[论文解读] Ebola cases and health system demand in Liberia

John M. Drake, RajReni B. Kaul+6 more|arXiv (Cornell University)|Oct 30, 2014

Viral Infections and Outbreaks Research参考文献 11被引用 4

一句话总结

本研究构建了一个多类型分支过程模型，以评估2014年埃博拉疫情暴发期间利比里亚的埃博拉传播动态及医疗系统需求，模型纳入了随时间变化的医院容量、行为改变及传播环境。研究发现，若不迅速提高住院率，即使医院容量扩大，也无法确保疫情得到控制，当医院床位达到约1,700张时，病例中位数预测从约130,000例降至约50,000例。

ABSTRACT

In 2014, a major epidemic of human Ebola virus disease emerged in West Africa, where human-to-human transmission has now been been sustained for greater than 10 months. In the summer of 2014, there was great uncertainty about the answers to several key policy questions concerning the path to containment. In recent years, epidemic models have been used to guide public health interventions. But, model-based policy relies on high quality causal understanding of transmission, including the availability of appropriate dynamic transmission models and reliable reporting about the sequence of case incidence for model fitting, which were lacking for this epidemic. To investigate the range of potential transmission scenarios, we developed a multi-type branching process model that incorporates key heterogeneities and time-varying parameters to reflect changing human behavior and deliberate interventions. Ensembles of this model were evaluated at a set of parameters that were both epidemiologically plausible and capable of reproducing the observed trajectory. Results suggest that epidemic outcome depends on both hospital capacity and individual behavior. The model predicts that if hospital capacity is not increased soon, then transmission may outpace the rate of isolation and the ability to provide care for the ill, infectious, and dying. Similarly, containment will probably require individuals to adopt behaviors that increase the rates of case identification and isolation and secure burial of the deceased. Given current knowledge, it is uncertain that this epidemic will be contained even with 99% hospitalization rate at the currently projected hospital capacity.

研究动机与目标

• 评估医院容量和行为改变对2014年利比里亚埃博拉疫情传播动态的影响。
• 评估在不同住院率和干预时机下实现疫情控制的可行性。
• 通过随时间变化的参数，对医院、家庭和葬礼活动等不同传播环境中的传播异质性进行建模。
• 通过识别能重现观察到的病例轨迹的合理参数集合，提供具有政策参考价值的预测。
• 通过量化疫情结局对住院率和容量提升的敏感性，为公共卫生决策提供依据。

提出的方法

• 构建一个多类型分支过程模型，以模拟四种不同来源的传播：院内感染、社区感染、家庭照护感染以及葬礼相关感染。
• 模型纳入了随时间变化的参数，用于反映住院率、医护人员暴露风险以及安全葬礼实践等行为和干预措施随时间的变化。
• 利用观察到的病例数据的后代分布来参数化各传播环境中的传播，避免依赖接触追踪或攻击率假设。
• 通过集合评估方法识别合理的参数集合，重点在于模型输出与观察到的发病率一致，而非统计可辨识性。
• 模型向前模拟，以在不同医院容量和病例隔离率的情景下预测疫情轨迹。
• 分支过程框架使我们能够计算在不同干预假设下疫情的平均规模和有效基本再生数（Rt）。

实验结果

研究问题

• RQ1 提高医院容量在多大程度上影响利比里亚埃博拉疫情的预测规模和持续时间？
• RQ2 提高住院率在多大程度上影响疫情控制的可能性？
• RQ3 个人行为改变（如寻求医院治疗或采用安全葬礼方式）如何影响传播动态？
• RQ4 院内传播在多大程度上相对于社区感染对维持疫情起到关键作用？
• RQ5 当前的医院容量和干预措施水平能否实现疫情控制，还是需要进一步扩大规模？

主要发现

• 若不提高住院率，即使医院容量达到约1,700张床位，也难以实现疫情控制，到2014年12月31日，病例中位数预测将达约130,000例。
• 当医院容量提升至约1,700张床位时，到2014年12月31日，病例中位数预测降至约50,000例。
• 医院容量进一步扩大可降低病例预测的上限，但对中位数估计值影响甚微，表明存在收益递减现象。
• 若住院率达到85%，预计将实现疫情控制，有效基本再生数（Rt）将降至1以下，表明快速识别和隔离病例至关重要。
• 若当前医院容量未得到显著扩展，即使住院率提高至99%，疫情控制仍极不可能。
• 本研究表明，行为改变（如提高病例报告率和实施安全葬礼）与基础设施扩展同等关键，对控制疫情具有决定性作用。