德国 2020-2024 年 COVID-19 感染人数建模：揭示被低估的疫情真相

《Notfall + Rettungsmedizin》：Modellierung der COVID-Infektionszahlen in Deutschland (2020–2024)

为解决德国 SARS-CoV-2 感染人数数据不可靠、难以评估疫情社会经济影响的问题，研究人员开展了对 2020-2024 年德国 SARS-CoV-2 感染人数的建模研究。结果显示感染人数在 160 - 197 百万之间，远多于官方数据，2024 年官方数据漏报率超 80%，这为了解疫情真实情况提供依据。

　　新冠疫情自 2019 年爆发以来，迅速在全球范围内蔓延，给人类的生命健康和社会经济带来了巨大冲击。在德国，新冠病毒（SARS-CoV-2）的传播情况一直备受关注，但由于多种因素的影响，想要准确掌握其感染人数和传播趋势却困难重重。

起初，德国主要依靠基于症状或特定情况的检测来统计感染人数，随着人群免疫力的变化，检测策略和报告义务不断调整，导致目前无法发布有效的 SARS-CoV-2 感染病例数。同时，不同变异毒株的致病性差异较大，使得感染者的流行率与住院患者的流行率之间存在明显差异，这进一步增加了评估感染后果的难度。而且，新冠病毒感染除了会引发急性症状外，还会导致长期的健康问题，如长新冠（Long COVID ）和肌痛性脑脊髓炎 / 慢性疲劳综合征（ME/CFS），这些疾病给患者带来了极大的痛苦，也对医疗系统和社会造成了持续的负担。然而，由于缺乏可靠的数据来反映疫情的真实情况，无论是政府制定卫生政策，还是民众了解自身感染风险，都面临着很大的挑战。

为了填补这一数据空白，深入了解德国新冠疫情的真实状况，来自 Carbon Drawdown Initiative 等机构的研究人员 Dirk Paessler、Martin Hechler、Rutger Verbeek 等人开展了一项针对 2020 - 2024 年德国 SARS-CoV-2 感染人数的建模研究，相关成果发表在《Notfall + Rettungsmedizin》上。

研究人员采用了三种不同的模型计算方法。
第一种是 Paessler 模型，该模型以德国 25 个中央急诊室（ZNA）向 DGINA 急诊室信号灯系统报告的每日 COVID-19 住院数据为起始数据，通过假设的住院率推算感染人数。ZNA 作为重症疾病尤其是急性或重症感染疾病的首要就诊场所，能够近乎实时地反映人群感染情况的变化，而且专业的医护人员进行症状解读、SARS-CoV-2 检测和 COVID-19 诊断，减少了检测误差。同时，由于患者随时就诊，也基本排除了节假日等因素导致的报告延迟。
第二种是 Verbeek 模型，它综合了德国罗伯特?科赫研究所（RKI）报告的病例数、DIVI 重症监护登记数据（ITS）、AMELAG 废水病毒载量分析数据，以及 SentiSurv-RLP 项目中通过每周无怀疑检测获得的感染人数数据。通过这些数据确定当前的漏报系数（DZF），进而从官方数据推算出实际感染人数。
第三种是 Hechler 模型，该模型从数值和综合角度对疫情发展进行建模。它通过调整各种模型参数，来拟合 RKI 官方数据（新感染人数、住院人数、重症监护占用情况以及测序得出的变异株比例）的变化趋势，同时考虑了病毒特性、传播条件以及免疫情况等因素对感染过程的影响。

研究结果显示，三种模型计算出的累计感染人数趋势相似，但与 RKI 公布的数据存在显著差异。从累计感染人数曲线来看，自 2022 年 11 月起，RKI 公布的数据似乎趋于平稳，而三种模型显示感染人数仍在持续上升。在年度感染人数方面，所有模型都显示 2022 年感染人数达到峰值，并且自 2020 年以来，三种模型与 RKI 数据的差异逐渐增大。
研究还发现，三种模型在 2024 年预计的漏报系数在 80 - 120 之间。这意味着 RKI 在 2024 年公布的感染人数可能不到实际感染人数的 1%。通过相关性分析发现，三种模型与 AMELAG 废水报告（病毒载量）的相关性很强（r = 0.83 - 0.98），而与 RKI 和 DGINA 的住院数据、急诊首次就诊数据以及 Loenenbach 模型的相关性相对较弱（r = 0.77 - 0.78）。这表明 AMELAG 废水数据在评估疫情发展趋势方面具有较高的可靠性，可能是目前长期可用的最佳定量数据系列。

综合研究结果和讨论部分，这项研究具有重要意义。研究人员通过三种不同模型的计算，较为准确地估算出了德国 2020 - 2024 年的 SARS-CoV-2 感染人数，揭示了实际感染人数远多于官方报告数据的事实，让人们对德国新冠疫情的真实情况有了更清晰的认识。同时，研究结果也指出德国在新冠疫情监测方面存在严重不足，缺乏可靠的公开数据。这为政府制定更有效的卫生政策提供了重要依据，也提醒民众不能忽视新冠疫情的威胁，仍需保持警惕。此外，研究人员还提出了改进疫情监测的建议，如继续推进 AMELAG 废水项目，建立基于面板的全国性疫情监测系统，并加强对医院住院和重症监护患者等代理指标的每日监测，这些措施对于提高疫情监测水平、保障公众健康具有重要的参考价值。