COVID-19大流行显著改变了人类的流动模式，因此需要建立流行病学模型，以捕捉这些流动性变化对SARS-CoV-2传播的影响。研究人员介绍了一个集合种群（SEIR）模型，该模型集成了细粒度、动态的流动网络，以模拟SARS-CoV-2在美国十大大都市地区的传播。该移动网络来自移动电话数据，将9.8亿人每小时的移动情况从社区（或普查区组）映射到餐馆和宗教机构等关注点，将56945个普查区组与552758个关注点连接起来，每小时的移动量为54亿。研究表明，通过整合这些网络，一个相对简单的SEIR模型可以准确地拟合真实的案例轨迹，尽管随着时间的推移人口的行为发生了实质性的变化。模型预测，少数“超级传播者”感兴趣的点占了感染的绝大多数，限制每个感兴趣点的最大占有率比统一减少流动性更有效。模型还正确地预测了弱势种族和社会经济群体中较高的感染率，这仅仅是流动性差异的结果：研究发现弱势群体并没有能够大幅降低他们的流动性，他们访问的兴趣点更拥挤，因此与更高的风险相关。通过捕捉谁在哪个地方被感染，模型支持详细的分析，可以提供对COVID-19更有效和公平的政策反应。
