The most effective interventions By 23 January 2020, China had imposed a national emergency response to restrict travel and impose social distancing measures on its populace in an attempt to inhibit the transmission of severe acute respiratory syndrome–coronavirus 2 (SARS-CoV-2). However, which measures were most effective is uncertain. Tian et al. performed a quantitative analysis of the impact of control measures between 31 December 2019 and 19 February 2020, which encompasses the Lunar New Year period when millions of people traveled across China for family visits. Travel restrictions in and out of Wuhan were too late to prevent the spread of the virus to 262 cities within 28 days. However, the epidemic peaked in Hubei province on 4 February 2020, indicating that measures such as closing citywide public transport and entertainment venues and banning public gatherings combined to avert hundreds of thousands of cases of infection. It is unlikely that this decline happened because the supply of susceptible people was exhausted, so relaxing control measures could lead to a resurgence. Science , this issue p. 638

▪ Abstract Spatial synchrony refers to coincident changes in the abundance or other time-varying characteristics of geographically disjunct populations. This phenomenon has been documented in the dynamics of species representing a variety of taxa and ecological roles. Synchrony may arise from three primary mechanisms:(a) dispersal among populations, reducing the size of relatively large populations and increasing relatively small ones; (b) congruent dependence of population dynamics on a synchronous exogenous random factor such as temperature or rainfall, a phenomenon known as the “Moran effect”; and (c) trophic interactions with populations of other species that are themselves spatially synchronous or mobile. Identification of the causes of synchrony is often difficult. In addition to intraspecific synchrony, there are many examples of synchrony among populations of different species, the causes of which are similarly complex and difficult to identify. Furthermore, some populations may exhibit complex spatial dynamics such as spiral waves and chaos. Statistical tests based on phase coherence and/or time-lagged spatial correlation are required to characterize these more complex patterns of spatial dynamics fully.

Quantifying long-range dissemination of infectious diseases is a key issue in their dynamics and control. Here, we use influenza-related mortality data to analyze the between-state progression of interpandemic influenza in the United States over the past 30 years. Outbreaks show hierarchical spatial spread evidenced by higher pairwise synchrony between more populous states. Seasons with higher influenza mortality are associated with higher disease transmission and more rapid spread than are mild ones. The regional spread of infection correlates more closely with rates of movement of people to and from their workplaces (workflows) than with geographical distance. Workflows are described in turn by a gravity model, with a rapid decay of commuting up to around 100 km and a long tail of rare longer range flow. A simple epidemiological model, based on the gravity formulation, captures the observed increase of influenza spatial synchrony with transmissibility; high transmission allows influenza to spread rapidly beyond local spatial constraints.

The search for mechanisms behind spatial population synchrony is currently a major issue in population ecology. Theoretical studies highlight how synchronizing mechanisms such as dispersal, regionally correlated climatic variables and mobile enemies might interact with local dynamics to produce different patterns of spatial covariance. Specialized statistical methods, applied to large-scale survey data, aid in testing the theoretical predictions with empirical estimates. Observational studies and experiments on the demography of local populations are paramount to identify the true ecological mechanisms. The recent achievements illustrate the power of combining theory, observation and/or experimentation and statistical modeling in the ecological research protocol.

Before the development of mass-vaccination campaigns, measles exhibited persistent fluctuations (endemic dynamics) in large British cities, and recurrent outbreaks (episodic dynamics) in smaller communities. The critical community size separating the two regimes was ∼300 000–500 000. We develop a model, the TSIR (Time-series Susceptible–Infected–Recovered) model, that can capture both endemic cycles and episodic outbreaks in measles. The model includes the stochasticity inherent in the disease transmission (giving rise to a negative binomial conditional distribution) and random immigration. It is thus a doubly stochastic model for disease dynamics. It further includes seasonality in the transmission rates. All parameters of the model are estimated on the basis of time series data on reported cases and reconstructed susceptible numbers from a set of cities in England and Wales in the prevaccination era (1944–1966). The 60 cities analyzed span a size range from London (3.3 × 106 inhabitants) to Teignmouth (10 500 inhabitants). The dynamics of all cities fit the model well. Transmission rates scale with community size, as expected from dynamics adhering closely to frequency dependent transmission (“true mass action”). These rates are further found to reveal strong seasonal variation, corresponding to high transmission during school terms and lower transmission during the school holidays. The basic reproductive ratio, R0, is found to be invariant across the observed range of host community size, and the mean proportion of susceptible individuals also appears to be constant. Through the epidemic cycle, the susceptible population is kept within a 3% interval. The disease is, thus, efficient in “regulating” the susceptible population—even in small cities that undergo recurrent epidemics with frequent extinction of the disease agent. Recolonization is highly sensitive to the random immigration process. The initial phase of the epidemic is also stochastic (due to demographic stochasticity and random immigration). However, the epidemic is nearly “deterministic” through most of the growth and decline phase.

Taming a pandemic One year after its emergence, severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has become so widespread that there is little hope of elimination. There are, however, several other human coronaviruses that are endemic and cause multiple reinfections that engender sufficient immunity to protect against severe adult disease. By making assumptions about acquired immunity from its already endemic relatives, Lavine et al. developed a model with which to analyze the trajectory of SARS-CoV-2 into endemicity. The model accounts for SARS-CoV-2's age-structured disease profile and assesses the impact of vaccination. The transition from epidemic to endemic dynamics is associated with a shift in the age distribution of primary infections to younger age groups, which in turn depends on how fast the virus spreads. Longer-lasting sterilizing immunity will slow the transition to endemicity. Depending on the type of immune response it engenders, a vaccine could accelerate establishment of a state of mild disease endemicity. Science , this issue p. 741

Seasonal flu by ZIP code Influenza virus strikes communities in northern latitudes during winter, straining health care provision almost to the breaking point. Change in environmental humidity is a key driver, but many other seasonal and social factors contribute. Dalziel et al. obtained a geographical distribution of doctor visits for influenza-like illness for more than 600 U.S. cities (see the Perspective by Wallinga). Some ZIP codes regularly experienced sharply defined peaks of cases, or intense epidemics, and others showed a longer, more diffuse influenza season. The surges tended to occur in smaller cities with less residential density and lower household incomes. Larger, more densely populated cities had more-diffuse epidemics, presumably because of higher rates of personal contact, which makes influenza transmission less subject to climate variation. Science , this issue p. 75 ; see also p. 29

Although vaccination has almost eliminated measles in parts of the world, the disease remains a major killer in some high birth rate countries of the Sahel. On the basis of measles dynamics for industrialized countries, high birth rate regions should experience regular annual epidemics. Here, however, we show that measles epidemics in Niger are highly episodic, particularly in the capital Niamey. Models demonstrate that this variability arises from powerful seasonality in transmission-generating high amplitude epidemics-within the chaotic domain of deterministic dynamics. In practice, this leads to frequent stochastic fadeouts, interspersed with irregular, large epidemics. A metapopulation model illustrates how increased vaccine coverage, but still below the local elimination threshold, could lead to increasingly variable major outbreaks in highly seasonally forced contexts. Such erratic dynamics emphasize the importance both of control strategies that address build-up of susceptible individuals and efforts to mitigate the impact of large outbreaks when they occur.

The parasites that cause malaria depend on Anopheles mosquitoes for transmission; because of this, mosquito population dynamics are a key determinant of malaria risk. Development and survival rates of both the Anopheles mosquitoes and the Plasmodium parasites that cause malaria depend on temperature, making this a potential driver of mosquito population dynamics and malaria transmission. We developed a temperature-dependent, stage-structured delayed differential equation model to better understand how climate determines risk. Including the full mosquito life cycle in the model reveals that the mosquito population abundance is more sensitive to temperature than previously thought because it is strongly influenced by the dynamics of the juvenile mosquito stages whose vital rates are also temperature-dependent. Additionally, the model predicts a peak in abundance of mosquitoes old enough to vector malaria at more accurate temperatures than previous models. Our results point to the importance of incorporating detailed vector biology into models for predicting the risk for vector borne diseases.