Quantifying infection-relevant contact patterns among young children in childcare settings in the United States.

为了理解传染病如何在人群中传播，科学家们依赖于一个简单但强大的理念：人们并非随机混合。教室里的一个孩子与办公室里的银行家所互动的对象不同，且互动的频率也不同。为了绘制这种图谱，研究人员使用“接触矩阵”，这本质上是记录每天一个年龄段的人与另一个年龄段的人见面多少次的网格。这些网格是计算机模型的引擎，用于预测病毒可能如何在城市中移动，或者疫苗接种运动的效果如何。几十年来，科学家们一直知道幼儿通常是最容易受到感染且最有可能传播疾病的群体，然而，为这些模型提供数据的针对五岁以下儿童的数据一直以来都只是一个猜测。在美国，由于正式学校教育通常从五岁开始，一直以来并没有一项全面的调查去询问家长，他们的幼儿和婴幼儿究竟在和谁一起度过时光。由于缺乏这些数据，模型不得不依赖于人口普查信息，而这些信息忽略了庞大且非正式的托儿世界，从而在理解疾病如何通过社会中最年幼的成员进行传播方面留下了盲点。

一个研究小组试图通过转向一项关于美国育儿安排的大规模、具有全国代表性的调查来填补这一空白。他们没有进行猜测，而是使用了来自“早期儿童参与计划调查”（Early Childhood Program Participation Survey）的详细数据，该调查会询问监护人他们的孩子在哪里接受照顾、每周有多少天、以及现场还有多少其他儿童。通过将这些现实世界的出勤数据与联邦关于单间教室允许容纳多少儿童的指南相结合，该团队构建了一个更准确的新图景，描绘了从婴儿期到四岁儿童的日常互动情况。他们发现，现有的接触图谱缺失了重要的一块拼图。在旧的模型中，一个一岁的孩子每天可能会被估计为与另一名儿童进行不到一次有意义的接触。而新数据揭示了，这些同样的儿童实际上与同龄人的互动要频繁得多，随着年龄的增长，每日接触的人数显著增加。对于在托儿中心的一个四岁儿童，预计与其它儿童的每日接触人数上升到了3.5次，这一数字几乎是之前模型对该年龄组所建议数值的五倍。

随后，研究人员测试了将这些更高的新数值代入计算机模拟麻疹爆发的情景时会发生什么。麻疹是一种极具传染性的疾病，团队模拟了在10万人口规模下，在不同的疫苗接种情景下麻疹将如何传播。当他们使用旧的、较低的接触估计值时，模型预测爆发规模较小且频率较低。然而，当他们切换到包含托儿设置中那种密集混合模式的新数据时，结果发生了剧烈的变化。模拟显示，爆发变得更加可能发生，而且一旦发生，规模会更大，感染更多的幼儿。在那些幼儿疫苗接种率较低的情景下，这种情况尤为明显。这项研究表明，由于低估了幼儿在托儿所和家庭护理场所中触摸、玩耍以及呼吸相同空气的频率，先前的模型低估了这些儿童对更广泛社区构成的风险，以及疾病在其中蔓延的速度。

该研究还强调了美国育儿景观的多样性。研究人员发现，64%的五岁以下儿童会接受来自父母以外人员的某种形式的定期照顾。这种照顾分为三种主要类型：亲属在家照看孩子、非亲属在家照看孩子，或是在正式中心。照顾的类型会随着孩子的成长而改变。婴儿通常由亲属在家照顾，但到三、四岁时，大多数孩子都在正式中心。这些中心有着关于小组规模和在场成人人数的具体规则，研究人员利用这些规则来精确计算一个孩子可能会遇到多少其他儿童。他们发现，在正式中心，孩子们主要与同龄人混合，形成了紧密的接触集群。相比之下，家庭护理通常涉及更多随机的年龄组合，但总人数较少。通过考虑到这些特定的结构，团队能够创建一个反映孩子一天真实生活情况的接触矩阵，而不是一个忽略了“托儿接送线”存在的统计平均值。

这项工作的意义不仅限于麻疹。研究人员认为，任何通过密切接触传播的疾病——例如流感、呼吸道合胞病毒或轮状病毒——都可能遵循类似的、此前被低估的传播模式。该研究并不声称解决了测量所有人类接触的问题，也不认为这些新数据是完美的。数据来源于一项家长报告其子女照顾情况的调查，研究人员必须对那些他们无法直接观察到的中心内的分组方式做出一些假设。然而，研究结果的方向是明确的：旧的接触地图丢失了一块重要的领地。通过加入有关育儿的缺失数据，研究人员表明，幼儿之间的联系比我们想象的要紧密得多。这表明，公共卫生策略需要更加关注这些场所，因为它们不仅是孩子们生病的地方，也可能是驱动整个群体感染扩散的主要引擎。这项工作提醒我们，要保护一个社区，我们必须首先了解其最小成员的日常生活，并且通过这种方式，我们可能会发现，阻止一场疫情的关键就在于我们送孩子们去学习和玩耍的地方。