新闻
由潜伏期时间分布解析疫情传播的普适规律
2020-03-12 20:08     

新冠肺炎(世界卫生组织官方命名为“COVID-19”)疫情在全世界范围内迅速蔓延。在对抗疫情的过程中,定量描述无症状患者带来的传染风险从而准确预测疾病的传播趋势,可以为制定合理的管控政策提供科学依据[1,2]。有数据显示无症状病毒携带者(已被感染但尚未呈现主要病症的个体)在总感染群体中占有不可忽视的比例,比如根据日本在2020年2月20日公布的数据,“钻石公主号”邮轮上的无症状患者比例高达51%[3]。目前已有的研究结果表明,无症状患者可能在病毒传播中起到了重要作[4,5]。

为应对疫情挑战,汤雷翰教授及香港浸会大学、北京计算科学研究中心的科研人员组成研究团队,根据中国的确诊病例数据(参见[6])展现的增长模式,提出了一种新的疾病传播模型。这一模型考虑了无症状患者在疾病传播过程中的主导作用,能够定量地刻画自2020年1月23日武汉封城以来,各省份每日新增病例数展现出来的普适模式(附图-上)。在1月23日之后的第一周,每日新增确诊病例的增长速率约为λ=0.3;随后,在严格的追踪、检疫和隔离措施之下,经过了2到3周的过渡时期,疫情的蔓延得到了有效遏制。在疫情控制的最终阶段,每日新增的确诊病例数在一周之内最快下降10倍 ,而且不同省份的新增病例衰减曲线呈现出高度相似性。这一结果表明,在统一的疫情控制措施下,疾病传播存在着普适的统计规律。

在疫情最先爆发的湖北省,由于疫情规模远远超出了当地的公共卫生体系的疾病控制能力,湖北省在过渡阶段持续的时间比大部分地区长大约两周。随着中国各地的医疗团队的支援以及更加严格的防疫制度的实施,湖北省的疫情最终得到遏制。尤其是2020年3月3日之后的数据显示,湖北省新增病例的衰减曲线与其他省份的疫情收尾数据高度吻合,表明湖北省的疫情也即将得到彻底的控制(附图-中)。不同地区数据在后期近似指数衰减曲线有接近的衰减率(λ=-0.32),逼近了有效隔离能达到的极限速率,即潜伏期分布[7,8]对应的被感染者症状展现速率。

研究发现,自2月下旬以来全球的爆发,其他国家新增病例数的增长也与中国疫情爆发初期的数据非常相似,随着疫情在似的规律[6](附图-下)。韩国和伊朗在实施了严格的隔离管控政策后,疫情在过去的几天里出现了转机,开始进入过渡期。值得注意的是,该团队提出的基于观察数据的疾病传播模型,可以在疫情爆发时为政策制定者提供重要的决策依据。例如,通过追踪本地区疾病的传播情况,该模型可以帮助决策者动态评估其防疫隔离政策的有效性,根据疫情的近期表现制定客观科学的管控措施,利于在对抗疾病传播的同时,恢复正常社会秩序和经济运作。

 图片 2.png

参考资料:

1.   WHO situation report-50 (March 10, 2020): https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200310-sitrep-50-covid-19.pdf?sfvrsn=55e904fb_2

2.   https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)30567-5/fulltext   [Anderson, Roy M., Hans Heesterbeek, Don Klinkenberg, and T. Déirdre Hollingsworth. "How will country-based mitigation measures influence the course of the COVID-19 epidemic?" The Lancet (2020).]

3.   Diamond Princess field report as of February 20, 2020 https://www.niid.go.jp/niid/en/2019-ncov-e/9417-covid-dp-fe-02.html

4.   https://www.thelancet.com/journals/laninf/article/PIIS1473-3099(20)30147-X/fulltext  [Huang, Rui, Juan Xia, Yuxin Chen, Chun Shan, and Chao Wu. "A family cluster of SARS-CoV-2 infection involving 11 patients in Nanjing, China." The Lancet Infectious Diseases (2020).]

5.   https://link.springer.com/article/10.1007/s11427-020-1661-4  [Hu, Zhiliang, Ci Song, Chuanjun Xu, Guangfu Jin, Yaling Chen, Xin Xu, Hongxia Ma et al. "Clinical characteristics of 24 asymptomatic infections with COVID-19 screened among close contacts in Nanjing, China." Science China Life Sciences (2020): 1-6.]

6.   https://www.thelancet.com/journals/laninf/article/PIIS1473-3099(20)30120-1/fulltext   [Dong, Ensheng, Hongru Du, and Lauren Gardner. "An interactive web-based dashboard to track COVID-19 in real time." The Lancet Infectious Diseases (2020).]

7.   https://www.medrxiv.org/content/10.1101/2020.02.19.20025031v1  [Lu, Hongzhou, Jingwen Ai, Yinzhong Shen, Yang Li, Tao Li, Xian Zhou, Haocheng Zhang et al. "A descriptive study of the impact of diseases control and prevention on the epidemics dynamics and clinical features of SARS-CoV-2 outbreak in Shanghai, lessons learned for metropolis epidemics prevention." medRxiv (2020).]

8.   https://www.medrxiv.org/content/10.1101/2020.02.24.20027474v1  [Han, Henry. "Estimate the incubation period of coronavirus 2019 (COVID-19)." medRxiv (2020).]


CSRC 新闻 CSRC News CSRC Events CSRC Seminars CSRC Divisions