Affiliations Computational Epidemiology Laboratory, Institute for Scientific Interchange (ISI)، تورینو، ایتالیا، مرکز فیزیک نظری (Centre National de la Recherche Scientifique UMR 6207)، مارسی، فرانسه ⨯

مرکز وابستگی ها برای فیزیک نظری (Centre National de la Recherche Scientifique UMR 6207)، مارسی، فرانسه، آزمایشگاه شبکه ها و سیستم های پیچیده لاگرانژ، موسسه تبادل علمی (ISI)، تورینو، ایتالیا ⨯

عضویت در کمیسیون اروپا، مرکز تحقیقات مشترک، موسسه حفاظت و امنیت شهروندان، ایسپرا، ایتالیا ⨯

عضویت Istituto G. Caporale, Teramo, Italy ⨯

* پست الکترونیکی: vittoria. colizza@inserm. fr وابستگی ها INSERM، U707، پاریس، فرانسه، دانشگاه UPMC پاریس 06، دانشکده پزشکی پیر و ماری کوری، UMR S 707، پاریس، فرانسه، موسسه تبادل علمی (ISI)، تورینو، ایتالیا ⨯

الگوهای پویا جنبش های تجارت گاو

• پائولو باجاردی،
• آلن بارت،
• فابریزیو ناتاله،
• لارا ساوینی،
• ویتوریا کولیزا

• تاریخ انتشار: 18 مه 2011
• https://doi. org/10. 1371/joual. pone. 0019869

ترفندها

خلاصه

علیرغم اهمیت آنها برای شیوع بیماری های زونا ، درک ما از جنبه های دینامیکی که حرکات جمعیت حیوانات کشاورزی را نشان می دهد محدود است زیرا این سیستم ها به طور سنتی به عنوان اشیاء استاتیک و از طریق تقریب های ساده مورد مطالعه قرار می گیرند. با استفاده از رویکرد علوم شبکه ، در اینجا ما برای اولین بار قادر به تجزیه و تحلیل مجموعه داده های طولی حرکات گاو ایتالیایی هستیم که به طور روزانه تحرک حیوانات فردی را در مزارع گزارش می دهد. پیچیدگی و روابط متقابل بین توپولوژی ، عملکرد و ماهیت دینامیکی سیستم در وضوح مختلف مکانی و زمانی مشخص می شود ، به منظور کشف الگوهای و آسیب پذیری های اساسی برای تعریف اقدامات پیشگیری و کنترل هدفمند برای بیماری های زونوتیک. نتایج نشان می دهد که چگونه ثابت بودن توزیع آماری با پویایی تکاملی قوی و غیر مهم در سطح گره و پیوند ، در تمام بازه های زمانی همزیستی است. نماهای استاتیک سنتی از شبکه جابجایی ، الگوهای مهم تغییرات ساختاری را تحت تأثیر قرار می دهد که بر مرکزیت گره ها و پتانسیل گسترش مزارع تأثیر می گذارد ، بنابراین کارآیی مداخلات را بر اساس اطلاعات طولی جزئی محدود می کند. با در نظر گرفتن کامل ابعاد طولی ، ما یک تعریف جدید از نقوش دینامیکی را ارائه می دهیم که قادر به کشف حضور یک فلش زمانی است که توصیف تکامل سیستم و الگوهای علیت جابجایی آن است ، می توان به مکانیسم هایی که ممکن است بازی کنند ، روشن شودنقش اساسی در تعریف اقدامات پیشگیرانه.

استناد: Bajardi P ، Barrat A ، Natale F ، Savini L ، Colizza V (2011) الگوهای دینامیکی حرکات تجارت گاو. PLOS ONE 6 (5): E19869. https://doi. org/10. 1371/joual. pone. 0019869

ویراستار: ماتجاز پرک ، دانشگاه ماریبر ، اسلوونی

دریافت: 30 مارس 2011 ؛پذیرفته شده: 6 آوریل 2011 ؛منتشر شده: 18 مه 2011

کپی رایت: © 2011 Bajardi ، et al. این یک مقاله دسترسی آزاد است که تحت شرایط مجوز انتساب Creative Commons توزیع شده است ، که امکان استفاده ، توزیع و تولید مثل بدون محدودیت در هر رسانه را فراهم می کند ، مشروط بر اینکه نویسنده و منبع اصلی اعتبار داشته باشند.

بودجه: این کار تا حدی توسط قرارداد ایده های شورای تحقیقات اروپا تأمین شد. ERC-2007-STG204863 (EPIFOR) به VC و PB و توسط پروژه MSRCTE0108 که توسط وزارت بهداشت ایتالیا به FN ، LS و VC تأسیس شده است. هیچ بودجه خارجی اضافی برای این مطالعه دریافت نشده است. سرمایه گذاران هیچ نقشی در طراحی مطالعه ، جمع آوری داده ها و تجزیه و تحلیل ، تصمیم به انتشار یا تهیه نسخه خطی نداشتند.

منافع رقابتی: نویسندگان اعلام کرده اند که هیچ منافع رقابتی وجود ندارد.

معرفی

حرکات حیوانات یک جنبه مهم برای تجارت و بازاریابی دام ها را نشان می دهد ، اگرچه ممکن است میانگین آسان برای انتشار سریع بیماریهای عفونی زونویک در بین دارایی های حیوانات ارائه دهد ، با وسعت مکانی که مسافت های جغرافیایی بزرگ را پوشش می دهد ، همانطور که به عنوان مثال توسط پاورقیه سال 2001 نشان داده شده است. بیماری همه گیر بیماری در انگلستان [1]. بیماری های حیوانات ممکن است رفاه دام را به خطر بیاندازد و بهره وری را کاهش دهد ، و علاوه بر این ممکن است تهدیدی برای سلامت انسان باشد ، زیرا ظهور بیماری های انسانی تحت تأثیر عوامل بیماری زا زونوتیک قرار دارد [2]. بنابراین مدیریت و کنترل بیماری به منظور کاهش چنین خطرات و جلوگیری از خسارات اقتصادی بزرگ بسیار مهم است [3]. این امر می تواند به عنوان مثال از طریق کنترل حرکات حیوانات و اختلاط ، کنترل ورود به تعداد زیادی مزرعه ، قرنطینه حیوانات یا تحمیل دوره های ایستاده که از حرکات بیشتر حیوانات در محل جلوگیری می کند ، حاصل شود. برای ارزیابی صحیح چنین اقدامات پیشگیرانه و کنترل ، دانش و تنظیم دقیق حرکات حیوانات مورد نیاز است. با ایجاد اجرای یک چارچوب دیجیتالی برای شناسایی و ثبت حیوانات گاو [4] ، گام مهمی برای پرداختن به این موضوع در اروپا گرفته شده است [4] ، و سیستم های شناسایی و ردیابی مشابه گاو نیز در سایر کشورها اجرا شده است [5]. بنابراین داده های دقیق در مورد حرکت گاوهای فردی در سطح ملی در دسترس بوده است که هر گاو را در طول حرکات خود در بین محل ها به صورت روزانه ردیابی می کند.

چنین تلاش های نظارتی باعث شده است تا فرصتی منحصر به فرد برای مطالعه حرکات حیوانات به روشی دقیق ، توصیف رفتار آنها در زمان و مکان و شناسایی الگوهای مربوط به گسترش یک بیماری بالقوه در جمعیت گاو باشد. توصیف طبیعی این سیستم ها توسط نمایندگی شبکه از نظر گره ها (عناصر سیستم ، یعنی محل موجود در مورد جریان گاو) و پیوندها (تعامل بین عناصر آن ، یعنی حرکات گاو بین محل) ارائه می شود.[6] - [11]. تحقیقات زیادی در تجزیه و تحلیل سیستم های شبکه ای موجود از مجموعه داده های تجربی مشابه انجام شده است. مطالعه شبکه های بیولوژیکی و زیرساخت های حمل و نقل ، شبکه های تکنولوژیکی ، الگوهای ارتباطات انسانی و تحرک [12] - [24] از حضور خواص غیر منتظره مشابهی که توسط این سیستم ها به طور مستقل از عملکرد ، منشأ و دامنه آنها به اشتراک گذاشته شده است ، رونمایی کرده است. علاوه بر خاصیت جهان کوچک ، که شامل همزیستی همبستگی محلی بالا و مسافت های کوچک در هر دو گره در شبکه در مقایسه با اندازه سیستم است [25] ، اجزای چنین سیستمهایی در یک سیمی در غیر سیمی هستندروش همگن ، با تعداد اتصالات در هر گره ، نوسانات بسیار زیادی را بر خلاف فرضیه تصادفی پواسونیایی نشان می دهد [6]. ماهیت همه جا این خاصیت به اصطلاح بدون مقیاس-که در سیستم های طبیعی ، اجتماعی و مصنوعی یافت می شود-بیش از یک دهه تحقیق با هدف توصیف و درک سیستمهای پیچیده گرفته شده از رشته های مختلف از طریق پارادایم مشترک علم شبکه ها را تحریک کرده است [26]

استفاده از رویکردهای شبکه ای در دامپزشکی بسیار جدید است. همانطور که اخیرا توسط Dubé و همکاران بررسی شده است.[27] و توسط مارتینز-لوپز و همکاران.[28]، مقالات کمی منتشر شده است که حرکات دام را با ساختن شبکه جابجایی ها و مطالعه روابط بین گره ها با رویکرد سیستمی تجزیه و تحلیل می کند، بنابراین فراتر از توصیف ساده ویژگی های تک گره (مانند مقدار یا فراوانی جابجایی ها) است. در مزارع مجرد و خارج از آن). در دسترس بودن مجموعه داده های جریان گاو در چندین کشور این امکان را برای کاوش سیستماتیک و با جزئیات زیاد این ساختارهای تماسی که نشان دهنده عامل اصلی گسترش بیماری از طریق حیوانات آلوده از مزرعه به مزرعه یا از طریق سایر عملیات دام مانند بازارها و فروشندگان هستند را باز کرده است.. تحقیقات در این زمینه را می توان به تجزیه و تحلیل توصیفی مجموعه داده ها به منظور ارزیابی پیامدهای کنترل بیماری [29]-[36]، و مطالعات اپیدمیولوژیک با هدف بازتولید اپیدمی های تاریخی از طریق مدل ها، تخمین پارامترهای مربوط به اپیدمیولوژیک از ساختارهای تماس، تقسیم کرد. و مدل سازی واقع بینانه گسترش بیماری بر اساس داده های حرکتی [34]، [37]-[42]. با این حال، در حالی که امروزه مدل سازی بیماری های مشترک بین انسان و دام انواع رویکردهای مختلف را در بر می گیرد (به عنوان مثال به بررسی مرجع [42] مراجعه کنید)، پیشرفت های مشابهی در توصیف حرکت گاو مشاهده نمی شود، با تلاش های تحقیقاتی تا کنون به درک بسیار اساسی ازسیستم [29]-[35]، [37]، [40]، [41]، [43].

بیشتر مطالعات دامپزشکی در واقع بر اساس بازنمایی های استاتیک جریان گاو است - جایی که اطلاعات زمانی جابجایی ها به چند عکس متوالی از مجموعه داده ها فرو می روند [30] - [35] ، [40] ، [41] ، [43]، یا از طریق تجزیه و تحلیل سری زمانی از مقادیر جهانی ساده [29] ، [31] ، [32] ، [35] ، [40] - یا تمرکز بر نتایج گسترش شبیه سازی ها بر اساس شبکه دینامیکی و همتایان استاتیک آن است.[37]در تجزیه و تحلیل های انجام شده تا کنون ، نتایج ناهمگونی زیادی در الگوهای اتصال در بین محل ها نشان داده است ، با توزیع احتمال برای تعداد اتصالات ورودی و خروجی (به ترتیب در درجه و خارج) که با دم های گسترده مشخص می شود [30]-[32] ، [34] ، [35]. در حالی که اکثر محل ها از طریق حرکات حیوانات به محل های دیگر ، تعداد کمی از اتصالات دارند ، این ویژگی حاکی از وجود کسری کوچک اما غیر قابل تبعید از محل است که در عوض گیرندگان یا فرستنده حرکات حیوانات از/به تعداد زیادی از دارایی ها هستند[6]چنین نتایج به طور معمول از بررسی یک شبکه استاتیک به دست آمده با جمع آوری داده ها در پنجره زمانی کامل موجود [30] ، [31] ، [34] و چند نمونه از ساختارهای استخراج شده از زمان جمع آوری کوتاهتر (مانند مثلاً ماهانه و ماهانه و ماهانه بدست می آید. شبکه های هفتگی) مورد بررسی قرار گرفته است [32] ، [35] ، بدون این که ، با این وجود ، به روش سیستماتیک ثبات این ویژگی در طول زمان کاوش می کند. متناسب با رفتار قانون قانون توزیع درجه ، مقادیر حدود 2. 1 را برای هر دو درجه داخلی و خارج برای داده های حرکت گاو در انگلستان 2002 به دست آمده برای یک پنجره زمان خاص 4 هفته ای به دست می آورد [35]. با این حال ، این نتایج به راحتی با مقادیر 2. 5-2. 6 به دست آمده برای توزیع درجه کل عکس های ماهانه و هفتگی داده های فرانسوی 2005 [32] و 2. 1-2. 2 به دست آمده برای شبکه سالانه داده های فرانسه 2005 قابل مقایسه نیست [32]و داده های ایتالیایی 2007 [30] ، با توجه به اینکه درجه و خارج از درجه جداگانه در نظر گرفته نمی شوند. توزیع گسترده ای نیز در تعداد سالانه وقایع حرکتی به/از محل های مجرد و در تعداد سالانه حیوانات آواره شده [30] ، [34] ، [35] ، همراه با عدم تقارن که نوسانات بیشتری را در مقادیر توصیف می کنند ، یافت شده است. شارهای ورودی سالانه با توجه به کسانی که شارهای سالانه خروجی را اندازه می گیرند [34]. با این حال ، استحکام این خصوصیات در بازه های زمانی کوتاه تر ، قابل مقایسه با بازه های زمانی معمولی برخی از بیماری های زونا ، ارزیابی نشده است.

از نظر حیوانات مجرد ، چندین مطالعه نشان داده اند که تعداد حرکات در هر گاو به طور معمول بسیار کم است ، به حداکثر 7-10 جابجایی می رسد [31] ، [44] ، که اکثر آنها در مسافت های کوتاه رخ می دهند ،اگرچه یک کسری غیر غیرقانونی مسافت های بسیار طولانی را پوشش می دهد [31] ، [35] ، بنابراین امکان انتشار سریع در سراسر کشور را برجسته می کند. با این وجود ، تحقیقات در مورد پویایی جابجایی گاوهای فردی با هدف کشف وجود مسیرهای خاص ، نقوش یا چرخه هایی که ممکن است در گسترش یک بیماری یا ایجاد الگوهای مکرر به نفع انتشار ویروس از یک مزرعه به مزرعه دیگر مورد بررسی قرار نگرفته باشد ، مورد تجزیه و تحلیل قرار نگرفته است.

به طور کلی ، اطلاعات دینامیکی فقط تا حدی مورد توجه قرار گرفته است ، از طریق تجزیه و تحلیل سری زمانی از مقادیر جهانی ، مانند تعداد محل های درگیر در جریان یا کل جرم حرکات [29] ، [31] ، [32] ، [35]، [40] ، در حالی که توجه زیادی به نقش مکان های مختلف در ساختار و مدیریت جریان در مقیاس سالانه [30] ، [31] ، [45] متمرکز شده است. با هدف ارزیابی پتانسیل پخش شده ناشی از ساختارهای پیچیده پنهان در داده ها ، کار زیادی به تجزیه و تحلیل اجزای شبکه (مؤلفه غول پیکر ، مؤلفه های ضعیف و به شدت متصل و غیره) اختصاص داده شده است. مرزهای بالایی از اندازه اپیدمی [29] ، [30] ، [32] ، [34] ، [35] ، [45] ، و به رتبه بندی گره ها از نظر اقدامات مختلف مرکزیت تعریف شده پیشینی ، مانند درجه، بین بودن ، و دیگران [30] ، [33] ، [45] ، که در سیستم های دیگر یافت شد که بر رفتار فرآیندهای دینامیکی که در بالای آنها اتفاق می افتد تأثیر می گذارد [11] ، [46] - [58]. هدف این است که اثربخشی اقدامات پیشگیری و کنترل بر اساس این اطلاعات [30] ، [32] ، اگرچه هیچ ارزیابی از ثبات این ویژگی ها در زمان ارائه نشده است ، بنابراین بر کاربرد همان اقدامات در نقاط مختلف تأثیر می گذاردزمان ، به دلیل تکامل زمان شبکه. یک مثال اخیر برای غلبه بر این محدودیت توسط Ref.[36] که برای ارزیابی آسیب پذیری های مزارع ، دینامیک و اقدامات مرکزیت را ادغام می کند.

در حالی که تجزیه و تحلیل شبکه در مطالعه داده های توصیف کننده حرکات دام به طور فزاینده ای اهمیت پیدا کرده است ، یک تاخیر زمانی به وضوح بین پیشرفت ابزارهای تجزیه و تحلیل شبکه و دانش به دست آمده تاکنون در زمینه اپیدمیولوژی دامپزشکی مشاهده می شود. همانطور که در بالا توضیح داده شد ، فقط تجزیه و تحلیل اصلی شبکه در نظر گرفته شده است ، که اغلب از ابعاد طولی چشم پوشی می کند و روی خصوصیات گره تک شبکه های جریان گاو تمرکز می کند. علوم شبکه ، از طرف دیگر ، امروزه بدنه ای از تکنیک ها و روش های پیشرفته و بسیار پیشرفته را ارائه می دهد که قادر به کشف همبستگی های توپولوژیکی مرتبه بالاتر ، همبستگی های غیر مهم بین توپولوژی و جریان ، ساختارهای ستون فقرات که دارای بیشترین اطلاعات موجود در سیستم هستند، نقوش ، الگوهای مکرر و جوامع و سایر ویژگی ها [6] - [11]. علاوه بر این ، در دسترس بودن اخیر مجموعه داده های طولی در مقیاس بزرگ [19] ، [20] ، [22] ، [24] ، [59]-[64] مجموعه جدیدی از موضوعات و چالش ها را برای مقابله با سیستم های ذاتی پویا باز کرده است (به عنوان مثال [65] - [68]) مراجعه کنید ، و یک فعالیت تحقیقاتی شدید با هدف درج جنبه های دینامیکی را از طریق مجموعه ای از ابزارها و چارچوب های تجزیه و تحلیل تازه تعریف کنید.

به طور مشابه با داده های تلفن همراه [20] ، [22] ، داده های جریان گاو نمونه ای نادر از مجموعه داده با وضوح بالا را نشان می دهد که جابجایی های کاملاً شناسایی شده در سطح عامل با وضوح روزانه یک یا چند سال توصیف می شود و با چندین همراه استتعاریف احتمالی از وزن برای اتصالات و ابرداده های اضافی که به عنوان مثال توصیف می شود. نوع و مکان محل. با استفاده از رویکرد شبکه ، ما برای اولین بار قادر به توصیف کامل الگوهای دینامیکی جریان تجارت گاو هستیم ، با بررسی خصوصیات عکس های فوری و ارزیابی ثبات آنها در طول زمان و نقش پنجره زمان جمع آوری انتخاب شده ، توصیف قوانینی که توصیف می کند. پویایی تکامل حرکات عوامل فردی و فعالیت سیستم در مقیاس بزرگتر ، کاوش در خصوصیات ثابت و شناسایی الگوهای مکرر که روابط علیت بین جابجایی ها پدیدار می شوند. فراتر از تجزیه و تحلیل های انجام شده تاکنون در مجموعه داده های حرکت دام ، ما هدف ما پرده برداری از پیچیدگی پنهان این سیستم ها در سطح توپولوژیکی ، عملکردی و پویا است ، به منظور شناسایی الگوهای و خواص مربوط به شناسایی آسیب پذیری های سیستم به یک اپیدمیو بدین ترتیب این اطلاعات را برای تدوین اقدامات پیشگیرانه و کنترل ایجاد کنید. علاوه بر این ، تجزیه و تحلیل ما محدودیت های مهم تقریبی را که معمولاً در رویکردهای مدل سازی برای گسترش بیماری زونوتیک استفاده می شود ، کشف می کند. در حالی که کار حاضر بر مجموعه داده های حرکات تجارت گاو ایتالیایی متمرکز است ، رویکرد کلی تدوین شده در اینجا می تواند به طور مستقیم برای مطالعه سایر مجموعه داده های حرکات دام برای کشف تفاوت ها و شباهت ها در سراسر کشورها و تأثیر اقدامات پیشگیرانه متنوع یا سیستم های ردیابی قابل اجرا باشد. اتخاذ شده در سطح ملی.

مقاله بصورت زیر مرتب شده است. پس از توصیف مجموعه داده های مورد مطالعه ، ما سیستم را از نظر عکس های پی در پی به دست آمده از جمع آوری داده ها در ویندوزهای مختلف مشخص می کنیم. این به ما امکان می دهد با توجه به تعامل آن با بازه های زمانی معمولی ، ظهور و استحکام خواص شبکه را در طول زمان و نقش بازه زمانی تجمع بررسی کنیم. ما سپس تکامل دینامیکی شبکه ، هم در سطح عامل و هم در سطح سیستم را تجزیه و تحلیل می کنیم و تأثیر آن را در ستون فقرات ساختاری سیستم و اثربخشی اقدامات کنترل در برابر شیوع یک بیماری کشف می کنیم. سرانجام ، ما یک تعریف جدید از نقوش دینامیکی را برای یک شبکه در حال تحول وابسته به زمان معرفی می کنیم ، که قادر به کشف مسیرهای مکرر علی در حرکات گاو است.

مواد و روش ها

داده ها

داده های مربوط به جنبش های تجارت گاو از پایگاه داده ملی گاوی ایتالیا ، که توسط بانک اطلاعات ملی شناسایی و ثبت نام حیوانات ایتالیا اداره می شود ، بدست آمد [68]. این بانک اطلاعاتی شرح کل جمعیت ایتالیایی گاوی ها در بین دارایی های حیوانات است و تصویری جامع از محل نگهداری گاوها و جابجایی در داخل کشور ارائه می دهد. هر ضبط حرکتی شناسه منحصر به فرد حیوان ، کدهای دارایی های مبدا و مقصد و تاریخ حرکت را گزارش می کند. چنین سیستم ردیابی به ما امکان می دهد تا مسیر هر گاو را به راحتی بازسازی کنیم و شبکه کلی مربوطه را بسازیم ، به حداقل رساندن مشکلات مربوط به دقت داده هایی که در سایر سیستم های ردیابی یافت می شود که هم منشأ و هم مقصد جابجایی ها را ارائه نمی دهند [34] ،[35]اطلاعات تکمیلی برای منابع حیوانات ، از جمله نوع محل (یعنی مزرعه چاق کننده ، مزرعه لبنیات ، مرتع ، کشتارگاه ، مرکز مونتاژ ، بازار ، مرکز مواد ژنتیکی و سایر موارد) و ابرداده های ژنتیکی آنها از نظر مختصات جغرافیایی آنها ارائه شده است. سانتروئیدهای شهرداری که در آن محل واقع شده بود.

در اینجا سوابق سال 2007 را بررسی می کنیم [30]. در مجموع 4،946،201 گاو ردیابی شد که برای 7،177،825 جابجایی ثبت شده از حیوانات جداگانه و 1،592،332 حرکات دسته ای مجزا شمارش شد. در طول سال 173،139 محل فعال وجود داشت (یعنی آنها یا آنها یک دسته را دریافت کردند یا آن را جابجا کردند) که 49. 9 ٪ مزارع چاق کننده ، 1 /26 ٪ مزارع لبنیات ، 1. 7 ٪ مرتع ، 1. 1 ٪ ذبح بودند ، 0. 4 ٪ مراکز مونتاژ ، مراکز مونتاژ ، مونتاژ بودند. 0. 06 ٪ بازارها ، 0. 04 ٪ مراکز مواد ژنتیکی و 20. 7 ٪ باقیمانده به عنوان سایر محل ها برچسب گذاری شدند. محل های فعال تقریباً در کل قلمرو کشور واقع شده است و 96 ٪ از شهرداری های ایتالیا را پوشش می دهد ، اگرچه توزیع آنها یکنواخت نیست - یک شهرداری واحد در واقع می تواند تعدادی از دارایی های مختلف را از چند واحد تا صدها مختلف داشته باشد. در مجموع 365 روز فعالیت ثبت شده است ، از اول ژانویه تا 31 دسامبر خیابان 2007 ، نشان می دهد که حداقل یک جابجایی در روز در سال مورد مطالعه انجام می شود. این مجموعه داده همچنین حاوی اطلاعاتی در مورد واردات و صادرات گاو است. این حرکات ، که کمتر از 1 ٪ از کل حرکات موجود در بانک اطلاعاتی را نشان می دهد ، با این وجود از تجزیه و تحلیل خارج شدند زیرا تمرکز مطالعه ما بر مجموعه کامل جابجایی ها در مرزهای ملی است. جدول 1 برخی از خصوصیات اساسی مجموعه داده را خلاصه می کند.