ある整形外科医のつぶやき

外来の診察室で思うこと

通勤電車は大丈夫ですか?

f:id:hiro_chinn:20210508134422p:plain


 

 筆者が、かなり前から疑問に思っていたことがあります。

今、コロナ対策は、飲食店や酒類販売が中心になっています。エビデンスがあってのことと思いますが(データは開示すべきです)、電車はコロナ前とほぼ同様で混雑したままです。

飲食店や自粛要請されている方々は、かなり不公平感を抱いているものと思います。

 

この通勤電車内での感染は、本当に無視できるのか?

筆者には、この疑問がずっと頭から離れませんでした。

 

今回は、この疑問に対して少し調べてみました。

 

Clinical Infectious Diseases
列車の乗客における2019年のコロナウイルス感染のリスク:疫学およびモデリング研究
Clinical Infectious Diseases, Volume 72, Issue 4, 15 February 2021, Pages 604–610, https://doi.org/10.1093/cid/ciaa1057

 

方法
中国および中国の疾病管理予防センターによって実施されました。2019年12月19日から2020年3月6日までの間にGトレインで中国本土を発病前または発症中の過去14日以内に旅行したと報告した合計2568件の感染の確認された症例を含めました。
2019年12月19日から2020年3月6日までの各座席の発病率は、COVID-19症例と診断されたこの座席の乗客数を、同じ座席にいて発端者と一緒に旅行した乗客の総数で割ったものとして定義されました。

結果
1) 発病率に対する空間距離の影響
初発患者の3行5列の距離内の座席での列車の乗客の発病率は 、0 から10.3%(95%信頼区間[CI]、5.3%–19.0%)で、平均 0.32% (95%CI、.29%–。37%)。初発患者と同じ列の座席の乗客(初発患者に隣接する乗客を含む)の平均発病率は1.5%(95%CI、1.3%–1.8%)で、他の列の乗客(0.14%)よりも高かった。 [95%CI、.11%–。17%])、相対リスク(RR)は11.2(95%CI、8.6–14.6)。初発患者に隣接する旅行者は、すべての座席の中でCOVID-19感染(RR、18.0 [95%CI、13.9–23.4])の発病率が最も高かった(3.5%[95%CI、2.9%–4.3%])。発病率は距離の増加とともに減少しました。

f:id:hiro_chinn:20210508121040p:plain

https://academic.oup.com/cid/article/72/4/604/5877944

 

2) 発病率に対する共移動時間の影響
平均発病率は、共同旅行の1時間あたり0.15%(P = .005)増加しました。
共移動時間が4時間を超えた場合、傾きは大きくなりました。

討論
この研究は、COVID-19症例の疫学調査と高速列車の密接な接触からのデータに基づいて、公共交通機関におけるCOVID-19感染のリスクを定量化した最初のものです。

列車の乗客のCOVID-19の発病率は、列車の空間距離と共移動時間に関連しており、初発患者の3行5列の座席間の発病率の分布は不均一であることがわかりました。初発患者と同じ列の座席では、他の列の座席よりも感染のリスクがはるかに高くなります
COVID-19が広がるのを防ぐために、推奨される距離は同じ列内で少なくとも2席離れており、移動時間は3時間に制限されています。
電車、飛行機、バスなどの限られたスペースの乗客は、個人の手指衛生を改善し、保護具を使用する必要があるかもしれないことを強調しています(例えば、フェイスマスクを着用する)。新鮮な空気の換気、循環、ろ過は、乗客間の感染のリスクを減らすのにも役立ちます。 

 

今回の研究は中国の高速鉄道であり、日本の通勤電車の車内の構造や混雑状況とは大部違うとは思いますが、日本の電車で座席に座っているとすると、この論文の中で感染率が高い同じ列となります。最大10%の感染率になります。又、立っていても密着した状況では 、もっと感染率が高くなる可能性があります。通勤時間・共移動時間も通常1時間以上でしょう。(サラリーマンの皆様、お疲れ様です。)

通勤で感染するケースはかなりの数に上る可能性があります。

 

今回は電車内のデータですが、本文内でも論じているように、路面電車、バスや飛行機でも 当てはまります。

 

次に2014年の日本人の論文 です。

 


PLoSOne。2014; 9(6):e98518。
オンラインで公開2014年6月6日 doi: 10.1371 / journal.pone.0098518
PMCID :PMC4048205
PMID:24905831
大都市圏の通勤ネットワークを介したエピデミックプロセス
健太矢島  及び 佐々木明 

 

メソッド
東京首都圏の通勤者の流れに関するデータは、都市交通センサス(UTC)から取得されました。国土交通省が実施した調査で、1960年から5年ごとに、東京、名古屋、大阪の3大都市圏で実施されています。

通勤電車は首都圏の主要な地域内交通機関です。UTCのデータによると、合計で約4,000万人が毎日通勤電車を利用しています。

討論
(i)最初に感染した個人がその地域に現れた場合、世界的な流行が発生する確率は主に感染率と個人の自宅および職場の人口のサイズに左右されます。通勤ネットワーク内の地理的位置による影響はごくわずかであることを示しています。(ii)世界的な流行の最終的なサイズと流行のピークまでの時間は、集団サイズのクラス間の接続性に大きく依存しますが、ここでも、個々の集団の接続ジオメトリには影響されません。(iii)地域集団における流行の到着時間は単純な依存性を示し、集団の対数サイズに比例して減少します。
エピデミックの現地到着時間と現地の人口規模との間に非常に明確な対数関係があるという3番目の結論はこれまで報告されていません。
私たちの結果は、世界的な大流行が発生すると、その最終的なサイズは感染が始まった場所とは無関係になることを示しています。しかし、世界的な流行の可能性は、最初に感染した宿主の家と仕事の人口の大きさとともに増加するので、予防接種は、大きな家の人口に住み、大きな仕事の人口に通勤する個人に適用される場合に最も効果的です。

 

 

この2つの論文から考えると、自分の居住地から職場のある大都市に通勤している場合、「感染者の増加は双方の人口サイズ にのみ依存する。そしてその原因として通勤電車内での感染が相応に存在する可能性がある。」といえるのではないかと思います。

また職場の人口サイズにかかわるということであれば、大企業ほどテレワークか休業にする必要があります。 

このことからすると、感染率の増加した変異株に対抗するには、厳密にテレワークをもっと実施させるか、ロックダウンしかないのではないかと思います。 

 本来ならコロナ禍のいま、日本独自のデータを何とか工夫して取るべきでしょう。

 

今回も最後までお付き合いいただきまして、誠にありがとうございました。 

 

 

f:id:hiro_chinn:20210508134646p:plain