印度新冠新增病例单日超30万，为什么？｜ 商周专栏
● ● ●
最近，印度暴发了第二波新冠疫情，单日新增确诊病例创下了超30万的记录，目前还未康复的已确诊病例已超两百万。这让印度原本就有限的医疗资源告急，以致于有些医院不得不让两名新冠患者共用一张病床。医疗资源的挤兑反过来又加大了疫情的危害。
而两个月前，则完全是另外一种景象。2月份印度单日新增确诊病例降到了一万人以下，对于这样一个近14亿人口的大国来说，这意味着7天内每10万人口中只有5例新增确诊病例。而彼时的几个欧美大国，这一数字是几十甚至几百。
和欧美国家出现了多波新冠疫情不同，印度从去年1月30日报道第一例新冠确诊病例起到今年初，都位于第一波疫情里，而且这波疫情在去年9月到达顶峰后就一直呈稳定下降。这一走势，与印度科技部（DST，Develoment Support Team）组织建立的 “国家超级新冠疫情模型”（COVID-19 India National Supermodel）基本符合 [2,3]。根据该模型的预测，印度将在今年初建立起对新冠病毒的群体免疫。今年1月份，印度一些地区也不再有新增确诊病例的出现，“预测+事实” 的组合让部分印媒在年初自豪地宣布：印度成为了全球唯一拉平疫情曲线、建立群体免疫的大国 [4,5]！
但自3月份以来，印度的新冠疫情发生了令人惊讶的反转：单日新增确诊病例超30万，第二波新冠疫情来势汹汹，让印度 “国家超级新冠疫情模型” 所预测的 “群体免疫” 沦为泡影。
被赋予重望的 “国家超级新冠疫情模型”
首先，我们一起来看看预测印度群体免疫的 “国家超级新冠疫情模型” 到底是什么。
在印度，用数学模型来帮助灾难管理（比如台风和干旱）是一种传统。为了帮助政府部门做出相关决策，去年5月印度科技部成立了 “国家超级模型委员会”（National Supermodel Committee）。这个委员会负责用数学模拟的方法来构建 “国家超级新冠疫情模型”，从而监控和预测新冠疫情的走势。这个 “国家超级新冠疫情模型” 在去年10月首次发表在印度本地的一家学术杂志Indian Journal of Medical Research 上 [6]。
印度并不是唯一一个用数学方法来模拟和评估新冠疫情的国家。去年八月，Science 就发表过瑞典和英国科学家合作的一篇论文，他们采用了经典的SEIR模式（susceptible易感-exposed暴露-infected感染-recovered康复）来模拟和评估群体复杂度对群体免疫建立的影响 [7]。
但印度的 “国家超级新冠疫情模型” 在建模方法上与SEIR模式不同，他们采用的是SAIR模式（susceptibl易感-asymptomatic无症状-infected感染-recovered康复）。之所以创新地采用这种模式，是因为被新冠病毒感染的人群里有一大部分是无症状患者，于是他们认为把 “无症状” 作为一个参数融入进来，才能更好地模拟和评估新冠疫情的真实情况。
这个全新的 “国家超级新冠疫情模型” 做出了那些发现呢？
此外，论文作者还做了进一步推算：在没有采取封城措施的情况下，印度将会有260万人死于新冠，而当前采取的封城举措可能将这一数字降到20万左右。换句话说，根据这个 “国家超级新冠疫情模型” 的估算，印度的封锁举措可以防止90%以上的新冠病毒感染致死的发生 [6]。
几乎与此同时，文章的作者之一 Mathukumalli Vidyasagar 和另外四人又在另一个杂志 Annual Reviews in Control 上发表了一篇利用该模型评估新冠疫情的文章 [10]。在这篇新论文里，他们利用该模型对多个其他国家的新冠疫情进行了评估；同时还以印度德里为例，重点评估和预测了新冠病毒群体免疫的建立情况，结果如下图。
上图中，圆圈代表的未感染人群在一开始（2020年3月15日）是2000万人（100%），等到2021年4月则下降到了200万人左右（10%）。与之相应的是方框所代表的感染后康复人数：从开始的0%，到最后上升到了快90%，也就是说达到甚至超过了理论上的群体免疫水平。
同样重要的是感染后有症状和无症状患者的比例情况。虚线所代表的感染后出现症状的患者累计约400万，也就是总人口的20%左右。依此推算，累计感染后无症状患者的数量应该是1400万左右，占总人口的70%左右。
根据这一模型预测，在现有的封锁措施下，印度德里地区在今年3月（甚至更早）就可以达到群体免疫。而在建立群体免疫的过程中，被感染的人群也只有一小部分会出现症状。
总之，这一 “国家超级新冠疫情模型” 给出了一个比较乐观的结果：一方面，它认为印度的封锁措施会把新冠感染的死亡人数降低90%以上；另一方面，因为封城措施，以自然感染的方法来建立群体免疫的代价也比预想的也要小得多。
这个模型真的有效吗？
这一模型给出的结果虽然比较乐观，但也受到了第三方的质疑。
2020年10月24日，印度媒体THE HINDU 的科学专栏撰文指出这一模型存在的诸多问题，包括作者缺乏流行病学和病毒学的学术背景、参数过多、对感染者的分组不够合理等 [11]。同时，这篇文章还警示，在公共卫生领域采用一个有缺陷的模型非常危险。
除了媒体，一些专业的学术刊物也对印度这一 “国家超级新冠疫情模型” 的预测结果进行批判。2020年10月30日，Science 发表了题为 “群体免疫？印度还有很长的路要走” 的评论文章。文章认为，该模型的主要缺陷是没有考虑到新冠疫情在印度不同地区的差异 [12]。一个用来预测新冠疫情走势的模型如果不考虑地区差异，得出的结果难免会有误差。
实际上，新冠疫情在印度不同区域的传播差异的确很大。比如，在大城市德里地区，2020年8月份人群中新冠病毒抗体阳性的比例大约是30% [7-8]，而同时期印度全国范围内新冠病毒抗体阳性的比例只有6.6%（可信区间5.8-7.4%）[13]。另外，即使在同一个城市，不同区域的新冠病毒感染情况也很不相同，例如2020年7月印度孟买贫民区的新冠病毒抗体阳性率高达57%，而非贫民区的这一数字只有16% [14]。
无论是支持还是质疑，最终的判断还是要看这个模型在实践中的效果。模拟已经发生了的疫情走势并不难，真正检验一个模型价值要看它对未来走势的预测。
那么，这个疫情模型实际效用究竟如何？
根据该模型在去年10月的预测，印度新增确诊感染病例将进一步下降，到2021年2月份到达低谷。从实际发生的情况来看，针对这一段时间的新增确诊感染病例的走势预测基本正确，只是在今年1月份后有些偏离。
可能是受到这一正确走势预测的鼓舞，印度国家超级模型委员会在今年1月推出了一个更新版的SUTRA模型（Susceptible易感-Undetected未检测到的感染-Tested检测到的感染-Removed去除，包括感染后康复或死亡-Approach方案），描述这一模型的论文的预印本已经发表 [15]。
在这个更新的模型里，印度的新冠疫情在2021年1月份后将进一步下降，然后在4月份基本平息。作者在这篇论文里还断言：印度对新冠病毒有免疫力的人在2021年1月份达到60%左右，群体免疫已经基本形成。
后来的事实如下图所示，印度在三月份开始了第二波新冠疫情，而且比第一波更加汹涌。这个 “国家超级新冠疫情模型” 不仅没有预测到这一点，而且走向了反面。
就在印度的第二波疫情启动后不久的4月2日，该委员会利用 “国家超级新冠疫情模型” 对这波新的疫情再次做出预测，认为新一波疫情的高峰很可能会是在4月15日-20日之间 [16]。而随后的疫情走势表明，它的预测再次失败。
问题出在哪里？
读到这里，有的读者可能会问：按照这个“国家超级新冠疫情模型”，印度不是已经差不多建立了群体免疫了吗？为什么还会有如此凶猛的第二波疫情？
我个人认为，至少应该包括下面四个主要原因：
● 第一，这个 “国家超级新冠疫情模型” 本身存在缺陷，它对无症状感染者的预测出现了严重的错误。
虽然这个模型在今年1月份之前关于有症状感染者的预测上基本正确，但它对无症状感染者预测的结果并没有得到验证。按照这个模型的预测，今年1月份的时候印度全国范围内至少有60%的人已经感染过新冠病毒，且大部分是无症状感染者。
那么，现实中印度在今年1月份到底有多少人感染了新冠病毒呢？根据今年3月份发表在预印本平台的一篇论文，去年12月到今年1月间，印度全国范围内新冠病毒抗体阳性的比例是24.1% [17]。也就是说，印度全国只有大约四分之一的人被新冠病毒感染过，实际情况还不到模型所预测的一半。
四分之一的人口被新冠病毒感染，远远不够建立有效的群体免疫屏障。
数学模型的预测结果，必须在现实世界里得到验证。在还没有得到验证的情况下，就轻信这一数学模型的预测结果，将会是一件危险的事情。
● 第二，群体免疫的基础是个人对病毒有了有效的免疫力，能够阻止病毒的传播。虽然被感染的人会产生针对新冠病毒的免疫反应，但并不意味着他们就拥有了有效的免疫力。
现实中的情况是，只有对新冠病毒产生了有效的免疫反应（比如中和抗体），被感染者才能抵抗新冠病毒的再次感染。比如，一项来自中国武汉的研究表明，在对新冠病毒有抗体反应的人群（被病毒感染的人群）里，只有39.8%的人具有中和抗体，而且有症状患者有中和抗体的比例明显高于无症状患者 [18]。
这一点，在巴西的玛瑙斯（Manaus）市的疫情走势中也得到了验证。去年夏天，血清学调查表明该市已经有超过一半的人已经被新冠病毒感染，一项研究也认为这里已经初步形成了群体免疫 [19]。但随着对疫情防控的放松，玛瑙斯又爆发了第二波疫情 [20]。
所以，在只有全国四分之一人口被感染的印度（虽然在部分地区这一数字已经接近一半），即使这些被感染过的人能够部分抑制病毒的扩散，但仍不足以抵抗下一波疫情的来袭 [17]。
● 第三是新冠病毒的变种。新冠病毒的突变能影响疫情走向，比如在英国发现的新冠病毒突变体B.1.1.7就具有更高的传染力，在南非发现的新冠病毒突变体B.1.351更有着部分免疫逃逸能力。
从目前的监测结果来看，B.1.1.7突变体在印度的一些地区，比如Punjab，已经成为主要流行的新冠病毒。还有，去年年底在印度发现的一种既增强传染性又有部分免疫逃逸能力的突变体B.1.617，也在一些地区成为了主流，另外同样带有多个突变的B.1.617+S:V382L 和B.1.618也已经在印度出现 [21,22]。
毫无疑问，这些突变后增强了传染性和免疫逃逸能力的病毒会加速疫情的发展，虽然它们在印度第二波疫情里的具体作用大小还需要进一步评估。
● 第四，也可能是最重要的原因，就是印度政府、部分媒体和民众对新冠防控的盲目乐观和懈怠。
可能部分是因为 “国家超级新冠疫情模型” 此前对新增确诊病例这一指标的预测成功，人们对它有了更多的信任。今年1月6日，印度媒体ThePrint 就发表了一篇关于 “国家超级新冠疫情模型” 的专门报道。他们采访了印度科学与工业研究委员会（CSIR）的委员长 Shekhar Mande, 他认为这个模型的预测结果可能是正确的。也是根据这一预测结果，ThePrint 认为印度大约90%的人可能已经被新冠病毒感染过，群体免疫已基本形成 [5]。今年1月26日，印度媒体The Indian Express 也发表了文章，自豪地宣称印度部分区域已经到达了群体免疫的水平，而剩下的地区也将很快跟上 [4]。
印度政府防疫的重视开始下降，不仅放松了疫情的防控措施，在国内疫苗接种上也没有展示出充分的积极性。“疫苗外交” 就是一个例子，截至今年3月22日印度政府已经 “慷慨” 地拿出了6000万剂新冠疫苗去支援76个国家 [23]。而反观印度国内，截至今年3月下旬全国新冠疫苗接种还不到6000万剂次 [24]。直到第二波疫情加剧，4月19日，印度政府才决定加速疫苗的接种，宣布自5月1日起为本国18岁以上人群接种新冠疫苗。
因为政府在疫情防控政策上的放松，民众也开始大量迁徙流动，参加大规模的选举和节日庆祝活动，而且基本不加防护。举个例子，3月29日， 数百万人参与了Holi节（一个庆祝色彩的节日）的庆祝，而且没有采取任何新冠防护措施 [25]。
给世界的启示
虽然这波凶猛的疫情发生在印度，但其中的教训值得全世界学习。
首先，利用数学模型来帮助新冠防疫无疑是可取的，但对待这样的结果需要慎重。
对于参与建立模型的科学家来说，应该坚持以科学求真为导向，而不是去迎合某种需求。其实在介绍 “国家超级新冠疫情模型” 的第一篇论文里，作者们就注意到了对放松疫情控制所带来的风险，他们推算出在当时的封锁状态下新冠病毒的基本复制指数（R0）是1.37，如果能保持当时的防疫状态，那么只要28%的人群对新冠病毒有免疫力就可以有效地建立起群体免疫；但如果防疫状态出现了松动，那么疫情很可能会反复或加重 [6]。但后来的两篇论文都没有提到这个警示，反而是盲目乐观地预测了政府和民众都 “喜闻乐见” 的群体免疫的形成 [10,15]。
对于政府和民众，需要谨慎看待数学模型所预测的结果。如果一个没有得到验证的模拟结果被轻信，一个可能的结局就是 “纸上谈兵、误国误民”。
其次，新冠病毒自然感染可能只能让其中一部分人产生有效的免疫力，所以即使人群中有60-70%的人被新冠病毒感染，也不能建立起完全有效的群体免疫屏障。
所以，要建立针对新冠病毒的群体免疫屏障，最为有效的方法还是接种疫苗，而且应该是高效的疫苗，因为保护效率低的疫苗也会延误群体免疫的形成。
再次，因为新冠病毒的自然属性，它们在不停突变。虽然这种突变本身是随机的，但在和人类做斗争的过程中，那些增强传染性和拥有免疫逃逸能力的突变会被凸显出来，成为在疫情流行中的主流。
因此，在与新冠病毒做斗争的过程中，最重要的策略之一就是遏制病毒的突变，不让它们有突变的时间和空间。
最后，在公共卫生领域，政府的决策显得至关重要。政府在制定公共领域相关政策（比如封锁措施和疫苗接种）的时候，首先考虑的应该是科学，而不应该是政治因素。否则，受到伤害的终是人民。
关于印度这波新冠疫情，你的看法是什么？欢迎在留言区告诉我们。
1. https://www.bbc.com/news/world-asia-india-56771766
2. https://dst.gov.in/dst-initiates-covid-19-india-national-supermodel-monitoring-infection-transmission-aid-decision
3. https://www.iith.ac.in/~m_vidyasagar/arXiv/Super-Model.pdf
4. https://indianexpress.com/article/opinion/columns/india-coronavirus-herd-immunity-7148062/
5. https://theprint.in/theprint-otc/covid-prediction-model-shows-virus-is-washing-through-india-population-csirs-shekhar-mande/580035/
6. Manindra Agrawal , Madhuri Kanitkar & M. Vidyasagar. Indian J Med Res 153, January & February 2021, pp 175-181
7. Britton et al. Science. 2020 Aug 14;369(6505):846-849.
8. Sero-prevalence study conducted by National Center for Disease Control NCDC, MoHFW, in Delhi, June 2020. Available from: https://pib.gov.in/PressReleasePage.aspx?PRID=1640137, accessed on September 26, 2020.
9. 33% Delhiites have developed COVID-19 antibodies: Latest sero survey of 17,000 Samples. Available from: https://www. india.com/news/india/33-delhiites-might-have-coronavirusantibodies-latest-sero-survey-of-17k-samples-4143871, accessed on September 26, 2020.
10. Ansumali et al. Annual Reviews in Control 50 (2020) 432–447
11. https://www.thehindu.com/sci-tech/science/problems-with-the-indian-supermodel-for-covid-19/article32937184.ece
12. https://science.sciencemag.org/content/370/6516/513
13. Murhekar et al. Lancet Glob Health. 2021 Mar;9(3):e257-e266.
14. https://www.firstpost.com/health/covid-19-antibodies-found-in-57-of-mumbai-slum-residents-in-limited-serosurvey-by-niti-aayog-bmc-tifr-8651091.html
15. [2101.09158] SUTRA: An Approach to Modelling Pandemics with Asymptomatic Patients, and Applications to COVID-19 (arxiv.org)
16. https://www.indiatoday.in/coronavirus-outbreak/story/when-covid19-coronavirus-second-wave-may-end-in-india-1788707-2021-04-08
17. Murhekar, M. V. et al.Preprint at SSRN https://dx.doi.org/10.2139/ssrn.3797589 (2021).
18. He, et al,. Seroprevalence and humoral immune durability of anti-SARS-CoV-2 antibodies in Wuhan, China: a longitudinal, population-level, cross-sectional study. Lancet 2021; 397: 1075-84.
19. 18. https://www.medrxiv.org/content/10.1101/2020.09.16.20194787v1#disqus_thread
20. https://www.abc.net.au/news/2021-03-01/inside-manaus-brazil-coronavirus-crisis-second-wave/13183706
21. https://www.nature.com/articles/d41586-021-01059-y
22. https://www.bbc.com/news/world-asia-india-56507988
23. https://devpolicy.org/indias-vaccine-diplomacy-made-in-india-shared-with-the-world-20210329/
24. https://en.wikipedia.org/wiki/COVID-19_vaccination_in_India
25. https://www.independent.co.uk/asia/india/india-covid-holi-cases-second-wave-b1824402.html
26. https://www.bbc.com/news/world-asia-india-56037565
制版编辑 | 卢卡斯