一种新定量化分析方法研判新冠状病毒肺炎疫情拐点将在2月9~19日出现

自然资源部第一海洋研究所黄锷院士乔方利研究员提出了一种简洁、实用的流行病动态传播率计算方法,可用于快速、定量研判疫情的总体态势。应用该方法,研判新型冠状病毒肺炎疫情将在2月9~19日出现拐点。

2019年12月始于武汉的新型冠状病毒肺炎疫情爆发延续至今,影响波及全球。如何快速、准确、定量地评估疫情所处的阶段、管控措施的效果以及预判未来走势,成为摆在政府、科学界及民众面前重大而急迫的任务。自然资源部第一海洋研究所黄锷院士和乔方利研究员提出了一种简洁、实用的流行病动态传播率计算方法,能够揭示疫情的基本规律,2月7日在线发表于Science Bulletin
1.  为什么要提出新的传播率定义?
流行病学领域长期使用基本传染数R0来描述流行病的传播率,指在无人为干预情况下易感人群由单个典型感染者产生的二代病例个数,可简单理解为一个感染者可以传染几个人。这是传染病学的核心参数,通常取为常数。每次疫情出现,流行病学专家都从不同角度来估计该参数,但结果往往差异很大。首先,科学的基本原则是量化及可重复。不同的传播率所得结论必然不同。基本传染数目前在科学上还无法准确量化;其次,随着管控措施的优化、对疫情科学认知的深化、医疗条件趋好等人为条件的变化,传播率应该不断降低而不应取为常数;第三,疫情管控似是一场战役,决策者和民众均亟需一个量化、直观、实用、科学的传播率参数来判断疫情的态势。
R0无法准确量化,目前直接公布的数字又难以揭示疫情发展的基本规律,因此需要提出一种新的传播率定义。
2.  新型动态传播率的提出及其用途
由于各种传染病模型都有很大的不确定性,故该文遵从奥卡姆“剃刀原则”,删繁就简。假定传染过程符合自然界广泛存在的自然增长率,用当天和前一天现存感染者数量(政府公布的累计确诊人数减去康复及死亡人数),可以方便地计算出当天的动态传播率。
基于该传播率的疫情传播模型可准确量化,更加直观和实用,能从整体上把握疫情。可用于:(1)分析疫情发展的动态过程;(2)定量估计管控措施的效果;(3)根据传播率趋势外推预估疫情未来发展态势。
3.  在2019-nCoV疫情中的应用
为保持公开透明,我国政府每天发布确诊、疑似、治愈和死亡人数。每日新增确诊人数不断增加,但仍然无法清晰判断疫情是否得到了控制。
(1)在对数坐标中,武汉“封城”后现存感染者数量曲线不断向下弯曲(图1),表明疫情逐步得到了有效管控,但这个结论无法从目前广泛应用的线性坐标图中看出。打个比方:A投资100元赚了100元,B投资1万元赚了1000元。表面看来B获利更多,但A的收益率却更高。基数不同,每日新增的病例数背后的传染率是疫情控制的关键。

图1  从2020年1月16日起逐日2019-nCoV现存感染病例人数,纵轴为自然对数。

(2)1月24日之前动态传播率跳跃且量值较高说明管控措施尚未就位(图2)。但24日之后传播率不断下降(27日略异常),表明管控措施效果显著。该动态传播率不仅可以快捷、有效地监控疫情的发展,也可以对具体管控措施的效果进行量化估计。不但每日新增确诊人数同比减少表明疫情得到有效控制,而且即使每日新增确诊人数同比增加、但传播率降低仍然表明疫情得到控制,总体态势在向好转变。

图2  从2020年1月16日起算的2019-nCoV动态传播率。蓝色点线和红线分别为由EMD分解和最小二乘法得到的动态传播率变化趋势,黑色点线为1月24日武汉“封城”后传播率变化趋势(1月23日“封城”,从次日起考虑其效果)。拐点时间由线性趋势外延得到。

(3)疫情拐点何时出现?当疫情动态传播率降为1时,万众期盼的拐点就会出现。预估可假定传播率趋势不变(实际上一直在变),若按照武汉“封城”后的趋势外推,拐点将在2月9日出现,届时现存感染人数预估为3.7万~4.4万之间;如果采用1月16日以来所有疫情数据外推,则拐点将在2月19日出现,届时现存感染人数将高出很多。
需要说明的是,该方法的不足是没有考虑疫情传染的具体机制与过程,但跳出细节也是该方法的优势所在。该方法直接依赖数据的质量,且样本量较小情况下结果不够稳定。疫情是否得到有效控制应分析该文所定义的传播率而不是新增病例数量:动态传播率下降表示疫情得到控制,下降速度越快表明管控措施越有效。当前2019-nCoV疫情动态传播率不断降低表明:目前疫情虽然严峻但整体已在控制之下,预计2月9~19日疫情出现拐点。未来预估不确定性:一是目前大量存在的疑似病例会略延迟上述估计的时间拐点,二是近期将出现的返工、返岗和返学人口流动高峰也会导致传播率增加。 

原文相关信息[点击下方链接或阅读原文]
Huang NE, Qiao FL. A data driven time-dependent transmission rate for tracking an epidemic: a case study of 2019-nCoV, Science Bulletin, 2020, doi: https://doi.org/10.1016/j.scib.2020.02.005
(原文附有中文版本,详见Supplementary materials.)