英国团队建模评估武汉解除封城：4月比3月好

人与人之间的传播主要是由互动驱动，这可能因接触者的年龄和位置（即学校，工作，家庭和社区）而异。在疫情大规模持续暴发的背景下，人与人之间的接触模式将大大偏离其基线状况。在武汉发生疫情后，增加物理距离的措施（包括但不限于学校和工作场所关闭以及鼓励公众避免拥挤场所的健康促进措施）旨在彻底改变社交混合模式。

加入这些矩阵和武汉暴发的流行病学参数的最新估值后，研究者使用年龄结构的易感-暴露-感染-排除（SEIR）模型模拟了武汉在进行了物理疏离措施后（一系列包括关闭工作场所、减少普通社区中的人群汇聚）的疾病暴发持续轨迹。

方法

SEIR模型

研究者使用确定的阶段结构SEIR模型模拟了武汉疫情暴发1年内的轨迹。

研究者根据感染状况将人群分为易感性（S），暴露性（E），感染性（I）和排除（R）个体，并根据年龄分为5年范围，直至70岁，外加一个年龄段75岁及以上，总共分出16个年龄组。易感人群在接触传染性患者后，会以一个相对固定的速率被感染，随后康复或死亡。在整个传染病流行过程中，研究者假设武汉是一个封闭的系统，人口恒定为1100万（即S + E + I + R = 1100万）。研究者使用了图中所示的SEIR模型。

假定人群中有一定数量的感染者，年龄组i中特定年龄人群的混合模式改变了他们暴露于病毒的可能性。此外，研究者纳入了无症状和亚临床者的影响。尽管有证据表明他们很可能会传播此类病毒，但在撰写本文时仍无法确定这些人是否能够传播感染。研究者还考虑了一种情况，在这种情况下，研究者认为年少者相对年长的个体而言，其症状更容易是无症状（或亚临床的）且传染性较低。

对于给定的年龄段i，可以通过以下公式描述流行病转变：

其中β是传播率（按照R0取值），Cij描述了：“年龄段j”的接触者“年龄段i”，κ= 1-exp（–1 / dL）是每日暴露的概率个体具有传染性（d为平均潜伏期），并且γ= 1–exp（–1 / dI）是当平均感染持续时间为dI时被感染个体恢复的每日概率。研究者还纳入了无症状和亚临床病例的贡献，1-ρi表示感染病例无症状或亚临床的可能性。研究者假设年轻的个体更有可能是无症状的（或亚临床的）和传染性较小的（与Ic，α相比，传染性的比例）。

使用表中提供的文献中的参数，研究者模拟了疫情。

研究者假设平均潜伏期为6.4天，平均感染期为3天或7天。每次模拟都从200或2000个传染性个体开始，其余人口处于易感状态。研究者通过Kucharski及其同事从半机械模型的R0分布的后部均匀地从R0分布的95％CI得出R0值，从而探索了模型的不确定性。

社会融合和干预

社会融合模式在各个地点（包括家庭，工作场所，学校和其他位置）有所不同。在正常情况下，在所有这些地点进行的人与人之间的接触会汇总出一个总的混合方式。因此研究者对不同地点的接触模式进行了汇总，以得出暴发前总体中的基线接触模式。在暴发流行的环境中，不同的干预策略旨在减少不同情景下的社会融合，以降低病毒在人群中的传播。为了模拟旨在减少社交融合的干预措施的效果，研究者使用这些基本模式为每种干预方案创建了综合接触矩阵。

研究者考虑了以下三种情况：

第一种是理论性的情况：假设所有地点类型的社交融合方式都没有变化，学校没有寒假，没有农历新年假期；

第二种情况，没有干预措施：在有寒假和农历新年的情况下，但并未施加物理疏离措施。由于1月15日至2月10日学校放寒假，学校里没有人与人之间的接触。分别在2020年1月25日至2020年1月31日以及2020年2月1日至2月10日的期间中工作的劳动力分别为正常情况下的10％和75％；

第三种情况下，武汉采取了严厉的措施以控制疫情：假设在控制措施期间，学校停课，约有10％的劳动力（例如，卫生****人员，警察和其他基本政府工作人员）继续工作。

对于第三种情况，研究者模拟了严格控制措施在3月或4月初结束的不同效果，并允许在学校关闭期间分阶段重返工作（即25％劳动力在第一周和第二周工作；第三，四周工作的劳动力恢复到50%；此后100％劳动力恢复工作和上学。

结果

研究者的模拟结果表明，旨在减少社会融合的控制措施可以有效降低新冠疫情暴发的规模并延缓其高峰。

研究者提供了200次模拟暴发的中位数累积发病率，每天的新报告病例和每天的特定年龄发病率。

严格的控制措施，如长期停课和放假，可减少到2020年底的累计感染率和发病率高峰，同时也推迟了疫情的暴发高峰。研究者的模型表明，这些增加物理距离的策略效果随年龄段的不同而不同。发病率的下降在小学生和老年人中最显著，而在工作年龄的成年人中最不显著。

如果湖北武汉在4月初开始分批恢复工作，则最能保住此前增加物理距离的成果。由于该疾病具有更长的传染期，实行强力的隔离措施并在4月开始逐步解封，建模得出的感染的中位数到2020年中期能减少92％（IQR 66-97），到2020年底可减少24％（IQR 13-90），并降低了所有年龄段的人群发病率和发病高峰。这对减轻疫情暴发对医疗****系统的压力有着重要的意义。 另外，R0值的不确定性对流行高峰的时间安排和暴发的最终规模有很大影响。

（编辑：555手机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!