如何准确估计流行病的传播情况?


如何准确估计流行病的传播情况?



在新冠肺炎大流行期间, 大多数建模工作都试图解决紧迫的实际问题, 但一些研究团队还有另一个目标, 那就是巩固这些模型的理论基础 。
人们通常对流行病学模型及其中的变量并不熟悉, 但有一个模型却因为在电影《传染病》(Contagion)中出现过而变得广为人知 。 “我们需要确定的是, ”由凯特·温斯莱特扮演的科学家说, “每一个感染者可能会将疾病传染给多少人?”她在白板上写下了几种常见疾病的传染人数:季节性流感约为1, 天花高达3, 而脊髓灰质炎在4到6之间 。
这个数值就是基本传染数(R0), 即一个病例在完全易感人群中将疾病传染其他个人的平均数 。 当某种流行病出现时, 研究者会立即对R0进行估计, 因为这个数可以显示出一种新病原体可能传播的猛烈程度, 即如果不加以缓解, 疫情可能会发展到多大程度;以及可能达到群体免疫的临界值 。 R0可以帮助决策者判断控制这种疾病的难度, 以及如何进行控制 。 一般而言, 如果R0大于1, 表明疾病会继续扩散;如果小于1, 则说明疾病传染能力受到限制, 将会自行消退 。
然而, 评估一种疾病的传播参数可能非常困难, 而且容易出现连专家也不一定能预见到的陷阱 。 例如, 在COVID-19大流行期间, R0的估计值相差很大, 从小于2到6与7之间不等 。
因此, 尽管过去一年的大多数建模工作都专注于解决世界新冠疫情中最紧迫和最实际的问题, 但一些研究团队却在更深的层次上, 努力探讨潜在的理论问题 。 他们试图对R0等参数进行更深入的分析, 以了解这些变量的真正含义, 如何进行估算, 以及何时应该或不应该使用它们 。
这些科学家所做的是重要的基础工作, 他们的目标是为下一次不可避免的流行病做好准备 。 “我觉得这是值得理解的, ”加拿大麦克马斯特大学的理论生物学家乔纳森·杜肖夫说, “我们希望会有更多可靠的工具, 这样当下一次疫情来临时, 需要担心的事情就会少一些 。 ”
流行病的传播速度和强度
关于R0, 最基本的障碍是它不能直接测量 。 如果流行病学家可以获得所有想要的信息, 他们就可以通过计算每个感染者导致的病例数并取其平均值来获得R0 。 但在实践中, 研究者无法观察这些感染事件, 只能根据观察到的数据从统计模型中估计R0 。
为了弥合可观察到的流行病增长或减少的速率(杜肖夫称之为“速度”)与期望值R0(即“强度”)之间的差距, 我们还需要引入另一个重要的参数:世代间隔(generation interval), 即从一个人被感染到其感染下一个人之间的时间(由于该变量的数值可能变化很大, 因此研究人员常用单个数值来表示世代间隔, 比如平均值, 或者用分布来表示) 。
美国佐治亚理工学院的生物学家约书亚·韦茨说, “人们常常把这两者混为一谈, 认为更快的增长率一定意味着更高的R0 。 ”事实上, 我们需要通过世代间隔以及一次感染导致另一次感染的速度来审视这种增长率 。
考虑这样一种情况:一种疾病在最初病例出现三周后, 出现了8个新病例 。 如果这种疾病的世代间隔是一周, 那么最初病例会导致第一周后出现2个新病例, 再下一周出现4个, 然后是8个;也就是说, 每一次感染都会导致另外两次感染, R0为2 。 但是, 如果这种疾病的世代间隔为三周, 那么第一个病例就会直接产生8个新病例, R0为8 。
约书亚·韦茨说:“我们观察到的结果和我们想知道的并没有一一对应 。 ”已观察到的相同病例统计数据可以用完全不同的R0值来解释, 这给研究者提出了挑战, “在该领域仍然没有得到很好的解决” 。

推荐阅读