冠状病毒2019-20(COVID-19,新冠肺炎)大流行已经对全球公共卫生,世界经济和社会经济格局造成了巨大影响。香港理工大学一个研究小组投身于新冠肺炎流行病学研究的前沿。该小组的成员包括香港理工大学应用数学系的何岱海博士和楼一均博士及护理学院的杨琳博士。该小组不懈地致力于新冠肺炎的资料分析和模型分析,旨在向决策者和公众提供最新的准确资讯。

该团队是最活跃的流行病学研究团队之一,并取得了一些有见地的结果。比如,该小组的关于爆发早期阶段中国湖北武汉市新冠肺炎基本再生数的初步估计1的文章已在Google学术搜索中被引用418次,这表明该研究的重要性。

这是其工作的简短摘录。有关各种研究发现的详细资讯,请参阅本文末尾的参考文献。

香港理工大学的研究发现

准确估计新冠肺炎的主要流行病学参数2对于缓解爆发至关重要。香港理工大学的研究小组基于公开的资料最早(1月23日)计算出新冠肺炎的传播性(基本再生数),即平均一个原发病例可导致2-3个继发病例。值得一提的是,团队首次指出确诊率(报告率,报告病例占实际感染的比例)对基本再生数的估计的影响1。每日新增的报告病例在1月中下旬突然增加,部分原因是测试能力的提高。在后续的工作中,团队计算了1月中旬武汉市由于测试能力不够和意识不足而漏报的病例数目3。这些工作对于认识疫情规模是非常重要的。

图. 黄色方块表示每日报告新增病例。经典的流行病学理论告诉我们,爆发中每日新增病例会呈指数增长,如蓝色曲线所示。紫色阴影所示的时间间隔中,每日报告新增病例明显低于理论预测(蓝色曲线),极有可能存在漏报。通过比较蓝色曲线(理论预测)和实际报告的病例,团队估计了这段时间内的漏报3

同时,团队量化了交通运输4, 5(尤其是火车运输)对新冠肺炎从武汉市到其他大陆城市的空间扩散的影响。团队使用简单的线性回归模型,基于武汉市以外城市的报告病例,以及从武汉市到其他城市的人口流动资料,估计了交通运输对武汉市到其他城市的病例输出的影响。团队还量化了无症状病例的相对传播能力,发现无症状病例的传播能力是有症状病例的1/46。因此,无症状病例在新冠肺炎传播中的作用可能较弱。

团队还计算了代间隔7, 8(从原发病例症状发作至继发病例症状发作的时间延迟)这一个重要参数,与基本再生数一起控制新冠肺炎的传播速度。基本再生数决定了每个原发病例的预期继发病例的数目,而较短的代间隔意味着一旦有了原发病例,继发病例会在短时间内出现。因此及时发现和隔离病患和密切接触者至关重要。

团队是第一个量化新冠肺炎病例的传播能力的不均匀性9,发现新冠肺炎的传播能力不均匀性明显小于严重急性呼吸系统综合症(SARS),这部分解释了为什么新冠肺炎可能会长期存在并且难以根除。病例的传播能力较均匀的病毒较容易在人群中存在。在2003年香港的SARS爆发期间,患者的传染能力表现出较大的差异,即少数病例具有很高的传染性(所谓的超级传播者),从而导致许多继发性病例,而大多数病例传染性低,只导致了很少的继发性病例。这使得SARS相对易于控制,即以超级传播者为目标的控制措施有效。在新冠肺炎疫情中,虽然发生了超级传播事件,但病例的传染性相对均匀,因此,在没有严格控制措施的情况下,新冠肺炎较容易在人群中持续传播。

团队开发了数学模型来评估控制措施的影响并预测中国武汉市的暴发趋势10, 11。团队对比1918-19年流感大流行与新冠肺炎疫情12。鉴于1918-19年流感和新冠肺炎在传播率和严重程度上较相似,我们认为前者的多波特征和持续时间可作为后者的参考。

团队与深圳市疾病预防控制中心合作,量化 COVID-19的复发率(出院/康复的新冠肺炎患者中在随访中再出现RT-PCR检测阳性的比例)13。在两次相邻的RT-PCR测试均为阴性并在无症状的情况下,新冠肺炎患者可以出院。但是,团队发现10.5%出院的患者在出院后平均4.7天左右再出现RT-PCR阳性,显示有排出病毒(或病毒基因片断)。这有可能是由于测试准确性,或者反映患者体内病毒的代谢过程。团队首次量化了复发率和相关风险因素。

杨琳博士及合作者还发表了有关新冠肺炎对孕妇和新生儿的影响14,以及新冠肺炎对于医护人员的心理健康,危险因素和社交媒体使用方面的工作15。这些都是非常重要的课题。

团队的工作得到香港研究资助局和阿里巴巴(中国)有限公司合作研究基金的支持。


参考资料
何岱海博士、楼一均博士和杨琳榑士发布的新冠肺炎出版刊物和预印本

  1. Zhao S, Lin Q, Ran J, Musa SS, Yang G, Wang W, Lou Y, Gao D, Yang L, He D, and Wang MH. (2020) Preliminary estimation of the basic reproduction number of novel coronavirus (2019-nCoV) in China, from 2019 to 2020: A data-driven analysis in the early phase of the outbreak. International Journal of Infectious Diseases. 01-050.
  2. Li Ying-ke, Zhao Shi, Lou Yi-jun, Gao Dao-zhou, Yang Lin, He Dai-hai (2020) Epidemiological parameters and models of coronavirus disease 2019 (COVID-19). Acta Physica Sinica, accepted.
  3. Zhao S, Musa SS, Lin Q, Ran J, Yang G, Wang W, Lou Y, Yang L, Gao D, He D, and Wang MH. (2020) Estimating of the unreported number of novel coronavirus (2019-nCoV) cases in China in the first half of January 2020: A data-driven modelling analysis of the early outbreak. Journal of Clinical Medicine. 9(2), 388.
  4. Zhao S, Zhuang Z, Cao P, Ran J, Gao D, Lou Y, Yang L, Cai Y, Wang W, He D, and Wang M. (2020) Quantifying the association between domestic travel and the exportation of novel coronavirus (2019-nCoV) cases from Wuhan, China in 2020: A correlational analysis. Journal of Travel Medicine. 2020:1-3.
  5. Zhao S, Zhuang Z, Ran J, Lin J, Yang G, Yang L and He D. (2020) The association between domestic train transportation and novel coronavirus outbreak in China, from 2019 to 2020: A data-driven correlational report. Travel Medicine and Infectious Diseases. 33:101586.
  6. He D, Zhao S, Lin Q, Zhuang Z, Cao P, Wang MH, and Yang L (2020). The relative transmissibility of asymptomatic COVID cases among close contacts. International Journal of Infectious Diseases. In press.
  7. Zhao S, Cao P, Gao D, Zhuang Z, Cai Y, Ran J, Chong MKC, Wang K, Lou Y, Wang W, Yang L, He D, and Wang MH (2020) Serial interval in the estimation of reproduction number of the novel coronavirus disease (COVID-19) during the early outbreak. Journal of Travel Medicine. In press.
  8. Zhao S, Cao P, Chong MKC, Gao D, Lou Y, Ran J, Wang K, Wang W, Yang L, He D, and Wang MH. (2020) COVID-19 and gender-specific difference: Analysis of public surveillance data in Hong Kong and Shenzhen, China, from January 10 to February 15, 2020. Infection Control & Hospital Epidemiology. In press.
  9. He D, Zhao S, Xu X, Zhuang Z, Cao P, Wang M H, Lou Y, Wu Y & Yang L (2020). Individual variation in infectiousness of coronavirus 2019 implies difficulty in control. Available at SSRN 3559370.
  10. Lin Q, Zhao S, Gao D, Lou Y, Yang S, Musa SS, Wang MH, Cai Y, Wang W, Yang L, He D. (2020) A conceptual model for the outbreak of coronavirus disease 2019 (COVID-19) in Wuhan, China with individual reaction and governmental action. International Journal of Infectious Diseases. 93:211-216.
  11. Zhao S, Stone L, Gao D, Musa SS, Chong MKC, He D, and Wang MH (2020) Imitation dynamics in the mitigation of the novel coronavirus disease (COVID-19) outbreak in Wuhan, China from 2019 to 2020. Annals of Translational Medicine. In press.
  12. [1] He D, Zhao S, Li Y, Zhuang Z, Cao P, Gao D, ... & Yang L (2020). History is the best model–a comparison of the COVID-19 with the 1918-19 pandemic influenza in United Kingdom. Available at SSRN 3582393.
  13. Tang X, Zhao S, He D, Yang L, Wang MH, Li Y, Mei S & Zou X (2020). Positive RT-PCR tests among discharged COVID-19 patients in Shenzhen, China. Infection Control & Hospital Epidemiology1-7.
  14. Li N, Han L, Peng M, Lv Y, Ouyang Y, Liu K, ... & Yang L (2020). Maternal and neonatal outcomes of pregnant women with COVID-19 pneumonia: a case-control study. Clinical Infectious Diseases.
  15. Ni M Y, Yang L, Leung C M, Li N, Yao X I, Wang Y, ... & Liao Q (2020). Mental health, risk factors, and social media use during the COVID-19 epidemic and cordon sanitaire among the community and health professionals in Wuhan, China. JMIR Public Health and Surveillance.

2020年5月