[论文解读] Assessment of the MERS-CoV epidemic situation in the Middle East region

Chiara Poletto, Camille Pelat+4 more|arXiv (Cornell University)|Nov 6, 2013

COVID-19 epidemiological studies参考文献 25被引用 35

一句话总结

本研究采用整合全球人员流动数据与聚集性监测数据的空间传播模型，评估中东地区MERS-CoV的传播情况。研究估计其基本再生数R=0.50（95%置信区间：0.30–0.77），每日新发输入病例的频率为0.28例，表明以动物源性/环境传播为主导，且存在显著的漏报（估算病例数与报告病例数之比：1.03–7.32），同时通过航空旅行数据识别出输入风险。

ABSTRACT

The appearance of a novel coronavirus named Middle East (ME) Respiratory Syndrome Coronavirus (MERS-CoV) has raised global public health concerns regarding the current situation and its future evolution. Here we propose an integrative maximum likelihood analysis of both cluster data in the ME region and importations in Europe to assess transmission scenario and incidence of sporadic infections. Our approach is based on a spatial-transmission model integrating mobility data worldwide and allows for variations in the zoonotic/environmental transmission and underascertainment. Maximum likelihood estimates for the ME region indicate the occurrence of a subcritical epidemic (R=0.50, 95% confidence interval (CI) 0.30-0.77) associated with a 0.28 (95% CI 0.12-0.85) daily rate of sporadic introductions. Infections in the region appear to be mainly dominated by zoonotic/environmental transmissions, with possible underascertainment (95% CI of estimated to observed sporadic cases in the range 1.03-7.32). No time evolution of the situation emerges. Analyses of flight passenger data from the region indicate areas at high risk of importation. While dismissing an immediate threat for global health security, this analysis provides a baseline scenario for future reference and updates, suggests reinforced surveillance to limit underascertainment, and calls for increased alertness in high-risk areas worldwide.

研究动机与目标

• 评估中东地区MERS-CoV的流行病学潜力与传播动态。
• 估算报告的散发病例中漏报的程度。
• 利用全球航空旅行数据评估国际输入风险。
• 为未来监测与响应建立基准传播情景。

提出的方法

• 开发空间传播模型以模拟MERS-CoV传播，整合全球航班数据中的人群流动模式。
• 对中东地区聚集性病例数据及欧洲输入病例数据应用最大似然估计法。
• 模型考虑了动物源性/环境传播差异及漏报率的变化。
• 在基本再生数低于1的流行病框架下，估计恒定传播强度下的传播参数。
• 整合报告病例数、航班乘客量及地理传播数据，推断传播动态。

实验结果

研究问题

• RQ1 中东地区MERS-CoV的基本再生数（R）是多少？
• RQ2 MERS-CoV进入该地区的散发输入频率如何？
• RQ3 漏报在多大程度上影响了该地区的病例报告？
• RQ4 哪些地区通过航空旅行面临最高的MERS-CoV输入风险？

主要发现

• 基本再生数R估计为0.50（95%置信区间：0.30–0.77），表明为亚临界流行病。
• 每日进入该地区的散发输入频率估计为0.28例（95%置信区间：0.12–0.85）。
• 动物源性与环境传播为主要传播途径，且存在显著漏报（估算病例数与报告病例数之比：1.03–7.32）。
• 在研究期间未观察到传播强度的时间趋势。
• 利用航班乘客数据识别出高风险输入区域，尤其为从中东至欧洲的航线。