《1月24日_数据共享与传染病暴发:最好的示例》

  • 来源专题:COVID-19科研动态监测
  • 编译者: wangyb
  • 发布时间:2020-01-29
  • 【专家观点:评述提到针对2019nCoV更多的数据的发布将有助于尽快明确病毒传播特点疫情的防控和临床救治。

    发表时间:2020年1月24日。

    发表团队和机构:英国伦敦健康与热带医学院。

    作者:David L Heymann david.(英国伦敦健康与热带医学院,传染病流行病学系;Infectious Disease Epidemiology, London School of Hygiene & Tropical Medicine, London WC1E 7HT, UK) heymann@lshtm.ac.uk)

    文章主要内容如下:

    英国伦敦健康与热带医学院David L Heymann david教授针对两篇关于2019-nCoV研究的《柳叶刀》杂志发表文章进行评述。其中一篇为黄朝林等研究人员发布的关于2019-nCoV感染者临床特征的文章,另一篇为Jasper Fuk-Woo Chan教授等发表的关于聚集性病例的文章。评述指出,2019年新型冠状病毒的出现和流行是动物源传染病防控的又一重要案例。临床数据对于明确以何种方式管理患者至关重要。两篇文章分别描述家庭聚集性病例和临床病患的发病过程、临床表现和实验室指标。提出了存在3-6天潜伏期等观点,但这些信息均来自一代病例,目前根据疫情情况出现了二代病例,随后可能由三代病例。在临床一线的医务工作者如何有效控制风险应重点考虑。评述提到针对2019nCoV更多的数据的发布将有助于尽快明确病毒传播特点疫情的防控和临床救治。相关研究成果于1月24日发表在《柳叶刀》,文章题目为“Data sharing and outbreaks: best practice exemplified”。

  • 原文来源:https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)30184-7/fulltext
相关报告
  • 《数据共享与传染病暴 发:最好案例》

    • 来源专题:实验室生物安全
    • 编译者:张虎
    • 发布时间:2020-02-03
    • 主要内容: 2019年新型冠状病毒(2019-nCoV)目前的爆发是体现动物源传染病防控重要性的又一案例。 在暴发开始时,随时可用的数据信息对于开始了解疾 病风险和疾病暴发控制策略所需的评估是重要的。这些数据信息包括来自传染病暴发现场和实验室初步检测报告,以及从之前类似疾病暴发中获得的数据信息。随着疫情的继续,需要有助于完善风险评估的信息,并确保以尽可能好的方式管理患者。这些数据信息包括传播途径和可传播性、人类感染的自然历史、处于危险中的人群、用于管理患者的成功临床实践、诊断患者所需的实验室信息以及用于评估病毒稳定性的基因序列信息。 作者评述陈福和及其同事对广东省深圳一个6人家庭群进行的研究,这些人在前往中国湖北省武汉市旅行后返回家中感染;以及评述黄朝林及其同事对41名确诊感染并在武汉住院的人进行了研究,确定武汉是疫情开始的地方。这些疾病发生早期重要的文章包括联系信息和潜伏期的估计,感染者的年龄及其临床表现,实验室和放射信息,以及导致他们感染的接触者的信息。这是一种潜伏期为3-6天的疾病,并潜伏着发烧、咳嗽和肌肉疼痛,可能伴随腹泻或呼吸急促。实验室检查结果包括白细胞减少和双侧毛玻璃混浊的放射学表现。一些患者有轻度疾病,但年龄较大的患者(大于60岁)发展为严重急性呼吸窘迫综合征,需要插管和重症监护。一些感染病例以死亡告终,但目前无法确定病死率。虽然这些报告证实了人与人之间的传播,但不能从公布的资料中推测传播途径和传播力。这些信息现在看来是来自第一代病例,但当时似乎在潜伏期内已经出现了第二代,也可能是第三代病例,新一代感染者包括了医疗人员。提示医疗人员需要进行洗手等防护感染措施。 作者阐述数据信息分享具有重要意义,有利于控制疫情,对临床医生诊疗具有指导意义,随着不同的新数据的共享提供,有利于各国修改其风险评估和管理疾病控制策略。
  • 《1月28日_日本北海道大学研究人员开发出一种利用非病毒学数据可提前评估传染病风险的方法》

    • 来源专题:COVID-19科研动态监测
    • 编译者:xuwenwhlib
    • 发布时间:2020-02-07
    • 1.时间:2020年1月28日 2.机构或团队:日本北海道大学 3.事件概要: 日本北海道大学研究人员在预印版服务平台medRxiv上发表文章,题为“Epidemiological identification of a novel infectious disease in real time: Analysis of the atypical pneumonia outbreak in Wuhan, China, 2019-20”。研究人员从两个医学社交媒体站点实时收集持续暴发的特征,将它们与可诱发非典型肺炎的十种现有病原体的特征进行了比较。推断当前暴发是由于“疾病X”(即先前未知的病因)而不是已知病原体之一的可能性,并且随着暴发的继续更新这一估计值。结果显示,2019年12月31日,即病毒识别前一周,疾病X导致暴发的可能性被评估为超过32%。在2020年1月5日通过实验室测试排除了某些特定病原体后,推断出X病的可能性超过59%。该方法仅使用常规观察到的非病毒学数据,可以在获得病毒学检测结果之前帮助进行风险评估。 *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。