Science最新评论:传染病模型面临真实世界的考验
论文题目:
With COVID-19, modeling takes on life and death importance
论文地址:
https://science.sciencemag.org/content/367/6485/1414.2
社会从未如此依赖流行病模型
社会从未如此依赖流行病模型
荷兰国家公共卫生及环境研究院(Rijksinstituut voor Volksgezondheid en Milieu,RIVM)的首席流行病建模专家、数学家 Jacco Wallinga 所设计的计算机模型,正在接受现实世界的严格检验。该研究院建议荷兰政府:关闭学校、企业等举措将有助于控制新型冠状病毒在荷兰的传播。
图1:疫情当下的荷兰
Wallinga 的模型预测,模型中最重要的指标——需要住院治疗的感染人数——下周将会逐渐减少。但是,如果模型错了呢?重症监护床位就会供不应求,医疗资源将发生挤兑。这样的悲剧正在意大利和西班牙上演。
新型冠状病毒并不是流行病学家建模的第一个案例,之前学者对埃博拉病毒和寨卡病毒都建立过模型。但是,社会从来都没有如此依赖过他们的建模工作。整个城市和国家都会因为一个仓促的模型给出的预测结果而被下令封闭,而这些模型并没有像学术论文那样经过同行评审。
相关阅读:
约翰·霍普金斯大学健康安全中心的流行病学家 Caitlin Rivers 表示:“这是一项艰巨的责任”。该中心本周发布了美国新冠暴发未来预测报告。
报告题目:
Modernizing and Expanding Outbreak Science to Support Better Decision Making During Public Health Crises
报告地址:
http://www.centerforhealthsecurity.org/our-work/publications/2020/modernizing-and-expanding-outbreak-science-to-support-better-decision-making-during-public-health-crises
模型变了,防疫政策也随之改变
模型变了,防疫政策也随之改变
在过去的半个月中,这些预测模型在英国的影响力显而易见。基于伦敦帝国理工学院一个科研小组的建模工作,英国政府最初实施的防疫措施比许多国家都要少,跟现在的荷兰差不多。研究者声称,如果像中国那样大范围封锁交通,一旦解除限制措施,将会导致疫情二次反扑。他们认为采取温和的举措将降低疫情的峰值,并且不会出现严重的反弹。
研究者2月份给英国政府的防疫建议:https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/873723/03-potential-effect-of-non-pharmaceutical-interventions-npis-on-a-Covid-19-epidemic-in-the-UK.pdf
但是就在3月16日,帝国理工学院更新了一个经过修订后的模型。这个新的模型根据英国和意大利的最新数据得出结论:及时降低了峰值,重症床位需求量也会比之前的预期高一番。他们得出的新结论是:采取全面的防疫举措是唯一的办法。该科研小组认为,最乐观的估计是,在短期内就能撤销封锁禁令。
3月16日帝国理工学院研究组发表的修订模型:https://www.imperial.ac.uk/media/imperial-college/medicine/sph/ide/gida-fellowships/Imperial-College-COVID19-NPI-modelling-16-03-2020.pdf
图2:英国宣布实行封锁措施
几日后,英国政府改变了防疫策略,宣布实行严格的封锁措施。
教科书模型与真实世界的不确定性
这倒不是说,流行病学建模不够科学。Wallinga 使用的是被写入教科书的经典传染病模型:SIR模型。在SIR模型中,人群被分为三种状态:易感状态S(未患病)、感染状态I(已患病)和移除状态R(已治愈或死亡)。但是,受制于病毒本身的特点、和易感人群的情况,模型的预测结果会有很大差异。
因为,导致这次COVID-19疫情的新冠病毒是一个未被研究过的新病毒。建模专家需要对模型中关键的参数进行估计。但现在,Wallinga 认为新冠病毒的 R0 数值刚好等于2。数据显示,一个人从染病到传染给其他人需要3-6天。其中,R0 表示在疫情不受控制的情况下,一个感染者把病毒传播给他人的平均人数,也被称之为基本再生数,或基本传染数。只有通过人为控制,把R0数值控制到小于1的范围内,疫情才算得到了控制。
图3:帝国理工大学科研小组给出的新的新冠疫情预测模型,该图表示随着政府采取严格隔离政策,每周所需的ICU重症病床数的变化。按照这样的模型预测,我们可以看到每当疫情暴发时,政府都需要采取严格的隔离措施(灰色背景部分)以限制疫情暴发。图片来源 C. BICKEL/SCIENCE
根据荷兰 2017 年的一项人口调查,RIVM 团队还很好地估算了不同年龄段的人在家庭、学校、工作和休闲时间里所联系人的数量。Wallinga 表示,他无法准确得知,每个年龄组的易感概率和病毒在不同年龄组中具体的传播速率。 隔间模型(Compartment models)假设人口是均匀混合的,对于荷兰这样像个“隔间”的小国家,这是合理的假设。其他模型不考虑“隔间”,而是模拟数百万个体之间的日常交互作用,这些模型可以更好地描述不同类型的国家,比如,美国或者整个欧洲。世界卫生组织经常呼吁新冠病毒建模者们比较不同策略和结果。Wlllinga 说,“政策制定者会发现模型之间的差异很棘手,而学者对模型的比较有巨大帮助”。
相关阅读:
在对美国疫情暴发模型的回顾中,Rivers 和她的同事指出,建模的大多数关键参与者都是学者,他们对政策的影响力很小。Rivers 表示,“学者们通常不会参与政策制定……在疫情发生时,他们面临着新的挑战”。Rivers 主张,应当像国家气象局一样,建立一个国家传染病预测中心。它应当是各种危机模型的主要研究来源,在“和平时期”就加强对传染病的科研投入。
Rivers 等针对美国多次传染病疫情及决策机制的研究:
http://www.centerforhealthsecurity.org/our-work/publications/2020/modernizing-and-expanding-outbreak-science-to-support-better-decision-making-during-public-health-crises
政策制定者过于依赖 COVID-19 的传播模型了,这是爱丁堡大学全球卫生专家 Devi Sridhar 的看法。“我不太确定这些理论模型是否会在现实生活中发挥作用”。一些模型声称病毒(传播)是可控的,而这些病毒被研究得还很少。哈佛大学流行病学家 William Hanage 认为,对政客们来说,信任这些模型是危险的。这就好比,你决定要骑老虎,却还不知道老虎在哪,有多大,有多少。
流行病建模应当引入社会经济因素
有用的模型能识别出不明显征兆,伦敦卫生与热带医学院的 Adam Kucharski 这样认为。比如说,向人们明确“机场的体温检测无法发现大多数新冠病毒感染者”,这就是模型一个有价值的功能。 还有很多模型无法捕捉到的东西:无法预料到有效的抗病毒药物可以减少医院病床的需求;也没有考虑到社交隔离带来的痛苦;或者公众是否服从命令待在家里。香港浸会大学的建模专家 Gabriel Leung 表示,在香港和新加坡,这些措施两月有余的禁令让人疲惫。而近期的数据表明,这种病毒可能在这两个城市加速传播,使之临近大规模暴发的边缘。
长期封锁以减缓疾病传播,会对经济造成灾难性影响,并可能破坏公众健康本身。Leung 认为,这是一场在保卫身体健康、社会经济和精神幸福之间的三方拉锯战。
相关阅读: Nature呼吁:应对21世纪的大规模流行病,各个学科必须联合起来
经济影响不是流行病模型要解决的问题,佛罗里达大学的建模专家 Ira Longini 认为尽管如此,但这必须改变。我们应该联合经济学的建模专家,并尝试把经济问题纳入疾病传播模型中来。
作者:Martin Enserink、Kai Kupferschmidt
翻译:Leo、刘培源
审校:曾祥轩
编辑:张爽
推荐阅读
教科书模型与真实世界的不确定性
教科书模型与真实世界的不确定性
这倒不是说,流行病学建模不够科学。Wallinga 使用的是被写入教科书的经典传染病模型:SIR模型。在SIR模型中,人群被分为三种状态:易感状态S(未患病)、感染状态I(已患病)和移除状态R(已治愈或死亡)。但是,受制于病毒本身的特点、和易感人群的情况,模型的预测结果会有很大差异。
因为,导致这次COVID-19疫情的新冠病毒是一个未被研究过的新病毒。建模专家需要对模型中关键的参数进行估计。但现在,Wallinga 认为新冠病毒的 R0 数值刚好等于2。数据显示,一个人从染病到传染给其他人需要3-6天。其中,R0 表示在疫情不受控制的情况下,一个感染者把病毒传播给他人的平均人数,也被称之为基本再生数,或基本传染数。只有通过人为控制,把R0数值控制到小于1的范围内,疫情才算得到了控制。
图3:帝国理工大学科研小组给出的新的新冠疫情预测模型,该图表示随着政府采取严格隔离政策,每周所需的ICU重症病床数的变化。按照这样的模型预测,我们可以看到每当疫情暴发时,政府都需要采取严格的隔离措施(灰色背景部分)以限制疫情暴发。图片来源 C. BICKEL/SCIENCE
相关阅读:
在对美国疫情暴发模型的回顾中,Rivers 和她的同事指出,建模的大多数关键参与者都是学者,他们对政策的影响力很小。Rivers 表示,“学者们通常不会参与政策制定……在疫情发生时,他们面临着新的挑战”。Rivers 主张,应当像国家气象局一样,建立一个国家传染病预测中心。它应当是各种危机模型的主要研究来源,在“和平时期”就加强对传染病的科研投入。
Rivers 等针对美国多次传染病疫情及决策机制的研究:
http://www.centerforhealthsecurity.org/our-work/publications/2020/modernizing-and-expanding-outbreak-science-to-support-better-decision-making-during-public-health-crises
政策制定者过于依赖 COVID-19 的传播模型了,这是爱丁堡大学全球卫生专家 Devi Sridhar 的看法。“我不太确定这些理论模型是否会在现实生活中发挥作用”。一些模型声称病毒(传播)是可控的,而这些病毒被研究得还很少。哈佛大学流行病学家 William Hanage 认为,对政客们来说,信任这些模型是危险的。这就好比,你决定要骑老虎,却还不知道老虎在哪,有多大,有多少。
流行病建模应当引入社会经济因素
流行病建模应当引入社会经济因素
作者:Martin Enserink、Kai Kupferschmidt
翻译:Leo、刘培源
审校:曾祥轩
编辑:张爽
推荐阅读
集智俱乐部QQ群|877391004
商务合作及投稿转载|swarma@swarma.org
◆ ◆ ◆
搜索公众号:集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧!
👇点击“阅读原文”,了解更多论文信息