[论文解读] Critical community size for COVID-19 -- a model based approach to provide a rationale behind the lockdown

Sarmistha Das, Pramit Ghosh+2 more|arXiv (Cornell University)|Apr 7, 2020

COVID-19 epidemiological studies参考文献 4被引用 17

一句话总结

本文提出一种基于模型的方法，采用SEIR框架估算COVID-19的临界社区规模（CCS）和病毒消亡时间（TTE），表明持续15至30天的国家特定封锁措施可实现传播的暂时根除。模型显示，若易感人群数量低于CCS，病毒将自然消亡，尽管约一年后可能出现波次性再爆发，但规模较小。

ABSTRACT

Background: Restrictive mass quarantine or lockdown has been implemented as the most important controlling measure to fight against COVID-19. Many countries have enforced 2 - 4 weeks' lockdown and are extending the period depending on their current disease scenario. Most probably the 14-day period of estimated communicability of COVID-19 prompted such decision. But the idea that, if the susceptible population drops below certain threshold, the infection would naturally die out in small communities after a fixed time (following the outbreak), unless the disease is reintroduced from outside, was proposed by Bartlett in 1957. This threshold was termed as Critical Community Size (CCS). Methods: We propose an SEIR model that explains COVID-19 disease dynamics. Using our model, we have calculated country-specific expected time to extinction (TTE) and CCS that would essentially determine the ideal number of lockdown days required and size of quarantined population. Findings: With the given country-wise rates of death, recovery and other parameters, we have identified that, if at a place the total number of susceptible population drops below CCS, infection will cease to exist after a period of TTE days, unless it is introduced from outside. But the disease will almost die out much sooner. We have calculated the country-specific estimate of the ideal number of lockdown days. Thus, smaller lockdown phase is sufficient to contain COVID-19. On a cautionary note, our model indicates another rise in infection almost a year later but on a lesser magnitude.

研究动机与目标

• 通过数学建模为COVID-19疫情期间封锁时长提供科学依据。
• 确定不同国家的临界社区规模（CCS），低于该规模时COVID-19传播将自然停止。
• 估算病毒在隔离社区中爆发后自然消亡的预期时间（TTE）。
• 通过识别实现暂时疾病根除的国家特定理想封锁时长，为公共卫生政策提供指导。
• 通过识别安全的聚集规模以预防二次传播，优化隔离策略。

提出的方法

• 将SEIR（易感-潜伏-感染-康复）模型适配用于模拟封闭人群中SARS-CoV-2的传播动态。
• 基于真实世界数据中的传播率、康复率和病死率，计算各国特定的CCS。
• 将病毒消亡时间（TTE）定义为易感人群降至CCS以下后，感染自然消亡的预期持续时间。
• 引入“传播暂时根除时间”（TEST）概念，表示传播几乎被完全消除的实际窗口期（15至30天）。
• 使用各国流行病学参数（如死亡率、康复率）校准25个国家的模型输出。
• 通过数值评估检验在模型近似下CCS和TTE估计的稳健性。

实验结果

研究问题

• RQ1 在隔离人群中，SARS-CoV-2传播将自然停止的临界社区规模（CCS）是多少？
• RQ2 在不同国家，当易感人群降至CCS以下后，病毒自然消亡需要多长时间（TTE）？
• RQ3 每个国家实现传播暂时根除所需的理想封锁时长是多少？
• RQ4 该模型能否预测封锁结束后病毒可能再次爆发的时间？
• RQ5 如何利用CCS优化隔离策略，在最小化经济影响的同时预防二次爆发？

主要发现

• 持续15至30天的国家特定封锁措施足以实现SARS-CoV-2传播的暂时根除，即“传播暂时根除时间”（TEST）。
• 在易感人群降至国家特定临界社区规模（CCS）以下的社区中，病毒预计会自然消亡，TTE在各国间介于16至64天之间。
• 例如，在比利时，CCS估计为22，TTE为19.7天；在印度，CCS为25.14，TTE为25.14天。
• 尽管实现暂时根除，模型预测在初始爆发约一年后可能出现感染再次爆发，但规模较小。
• 模型表明，病毒从社区外部重新引入是封锁后再次爆发的主要驱动因素。
• 将暴露个体隔离在不超过CCS规模的群体中可防止持续传播，而更大群体应划分为不超过CCS规模的子群。