层面数字化与COVID-19发展之间的关系。具体而言，我们研究了一个国家在大流行前的数字应用水平是否会影响COVID-19病例数量、死亡人数和政府行动的严格指数(SI)。我们的方法允许使用国际数据库评估大流行前的数字采用水平如何影响各国的大流行传播和政府活动。研究结果强调，需要高效和技术先进的基础设施，以应对当前和未来潜在的卫生危机。

越先进的国家采用数字技术，病例数就越低，新病例减少的速度就越快

梯度树增强(GTB)首次用于将DAI和其他人口和健康相关的特定国家变量与2020年的COVID-19病例总数进行比较。在COVID-19病例高峰时，GTB在各国对数字化的依赖程度较高(0.23,SEM±0.04)，其次是女性吸烟者(0.32,SEM±0.07)和老年人(0.22,SEM±0.04)。男性吸烟者(0.14,SEM±0.01)和人均国内生产总值(0.09,SEM±0.01)也是基本特征(图2)。2a).括号中的值表示均值的相对特征重要度和标准误差。

使用线性回归，我们绘制了各国峰值与DAI之间每百万人新病例(pm)的变化。我们仔细研究了斜率，以确定DAI如何在新病例达到最大值后的几个月内抵消大流行趋势。数字2b显示，随着DAI的增加，大多数国家的COVID-19新发病例显著下降，每单位DAI增加的新发病例减少362例(β =−362.25/pm;p< 0.001)。这一趋势分析用病例量差异加权回归进行重复，也显示随着DAI的增加，pm减少新病例的能力更强(β =−446.54/pm;p< 0.001)(表1)．

在我们检索到的5012篇文章中，我们在标题和摘要筛选过程中删除了1454篇重复文章和3450条记录。最后，在有资格进行全文筛选的108份记录中，有70份符合纳入标准并被纳入范围审查(补充图。3.)．我们将关键字分为以下主题:(1)医疗保健系统，(2)政府反应，以及(3)促进或阻碍公共卫生结果的决定因素(图2)。1)．在这"结果部分，我们将讨论与前两个主题相关的最突出的发现，并在补充结果节中，我们讨论了公共卫生结果的决定因素(补充图。6)．许多关于数字技术的文章都涉及病例和死亡，总结在“医疗保健系统”下。补充图。4和补充图。5提供一些关于所包含记录的地理映射的描述性发现。

医疗保健系统中的数字技术

范围审查的第一个主题(n = 26)涉及在疫情期间或大流行之前可能影响护理提供过程的卫生保健技术特征(图2)。2c).远程医疗包括在美国、英国、澳大利亚和其他地方迅速采用的各种技术方法(例如，虚拟咨询或远程患者监测)^{20.，21，22}．这种电子通信工具消除了额外的接触风险，从而改善了获得护理的机会^20.．随着资源短缺的迫近，Scott等人引入了国家紧急远程危急护理网络，通过移动设备在美国各地提供护理和专业知识²³．Chatterjee等人提供了南美综合通信系统的概述²¹．厄瓜多尔、玻利维亚和秘鲁在DAI方面得分中等，它们引入了远程医疗平台，可以虚拟访问专家。智利实现了更高的DAI，实施了一种新的数字医院模式，具有即将到来的功能，如电子健康记录(EHRs)。此外，他们建议使用物联网或基于人工智能的设备来更准确地评估健康参数²¹．Wood等人调查了英国的州电子病历²⁴．虽然研究人员最初无法获得关键的人口健康数据，但英国心脏基金会数据科学中心开发了一个数字环境，可以为研究人员安全访问关键的COVID-19数据。新冠肺炎疫情期间，中国迅速扩大了互联网医院的建设。这些结合了各种面向公众的基于网络的服务，如远程医疗、药物递送和心理咨询^25，26．作为机器人的早期使用者，广东省人民医院协助医务人员传播健康信息或向隔离病房送药²⁷．而电信为原住民或人口稀少的岛屿提供了医疗便利²²在美国，文盲或低收入人群受到数字鸿沟的严重影响，并面临获得远程医疗的不平等机会²¹．尽管印度的移动普及率很高，但由于类似的原因，引入电子保健服务也很困难²²．

数字技术越发达的国家，死亡人数越低，新死亡人数下降得越快

我们使用GTB来确定pm死亡高峰数量的基本特征(图。3.a).我们发现女性吸烟者的比例(0.49,SEM±0.04)具有最高的特征重要性，其次是极端贫困(0.17,SEM±0.01)和70岁以上人口(0.11,SEM±0.02)。此外，GTB表明DAI (0.13, SEM±0.02)和男性吸烟者比例(0.1,SEM±0.01)的特征重要性。

回归分析显示数字化对高峰后COVID-19死亡人数的影响(表2)1；无花果。3.b)较高的DAI与pm新死亡人数的显著减少有关，结果约为5.53 (p< 0.001) 2020/2021年高峰后PM死亡人数减少。斜率表示每个国家在达到峰值后的病例下降。我们对死亡人数的减少进行了另一项加权回归分析，显示出相同的趋势(β =−3.79/pm;p= 0.207)。

数字化对政府措施严密性的影响

与GTB和SI相关的最重要的特征是每千人的医院病床数(0.24,SEM±0.01)，其次是DAI (0.22, SEM±0.01)。其他信息特征包括极端贫困(0.19,SEM±0.01)、男性吸烟者(0.17,SEM±0.01)和糖尿病患病率(0.17,SEM±0.01)(图。4一个)。

最终回归模型显示，平均而言，DAI较高的国家在大流行的第一年采取了略严格的政策措施(β = 4.86;p< 0.01)(图;4b).在绘制DAI与平均SI的关系后，我们确定了数据中的三个趋势，并相应地对DAI进行分组。然后，通过将DAI:类交互项纳入模型，分析各组(低DAI、中DAI和高DAI)的估计效果。随后对三个类别的回归分析表明，与DAI与低类别的相互作用相比，DAI与高类别的相互作用(> 0.68)可以显著降低平均SI (β =−55.26;p< 0.05)2)．参见补充表1和补充图。2参阅有关DAI类别分类的更多资料。

政府应对措施中的数字技术

70篇评论文章中有46篇提供了对政府反应的见解(图2)。4c)在整个大流行期间，利用接触者追踪和监测管理来支持政府决策^28，29．东南亚率先利用数字技术在大流行早期追踪传播路线。韩国、新加坡和香港的数字联系人追踪^30.，31这归功于COVID-19早期的成功控制¹⁵．这些国家的人民特别服从政府的指导方针，使用手机的GPS。以色列还收集了手机位置数据，以帮助追踪联系人³²台湾在发现病例后立即下令采取居家措施^30.．一些亚洲国家在整合数字治理方面表现得格外积极和勤奋。以武汉为例²⁸在大流行发生几周后，展示了基于社区的数字接触追踪，如智能手机的健康二维码。这个二维码包含个人和健康信息，并由接触追踪器定期检查，以监控人们的流动性。政府利用这一方法，根据武汉居民的风险状况将其划分为社区网格。实时数据使政府能够识别病毒传播的集群，最终在应用程序实施后不久就减少了总感染和住院人数。在孟加拉国，政府发起了移动意识倡议，如果人们订阅了电话运营商，他们就会在手机上收到预防信息³³．虽然一些数字化国家更加积极主动，但德国和奥地利对大流行的反应相对较慢，最终采取了严格的措施³¹．美国封锁或旅行限制的启动似乎没有那么有组织，各州之间也有所不同¹⁵．其他研究显示了实施传播模型和为政府提供循证指导的巨大潜力³⁴．例如，Leung等人建立了一个框架，使用特定年龄的数字流动数据，几乎实时跟踪香港COVID-19的复制数量，没有多日延迟³⁵．Cencetti等人介绍了一种结合对受感染个体的直接隔离令的接触者追踪模型³⁶．

为了确定DAI的潜在混杂特征，我们对国家的收入水平进行了方差分析。方差分析之后的Games-Howell事后测试显示，这四个收入水平之间存在显著差异，F(3,160) = 154.87;p< 0.001，表明高收入国家的DAI比例更高(p< 0.001)(图5)．

COVID-19促使众多数字技术和流程迅速而热情地实施。鉴于许多国家目前的破坏性局势以及新冠病毒进一步传播的风险，优化数字转型是必要的，但需要基本的数字应用。我们的研究结果表明，各国的数字应用水平可能会对其流行病的传播产生影响。因此，一个国家的数字应用水平可能是缓解COVID-19和未来大流行的潜在决定因素。

GTB结果表明若干变量之间存在关联，包括DAI和大流行趋势。本研究发现DAI与三个结果变量相关:病例数、死亡人数和国家的严格程度指数。此外，COVID-19病例和死亡与吸烟者和老年人的人口比例有关。一些研究认为吸烟是感染病毒后病情恶化的原因^39，40，41这与2015年韩国中东呼吸综合征冠状病毒病例死亡的风险因素类似⁴²．死亡的风险随着年龄的增长而增加^40，43在有老年人口的国家，死亡率最高⁴⁴．此外，合并症(如糖尿病)的风险随着年龄的增长而增加，这增加了严重感染病程的可能性⁴⁵．COVID-19病例与较低的人均国内生产总值相关⁴⁶死亡与贫困⁴⁷．医院床位容量与SI之间的关联可能是医院床位压力的增加，这促使政府出台了新的政策⁴⁸．

线性回归分析显示DAI与大流行演变之间的关系。事实证明，DAI较高的国家在管理病例和死亡方面比DAI较低的国家更具弹性。Jurzik等人指出，更高水平的数字采用可能有助于一些亚洲政府有效应对的能力，突出了数字鸿沟⁴⁹．2019冠状病毒病大流行加剧了数字鸿沟，对少数群体的影响尤为严重⁵⁰以及生活在相对贫困地区的人们⁵¹．我们发现了类似的结果。特别是，我们发现DAI与国家收入水平之间存在正相关，数字普及率较高的国家也属于高收入群体。世卫组织《2020-2025年数字卫生全球战略》倡导加速实施和普遍公平获得数字卫生和卫生政策⁵²．数字卫生，包括通信和信息技术、互联网和宽带接入方面的能力，被列为健康的决定因素^53，54．缺乏数字素养和技能可能会使人们面临不良健康后果的风险⁵⁵．

审查论文探讨了大流行期间使用的数字技术和工具。此外，一些研究强调，社会文化和政治背景以及公众态度会强烈影响政府措施的有效性。尽管DAI较高的国家有更好的应对大流行的先决条件，但像美国这样的国家³²是否因为隐私问题而未能及时采用接触追踪³⁶．在新加坡、台湾和香港，了解以往的呼吸综合征疫情对于有效的早期应对是非常宝贵的⁵⁶．中东呼吸综合征冠状病毒爆发后，韩国实施了几种追踪方法，允许当局通过信用卡和手机收集人们的流动数据⁵⁷．这些方法需要大量的接触示踪剂，但富裕的西方国家在COVID-19袭击时缺乏这样的位置⁵⁸．然而，亚洲国家监控管理的成功是有代价的:缺乏隐私和自由⁵⁹．一些DAI得分较高的国家，如英国、法国、德国和美国，更不愿意使用数字措施，并引入了限制性非药物干预措施(npi)，例如封锁。这些都对个人、社会和经济产生了深远的负面影响⁵⁹．要想让新国家行为体为遏制COVID-19做出有意义的贡献，就应该有效和有针对性地使用它们¹⁹．部署数字监测和接触者追踪的国家仍然是管理疾病负担的先驱¹⁰最终增强了人们维持接近正常生活的自主权⁵⁹．然而，并非所有数字创新都可以转移到正在与大规模疫情作斗争的国家。互联网的使用已经在全球范围内普及，但在较贫穷的国家使用情况较差，这对这些国家使用数字技术的基本要求构成了障碍⁶⁰．

本研究的国别生态研究设计存在一定的局限性。回归模型拟合较低表明数据存在固有差异，这可能是由可测量和不可测量的混杂因素造成的，例如COVID-19数据的不准确报告或大流行的异质性。因此，这项研究不能解释因果关系，但它确实显示了数字应用和COVID-19措施之间的明显趋势。我们有意选择国家层面的数据来提供初步的全球趋势分析。未来的研究可以考虑扩大协变量，以包括在GTB期间确定的协变量，各国的社会、经济、环境和卫生特征，以及关于检测和疫苗接种的额外信息。此外，将这些数据分解为个人层面的数据，可以更深入地分析COVID-19趋势的决定因素，并采取更有针对性的方法减轻大流行的影响。此外，时间的选择可能会影响统计分析。该大流行病的特点是数据具有高度变化的性质，病例和死亡率发生了很大变化。因此，我们在它们的最大增长率时获取数据，并计算出峰值后的时期进行回归分析，从而实现了对大流行演变的实际和有效监测。最后，所选择的数字采用指数的一个局限性是，最新的可用数据来自2016年。 Therefore, we cannot draw conclusions about recent digitalization trends during or shortly before the pandemic. It could well be that countries that reported low digital adoption rates in 2016 potentially scaled up their implementation of digital technologies or have seen an increase due to extensive international collaboration and technology transfer initiatives. Future studies could investigate the impact of newly developed digital technologies during the pandemic. We chose the DAI because of its broad representation of countries and our interest in how countries' level of digital preparedness might have influenced their pandemic outcomes.

这些结果表明，扩大数字应用可能是减少COVID-19病例和死亡率的有效方法。据我们所知，这是首个调查大流行前数字应用水平对全球大流行趋势影响的人口层面研究。在这样做的过程中，我们将数字采用确定为可能导致大流行事件的潜在决定因素。数字普及率较高的国家新发病例和死亡人数下降得更快，但也实施了更严格的政府措施。因此，基于这份手稿，政策制定者可能会认识到并认识到数字化对全球社会和卫生系统的重大影响。在这项研究的激励下，我们鼓励未来的研究在可用的情况下，使用人群水平内的数据进行深入分析，以适应其他潜在的混杂因素。

以下部分介绍了用于检查各国数字化水平与COVID-19病例、死亡和政府措施之间关系的方法。这些方法学方法被重复用于所有三个感兴趣的问题，并将在下一节中描述:(1)特征识别和排名，(2)线性回归分析，(3)映射文献发现。

我们从开放获取的COVID-19数据集中检索了数据，该数据集可通过GitHub获得，并由我们的数据世界⁶¹．这些数据每天更新，有助于为这项国家级研究提供一个易于使用和比较的框架。它还需要牛津COVID-19政府应对跟踪系统的SI，我们将其作为比较各国政府措施严格程度的标准化方法。SI包括遏制和封锁政策措施的9个指标，以及一个捕捉公共信息运动的指标(关闭学校和工作场所、取消公共活动、限制公众集会、关闭公共交通、居家要求、公共信息运动、限制国内流动和国际旅行管制)。该指数由9个指标的平均值组成，每个指标的值都在0到100之间。数值越高，表示政府采取的措施越严格。有关更详细的信息，请参阅作者的完整描述⁶²．我们使用了截至2021年3月10日的报告数据，当时还没有或正在开发新的技术工具来评估各国应对COVID-19的数字准备工作。世界银行的DAI在政府、商业和人民三个经济维度上表达了各国的数字采用水平^60，63．这三个分项指数都包括各种加权和归一化的指标，范围从0到1，而DAI代表简单平均值。“政府”支柱结合了在线公共服务、数字识别和核心行政系统。“商业”支柱包括安全服务器的数量(以百万计)、网速(kbps)、拥有网站的企业比例和3G覆盖。最后，“人”支柱表示在家中可以使用移动设备和互联网。DAI国家数据可获得的最近年份是2016年。

特征识别与排序

GTB是一种有监督的机器学习算法，为标记数据集(训练数据)建立分类和回归模型。^64，65．GTB模型被组织为顺序决策树的集合，通过与二元结果的简单比较来评估。树拓扑允许遵循推理过程，并基于决策树中使用的特征的频率和位置识别最相关的特征，称为特征重要性⁶⁶．因此，GTB提供了更好的数据可解释性。应用顺序消元法来识别最相关的输入特征。XGBoost实现本质上处理缺失的输入特性⁶⁷．为了确定重要特征，我们采用了各国的“DAIs”以及根据COVID-19数据集调整的国家一级人口和健康相关参数(人口密度、中位年龄、65岁以上、70岁以上、人均国内生产总值、极端贫困、心血管相关死亡率、糖尿病患病率、男女吸烟者比例、洗手设施、医院病床、出生时预期寿命和人类发展指数)。⁶¹．我们确定了2020年COVID-19 pm和si的确诊病例和死亡总数的峰值，并分别进行了三项分析。我们进行了超参数搜索，以限制GTB模型的复杂性⁶⁷．因此，随机分成训练数据和验证数据。找到的超参数集为以下步骤修复。我们按照十倍交叉验证方案训练GTB模型，以重复探测数据。对于十轮训练的每个GTB模型，提取所有输入特征的特征重要性值并平均。我们丢弃了最不重要的特征，并重复分析，直到只剩下一个特征。如果多个特征具有同等重要性，则随机选择被丢弃的特征。最后，我们选择报告重要特征的均值作为我们研究的关键混杂变量，以及均值的标准误差。

线性回归分析

简单线性回归显示DAI与COVID-19病例数和死亡人数变化之间的关系。为了表达下午COVID-19新病例和新死亡人数(7天平滑)的变化，我们确定了各国高峰后的病例和死亡人数减少情况。从每个国家的对数转换数据的峰值开始，我们将线性回归拟合到2020年至2021年之间每月最大值的后续最小值。然后，我们提取每个国家的斜率参数(log-10(新病例和死亡7天平滑pm)随时间的变化)。结果通过使用ggplot2绘制DAI与斜率的关系来可视化⁶⁸．补充图。1展示了我们如何估计高峰后PM新死亡人数的下降，使用了几个国家的例子。同样的方法被应用于确定新病例的高峰后时期。我们排除了以下国家:a)无法降低死亡率;b)死亡率上升超过峰值的一半;c)在数据集结束时达到峰值，因为我们特别感兴趣的是大流行前采用数字技术与病例和死亡人数下降之间的潜在关联。根据确定的标准，以下国家被排除在评估新病例(n = 121)和死亡(n = 123)高峰后变化之外:柬埔寨、多米尼加、老挝、马绍尔群岛、圣基茨和尼维斯、萨摩亚、所罗门群岛、帝汶、瓦努阿图(n = 9)。此外，由于缺少DAI数据，香港和澳门被排除在回归分析之外。在另一个步骤中，我们通过测量先前确定的每月新病例的最小值和最大值之间的差异，分别为峰值后回归分析增加了一个权重，死亡人数({0.17 em} \三角洲(\ \水平间距\)=不等式性质)。

接着，我们分析了DAI和SI之间的关系。为了能够适当地比较国家之间的SI，我们将实际SI归一化为初始SI (SI_最初的)数据集中的每个国家(SI_规范=如果_的意思是/如果_最初的)．然后我们在DAI和SI之间进行线性回归_规范．进一步，当绘制SI时_的意思是对于DAI，我们注意到数据中的三个微观趋势。为了用线性模型描述这些趋势，DAI在0·01步内的范围[0·2:0·8]内进行阈值设置。所选择的范围是为了在较低阈值的左边和较高阈值的右边保留足够的数据来进行回归。将每个DAI步骤的值与每个国家的实际DAI值进行比较，并使用二进制函数将其分类为比当前DAI阈值“更小”或“更大”。这导致n = 61个SI标记的数据集_的意思是， DAI，以及155个国家的二进制类信息。我们假设SI趋势的局部变化将表现为DAI与二元类的统计相互作用的显著变化。因此，对每个数据集进行线性回归(SI_的意思是~ DAI:class)，并监测相互作用的p值。我们在推论相互作用分析中观察到两个断点，其中p值从p≤0.05到p≥0.05(补充表1，补充图。2)．利用这些阈值将DAI分为低、中、高三个等级，然后用线性回归进行微观趋势分析。

采用方差分析(ANOVA)来检测收入组内DAI估计值的平均差异:低(LIE)、中下(LMIE)、中上(UMIE)和高收入经济体(HIE)。对于事后分析，我们应用了一个game - howell检验来调整方差，并纠正了p-value通过霍尔姆调整(补充表6，补充图。7)．研究的目的是研究数字普及与收入水平的可疑决定因素之间的关系。使用R软件(4.0.3版)进行回归分析和方差分析。⁶⁹．

映射文献发现

该综述将先前的发现与当前文献结合起来，并在PRISMA范围审查扩展版的指导下，寻求DAI与COVID-19值之间关系的解释⁷⁰(补充表3.)．该搜索策略将COVID-19术语和大流行相关关键词的替代拼写与“数字*”(补充说明)．本综述涵盖了在同行评审的科学期刊上发表的英语研究，包括原始研究、评论文章和观点。我们的搜索排除了新闻报道、评论、信件、政策简报和不能完全访问的报告。

2021年5月3日，我们在MEDLINE/PubMed和Web of Science数据库中进行了全面的文献检索。我们搜索了世卫组织中国县办事处于2020年1月1日获悉武汉病例聚集性病例后发表的出版物¹，到放映日。我们首先根据它们的标题和摘要选择研究，然后评估它们的全文以纳入。使用EndNote删除重复项。两位作者(HH和LR)在两个阶段使用Rayyan独立筛选文章⁷¹．不符合预定义标准的文献被删除。审稿人之间的分歧通过讨论解决，直到审稿人之间的一致性较高(Cohen’s kappa系数> 0.9)。我们的研究团队开发了一个筛选手册，包括纳入和排除标准和数据提取表格(补充表2及补充表4)．

符合条件的研究按照Mays等人的叙事回顾方法进行主题分析⁷²．我们确定并并列了常见的关键字，以从不同来源获取知识。通过反复检查所评论文章的关键部分来确定经常性的关键词，以确保解释的一致性，然后将它们合并到主题中。我们在一个矩阵中映射了关键词的出现，揭示了主题之间相当大的重叠(补充表5)．这三个主题说明如下:

第一个主题包括将数字卫生工具集成到卫生保健体系．这包括各种电子方法，例如支持临床工作人员管理病人的远程医疗或电子病历，以促进医疗设施的数字基础设施，并减轻医院的巨大压力。通过加强卫生系统、医院管理和临床工作流程，这些技术可能以这样或那样的方式对降低发病率和死亡率产生直接影响。

第二个主题是关于政府的反应旨在遏制和减缓新冠肺炎疫情蔓延。例如，一些研究侧重于通过综合监测系统、数字接触者追踪和暴露通知追踪和发现疑似病例。其他国家则提出了非药物干预措施，包括居家令、限制集会和佩戴口罩的要求。此外，一些研究以流行病学模型和经验框架的形式为决策者和科学家提供了循证指导。

第三个主题集中于文献，涉及提供信息的论文促进或阻碍公共卫生成果的决定因素除了上面提到的主题。这些论文围绕着国家、地区和个人层面的风险沟通和“信息流行病”管理展开，这些对塑造个人寻求健康的行为至关重要。除了沟通，我们还发现了影响大流行管理的其他因素，这是由于社会经济、组织、政治和隐私问题等复杂的相互作用因素。