[论文解读] Different scenarios in the Dynamics of SARS-Cov-2 Infection: an adapted ODE model

Ramón González|arXiv (Cornell University)|Apr 2, 2020

COVID-19 epidemiological studies参考文献 3被引用 6

一句话总结

本研究将一个常微分方程（ODE）模型改编用于模拟在各种公共卫生干预情景下SARS-CoV-2的传播动态，包括隔离和检疫措施。研究结果表明，及时采取防控措施可使基本再生数（R0）从4.04降至1.12，以巴西疫情初期的传播轨迹作为案例研究，评估干预措施的有效性，并基于报告病例趋势估算疫情控制的日期。

ABSTRACT

A mathematical model to calculate the transmissibility of SARS-Cov-2 in Wuhan City was developed and published recently by Tian-Mu Chen et al., Infectious Diseases of Poverty, 2020, https://doi.org/10.1186/s40249-020-00640-3. This paper improves this model in order to study the effect of different scenarios that include actions to contain the pandemic, such as isolation and quarantine of infected and at-risk people. Comparisons made between the different scenarios show that the progress of the infection is found to strongly depend on measures taken in each case. The particular case of Brazil was studied, showing the dynamics of the first days of the infection in comparison with the different scenarios contained in the model and the reality of the Brazilian health system was exposed, in front of each possible scenario. The relative evolution of the number of new infection and reported cases was employed to estimate a containment date of the pandemic. Finally, the basic reproduction number R0 values were estimated for each scenario, ranging from 4.04 to 1.12.

研究动机与目标

• 将现有的SARS-CoV-2传播ODE模型进行扩展，以评估公共卫生干预措施的影响。
• 分析不同防控策略（如隔离和检疫）对疫情发展进程的影响。
• 将该模型应用于巴西疫情初期的情景，评估在不同干预水平下实现控制的可行性和时间。
• 估算每种情景下的基本再生数（R0），并比较其对干预时机和强度的敏感性。

提出的方法

• 通过扩展的常微分方程（ODE）系统，模拟易感者、潜伏者、感染者、康复者及隔离者群体的动态变化。
• 模型整合了随时间变化的干预措施，如症状感染者隔离和高危接触者检疫。
• 根据干预强度调整传播率，参数通过巴西疫情初期爆发阶段的观测病例数据进行校准。
• 利用报告病例数据估算新发感染与报告病例的相对演变趋势，从而预测疫情控制日期。
• 通过分析不同干预水平下感染初始增长速率，计算每种情景的R0。
• 在各情景中进行敏感性分析，评估干预时机和覆盖范围对疫情轨迹的影响。

实验结果

研究问题

• RQ1 隔离和检疫措施如何改变人群中的SARS-CoV-2传播动态？
• RQ2 在不同干预情景下，可实现的R0值范围是多少？与基线情景相比有何差异？
• RQ3 该模型能否基于报告病例趋势预测疫情的可行控制日期？
• RQ4 该模型的表现与巴西疫情初期的真实世界数据相比如何？
• RQ5 需要达到何种干预水平阈值，才能使R0降至1.12以下并实现疫情控制？

主要发现

• 模型预测，若采取积极的隔离和检疫措施，可使无干预情况下的基本再生数（R0）从4.04降至最优防控情景下的1.12。
• 新发感染与报告病例的相对演变趋势可作为估算疫情可能被控制日期的可靠依据，前提是干预措施持续有效。
• 研究发现，巴西疫情初期的传播动态最符合干预延迟或不足的情景，表明存在未受控传播的高风险。
• 早期且严格干预的情景显示出感染峰值显著降低和疫情持续时间缩短。
• 该模型识别出一个关键的干预窗口期，延迟干预将导致累计病例数和R0值呈指数级增长。
• 本研究证实，R0对隔离和检疫的时机与覆盖范围高度敏感，即使干预实施的改进程度适中，也能带来显著的公共卫生效益。