疾病监测

作者：刘天,侯清波,姚梦雷,黄继贵,陈红缨

关键词：代间隔, 基本再生数, 有效再生数, SEIARD, 新型冠状病毒肺炎

  目的  以美国新型冠状病毒肺炎（COVID-19）数据为例，利用R软件演示暴发疫情处置中代间隔（SI）、基本再生数（R0）、有效再生数（Re）、倍增时间和疫情规模的计算，为今后暴发疫情处置提供参考。  方法  收集美国2020年2月27日至2020年11月30日COVID-19逐日发病数据、国内2起疫情170对感染者与被感染者的代间隔（SI）数据。采用“fitdistrplus”包自助法对SI数据拟合“gamma”分布，得到SI均数和标准差。 采用指数增长（EG）、极大似然法（ML）、序贯贝叶斯估计（SB）、时间相关再生数（TD）4种方法，利用获取的SI计算R0，选择拟合效果最好的作为R0估计值，评价指标选择R2。 倍增时间基于EG的指数增长率进行换算。 利用“EpiEstim”包计算Re；利用SEIARD模型估计不采取任何干预措施美国未来的病例数，用“deSolve”、“FME”包。  结果  170对感染者与被感染者数据拟合得到SI=4.78（95%CI：4.27～5.31），标准差sd=3.56。 EG、ML、SB、TD拟合R0依次为2.31（95%CI：2.30～2.31）、1.96（95%CI：1.95～1.97）、3.01（95%CI：2.53～3.55）、3.07（95%CI：2.20～4.22），R2依次为0.95、0.73、0.99、0.96。 倍增时间为3.75 d（3.74～3.77 d）。 利用SEIARD估计理想状态下美国将于2020年5月30日全民感染，至2021年6月7日所有感染者清零，累计死亡5502466人。  结论  利用R软件能对R0等传播动力学参数、疫情规模快速计算，在暴发处置中值得学习使用。 动力学参数、疫情规模快速计算，在暴发处置中值得学习使用。

来源：2022年第9期

《疾病监测》期刊编辑部

查看疾病监测杂志2022年第9期