留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于密切接触者人数推断新冠肺炎疫情发展趋势

谭索怡 曹自强 秦烁 陈洒然 赛斌 郭淑慧 刘楚楚 蔡梦思 周涛 张伟 吕欣

谭索怡, 曹自强, 秦烁, 陈洒然, 赛斌, 郭淑慧, 刘楚楚, 蔡梦思, 周涛, 张伟, 吕欣. 基于密切接触者人数推断新冠肺炎疫情发展趋势[J]. 电子科技大学学报, 2020, 49(5): 788-794. doi: 10.12178/1001-0548.2020263
引用本文: 谭索怡, 曹自强, 秦烁, 陈洒然, 赛斌, 郭淑慧, 刘楚楚, 蔡梦思, 周涛, 张伟, 吕欣. 基于密切接触者人数推断新冠肺炎疫情发展趋势[J]. 电子科技大学学报, 2020, 49(5): 788-794. doi: 10.12178/1001-0548.2020263
TAN Suo-yi, CAO Zi-qiang, QIN Shuo, CHEN Sa-ran, SAI Bin, GUO Shu-hui, LIU Chu-chu, CAI Meng-si, ZHOU Tao, ZHANG Wei, LÜ Xin. Inferring the Trend of COVID-19 Epidemic with Close Contacts Counting[J]. Journal of University of Electronic Science and Technology of China, 2020, 49(5): 788-794. doi: 10.12178/1001-0548.2020263
Citation: TAN Suo-yi, CAO Zi-qiang, QIN Shuo, CHEN Sa-ran, SAI Bin, GUO Shu-hui, LIU Chu-chu, CAI Meng-si, ZHOU Tao, ZHANG Wei, LÜ Xin. Inferring the Trend of COVID-19 Epidemic with Close Contacts Counting[J]. Journal of University of Electronic Science and Technology of China, 2020, 49(5): 788-794. doi: 10.12178/1001-0548.2020263

基于密切接触者人数推断新冠肺炎疫情发展趋势

doi: 10.12178/1001-0548.2020263
基金项目: 国家自然科学基金(82041020);四川省科技厅科技攻关项目(2020YFS0007);国家自然科学基金重大研究计划集成项目(91846301);国家自然科学基金青年基金(71901067);湖南省自然科学基金(2020JJ5679, 2018JJ1034)
详细信息
    作者简介:

    谭索怡(1989-),男,博士,主要从事复杂网络与大数据分析方面的研究

    通讯作者: 周涛,E-mail: zhutou@ustc.edu张伟,E-mail: zhangwei@wchscu.cn吕欣,E-mail: xin_lyu@sina.com
  • 中图分类号: TP391

Inferring the Trend of COVID-19 Epidemic with Close Contacts Counting

图(6)
计量
  • 文章访问数:  7614
  • HTML全文浏览量:  2354
  • PDF下载量:  71
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-06-16
  • 修回日期:  2020-06-30
  • 网络出版日期:  2020-09-29
  • 刊出日期:  2020-09-23

基于密切接触者人数推断新冠肺炎疫情发展趋势

doi: 10.12178/1001-0548.2020263
    基金项目:  国家自然科学基金(82041020);四川省科技厅科技攻关项目(2020YFS0007);国家自然科学基金重大研究计划集成项目(91846301);国家自然科学基金青年基金(71901067);湖南省自然科学基金(2020JJ5679, 2018JJ1034)
    作者简介:

    谭索怡(1989-),男,博士,主要从事复杂网络与大数据分析方面的研究

    通讯作者: 周涛,E-mail: zhutou@ustc.edu张伟,E-mail: zhangwei@wchscu.cn吕欣,E-mail: xin_lyu@sina.com
  • 中图分类号: TP391

摘要: 密切接触者人数由于数据基数大且受统计口径变化影响较小,更能客观地反映新冠肺炎疫情的发展趋势。该文分析发现,2020年1月底−2月中旬北京市密切接触者转诊人数在新增确诊中的占比由50%提高接近100%,证实了严密筛查密切接触者并采取隔离措施对阻断新的传播风险的有效性。进一步对全国数据进行分析发现,全国累计密切接触人数逐步稳定在感染者数量的8倍左右,而新增密切接触者的增长率与5~6天后的新增确诊病例的增长率变化趋势一致。因此,追踪新增密切接触者的变化趋势,能提前一周左右推断新增确诊病例的变化,有利于各地医疗卫生机构做好应急准备工作,提前调度并储备相应救治物资,有效提升疫情防控效率。

English Abstract

谭索怡, 曹自强, 秦烁, 陈洒然, 赛斌, 郭淑慧, 刘楚楚, 蔡梦思, 周涛, 张伟, 吕欣. 基于密切接触者人数推断新冠肺炎疫情发展趋势[J]. 电子科技大学学报, 2020, 49(5): 788-794. doi: 10.12178/1001-0548.2020263
引用本文: 谭索怡, 曹自强, 秦烁, 陈洒然, 赛斌, 郭淑慧, 刘楚楚, 蔡梦思, 周涛, 张伟, 吕欣. 基于密切接触者人数推断新冠肺炎疫情发展趋势[J]. 电子科技大学学报, 2020, 49(5): 788-794. doi: 10.12178/1001-0548.2020263
TAN Suo-yi, CAO Zi-qiang, QIN Shuo, CHEN Sa-ran, SAI Bin, GUO Shu-hui, LIU Chu-chu, CAI Meng-si, ZHOU Tao, ZHANG Wei, LÜ Xin. Inferring the Trend of COVID-19 Epidemic with Close Contacts Counting[J]. Journal of University of Electronic Science and Technology of China, 2020, 49(5): 788-794. doi: 10.12178/1001-0548.2020263
Citation: TAN Suo-yi, CAO Zi-qiang, QIN Shuo, CHEN Sa-ran, SAI Bin, GUO Shu-hui, LIU Chu-chu, CAI Meng-si, ZHOU Tao, ZHANG Wei, LÜ Xin. Inferring the Trend of COVID-19 Epidemic with Close Contacts Counting[J]. Journal of University of Electronic Science and Technology of China, 2020, 49(5): 788-794. doi: 10.12178/1001-0548.2020263
  • COIVD-19成为继2002年SARS、2012年MERS之后,由冠状病毒导致的第三次大规模流行病[1-2]

    疫情爆发后,受限于对新型冠状病毒肺炎传播机制、传播能力认知的不足,政府、医疗和公共卫生机构面临严峻的防疫考验。疫情初期,国内外学者利用有限的公开数据集对疫情的流行病参数进行了估计。文献[3]对9位早期确诊病例的潜伏期分析结果显示,其平均潜伏期约为5.1天。文献[4]分析了181例确诊患者数据发现,97.5%的患者会在接触病毒11.5天之内出现症状,表明采取14天隔离期是合理的。文献[5]对早期武汉425名确诊病例的回顾性研究表明,疾病平均潜伏期约为5.2天,平均传染周期约为7.5天,基本再生数R0约为2.2。这些回顾性统计研究为构建动力学模型推演疫情发展趋势提供了参数设置依据。文献[6]通过SEIR仓室模型,基于国内早期公开数据估算基本再生数R0为2.8~3.3;如以国外同行预测的感染人数为基准,R0在3.2~3.9之间。文献[7]建模研究估计R0值为2.68,并估算截至1月25日,武汉有75 815人感染COVID-19。文献[8]考虑对易感人群和隔离人群的刻画,建立了带隔离机制的SEIR模型,估算出R0高达6.47。此外,改进的SEIR仓室模型还被应用于拐点预测[9]和疫情发展趋势预测[10-11]。综合来看,基于动力学模型的研究普遍认为COVID-19早期致病传播能力高于SARS,属于中高度传染性的传播疾病,为有关部门提供了早期预警与决策支持。由于动力学模型的假设十分严格,其结果显著依赖于固定参数的初始值,难以充分考虑各种防控措施的动态变化以及执行效果对疫情发展的影响,因此疫情早期基于传播动力学模型的预测结果与疫情实际发展情况有一定的偏差[12]。随着疫情发展,很多研究工作利用人口迁徙数据对疫情发展与防控进行了分析。文献[13]对疫情爆发前期武汉外流人口去向的地理分布进行了统计分析。文献[14]的研究结果表明,COVID-19在中国的早期传播与湖北人口的迁徙高度相关,但得益于隔离措施,其感染率呈指数级下降。文献[15]使用海量手机用户定位数据,根据人口流动情况准确地预测了疫情爆发的时间、地点和强度。文献[16]基于人口流动大数据,研究了武汉“封城”对疫情阻断的效果,结果表明武汉“封城”极大地减少了全国各省的输入和感染人数,加速了全国各地进入一级响应状态的进程,有效控制了疫情在中国的传播。大量研究也表明,遵循社会疏离政策对控制海外疫情传播同样有效[17-20]

    自疫情爆发以来,专家学者在COVID-19的流行病学特征分析[21]、疫情发展趋势预测以及人口流动对疫情传播的影响[22-24]等方向展开了大量研究工作,有效推动了疫情的防控工作。然而,大部分研究是基于确诊、疑似和死亡等病例数据展开,确诊病例等数据的滞后性,对提前判断疫情发展并及时制定相关防疫策略提出了挑战。事实上,作为高风险人群,密切接触者人数蕴含了未来可能感染人数的变化趋势。追踪、隔离每一位密切接触者并为其提供最大程度的医疗服务,是疫情初期最具成效的防控措施[25]。目前,有关密切接触者的研究还少见报道,仅有部分关于集聚性病例流行病学特征的回顾性研究[26-29]。因此,本文通过分析密切接触者的数据,在疫情早期推断疫情发展趋势,为制定和完善新型冠状病毒肺炎防控措施提供判断依据。

    • 根据国家卫健委《新型冠状病毒感染的肺炎防控方案(第五版)》关于密切接触者的最新判定标准,密切接触者指从疑似病例和确诊病例症状出现前2天开始,或无症状感染者标本采样前2天开始,未采取有效防护与其有近距离接触(1 m内)的人员。具体包括:1) 共同居住、学习、工作,或其他有密切接触的人员,如近距离工作或共用一个教室或在同一所房屋中生活;2) 诊疗、护理、探视病例的医护人员、家属或其他有类似近距离接触的人员,如到密闭环境中探视患者或停留,同病室的其他患者及陪护人员;3) 乘坐同一交通工具并有近距离接触的人员,包括在交通工具上照料护理人员;同行人员(家人、同事、朋友等)、或经调查评估后发现有可能近距离接触病例(疑似病例、确诊病例)和感染者(轻症病例、无症状感染者)的其他乘客和乘务人员;4) 现场调查人员调查后经评估认为符合与密切接触者接触的人员。

      医学观察包括居家隔离医学观察和集中隔离医学观察。目前,各地主要采取的是居家隔离医学观察。尚在接受医学观察期限为被观察对象自最后一次与病例发生无有效防护的接触或可疑暴露后14天。观察期满未发病者可恢复正常的学习、工作和生活。

    • COVID-19确诊病例的密切接触者被感染的机率直观反映了病毒的传染性,可以被视为除基本再生数之外,评估病毒传播能力的重要指标。目前,全国有关这方面的数据较少,仅北京市卫健委在每日疫情报告中统计了由密切接触者转诊为确诊病例的人数信息。基于该数据,本文计算了北京市每日新增确诊病例中源于密切接触者转诊的比例为:

      $$R = \frac{{{C_{{\rm{trans}}}}}}{{{C_{{\rm{new}}}}}}$$ (1)

      式中, ${C_{{\rm{new}}}}$ 是每日新增的确诊人数; ${C_{{\rm{trans}}}}$ 是每日新增确诊人数中,由密切接触者转为确诊病例的人数。由于2020年2月22日至发现境外输入病例较长一段时间内北京市无新增确诊病例报告,因此选取分析的日期范围为2020年1月26日−2020年2月21日。在此期间, $R$ 的平均值 $\bar R$ =0.62,说明这段时期在北京市每日的新增确诊病例中,超过半数源于密切接触者。为进一步分析这段时间内 $R$ 的分布情况,设置0.5为阈值,并定义一个二进制变量 $L$ 用于区分阈值上下的 $R$ 值,如果 $R \geqslant 0.5$ ,则将 $L$ 置为1,否则 $L = 0$ 。通过 $L$ 进一步计算转诊比例高于0.5的天数占这段时间窗口的比例 ${R_L}$

      $${R_L} = \frac{{\displaystyle\sum\limits_{i = 1}^n L_i }}{{{\rm{length}}}}$$ (2)

      式中, ${L_i}$ 表示时间段内第 $i$ 天的 $L$ 值;length表示时间段的区间长度。计算得到 ${R_L} = 18/27 = 0.67$ ,该时间段内 ${R_L}$ 的分布如图1所示。结果表明,在此期间,67%的时间里有50%以上的新增确诊病例是由密切接触者转诊而来。

      图  1  北京市密切接触者转为确诊病例的比例高于0.5的日期

      由于北京市每日的数据基数小,波动较大,考虑通过取滑动平均值消除波动的影响,将时间窗口设为前后3天,由此可绘制出取滑动平均值之后R的变化趋势,以及新增确诊人数与由密切接触者转为确诊人数的变化趋势如图2所示。

      分析图2a可以发现,春节期间,人员流动、接触频繁,在滞后的一个潜伏期(7~14天)内,新增确诊病例由密切接触者转诊的比例呈快速增长的趋势,并于2020年2月12日达到峰值,之后连续3天呈下降趋势,而后又出现短暂上升。事实上,由于疫情早期传播速度较快,密切接触者人数不断攀升,加之医疗资源紧张,疫情上升阶段接受核酸检测的人数是少于实际感染者人数的。随着2月中上旬“应收尽收”举措的实施,检测能力及效率大幅提高,有足够的医疗资源进行更大比例的密切接触者的检测,因此这一时期转诊比例有所回升。

      同时也注意到,在疫情早期,除了由密切接触者转诊,还有一定数量的直接确诊病例未被追踪到,而在2020年2月12日转诊比例达到最高点之后,每日新增确诊人数几乎全由密切接触者转诊而来,如图2b所示,表现为新增确诊人数曲线与密切接触者转为确诊人数曲线几乎重合。这说明北京市1月24日启动的重大突发公共卫生事件一级响应有效阻止了疫情的进一步传播和扩散。在此期间,居民的主动居家隔离减少人员流动,国民公共安全意识的提高也保证了相关举措的顺利实施。经过一个潜伏期后,绝大部分新增确诊病例都来源于之前感染者的密切接触者,最大限度地阻断了疫情的传播途径。

      图  2  北京市由密切接触者转为确诊病例的变化趋势分析

    • 北京市有关密切接触者转为确诊病例的研究结果表明,密切接触者是确诊病例的主要来源,因此对密切接触者变化趋势的研究尤为重要。考虑到2020年2月12日确诊病例的统计口径发生了变化,在将具有肺炎影像学特征的疑似病例确定为临床诊断病例后,当天全国新增确诊高达15 152例。在不考虑该异常值的情况下,本文进一步计算了累计密切接触者人数与确诊人数的比例Rc,如图3所示。根据Rc的值,可以大致将疫情分为两个阶段。第一阶段,从疫情发生后至2月11日,Rc一直在10~12之间波动;第二阶段自2月13日开始,全国累计密切接触人数稳定在感染者数量的8倍左右。

      图  3  全国累计密切接触者与累计确诊人数走势

      受到以上结果启发,本文通过分析新增密切接触者增长率的变化趋势,预测未来一段时间内的新增确诊人数的变化,从而判断和把握疫情未来发展的大致趋势和走向。定义新增密切接触者增长率=(t+1日新增密切接触者人数−t日新增密切接触者人数)/t日新增密切接触者人数。类似地,定义新增确诊人数增长率=(t+1日新增确诊人数−t日新增确诊人数)/t日新增确诊人数。

      考虑在真实疫情的传播过程中,由于干预政策的实施以及个体行为的改变,疫情早期的传播过程客观上更能反映其传染能力与传播规律,因此,本文选取第一阶段,即2020年1月23日−2月11日的数据展开分析。

      图4展示了1月23日−2月5日新增密切接触者的增长率曲线与1月28日−2月11日新增确诊人数的增长率曲线。右上角的雷达图直观地展示了相应时间段内两组数据的增长率数值。对比发现,两组数据的变化趋势基本同步。准确地说,1月23日−1月28日连续6天的新增密切接触者增长率变化趋势,与1月28日−2月2日( $\Delta t = 5\;{\rm{d}}$ )的新增确诊人数增长率的变化曲线同步;1月28日−2月5日连续9天的新增密切接触者的增长率变化趋势,与2月3日−2月11日( $\Delta t = 6\;{\rm{d}}$ )的新增确诊人数的增长率曲线同步,如图5所示。

      图  4  1月23日−2月5日新增密切接触者与1月28日−2月11日新增确诊增长率曲线图

      图  5  新增确诊病例与新增密切接触者在Δt=5~6 d的变化趋势图

      进一步计算了两个时间段内 $\Delta t = \left[ {1,7} \right]$ d内两组数据的相关系数,发现仅在 $\Delta t{\rm{ = 5d}}$ $\Delta t{\rm{ = 6d}}$ 时相关性最高,其Pearson系数分别为0.905和0.968,如图5右侧子图所示。上述结果说明,新增密切接触者增长率的变化趋势,可以作为预测 $\Delta t{\rm{ = 5 \sim 6\;d}}$ 后,新增确诊人数变化趋势的判断依据,这部分新增的密切接触者将影响未来5~6天新增确诊人数的变化,为早期推断疫情发展趋势提供了一个新的思路。显然,提前5~6天预知疫情发展趋势,有利于政府部门与医疗机构提前做好救治病例的准备工作,合理规划接收各种类型病例的医院、医护人员与床位数,并提前调度、储备好相应的救治物资。

      新型冠状病毒肺炎作为一种新型传染病,在疫情早期其流行病学特征尚未得到充分研究,国内疑似病例与确诊病例的统计口径都发生过改变。此外,由于武汉是国内重要的交通枢纽,以及疫情初期与春运重合等多种原因,国内早期疫情十分复杂,新增确诊病例和疑似病例的增长速度变化还非常不稳定,未形成一段时间内的连续递增或者递减趋势,仅通过确诊、疑似病例与治愈率等数据来判断疫情走势十分困难。本文计算了截至2020年4月21日新增密切接触者与尚在接受医学观察人数的变化趋势,并与新增确诊病例的变化趋势比较,如图6所示。注意到,尚在接受医学观察的人数与新增密切接触者同时在2月7日达到最大值,在不考虑因统计口径改变导致2月12日新增确诊病例剧增的情况下,6天之后,新增确诊病例达到峰值,国内新增确诊人数在2月13日左右开始出现进入下行阶段。

      图  6  几类人员数量随时间变化趋势

    • 本文根据全国与北京市卫健委公布的密切接触者的数据,分析了其与确诊病例的关系,并探讨了每日新增密切接触者增长率的变化趋势与数天后新增确诊病例变化趋势的相关性。北京市的研究结果表明,从发现疫情到持续多日“零新增”期间,67%的时间里有50%以上的新增确诊病例来自于密切接触者转诊。因此,追踪和管理密切接触者对防疫工作十分重要。相比于境外很多国家在早期就放弃了密切接触者的统计,我国利用大数据统筹、协助传染源和密切接触者的调查防控工作收效显著,表现为经过一个潜伏期后,由密切接触者转诊为确诊病例的占比由2020年1月底的50%左右提高到2月中旬的接近100%,证实了我国严密筛查密切接触者并采取隔离措施对阻断新的传播风险的有效性。

      从密切接触者的追踪人数和尚在接受医学观察的人数来看,国内疫情发展趋势在武汉“封城”后的1~2个潜伏期后,于2020年2月13日左右进入下行阶段,该阶段的全国累计密切接触人数稳定在感染者数量的8倍左右。此外,在疫情早期扩散阶段,新增密切接触者增长率与5~6天后新增确诊病例增长率的变化趋势具有很强的相关性。因此,重点关注追踪到的密切接触者数量,可以提前一周左右推断疫情的未来发展趋势,有利于各地做好医疗机构救治病例的预测,规划好接收各种类型病例的医院、医护人员与床位数,并提前调度和储备好相应的救治物资,做好疫情精准防控工作。

参考文献 (29)

目录

    /

    返回文章
    返回