[论文解读] A COVID-19 Epidemiological Model for Community and Policy Maker Use

Alex De Visscher|arXiv (Cornell University)|Mar 19, 2020

COVID-19 epidemiological studies被引用 5

一句话总结

本文提出了一种四阶段的新冠肺炎流行病学模型——感染、患病、重症和康复——使用 MATLAB/GNU Octave 实现，供公共卫生和政策制定使用。结果表明，只有通过有效性超过 65–75% 的社交疏离措施将 R0 降低至 1 以下，才能防止医疗系统崩溃，从而质疑了‘群体免疫’和‘曲线 flattening’作为政策策略的有效性。

ABSTRACT

An epidemiological model for COVID-19 was developed and implemented in MATLAB/GNU Octave for use by public health practitioners, policy makers and the general public. The model distinguishes four stages in the disease: infected, sick, seriously sick, and better. The model was preliminarily parameterized based on observations of the spread of the disease. The model is consistent with a mortality rate of 1.5 %. Preliminary simulations with the model indicate that concepts such as "herd immunity" and "flattening the curve" are highly misleading in the context of this virus. Public policies based on these concepts are inadequate to protect the population. Only reducing the R0 of the virus below 1 is an effective strategy for maintaining the death burden of COVID-19 within the normal range of seasonal flu. As R0 values estimated with the model range from 2.82 worldwide outside of China and 3.83 in the Western world in late February - early March 2020, this means social distancing with effectiveness greater than 65 % (worldwide) or 75 % (Western world) are needed to combat the virus successfully.

研究动机与目标

• 在大流行早期，为公共卫生从业者和政策制定者开发一种易于访问、透明的流行病学模型。
• 澄清关于‘群体免疫’和‘曲线 flattening’作为公共卫生策略的误解。
• 量化为将死亡负担控制在季节性流感水平内所需的社会疏离措施的有效性。
• 提供一种开源代码工具，供社区和政策制定者实时决策使用。
• 估算与 2020 年 2 月至 3 月期间早期观察数据一致的 R0 值和病死率。

提出的方法

• 该模型将疾病进展划分为四个明确阶段：感染、患病、重症和康复。
• 使用常微分方程模拟个体在这些阶段之间随时间的流动。
• 参数根据早期观察数据校准，包括基准病死率为 1.5%。
• 估计全球（不含中国）R0 为 2.82，西欧地区在 2 月下旬至 3 月上旬为 3.83。
• 利用公式 1 - (1/R0) 计算使 R0 降低至 1 以下所需的社会疏离措施有效性。
• 提供 MATLAB/GNU Octave 的源代码，以确保透明度和可复现性。

实验结果

研究问题

• RQ1 ‘群体免疫’和‘曲线 flattening’在多大程度上可被视为针对 SARS-CoV-2 的有效公共卫生策略？
• RQ2 需要多高的社会疏离措施有效性才能使 R0 降低至 1 以下并防止医疗系统超载？
• RQ3 不同地区（全球 vs. 西欧）估算的 R0 值如何影响干预措施的强度需求？
• RQ4 一个包含四个阶段的简单、透明模型能否准确反映大流行的早期动态？
• RQ5 何种病死率与模型预测结果及早期观察数据一致？

主要发现

• 模型估算得出，全球（不含中国）R0 为 2.82，西欧地区在 2 月下旬至 3 月上旬为 3.83。
• 为使 R0 降低至 1 以下，社会疏离措施需分别达到 65%（全球）或 75%（西欧）的有效性。
• 模型表明，‘群体免疫’和‘曲线 flattening’是误导性概念，无法为该病毒提供保护。
• 只有将 R0 降低至 1 以下，才能使死亡负担维持在季节性流感的正常范围内。
• 模型的基准病死率 1.5% 与早期观察数据和假设一致。
• 模型的源代码以 MATLAB/GNU Octave 形式公开，以确保透明度并供社区使用。