如何准确估计流行病的传播情况?( 四 )


研究人员承认 , Rt的估算总是存在一些不确定性 。 即便如此 , 戈斯蒂奇还是希望她的团队以及其他研究者的工作 , 能够对未来应对新的大流行有所帮助 。
更完整的模型
对R0和Rt进行精确估计的研究也表明 , 这些参数还不够充分或可靠 , 不足以提供对流行病的预期情况提供足够的参考 。 韦茨说:“比如在提到今天的天气时 , 我认为我们这个社会并不会只满足于只说一个数值:温度 。 ”
因此 , 科学家们开始寻找其他参数来描述流行病疫情 。 一些研究者倾向于采用一个反映疾病传播中不均匀性和差异性的参数 。 其他研究者 , 比如卡内基梅隆大学的计算机科学家扎卡里·利普顿和他的团队 , 则一直在开发新的数据信号 , 试图超越病例、住院和死亡人数 , “从一个不同的角度来看待这个怪物” 。 这些新的信号包括近期被观察到出现类似新冠肺炎症状的人的比例 , 以及因此类症状而就诊的比例 , 还有其他数十个不同指标 。
韦茨建立了一个风险计算器 , 以确定在不同地方不同规模的事件中是否有一人或多人可能感染COVID-19 。 “其中一个挑战是……外行可以用Rt来做什么?”韦茨说 , “不过 , 如果在准备去参加一个50人的活动时 , 被告知有25%的机会可能会感染COVID-19 , 人们会理解这意味着什么 。 ”
撇开应用不谈 , 韦茨认为他和其他研究者在R0和Rt上所做的理论研究是至关重要的 。 “有时候你需要做一些基础性的工作 , ”他说 , “否则 , 你就不能根据基础研究的结果来得出可推广的发现 。 ”
杜肖夫对此表示赞同 , 并补充道:“我们绝对需要更详细、更现实的模型 。 ”但他也认为 , 如果模型能以对病毒传播方式的直觉理解作为指引 , 可能会更加成功 , “我认为我们需要建立更多的直觉理解” 。

推荐阅读