1.时间:2020年4月1日
2.机构或团队:哈佛大学陈曾熙公共卫生学院
3.事件概要:
哈佛公共卫生学院的研究人员在The Lancet Infectious Diseases在线发表论文“Using observational data to quantify bias of traveller-derived COVID-19 prevalence estimates in Wuhan, China”。
文章指出,利用国际旅行者的输入性病例数进行COVID-19的发病率的估算通常是基于以下假设:在旅行者中的所有病例都已确定,且旅行者和居民的感染率相同。然而,调查结果表明,各地在发现输入性病例的能力上存在差异。而新加坡在以往的传染病疫情暴发期间,具有很强的流行病学监测和接触者追踪能力,并且在COVID-19暴发期间始终显示出对病例检测的高度敏感性。研究人员使用贝叶斯模型方法估计了194个地点(不包括中国)与新加坡相比的对输入性COVID-19病例的相对检测能力。此外,研究人员还建立了一个简单的疫情中心的旅行者相对于当地居民的感染率的数学模型。
结果显示,通过模型估算,武汉到各地的COVID-19输出病例的全球加权检测能力为新加坡的38%(95%最高后验密度区间[HPDI] 22-64)。如果所有地点的检测能力与新加坡相同,那么这个数值相当于目前可以检测到的输入并报告的病例数的2.8倍(95%HPDI为1.5-4.4)。使用全球卫生安全指数的第二个组成部分对可能的病例检测能力进行分层,监测能力强的地点检测输入病例的能力为新加坡的40%(95% HPDI 22-67),监测能力中等的地点为37%(95% HPDI 18-68),监测能力低的地点为11%(95% HPDI 0-42)。将所有旅客视同当地居民对待(而不是考虑到部分旅客在武汉的短暂停留时间),这也是导致患病率被低估的原因之一。
文章指出根据旅行者中患者被100%发现的假设,对病例数的估计可能被低估了几倍。此外,严重程度的估计也会被夸大几倍,因为它们也依赖于病例数的估计。文章指出其模型支持以下证据,即未被检测到的COVID-19病例可能已在世界上大多数地方传播,而在检测能力低、与疫情中心连接性强的地区风险最大。
4.附件:
原文链接:https://www.thelancet.com/journals/laninf/article/PIIS1473-3099(20)30229-2/fulltext