谁的新冠病毒遏制策略最有效？ 科学家寻找最有效的方法

　　

据Nature报道，研究人员正在筛选数据，比较各国截然不同的遏制措施。

香港似乎在如何有效遏制COVID-19方面起到了示范作用。它有750万人口，仅报告了4人死亡。研究香港方法后，研究人员发现香港采取了迅速监视，社会隔离（例如使用口罩和学校停课）等措施，有助于减少冠状病毒的传播：以每位感染者的平均感染人数R值来衡量，在2月初之前接近1的临界水平。本月发表的论文“Impact assessment of non-pharmaceutical interventions against coronavirus disease 2019 and influenza in Hong Kong: an observational study”说明了相关情况。

目前，科学家们最紧迫的问题之一，就是研究全球范围内采取限制冠状病毒传播措施的有效性。研究人员希望他们最终能够准确地预测添加和删除控制措施，会如何影响传播率和感染人数。这些信息对于政府设计复工复产的策略，同时保持较低的传播率以防止第二波感染是必不可少的。

“这与下一次疫情无关。而是关于‘我们现在要做什么？’”伦敦卫生与热带医学学院（LSHTM）的数学建模者Rosalind Eggo说。

科学家们已经在研究模型，这些模型使用来自各个国家的数据来了解控制措施的效果。基于实际数据的模型应比在爆发开始时主要使用假设来预测干预措施效果的模型更为准确。结合来自世界各地的数据，研究人员可以比较各国的反应。并且与各个国家的研究相比，还可以有助于进一步设计模型，对大流行的新阶段以及在许多国家进行更准确的预测。

但是，搞清因果关系是极具挑战性的，部分原因是每个国家的情况各不相同，而且不知道有多少人会按照要求，采取措施。“这确实很难，但这并不意味着我们应该放弃尝试。”

齐心协力

LSHTM小组为世界卫生组织（WHO）准备了一个数据库，该数据库汇集了已在全球范围内引入的数百种不同干预措施的信息。这个小组包括英国牛津大学，维也纳科学中心（CSH Vienna），ACAPS等处的科学家。

LSHTM项目数据科学家Chris Grundy说，该数据库将标准化不同团队收集的信息，并且应该比单个小组可以生成的任何信息更全面。

像世界卫生组织这样的机构通常会跟踪疾病暴发中使用的控制措施，但对于COVID-19，大流行的速度和规模使情况变得复杂。LSHTM招募了1,100名志愿者，负责清理和合并信息。 Grundy说，该数据集将开放给任何人使用，并将在将来进行改进。他说，速度至关重要。

国家措施分类

两组科学家正在分析相关数据，他们的方法包括根据流行病在多大程度上开始采取干预措施，以及引入的限制总数来对国家进行聚类。例如在欧洲，研究小组将瑞典，英国和荷兰列为行动相对较慢的国家。在流行病的早期阶段，所有这三个国家都实施了“群体免疫”战略， 很少的措施或依赖自愿遵守的措施，不过后来英国和荷兰转向更积极的应对措施，包括在全国范围内实施封锁。

与此同时，德国和奥地利在采取积极和早期控制策略等方面表现得更为突出，而意大利，法国和西班牙则采取了类似的措施，包括进行封锁。迄今为止，德国和奥地利这些国家人均死于COVID-19的比例很小。

研究早期发现还表明，相对于疫情爆发的严重程度，较贫穷的国家倾向于采取比富裕的国家更严格的措施。例如，海地在确认首例案件时就实施了封锁，而美国在首例死亡后等待了两个多星期才发出留在家里的命令。牛津大学公共政策研究人员Anna Petherick表示，这可能是因为卫生保健系统不发达的低收入国家采取了更为谨慎的行动。她说，这也可能反映出疫情是较晚到达这些国家的，这使它们有更长的时间向其他国家学习。

模式和预测

最终，研究人员希望LSHTM数据库中的数据不仅仅是检查响应的差异，还可以了解这些策略在限制疾病爆发方面的有效性。Eggo说：“我们确实需要实时评估这些干预措施，以便每个人都可以制定切实可行的政策。”  “如果我们不知道什么有效，我们也不知道多少有效，那么决定下一步该做什么将非常困难。”

理想情况下，研究人员将能够预测随着时间的推移，添加和删除干预措施将如何改变感染数量。维也纳CSH和维也纳医科大学的数学物理学家Nils Haug说，政策制定者可以使用这种预测，以及有关重症监护能力的数据来做出决策（例如是否重开学校）。

Haug是一个由15人组成的建模团队的成员，他们的研究方向是使用哪种统计方法。这些方法可以直接找到确定最佳预测感染率的措施，而不必直接确定每种干预措施的确切效果。一种方法涉及使用称为递归神经网络的机器学习技术从数据中的模式中学习并进行预测。研究人员可以通过查看从网络中删除有关干预措施的信息时预测的变化来了解某些给定干预措施的重要性。

另一种技术是回归分析，它估算了所有国家/地区中特定度量（例如，学校关闭）和度量标准（例如，R）之间的关系强度。例如，使用诸如套索之类的回归技术，研究人员可以确定哪些措施使R值减少得最多。

Haug说，但是所有方法都有局限性。研究人员希望能够解释一些国家的特殊情况，例如某些国家的代际家庭患病率更高，这可能会加速传播。维也纳团队尝试将这些不同的特征直接纳入其模型。目前，他们会将它们全部捕获为一个变量，从而改变每个国家/地区的R值。

没有疫苗，没有有效的治疗方法，因此遏制传播仍然是对抗COVID-19的唯一防御措施。 Petherick说，了解每种控制措施的效果对于找出可以安全更改或删除的措施至关重要。她说：“如果我们能够了解应该采取的措施以及最有效的方法，以便能够阻止扩散，保护大家的健康，我认为那将是巨大的贡献。”

（生物通）