[论文解读] SARS oubreaks in Ontario, Hong Kong and Singapore: the role of diagnosis and isolation as a control mechanism

Gerardo Chowell, Paul W. Fenimore+2 more|ArXiv.org|Mar 1, 2005

SARS-CoV-2 and COVID-19 Research参考文献 6被引用 44

一句话总结

本研究采用SEIJR流行病学模型分析多伦多、香港和新加坡的SARS传播动态，表明快速诊断和隔离显著降低了疫情增长速度。该模型估计平均基本再生数R₀ ≈ 1.2，且表明通过积极的病例识别与隔离可控制疫情；多伦多疫情因及时的公共卫生干预而极有可能被遏制。

ABSTRACT

In this article we use global and regional data from the SARS epidemic in conjunction with a model of susceptible, exposed, infective, diagnosed, and recovered classes of people (``SEIJR'') to extract average properties and rate constants for those populations. The model is fitted to data from the Ontario (Toronto) in Canada, Hong Kong in China and Singapore outbreaks and predictions are made based on various assumptions and observations, including the current effect of isolating individuals diagnosed with SARS. The epidemic dynamics for Hong Kong and Singapore appear to be different from the dynamics in Toronto, Ontario. Toronto shows a very rapid increase in the number of cases between March 31st and April 6th, followed by a {\it significant} slowing in the number of new cases. We explain this as the result of an increase in the diagnostic rate and in the effectiveness of patient isolation after March 26th. Our best estimates are consistent with SARS eventually being contained in Toronto, although the time of containment is sensitive to the parameters in our model. It is shown that despite the empirically modeled heterogeneity in transmission, SARS' average reproductive number is 1.2, a value quite similar to that computed for some strains of influenza \cite{CC2}. Although it would not be surprising to see levels of SARS infection higher than ten per cent in some regions of the world (if unchecked), lack of data and the observed heterogeneity and sensitivity of parameters prevent us from predicting the long-term impact of SARS.

研究动机与目标

• 理解诊断与隔离在控制安大略省、香港和新加坡SARS疫情中的作用。
• 利用三个地区的流行病数据，估算关键传播参数，包括基本再生数R₀。
• 评估控制措施（特别是病例识别率α和隔离有效性l）对疫情规模与持续时间的影响。
• 评估模型预测对关键参数（如诊断率、隔离效力和病死率）变化的敏感性。
• 基于数据驱动建模，判断在现实公共卫生干预下SARS是否可被遏制。

提出的方法

• 采用SEIJR分 compartment 模型，追踪易感者、潜伏者、感染者、确诊者和康复者。
• 将模型参数（α, l, p, q, ρ, N）拟合至截至2003年4月的安大略省、香港和新加坡的报告病例数据。
• 模型纳入诊断与隔离率的时间依赖性变化，特别是在多伦多自2003年3月26日之后的变化。
• 通过区域流行曲线的数据拟合进行参数估计，并对关键参数（α和l）进行敏感性分析。
• 模拟不同控制情景下的结果，包括完美隔离与因行为改变导致的传播减少。
• 采用标准方法估算R₀，并通过与已发表数值比较验证结果。

实验结果

研究问题

• RQ1 诊断与隔离率如何影响多伦多、香港和新加坡SARS疫情的增长与控制？
• RQ2 这些地区SARS的基本再生数R₀的估计值是多少，与其它呼吸道疾病相比如何？
• RQ3 诊断速度（α）和隔离有效性（l）的变化在多大程度上影响总病例数与病死率？
• RQ4 通过SEIJR框架建模，SARS是否可通过及时的公共卫生干预实现遏制？
• RQ5 模型预测对关键参数（如病死率δ、传播异质性ρ和人口规模N）的变化有多敏感？

主要发现

• 模型估计SARS的平均基本再生数R₀ ≈ 1.2，与某些流感毒株相当。
• 在多伦多，疫情从3月31日至4月6日迅速上升，随后减缓，模型将此归因于3月26日之后诊断与隔离的增加。
• 当α = 1/3天⁻¹且l = 0.05时，模型预测多伦多将有612例确诊；若实现完美隔离（l = 0.00），则病例数降至396例。
• 模型对诊断率（α）和隔离有效性（l）最为敏感，而病死率（δ）的影响较小——将δ从4%提高到7%仅使总病例数减少12%。
• 尽管存在传播异质性，模型仍支持通过积极的病例识别与隔离在多伦多实现疫情遏制的可能性。
• 模型表明，局部疫情可能呈现相似动态，且极端隔离结合快速诊断可显著降低传播与病死率。