[论文解读] Quantitative assessment of the role of undocumented infection in the 2019 novel coronavirus (COVID-19) pandemic

Yongshang Long, Zheng-Meng Zhai+10 more|arXiv (Cornell University)|Mar 26, 2020

COVID-19 epidemiological studies参考文献 2被引用 19

一句话总结

本研究开发了一个五状态流行病学模型，利用中国、韩国、意大利和伊朗的实时数据，定量评估无症状感染对COVID-19大流行的影响。模型显示，即使在疫情看似得到控制后，未被发现的无症状携带者仍可能持续传播病毒，若放松公共卫生措施，将增加未来暴发的风险，凸显了普遍检测以发现隐匿病例的必要性。

ABSTRACT

An urgent problem in controlling COVID-19 spreading is to understand the role of undocumented infection. We develop a five-state model for COVID-19, taking into account the unique features of the novel coronavirus, with key parameters determined by the government reports and mathematical optimization. Tests using data from China, South Korea, Italy, and Iran indicate that the model is capable of generating accurate prediction of the daily accumulated number of confirmed cases and is entirely suitable for real-time prediction. The drastically disparate testing and diagnostic standards/policies among different countries lead to large variations in the estimated parameter values such as the duration of the outbreak, but such uncertainties have little effect on the occurrence time of the inflection point as predicted by the model, indicating its reliability and robustness. Model prediction for Italy suggests that insufficient government action leading to a large fraction of undocumented infection plays an important role in the abnormally high mortality in that country. With the data currently available from United Kingdom, our model predicts catastrophic epidemic scenarios in the country if the government did not impose strict travel and social distancing restrictions. A key finding is that, if the percentage of undocumented infection exceeds a threshold, a non-negligible hidden population can exist even after the the epidemic has been deemed over, implying the likelihood of future outbreaks should the currently imposed strict government actions be relaxed. This could make COVID-19 evolving into a long-term epidemic or a community disease a real possibility, suggesting the necessity to conduct universal testing and monitoring to identify the hidden individuals.

研究动机与目标

• 量化无症状感染在大流行早期阶段维持SARS-CoV-2传播中的作用。
• 评估不同国家在检测和诊断政策上的差异如何影响疫情预测。
• 评估在疫情看似得到控制后，因隐匿的无症状携带者而引发未来暴发的风险。
• 提供一个预测模型，用于在不同政府干预措施下实时评估疫情趋势。
• 通过识别无症状感染成为持续传播主要驱动因素的临界阈值，为公共卫生政策提供依据。

提出的方法

• 开发了一个五状态队列模型，用于追踪易感者、潜伏者、有症状感染者、无症状（未被发现）感染者和康复者。
• 利用中国政府报告及中国、韩国、意大利和伊朗的数据，校准传播率和潜伏期等关键参数。
• 应用数学优化方法，将模型输出与观察到的累计病例数据拟合，以提高预测准确性。
• 将随时间变化的政府干预措施（包括旅行限制和社会隔离）作为动态输入纳入模型。
• 进行敏感性分析，评估在不同检测标准和政策响应下预测结果的稳健性。
• 模型预测疫情曲线的拐点，并评估峰值后隐匿感染的持续性。

实验结果

研究问题

• RQ1 无症状感染对SARS-CoV-2整体传播动态的定量贡献是什么？
• RQ2 各国在检测和诊断政策上的差异如何影响关键疫情参数的估计？
• RQ3 当无症状感染比例超过何种临界阈值时，会形成持续存在的隐匿感染库？
• RQ4 尽管数据质量和政策实施存在差异，该模型能否可靠预测拐点和疫情峰值？
• RQ5 在疫情看似得到控制后，隐匿的无症状携带者在多大程度上仍能维持传播，从而带来未来暴发的风险？

主要发现

• 该模型准确预测了中国、韩国、意大利和伊朗的日累计确诊病例数，展现出强大的预测能力。
• 尽管检测政策存在显著差异，该模型对疫情拐点的预测在各国间均保持稳健且可靠。
• 在意大利，政府行动不足和高水平的无症状感染被确定为导致其异常高死亡率的关键因素。
• 若未实施严格的旅行限制和社会隔离措施，该模型预测英国将面临灾难性的疫情情景。
• 如果无症状感染比例超过临界阈值，即使在疫情看似结束之后，仍会持续存在不可忽视的隐匿传染人群。
• 本研究提供了定量证据，表明由于持续的隐匿传播，COVID-19可能演变为长期或地方性流行病，因此需要普遍检测以识别并隔离无症状携带者。