摘要
2020年3月11日,世界卫生组织宣布2019冠状病毒病(COVID-19)为大流行1.在中国用于控制疫情的非药物干预策略似乎是有效的2但仍需要定量研究来评估非药物干预的疗效及其时机3..这里使用了COVID-19的流行病学数据和关于人员流动的匿名数据4,5,我们开发了一个建模框架,使用日常出行网络来模拟中国各地不同的疫情和干预情景。我们估计,截至2020年2月29日,中国大陆共有114,325例COVID-19病例(四分位数范围76,776-164,576例)。如果没有非药物干预措施,我们预测到2020年2月29日病例数将增加67倍(四分位数区间44 - 94倍),我们发现不同干预措施的有效性各不相同。我们估计,早期发现和隔离病例比旅行限制和减少接触预防的感染更多,但结合非药物干预措施取得了最强烈和最迅速的效果。根据我们的模型,如果能够维持社会距离干预措施,从2020年2月17日起取消旅行限制不会导致中国各地病例的增加,即使个人之间的接触持续到4月下旬,平均减少25%的有限水平。这些发现提高了我们对非药物干预措施对COVID-19影响的理解,并将为世界各地的应对工作提供信息。
主要
截至2020年3月30日,由严重急性呼吸综合征冠状病毒2型(SARS-CoV-2)引起的COVID-19疫情在全球已造成693282例确诊病例和33106例死亡6.由于这种疾病最近才出现,有效的药物干预措施预计在几个月内都不会出现7,医疗资源有限,无法治疗所有病例。因此,非药物干预措施是公共卫生应对COVID-19疫情的重要组成部分6,8,9,10.这些措施包括隔离患者、追踪接触者、隔离暴露者、限制旅行、关闭学校和工作场所、取消大规模集会和洗手等8,9,10.这些措施旨在通过推迟疫情高峰的时间和缩小疫情高峰的规模来减少病毒的传播,从而为卫生保健系统的准备工作争取时间,并为后期使用疫苗和药物创造潜力8.
为了遏制新冠肺炎疫情在中国的传播,并缩小疫情规模,我们已经实施了三组主要的npi11.首先,采取了城际旅行限制措施,以防止病毒在春节假期期间进一步传播。2020年1月25日开始的春节前两天,武汉市及湖北省周边城市于2020年1月23日实施了卫生警戒。在这一天之后,全国其他省份也实施了旅行限制。第二,优先做好病例的早期识别和隔离工作,包括改进疑似或确诊患者的筛查、识别、诊断、隔离、报告和接触者追踪工作11.中国各地政府鼓励和支持对来自湖北省的旅行者进行常规筛查和隔离,以尽早发现COVID-19感染。从出现症状到实验室确诊的平均间隔从暴发初期的12天缩短到2月初的3天,这表明这些努力改善了发现和诊断3.,12.三是采取限制接触和保持社交距离措施,并采取洗手等个人预防行动,降低社区接触风险。作为这些社会距离政策的一部分,中国政府鼓励人们尽可能呆在家里,取消或推迟大型公共活动和大规模集会,关闭图书馆、博物馆和工作场所13,14.学校假期也被延长,湖北省的春节假期结束日期从2020年1月30日改为2020年3月10日,其他许多省份改为2020年2月9日15,16.
在实施这些新国家行动计划的同时,中国各地的新病例数量迅速下降,尽管付出了高昂的经济和社会代价3.,12.之前的研究调查了武汉封锁的影响17,18,旅行限制19、机场检查20.在控制疾病方面,隔离病例和追踪接触者21.然而,目前还缺乏对不同国家行动计划在遏制中国COVID-19疫情方面的有效性及其实施时间的全面和定量比较。基于COVID-19流行病学数据和历史和近实时的匿名人员流动数据,我们开发了基于旅行网络的随机易感暴露-去除感染(SEIR)建模框架,模拟COVID-19在中国大陆340个地级市的传播情况。在每个城市中,我们估计了自2019年12月1日起每天易感人群、暴露人群、感染性人群和康复/转移人群(“转移”指的是为防止进一步传播而被隔离的个人,以及死亡人群)的人数。利用这一建模框架,我们进行了前后对比分析,以量化三种主要npi在中国的相对影响,即限制城际人口流动、识别和隔离病例以及减少城市内的旅行和接触以增加社会距离。我们还评估了自2020年2月17日取消旅行限制以来COVID-19传播的风险。
重建COVID-19的传播
在广泛实施干预措施之前,为武汉暴发早期估计的流行病学参数最初用于参数化疫情5.上述三大类npi是利用城市间和城市内的人口流动数据(从百度定位服务的智能手机用户获得)得出和衡量的4)以及全国各地发病和病例报告之间的延迟数据。实施干预措施后,人口旅行和接触模式发生了很大变化,病例报告的及时性也得到了改善(图2)。1、补充表格1,2).然后将这些指标纳入模型(见方法).
我们估计,截至2020年2月29日,中国大陆共有114,325例COVID-19病例(四分位数范围(IQR) 76,776-164,576例),其中85%位于湖北省(扩展数据表)1).春节前疫情呈指数级增长,但在实施新国家行动计划后,全国疫情高峰迅速出现在春节前后。估计的流行率和峰值与按发病日期报告的数据模式一致,每日估计数与跨时间和区域报告的数据之间具有很强的相关性(扩展数据图)。1).截至2020年2月29日,各省估计病例数与报告病例数之间的总体相关性也很显著(P< 0.001,R2=0.86),在预测有或没有COVID-19病例的城市时具有较高的敏感性(91%,280/308)和特异性(69%,22/32)。1 a, b).
量化不同npi的效果
在没有npi的情况下,我们的模型预测中国各地的COVID-19病例数将迅速增加,到2020年2月29日,武汉将增加51倍(IQR 33-71),湖北省其他城市将增加92倍(58-133),其他省份将增加125倍(77-180)。然而,不同干预措施的明显有效性有所不同(图。2).武汉的封锁可能并没有阻止病毒从该市播下种子,因为旅行禁令是在春节前人口外流的后期实施的22(无花果。1 b).然而,如果没有实施城际旅行限制,武汉以外的省市将收到更多来自武汉的病例,受影响的地理范围将扩大到中国西部偏远地区(扩展数据图)。2摄氏度).总体而言,我们估计,与在全国范围内采取减少接触和保持社会距离措施相比,早期发现和迅速隔离病例大大预防了更多的感染(5倍对2.6倍)。然而,如果没有减少接触的干预措施,从长期来看,流行病将在各区域呈指数级增长(图2)。2 c f).因此,联合使用npi对遏制COVID-19疫情的效果最强、最快,从引入npi到疫情高峰之间约有一周的时间间隔(扩展数据表)1).
取消旅行限制
根据2020年2月17日开始实施的干预措施(即取消旅行限制),湖北省以外的疫情可能在3月初达到较低水平(每天不到10例,不包括从其他国家输入的病例),而湖北省可能还需要4周才能达到与其他省份相同的水平。然而,如果人群接触恢复到正常水平,取消旅行限制可能会导致病例数再次上升(图2)。3 c).因此,我们的模拟表明,即使在有限的程度上保持社交距离(例如,个人之间的接触平均减少25%),直到4月下旬,也将有助于确保武汉等中心地区对COVID-19的控制。
我们的估计对基本繁殖数(R0);在更高的R0值时,流行高峰更高更晚,需要更多的时间来控制疫情(扩展数据图。3.).敏感性分析还表明,我们的模型可以可靠地测量不同流行病学参数和传播情景下干预措施疗效的相对变化(扩展数据图。4- - - - - -9).
讨论
我们的研究结果表明,联合使用npi大大减少了COVID-19在中国的传播。更早实施国家行动计划本可以显著降低疫情的规模和地理范围,但同样,延迟应对也会导致更大规模的疫情。中国积极、多方面的应对措施很可能阻止了更糟糕的情况,否则病毒将加速在全球传播。来自中国的证据提供的信息将有助于遏制COVID-19的传播,并减轻该疾病在世界其他地区的影响3.,12.
我们的研究结果表明了三个关键点。首先,他们支持并证实了人口流动和密切接触在中国境内外的传播中起着重要作用22,23.由于武汉的封锁发生在春节前人口流动的后期,旅行限制并没有阻止病毒从武汉播下种子,但确实阻止了病例从武汉输出到更广泛的地区。其次,三种npi的重要性和作用不同。与旅行限制相比,改进病例发现和隔离以及社交距离可能对遏制疫情产生了更大的影响。保持社交距离的干预措施减少了从疫情中心旅行的人与其他人之间的接触。这可能特别有助于遏制新出现的病原体向更广泛的社区传播,并降低无症状或轻度感染的传播风险8.第三,鉴于中国已经开始恢复旅行和生产,国家应考虑至少部分延续npi,以确保新冠肺炎疫情在第一波疫情中得到持续控制。例如,应保持病例的早期发现和隔离,考虑到从其他国家输入的病例数量不断增加,以及中国存在无症状或亚临床感染,这也可能有助于预防和延迟第二波疫情的到来24.
本文提供的分析对npi对COVID-19传播的影响进行了全面的定量评估。该模型框架考虑了城市之间和城市内部人口和干预措施的日常相互作用,以及干预措施实施前后缺乏流行病学参数所导致的固有统计不确定性。基于网络的SEIR模型在方法上是稳健的,它建立在先前用于预测COVID-19早期传播的基本SEIR模型的基础上23.考虑到病例报告方面存在的延迟,我们的方法可用于快速、持续地评估不同国家各种国家行动计划的有效性,并有助于与控制COVID-19疫情有关的决策。
我们的研究有几个局限性。首先,我们的模拟是基于对武汉疫情早期发现的有症状病例估计的参数,可能不考虑无症状和轻度感染;因此,我们可能低估了感染总数。其次,我们的发现可能会被疫情期间发生变化的其他因素所混淆。虽然我们已经表明,中国新年后(2020年1月25日)COVID-19发病率的明显下降可能归因于采取的干预措施,但我们不能排除这种下降部分归因于其他未知季节性因素的可能性,例如温度和绝对湿度25,26.第三,中国其他城市COVID-19传播的流行病学参数是否与估计值不同5——这是基于疫情早期的数据,当时武汉没有npi,那么我们对减少COVID-19传播的干预措施有效性的估计可能存在偏见。第四,考虑到我们的模型依赖于手机和百度用户的数据,人口覆盖率可能存在偏差。尽管中国拥有智能手机的人口比例很高(从2013年的46.9%上升到2018年的55.3%)27(https://en.wikipedia.org/wiki/List_of_countries_by_smartphone_penetration),手机用户群体并不包括人口中的特定亚群体,尤其是儿童。因此,我们关于人口流动的数据可能提供了一个不完整的图景,智能手机用户和非智能手机用户之间的特征差异也可能会影响我们的估计。此外,人口流动的规模和模式可能每年都在变化——尽管之前的研究表明,中国和其他国家的旅行模式在多年的季节性上是一致的22.最后,我们只研究了三组主要的npi,其他干预措施也可能有助于遏制疫情。例如,由于现有数据来源的原因,我们没有评估个人卫生和防护设备在遏制COVID-19传播方面的效果。需要其他数据来源和进一步调查来衡量和评估每种干预措施的效果。
COVID-19给许多国家的卫生系统和社会带来了沉重负担。从公共卫生的角度来看,我们的研究结果强调,各国应考虑积极规划NPIs和相关的遏制和缓解战略,因为早期实施NPIs可能导致中国疫情的规模大幅减少。我们的结果还为各国提供了关于不同国家免疫方案在疫情不同阶段的可能有效性的指导。应尽早发现、诊断、隔离和报告疑似病例和确诊病例,以控制传染源,在受影响严重的地区实施卫生警戒线或旅行限制,可能会防止病毒传播到更广泛的地区。减少个人之间的接触和增加社会距离,并改善个人卫生,有助于保护弱势群体,减缓COVID-19在社区一级的传播。在疫情期间,应推广这些干预措施,以避免疫情卷土重来。我们的研究结果表明,正如世卫组织所倡导的那样,应制定、部署和调整涉及早期实施综合国家行动纲领的战略,以最大限度地发挥这些干预措施的效益,并最大限度地减少COVID-19在世界各地的健康、社会和经济影响3..
方法
数据报告
没有使用统计方法来预先确定样本量。实验不是随机的,研究人员在实验和结果评估期间没有对分配盲目。
模型的总结
建立基于出行网络的SEIR模型,模拟新冠肺炎在中国大陆所有地级市之间和内部的传播。此模型已公开供进一步使用https://github.com/wpgp/BEARmod.使用全国各地的人口流动数据来估计旅行限制和接触减少的强度。使用每个县从发病到报告第一个指标病例的数据来推断在整个疫情过程中病例识别和隔离的及时性变化。通过使用中国大陆所有地区每日报告的新病例数,验证了npi下模型的输出。在此建模框架的基础上,对在不同情景和时间下应用或取消非药物措施的效果进行了测试和量化。
数据源
三个关于人口流动的数据集,这些数据来自百度基于位置的服务,每天提供超过70亿次定位请求4,28在这项研究中,它们被用来衡量旅行限制和跨越时间和空间的社交距离。第一个是2020年每个地级市(包括中国大陆340个城市)智能手机用户每日相对出入境流量的汇总和去识别数据集,以了解疫情期间的流动模式。自武汉封锁和2020年1月23日实施旅行限制以来,每个城市的每日流出量按2020年1月20日至22日每个城市的平均每日流量重新缩放,以比较不同城市和年份的旅行减少量(图23)。1).
第二个百度数据集是2014年12月26日至2015年5月26日城市级每日用户总数的历史相对移动矩阵,与2020年中国春节假期相符,其中对应的时间为2019年12月1日至2020年4月30日。我们假设,在没有爆发和干预的年份,人口流动的模式是相同的。根据2020年数据集得出的旅行减少水平(如适用)进行调整,第二个数据集用于模拟COVID-19的传播,并预测在各种情况下(有或没有城际旅行限制)通过人口流动传播。用于建模的2015年相应的城市人口数据来自中国统计局29.
第三个百度数据集测量了2014年1月26日至4月30日县级(中国2,862个县)的每日人口流动,如其他地方所述30..假设在没有采取干预措施的情况下,人口接触的模式多年来是一致的,在此基础上,它被用来估计疫情爆发和干预期间的城市内旅行和接触减少情况。首先,我们汇总了从县到市的数据,并根据1月26日至28日期间的日流量平均值重新调整了2014年1月29日的日流量,与武汉封城日期和2020年中国春节假期期间保持一致。然后,将干预措施下的2020年重新缩放的第一个数据集与2014年的数据集进行比较,以得出每个城市的旅行下降百分比。城市的百分比按天平均,以初步量化npi下中国接触减少的强度(补充表2),因为限制旅行和保持社会距离的政策在全国范围内同时实施和发生。
我们还整理了中国大陆各县报告的首例病例的数据,以衡量从发病到病例报告的延迟,作为疫情期间病例识别、隔离和报告及时性提高的参考(补充表)1).利用湖北省武汉市和其他省份截至2020年2月13日发病日的COVID-19病例数,进一步验证本研究估计的跨时间流行曲线。根据发病日期,2020年2月1日武汉市和湖北省的病例出现异常增加2.我们利用流行病曲线中2020年1月31日和2月2日报告的病例数的平均值,对2020年2月1日的数字进行了插值。我们使用截至2020年2月29日中国大陆各城市报告的病例数来定义我们模型在空间上的可预测性。这些病例数据整理自国家和地方卫生当局、新闻媒体和出版物的网站2,3.,31(补充信息).
数据分析
我们构建了一个基于旅行网络的SEIR建模框架(BEARmod),用于对npi的疗效进行前后比较分析。该模型是从典型的SEIR模型扩展而来的,它特别包含了随每个时间步变化的位置之间的移动。在这个模型中,每个城市在模型中被表示为一个单独的亚人群,有自己的易受影响的人群(年代),暴露(E),感染(我)及回收/移除(R)的人口。
暴露,感染和康复
在每个时间步骤中,感染者首先以平均速度康复或被移除r,在那里r等于平均感染期的倒数,去除代表自我隔离和作为疾病潜在传播者的人群的有效去除。这被纳入伯努利试验,对每个恢复概率为1 - exp(−)的感染者进行试验r).我们使用从发病到报告病例的时间滞后的中位数作为平均感染期的代表,表明在改进的干预措施下,病例的识别和隔离得到了改善(补充表)1).然后,模型通过类似地对每个暴露个体进行伯努利试验,将暴露人群转换为传染性,其中成为传染性的每日概率1 - exp(−ε),ε在估计潜伏期的基础上(5.2天,95%置信区间(CI) 4.1-7.0),与暴露但不具传染性的平均时间相反。5.最后,为了结束模型的暴露、感染和恢复步骤,根据每个城市的感染人数计算每个城市的新暴露人数(我我),以及每位受感染人士每日可引致传播的平均接触次数(c).我们通过从每个感染者的泊松分布中随机抽取样本,模拟了某一天在一个补丁中暴露的人数,其中每人新感染的平均人数为c,然后再乘以城市中易感染人群的比例。我们计算了每日接触率c根据其他研究计算的基本繁殖率(R0= 2.2 (95% CI 1.4-3.9))除以发病至首次就医和隔离的平均天数(5.8,95% CI 4.3-7.5)5,根据百度运动数据,按相关的每日接触相对水平加权(补充表2).因为模拟运行没有超过5个月,所以我们没有包括新的易感人群的添加,也没有包括恢复后的易感人群的转换。
因此,每个贴片内的感染过程近似于以下确定的连续时间模型,其中c而且r随时间变化:
运动
在模型完成与感染相关的过程后,我们在城市之间移动感染人群。为此,我们对每个感染者和每个可能的目的地城市使用伯努利试验,将感染者从当前位置移动到每个可能的目的地(包括留在同一个地方)。我们将迁出城市的概率参数化我城市j(pij),这与从城市出发的智能手机用户所占的比例相当我城市j根据2015年百度数据集的对应日期,考虑到2020年的旅行限制。这包括对呆在同一地点的人数进行建模p2,即当天没有搬迁到新地点的用户比例。这使我们能够在旅行者的实际构成中纳入方差(感染者与未感染者),但由于移动数字是独立生成的,因此在每个补丁中留下来的感染者人数和移动的人数有可能超过或少于该补丁中的感染者人数。由于我们只想将方差纳入相对移动模式,而不是绝对数字(特别是因为基础值是移动人数的比例,因此不能影响感染总人数),在任何情况下,移动的感染者人数和留下来的感染者人数与原始补丁中感染总人数不同,我们将值重新缩放为感染总人数。以这种方式重新调整规模意味着伯努利试验引入的方差只能影响相对的运动模式,而不能影响实际感染人数。此外,由于我们以与移动者相同的方式显式地对停留者的数量进行建模,因此重新缩放不应该在最终相对移动模式方面引入任何偏差。
通过该模型,由于接触、感染和转移/恢复的人数存在差异,以及从一个城市迁移到另一个城市的人数存在差异,在两次模拟运行之间,COVID-19感染人数和感染地点出现了随机性。通过以这种方式对COVID-19流行病进行建模,我们可以模拟COVID-19病例的发病率,在多次模拟运行(1000次)中解释恢复、感染和移动方面的差异。此外,这使我们能够考虑到npi实施或取消后接触率的不确定性。
模拟运行
利用这一模型,我们量化了COVID-19的传播在不同干预情景和时间下的变化,以及在2020年2月17日取消旅行限制和保持接触距离措施后进一步传播的可能性。由于病例发病的最早日期为2020年12月2日(参考文献)。3.),考虑到病例漏报以及从感染到发病和识别这种新型病毒的延迟,我们于2019年12月1日在武汉感染了5人,并随着时间的推移传播流行病,包括所使用的干预措施的时间和类型、假设的接触和恢复率以及运动。在模拟的最初几天,我们最初感染了5人,这是防止流行病随机灭绝的最小感染人数,三个月后,与最初感染3人、5人和8人的模拟运行相比,我们没有发现显著差异(尽管最初感染3人,50%的运行在模拟的第一周导致零病例)。当使用其他年份的数据时,我们将模拟日期固定在中国新年前后,并相应地调整了疫情的开始日期。
将npi作为基线情景下的暴发模型估计值与报告的COVID-19病例进行了跨时间和空间的比较。还计算了敏感性和特异性,以检验该模型在预测中国城市级COVID-19病例发生方面的表现。通过将各种npi和时间下的病例估计与基线情景的估计进行比较,定量评估了npi的相对影响。我们还进行了一系列敏感性分析,以了解不断变化的流行病学参数对干预效果的估计和不确定性的影响。使用R v.3.6.1 (R Foundation for Statistical Computing)软件进行数据整理和分析。
伦理批准
在本研究中收集和使用二手数据的伦理许可由南安普顿大学机构审查委员会(no。48002)。所有数据以匿名格式提供和分析,没有访问个人身份信息。
报告总结
有关研究设计的进一步资料,请参阅自然研究报告摘要链接到这篇文章。
代码的可用性
在本研究中建立的模型的代码已公开提供,以供进一步使用https://github.com/wpgp/BEARmod.
参考文献
世界卫生组织。世卫组织总干事2020年3月11日在COVID-19疫情媒体吹风会上的开幕词https://www.who.int/dg/speeches/detail/who-director-general-s-opening-remarks-at-the-media-briefing-on-covid-19---11-march-2020(世卫组织,2020年)。
中国疾病预防控制中心疫情应对流行病学工作组。2019年中国新型冠状病毒病(COVID-19)暴发的流行病学特征[中英文摘要]。中华刘兴兵学杂志41, 145-151(2020)。
世界卫生组织。中国-世界卫生组织新冠肺炎联合考察组报告https://www.who.int/docs/default-source/coronaviruse/who-china-joint-mission-on-covid-19-final-report.pdf(世卫组织,2020年)。
百度迁移(在中国)https://qianxi.baidu.com/(2020)。
李,Q.等。新型冠状病毒感染的肺炎在中国武汉的早期传播动态心血管病。j .地中海.382, 1199-1207(2020)。
世界卫生组织。COVID-19大流行https://www.who.int/emergencies/diseases/novel-coronavirus-2019(世卫组织,2020年)。
Heymann, D. L. & Shindo, N. COVID-19:公共卫生的下一步是什么?《柳叶刀》395, 542-545(2020)。
方,m.w.等。非卫生保健环境中针对大流行性流感的非药物措施——保持社交距离措施。紧急情况。感染。说.26, 976-984(2020)。
Ryu, S.等非卫生保健环境中大流行性流感的非药物措施——国际旅行相关措施。紧急情况。感染。说.26, 961-966(2020)。
肖,J.等。非卫生保健环境中大流行性流感的非药物措施——个人防护和环境措施。紧急情况。感染。说.26, 967-975(2020)。
陈,W.等。中国新型冠状病毒肺炎防控早期防控策略及核心措施[中英文摘要]。中华育方学杂志54, 239-244(2020)。
世界卫生组织。中国-世界卫生组织新冠肺炎联合专家考察组记者会https://www.who.int/docs/default-source/coronaviruse/transcripts/joint-mission-press-conference-script-english-final.pdf?sfvrsn=51c90b9e_2(2020)。
中华人民共和国国务院。武汉市新冠肺炎疫情防控指挥部发布的公告(在中国)http://www.gov.cn/xinwen/2020-01/23/content_5471751.htm(2020)。
中华人民共和国国务院。关于加强新型冠状病毒感染的肺炎社区防控疫情的通知(在中国)http://www.gov.cn/zhengce/2020-01/27/content_5472516.htm(2020)。
中华人民共和国国务院。国务院关于延长2020年春节假期的通知(在中国)http://www.gov.cn/zhengce/content/2020-01/27/content_5472352.htm(2020)。
上海市人民政府。关于推迟企业复工日期和学校复课日期的公告(在中国)http://www.shanghai.gov.cn/nw2/nw2314/nw2315/nw43978/u21aw1423601.html(2020)。
李霞,赵霞,孙勇。湖北封城导致新型冠状病毒(2019-nCoV)在武汉和北京的不同传播动态。预印在medRxivhttps://doi.org/10.1101/2020.02.09.20021477(2020)。
克雷默,m.u.等。人员流动和控制措施对中国新冠肺炎疫情的影响科学368, 493-497(2020)。
Chinazzi, M.等。旅行限制对2019年新型冠状病毒(COVID-19)疫情传播的影响。科学368, 395-400(2020)。
Quilty, b.j, Clifford, S, cmmmid nCoV工作组2,Flasche, S. & Eggo, r.m .机场筛查在检测感染新型冠状病毒(2019-nCoV)旅行者方面的有效性。欧元Surveill.25, 2000080(2020)。
Hellewell, J.等人。通过隔离病例和接触者控制COVID-19疫情的可行性柳叶刀水珠。健康8, e488-e496(2020)。
Lai, S.等。评估武汉新型冠状病毒在中国内外的传播风险,2020年1月至4月:一项基于旅行网络的建模研究。预印在medRxivhttps://doi.org/10.1101/2020.02.04.20020479(2020)。
Wu J. T, Leung K.和Leung gm . M.来自中国武汉的2019-nCoV疫情的临近预测和潜在的国内和国际传播:建模研究。《柳叶刀》395, 689-697(2020)。
中华人民共和国国家卫生健康委员会。截至2020年3月31日新型冠状病毒感染肺炎的最新情况(在中国)http://www.nhc.gov.cn/xcs/yqtb/202004/28668f987f3a4e58b1a2a75db60d8cf2.shtml(2020)。
王,M.等。429个城市COVID-19传播预印在medRxivhttps://doi.org/10.1101/2020.02.22.20025791(2020)。
Luo, W.等。绝对湿度对COVID-19疫情传播率的作用。预印在medRxivhttps://doi.org/10.1101/2020.02.12.20022467(2020)。
Lai, S., Farnham, A., Ruktanonchai, N. W.和Tatem, A. J.测量流动性、疾病连通性和个人风险:使用移动电话数据和移动健康进行旅行医疗的综述。J.旅游医学.26, taz019(2019)。
王旭,刘超,毛伟,胡哲,顾磊,追踪地球上最大规模的季节性迁徙。预印在https://arxiv.org/abs/1411.0983(2014)。
中国国家统计局。中国统计年鉴2014http://www.stats.gov.cn/english/Statisticaldata/AnnualData/(2020)。
克雷默,m.u.等。虫媒病毒载体的过去和未来传播埃及伊蚊而且白纹伊蚊.Nat。Microbiol.4, 854-863(2019)。
张,J.等。中国湖北省以外地区2019冠状病毒病流行病学演变和传播动态:描述性和建模研究柳叶刀感染。说.20., 793-802(2020)。
确认
感谢疫情暴发地区疾控机构、医院和卫生行政部门的工作人员进行现场调查、管理和数据收集;百度Inc.用于共享人口流动数据;以及Y. Zhu和S. Lai负责整理在线数据。本研究由比尔和梅琳达·盖茨基金会(OPP1134076, OPP1195154)资助;欧盟地平线2020 (MOOD 874850);国家自然科学基金(81773498);国家科技重大专项(2016ZX10004222-009)。A.J.T.由比尔和梅林达·盖茨基金会(OPP1106427, OPP1032350, OPP1134076, OPP1094793),克林顿健康倡议,英国国际发展部(DFID)和惠康信托基金会(106866/Z/15/Z, 204613/Z/16/Z)资助;基金资助:国家杰出青年自然科学基金(no.;81525023)和上海市学术技术带头人项目(no. 81525023); 18XD1400300); and O.P. is supported by funding from the National Science Foundation, USA (no. 1816075). The funders of the study had no role in study design, data collection, data analysis, data interpretation or writing of the report.
作者信息
作者及隶属关系
贡献
S.L.设计了这项研究,建立了模型,收集了数据,完成了分析,解释了研究结果,并撰写了手稿。n.w.r建立了模型,分析了数据,解释了研究结果,并撰写了手稿。L.Z.收集数据,解释研究结果,对手稿的草稿进行评论和修改。j.r.f.、O.P.和W.L.建立了模型,对手稿的草稿进行了评论和修改。C.Z.收集数据,解释发现,并对手稿的草稿进行评论和修改。A.J.T.解释了调查结果,并修改了手稿的草稿。a.w., m.s., X.D.和H.Y.解释了这些发现,并对手稿的草稿进行了评论和修改。所有作者都阅读并批准了最终的手稿。通讯作者可以完全访问该研究中的所有数据,并对是否提交发表的决定负有最终责任。
相应的作者
道德声明
相互竞争的利益
曾获赛诺菲巴斯德、葛兰素史克、宜昌HEC长江制药有限公司及上海罗氏制药有限公司资助。所有其他作者声明没有竞争利益。
额外的信息
同行评审信息自然感谢Jukka-Pekka Onnela和其他匿名审稿人对这项工作的同行评审所做的贡献。同行评审报告是可用的。
出版商的注意施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。
扩展的数据图形和表格
图1中国大陆COVID-19疫情的估计和报告流行曲线。
一个,位于湖北省武汉市。b,湖北省其他城市。c,中国大陆其他30个省区。橙色竖线表示武汉封城开始日期(2020年1月23日)。COVID-19病例的估计流行曲线显示了估计值的中位数(深蓝色线)和IQR(浅蓝色阴影)(1000次模拟),还显示了截至2020年2月13日按地区划分的每日估计值中位数与每日报告病例数之间的Pearson相关性。d,即截至2020年2月29日各省估计病例总数与报告病例总数之间的皮尔森相关性。P双面计算值t以及。
图2不同干预时间下中国大陆受COVID-19影响的地区。
一个根据截至2020年2月29日从国家和地方卫生主管部门获得的数据,共有308个城市报告了COVID-19病例。b在实际时间实施干预措施的情况下,模型估计的受影响地区(298个城市)。c,在实际时间实施干预措施的估计受影响地区(326个城市),但没有城际旅行限制。d,估计受影响地区(192个城市)的干预措施实施时间比实际时间提前一周。e,估计受影响地区(130个城市)的干预措施实施时间比实际时间提前两周。f,预计受影响地区(61个城市)的干预措施实施时间比实际时间提前三周。行政区域界线图来自中国国家公共地理空间信息服务平台(www.tianditu.gov.cn).
的不同值对COVID-19流行病估计的敏感性R0.
所有其他参数、npi和输入数据均与基线模型相同R0= 2.2。橙色竖线表示武汉封城开始日期(2020年1月23日);紫色竖线表示中国新年开始的日期(2020年1月25日)。
图4 2020年1月23日以来不同级别城际旅行限制对COVID-19流行病估计的敏感性
所有其他参数、npi和输入数据均与基线模型相同R0= 2.2。中国各城市城际旅行限制的实际百分比每天都在变化(0.1表示比正常旅行减少了90%;1表示无旅行限制)。橙色竖线表示武汉封城开始日期(2020年1月23日);紫色竖线表示中国新年开始的日期(2020年1月25日)。
图5从发病到报告或隔离的不同天数对COVID-19流行估计的敏感性。
所有其他参数、npi和输入数据均与基线模型相同R0= 2.2。发病至报告或隔离的实际延迟时间逐日变化(补充表)2).橙色竖线表示武汉封城开始日期(2020年1月23日);紫色竖线表示中国新年开始的日期(2020年1月25日)。
图6 COVID-19流行病估计对不同接触率的敏感性。
所有其他参数、npi和输入数据均与基线模型相同R0= 2.2。全国人口实际接触比例(0.1为正常接触的10%,1为不限制接触)逐日变化(补充表)1).橙色竖线表示武汉封城开始日期(2020年1月23日);紫色竖线表示中国新年开始的日期(2020年1月25日)。
的不同值对COVID-19流行病估计的敏感性R0而且没有城际旅行限制。
所有其他参数、npi和输入数据均与基线模型相同R0= 2.2。橙色竖线表示武汉封城开始日期(2020年1月23日);紫色竖线表示中国新年开始的日期(2020年1月25日)。
的不同值对COVID-19流行病估计的敏感性R0并且在城市内没有接触限制。
所有其他参数、npi和输入数据均与基线模型相同R0= 2.2。橙色竖线表示武汉封城开始日期(2020年1月23日);紫色竖线表示中国新年开始的日期(2020年1月25日)。
的不同值对COVID-19流行病估计的敏感性R0如果不提高病例发现和隔离的及时性。
从发病到发现和隔离的延迟被设定为11天的常数,这是2020年1月16日至18日的平均延迟。所有其他参数、npi和输入数据均与基线模型相同R0= 2.2。橙色竖线表示武汉封城开始日期(2020年1月23日);紫色竖线表示中国新年开始的日期(2020年1月25日)。
权利和权限
关于本文
引用本文
赖,年代Ruktanonchai N.W,周,L。et al。中国控制COVID-19的非药物干预措施效果自然585, 410-413(2020)。https://doi.org/10.1038/s41586-020-2293-x
收到了:
接受:
发表:
发行日期:
DOI:https://doi.org/10.1038/s41586-020-2293-x
这篇文章被引用
英国应对第一波和第二波新冠肺炎疫情的关键政策差异
《国际卫生公平杂志》(2022)
疫苗接种是预防COVID-19局部复发的非药物干预措施的替代方案
贫穷的传染病(2022)
利用2020年4月至2022年4月的前瞻性时空扫描统计数据,探索日本长崎县COVID-19感染的时空格局
公共卫生档案(2022)
浙江省2019冠状病毒病流行期间19种主要传染病与往年比较及预防措施启示
BMC传染病(2022)
赛前检测和隔离对降低COVID-19疫情反弹风险的影响:一项模拟研究
BMC传染病(2022)