诺贝尔奖得主最新模型预测：新型冠状病毒肺炎或将很快结束！
与世界上普遍存在的流行病不同，COVID-19的流行几乎遍及中国，甚至可能遍及全世界。今天的分析使用世卫组织过去32天的数据，来证实我们在先前22份报告中显示的趋势。我们将湖北地区与非湖北地区分开，因为大多数病例和死亡发生在湖北（见图2）。我们估计，在中国，湖北死亡人数将达3050人，非湖北死亡人数将不足200人。湖北省将有65000例病例，死亡率为4.5%（发病后第0天为1%，第8、9天为2.4%，第14天为1%），中国将有15000例非湖北病例，目前死亡率为1%。
该数据与日期的关系图如图1所示。板块（A）显示，各地的病例数量增长放缓。板块（B）显示，几乎所有死亡病例都在湖北。板块（C）显示，湖北省的死亡率最初从1月27日的2.5%下降到2月7日的1.9%，直到今天才上升到3.6%，但由于错误估计，这并不重要（见图5），板块（D）和（E）显示，总病例数或死亡人数的分数变化（今天的值/昨天的值）正在稳步下降，正如我们在2月2日所预期的那样。图3显示了湖北省新病例和新死亡人数；当新病例在第69天（2月6日）达到高峰时，新死亡人数在第78天（2月15日）达到高峰。这种差异表明，平均死亡发生在诊断后9天。在图3C中，我们绘制了非湖北地区的新病例和死亡人数。新病例明显在第68天（2月5日）达到高峰，而新死亡病例很可能在第75天到第79天之间达到高峰。在这个范围的中间，第77天是新病例高峰后的9天，这是意料之中的。我们用乙状结肠功能拟合了湖北省的总病例数和总死亡数，最终的预期病例数和总死亡数分别为65060例和3300例（图4）。此拟合允许计算图5所示的死亡率分布，它给出的湖北固定死亡率为4.5%，比目前的比例要高。
中国的疫情似乎很快就结束了，到目前为止，除2348人死亡中的11人（99.5%）外，中国的疫情最为严重。然而，“世界恐慌”却集中在“钻石公主”号游轮上。在许多方面，这艘船提供了一个更糟糕的病例检测方案。2600名乘客中有634例确诊和2例死亡，他们被关在一艘290米x 3米大小、人口密度为每平方公里250000人的船上（香港的37倍）。这些乘客的年龄比一般人大得多（超过80岁有200人）。这些乘客没有被正确地隔离，但通过PCR（聚合酶链反应）被诊断为COVID-19，这是一种检测微小病毒水平的敏感扩增方法。船上人员23%的感染率，表明如果我们想浪费大量金钱，每天都去测量全世界的人口，我们可能会达到这种感染水平。通过用超灵敏的分子检测方法观察没有症状的人，我们就会找到他们。船上两例死亡患者，均为80岁以上，患病一个月内的死亡率为0.07%（2/2600）。相比之下，在美国，80岁及以上的人因流感的死亡率是每年11%或每月0.9%。如果钻石公主号乘客中没有进一步的患者死亡，我们似乎不必担心这种疾病造成比流感更严重的死亡。
表1显示2020年1月22日至2月22日新型冠状病毒（COVID-19）的数据。病例和死亡总数来自世界卫生组织网站https://www.who.int/emergencies/diseases/new-coronavirus-2019/situation reports/。在2月13日之前，世界卫生组织没有提供湖北省的确诊病例和死亡病例，所以我们使用https://jobtube.cn/wv/？from=groupmessage&isappingstalled=0的数据。从2月17日开始，世卫组织除了实验室诊断外，还增加了临床诊断病例。由于没有给出这些确诊病例的日期，我们假设临床病例占实验室病例是固定百分比（46.2%），来匹配世卫组织2月17日报告的修订后的湖北病例总数（58182人）。为了新老数据的连续性，我们将湖北病例列为实验室诊断的“湖北-L”和实验室诊断和临床诊断的“湖北LC”。我们将数据分为湖北和非湖北两类，因为大多数死亡病例发生在以湖北武汉为中心的地区（图2）。死亡率是指死亡人数除以确诊病例数，湖北/其他地区比率是指湖北地区死亡率与非湖北地区死亡率之比。分数变化是今天的值除以昨天的值。我们给出了湖北每天新增病例和死亡人数（从今天减去昨天）。我们用2月12日和14日的平均值（1194人）代替了2月13日的数据（1316人），替代世界卫生组织给出的2月13日新增死亡245人但2月14日仅有2例新增死亡的错误数据（粉红色阴影）。
图1。2019年11月29日（第一个病例的猜测日期）以来，COVID-19数据的日期变化。表1绘制了2020年1月22日至2月22日的数据。板块（C）中，湖北省的死亡率的上升是没有意义的，因为病毒没有变得更具毒性。这种差异的产生是因为所有的死亡并是不发生在病例确诊的同一天。合理的死亡率分布图给出了湖北实际死亡率约为4.4%（图5）。在板块（D）和（E）中，使用2020年1月29日的数据来绘制线性趋势线，可以看到病例和死亡的分数变化非常符合直线。在板块（E）中，我们还展示了12月31日至2月2日四个数据点拟合的红色短虚线；这一趋势在2020年2月2日的分析初稿中使用，给出了死亡人数增长将很快将放缓的预期。
表2。从1月31日到2月16日，湖北17个城市的确诊病例数、死亡人数、死亡人数的分数变化（死亡比率）。城市数据按死亡人数的递减进行排序。我们区分死亡率≥3%（猩红），≥1%（玫瑰色）和<1%（绿色）。武汉市的死亡人口比其他任何一个城市都要多，接近百万分之120（0.012%）。武汉市1100万人口中，临床和实验室确诊病例数占3.7%。1月31日，17个城市中有8个城市的死亡率低于1%；到2月16日，17个城市中只有2个。
图2。湖北省死亡病例分布图。死亡率≥3%是紫色，死亡率≥1%是红色，其它城市是绿色。大多数死亡发生在以天门为中心的90公里×35公里区域，死亡率高的城市有武汉、荆门、潜江和仙桃（见表2）。十堰和神农架两个城市死亡率较低，与除湖北以外的中国其它地区以及世界平均死亡率相当（数据来自jobtube.cn 1月31日至2月16日的数据）。红点标志着武汉华南海鲜市场被认为是这种新型冠状病毒的来源。
图3A。湖北省每天新增病例数（红线）和每天新增死亡人数（黑线）的时间变化趋势。对于新的死亡人数，世卫组织提供的数据在2月13日和14日波动很大，如黑色点线所示。因此，2月13日和2月14日的新增死亡人数分别为245人和2人（表1），平均每天新增死亡人数为124人，纠正了2月13日可能出现的输入错误（黑色虚线）。
图3B。相同的数据通过三天窗口的平均值生成平滑曲线，例如，在第69天绘制的值是第68、69和70天的值的平均值。这些平滑曲线清楚地表明，湖北省每天新增病例数在第69天（2月6日）达到高峰，每天新增死亡人数在第78天（2月15日）达到高峰，也就是9天后。对于S型生长曲线的增长，如图4所示，新增病例或死亡人数在曲线的中间达到最大值。如果这一判断成立，湖北的病例总数将达到60000例（实验室数据加临床诊断病例），大约是28208例的两倍，这类病例的数量在2月6日到2月15日达到高峰，意味着湖北的死亡总数将达到2914例，两倍于2月15日报告的1457例。图4中的分析分别给出了病例数和死亡数的65050和3030的渐近值。
图3C。中国每天新增非湖北病例的变化平滑曲线（绿线）。虽然通过对三个值的窗口求平均值来生成平滑曲线，但是这个数据仍然是有噪声的。尽管如此，它确实表明中国新发非湖北病例数量的峰值发生在第67天或第68天（2月4日或2月5日），非湖北地区的最大病例总数估计为两倍于2月4日的7037例或2月5日的7745例，即14000例到16000之间。虽然新增的非湖北地区死亡病例很少，但我们以这种方式绘制它们（褐色线）。我们看到新增死亡和新增确诊病例之间存在预期延迟，但曲线看起来和湖北地区（图3 AB）不同。如果我们假设它们在第79天或第80天的9天后达到峰值（见图3B），预计非湖北地区死亡总数将达到160。这意味着非湖北地区死亡率为1%（160/16000）。
图4A。自2020年1月22日以来，S型生长曲线f（x）=1/（1-exp（-x））与冠状病毒COVID-19在湖北实际的死亡总数相符。使用Excel求解器对f(x) = A/(1-exp(-x+B)/C中的参数A、B、C进行优化，得到与实际值的最佳拟合(黑线)，直到计算出的死亡人数与实际死亡人数的加权差(权值=sqrt(死亡人数))最小。特别令人印象深刻的是，今天到昨天（T/Y）的死亡人数与实际数据（橙色虚线和次轴上的圆圈）的比率与计算的比率（次轴上的黑色虚线）非常吻合，当死亡人数没有进一步增加时，其以图2（E）中假设的线性方式朝向1.0的值减小。
图4B。S型生长曲线符合自2020年1月22日以来数据预测的湖北病例数和死亡人数。如图3B所示，湖北病例最终总数将接近65000，而目前估计总死亡人数将接近3000。这意味着湖北整体死亡率接近5%（3000/65000=4.7%），是估计的非湖北地区死亡率1%的5倍。现在，图5中得出的死亡率分布改善了这一估计，总体死亡率约为4.54%。
图4C。通过今日减去昨日的值，S型生长曲线f（x）=1/（1-exp（-x））符合图4B所示的湖北确诊病例或死亡病例的实际总数，可以用于计算新增湖北病例或新增湖北死亡人数（分别为红色和黑色实线）。尽管实际数据噪声很大且波动很大，但这些曲线仍非常适合新增湖北病例或死亡病例的实际数量（红色和黑色透明圆圈分别由虚线读取和黑色线连接）。平滑的新增病例曲线（实线红线）在第70.4天达到峰值，平滑的新增死亡曲线（实线黑线在第78.6天达到峰值）。
图5A。图4C中每天新增病例和新增死亡人数的数据，在我们试图通过推导死亡率分布将新病例与新死亡联系起来的过程中再次显示（红色实线和黑色实线）。这个分布给出了一个新病例确认后第i天的死亡率，其中i是0、1、2等等。这样，我们通过拟合数据来预测疾病的进展。
假设对于在第0天诊断的每个病例，在i=0，1，2，…29之后将存在死亡率Pi（我们尝试将i延长多达44天，但第30天至第44天没有信号）。新增死亡人数Dn，n是从Cn-i开始死亡人数的总和，在i天前新增病例：
相应的总死亡率是所有Pi值的总和，并且每天都是相同的。
我们再次使用Excel求解器来确定Pn值的值。这是通过两种方式完成的：
（1）对于所有30个参数，每个Pn值一有个。
（2）通过将Pn值计算为三个高斯函数的总和而仅获得9个参数g(n)=Ai*exp(-((n-Bi)/Ci)2)，其中有3个参数（Ai，Bi，Ci）对应每个高斯函数。
对于30个参数的模型，我们以随机开始的方式运行求解程序，该模型总是达到相同的最佳拟合，加权误差为1.204（权重为sqrt(D)，其中D为图4C中新增死亡人数）。使用参数9模型也得到了相似的拟合。使用最好的参数30的解决方案预测的新增死亡人数如图5A绿线所示。除1月15日至1月29日期间较低外，它几乎是完美的（隐藏黑线）。由于湖北的困难条件，当时的确认病例可能较低。图5B显示参数30和参数9的死亡率分布相似。对于两者，在确认病例的第0天，死亡率为1.1%，在第7天至第10天累计死亡率约为2.3%，后期累计死亡率约为1%（参数30模型的两个峰值和参数9模型的广泛分布）。两种情况下的总死亡率为4.54%，这高于图1C中计算的值。
迈克尔·莱维特 MichaelLevitt，生物物理学家，美国斯坦福大学结构生物学教授。1947年5月9日出生于南非，毕业于伦敦大学国王学院（BSc，1967）和剑桥大学冈维尔与凯斯学院（PhD，1971）。美国斯坦福医学院癌症研究所Robert W.及Vivian K. Cahill冠名教授。2013年诺贝尔奖化学奖得主。获奖理由为为复杂的化学系统发展了多尺度模型。2017年10月25日，受聘为西北工业大学名誉教授。谷歌公司联合创始人谢尔盖·布林是迈克尔·莱维特教授的学生。
推荐阅读