《2019年冠状病毒病在潜伏期内传播可能导致的检疫漏洞》

  • 来源专题:生物安全知识资源中心 | 领域情报网
  • 编译者: hujm
  • 发布时间:2020-03-17
  • 华中科技大学的研究人员在medRxiv预印版平台发表论文“Transmission of corona virus disease 2019 during the incubation period may lead to a quarantine loophole”,文章评估了在潜伏期被感染但无症状的病例是否以及何时感染其他人。
    研究人员收集了中国地方政府公布的确诊病例的人口学特征、暴露史、症状发生日等资料。评估了50个感染群(包括124例)在潜伏期内的传播潜力。所有继发病例在症状出现前都有与第一代病例的接触史。分析结果显示,COVID-19的估计平均潜伏期为4.9天(95%可信区间[CI],4.4~5.4),范围为0.8~11.1天(2.5~97.5%)。连续间隔的平均值和标准差(SD)为4.1±3.3天,在-1天和13天分别为2.5%和97.5%。感染曲线显示,73.0%的继发病例感染日期早于第一代病例症状出现前,尤其是潜伏期的最后3天。文章指出COVID-9的传播是在潜伏期的密切接触者之间发生的,这可能导致出现检疫漏洞。在潜伏期高风险人群中,应采取强有力而有效的对策,以预防或减轻无症状传播。
    *注,本文为预印本论文手稿,是未经同行评审的初步报告,其观点仅供科研同行交流,并不是结论性内容,请使用者谨慎使用。

  • 原文来源:https://www.medrxiv.org/content/10.1101/2020.03.06.20031955v1
相关报告
  • 《3月8日_2019年冠状病毒病在潜伏期内传播可能导致的检疫漏洞》

    • 来源专题:COVID-19科研动态监测
    • 编译者:xuwenwhlib
    • 发布时间:2020-03-10
    • 3月8日_2019年冠状病毒病在潜伏期内传播可能导致的检疫漏洞 1.时间:2020年3月8日 2.机构或团队:华中科技大学同济医学院公共卫生学院、华中科技大学同济药学院 3.事件概要: 华中科技大学的研究人员在medRxiv预印版平台发表论文“Transmission of corona virus disease 2019 during the incubation period may lead to a quarantine loophole”,文章评估了在潜伏期被感染但无症状的病例是否以及何时感染其他人。 研究人员收集了中国地方政府公布的确诊病例的人口学特征、暴露史、症状发生日等资料。评估了50个感染群(包括124例)在潜伏期内的传播潜力。所有继发病例在症状出现前都有与第一代病例的接触史。分析结果显示,COVID-19的估计平均潜伏期为4.9天(95%可信区间[CI],4.4~5.4),范围为0.8~11.1天(2.5~97.5%)。连续间隔的平均值和标准差(SD)为4.1±3.3天,在-1天和13天分别为2.5%和97.5%。感染曲线显示,73.0%的继发病例感染日期早于第一代病例症状出现前,尤其是潜伏期的最后3天。文章指出COVID-9的传播是在潜伏期的密切接触者之间发生的,这可能导致出现检疫漏洞。在潜伏期高风险人群中,应采取强有力而有效的对策,以预防或减轻无症状传播。 *注,本文为预印本论文手稿,是未经同行评审的初步报告,其观点仅供科研同行交流,并不是结论性内容,请使用者谨慎使用。 4.附件: 原文链接:https://www.medrxiv.org/content/10.1101/2020.03.06.20031955v1
  • 《美国福特汉姆大学估计了2019年新型冠状病毒的潜伏期》

    • 来源专题:生物安全知识资源中心 | 领域情报网
    • 编译者:hujm
    • 发布时间:2020-03-04
    • 2月29日,medRxiv预印本发表了来自美国福特汉姆大学的题为“stimate the incubation period of coronavirus 2019 (COVID-19)”的文章,估计了2019年新型冠状病毒的潜伏期。 准确估计COVID-19的潜伏期是防治疫情的关键,然而目前尚不清楚COVID-19的确切潜伏期。尽管目前被认为COVID-19的症状可能在接触后2天内出现,或长达14天甚至更长时间。准确的潜伏期计算需要原始的感染链数据,而武汉地区可能无法完全获得这些数据。 本研究的目的是利用武汉地区以外的感染数据链,准确地计算COVID-19的潜伏期,这是一个有充分文献和流行病学信息支持的数据链。文章收集了湖北省以外10个地区官方报告的COVID-19数据。为了准确计算潜伏期,文章只采用有明确暴露史和发病时间的官方确诊病例。排除了那些在武汉长期工作或生活、但没有相关流行病学描述或难以确定可能接触时间的人群数据。提出了一种Monte Caro模拟方法来估计COVID-19的潜伏率,并采用了非参数方法。还运用多元学习和相关统计分析来解读不同年龄/性别之间的潜伏期关系。 结果表明,COVID-19的潜伏期不服从对数正态分布、Weibull分布和Gamma分布。通过bootstrap估计,其平均潜伏期和中位潜伏期分别为5.84天和5.0天,并提出了Monte Carlo模拟方法。文章发现年龄>=40岁和年龄<40岁组的潜伏期在统计学上有显著差异。前者潜伏期较长,变异较大,因此文章进一步提出不同的检疫时间应适用于不同的潜伏期。文章通过机器学习分析也表明这两组人群是线性可分的。COVID-19的潜伏期与先前的统计分析一致。文章分析结果还表明,男女之间的潜伏期不存在统计学差异。