如何准确估计流行病的传播情况?( 三 )


此外 , 研究人员还发现了另一个统计上的难题:个体应该如何分组 , 以及应该如何测量它们的传播间隔 。 这些都非常重要 。 根据接触者追踪数据对序列间隔进行估计通常是回溯式的 , 即从感染人群回溯至感染他们的人;但结果表明 , 这种方法比向前测量序列间隔——从携带者至被感染者——更容易受到统计偏差的影响 。 为了解决这个问题 , 杜肖夫等研究者正深入研究如何使用适当的参考点来获得更准确的R0估计值 。
“我们还没有完成 , ”杜肖夫说道 。 这是他们和其他同行仍然需要努力解决的问题 。 不过 , 一切都在有条不紊地进行着 , 他们正在分析每一个体的传播时间 , 采取不同的观察视角 , 以确定这些个体对了解疾病的动态有多重要 。
转向Rt
尽管在流行病开始时很有必要对R0进行良好的估计 , 但随着时间的推移 , R0的即时效用会逐渐减弱 。 为遏制传播而采取的干预措施、康复人群免疫力的提高以及其他因素都会随着时间的推移而改变 , 从而疾病的传染数量 。 随着疫情的发展 , 研究人员逐渐将注意力从R0转向实时的有效传染数Rt 。
与R0一样 , Rt通常由序列间隔和推测的世代间隔计算得出 , 而且由于这些间隔会在整个疫情期间不断演变 , 因此准确估计Rt并不容易 。 不过 , 当疫情的指数增长相对较高时(通常是R0相关性更高的时期) , Rt往往对序列间隔和生成间隔的假设最为敏感 。 因此 , 一些影响R0的不确定性在开始时对Rt的影响较小 。
Rt更具优势的一点是 , 至少在原则上 , Rt可以作为疫情传播潜力的实时指标 , 还可用于判断干预措施的效果 。 如果Rt大于1 , 表明疫情正在蔓延 , 可能需要采取更多缓解措施;如果Rt小于1 , 则表明疫情正在减少 , 政策制定者可能会考虑取消一些限制 。
然而 , 使用Rt也可能带来危险 , 因为我们仍然难以对其准确评估 。 如果Rt被严重低估的话 , 决策者可能会认为还有比实际更多的空间来放松干预 。 为了使Rt在短期内保持准确 , 研究人员需要根据报告病例、住院或死亡的时间推断感染发生的时间 。 然而 , 从人们感染COVID-19到他们被视为病例(或他们住院或死亡)之间存在着延迟 , 使研究者几乎难以推断出准确的感染时间 。
芝加哥大学的生态学家萨拉·科贝于2020年4月在《美国医学会杂志》(JAMA)发表了一篇文章 , 试图估计Rt的变化与新冠肺炎早期流行时实施不同防疫政策的关系 。 也有研究者指出 , 不同方法所估计的Rt值可能会在时间上稍有偏差 。
科贝实验室的博士后研究者凯特琳·戈斯蒂奇和其他研究人员发现 , 用于处理这些延迟的现有统计技术在COVID-19大流行中效果不佳 。 他们试验了各种已公布的方法 , 利用模拟数据来估算Rt , 以了解Rt值及其对应的有效时间 。 即便如此 , 他们也不是总能得到准确的结果 。 “这变成了一个反复拉扯的问题 , ”戈斯蒂奇说 , “我们试图弄清楚我们没有得到正确答案是因为犯了错误 , 还是因为这些方法从根本上就无法得到正确答案 。 ”
结果表明 , 是这些方法本身的问题 。 “我们在大流行之前所准备使用的工具遗漏了很多细节 , 我们突然意识到这些细节十分重要——特别是报告延迟的影响 。 ”戈斯蒂奇说 , “因此 , 作为流行病学家 , 我们得到的这些嘈杂的数据流其实是流行病实际变化的滞后指标 。 然后 , 我们就得努力找出恰当调整它们的方法 。 ”
为此 , 研究人员求助于信号或图像处理中常用的方法 。 他们还利用了20世纪80年代和90年代艾滋病流行期间使用的统计方法 , 其特点是感染和病例观察之间的具有更长的时间延迟 。

推荐阅读