3月23日，medRxiv预印本发表了题为“From a single host to global spread. The global mobility based modelling of the COVID-19 pandemic implies higher infection and lower detection rates than current estimates.”的文章。
自COVID-19大流行爆发以来，很多研究已经进行了多方面的工作来模拟病毒的地理-时间传播性，但没有一个成功地在全球级别描述病毒大流行。文章提出了第一个COVID-19全球流行模型（GLEaM）。该模拟仅从中国武汉的一个症状前但具有传染性的病例开始，结果准确预测了三大洲多个国家125天后的确诊病例数。
根据文献资料，作者将缺失的参数与病毒传播的动态观测值拟合，建立了一个修正的SIR模型，并对其进行参数化分析。将分析结果与68个选定国家的确诊病例数进行了比较，所得的95%置信区间结果与事实数据吻合较好。
文章模型模拟的大流行参数如下：基本繁殖数R0约为4.4；无症状潜伏期为1.1天；症状前感染期为4.6天；发展为严重症状的概率为0.01；出现严重症状时被诊断出的概率为0.6；出现轻微症状或无症状的病例被诊断出的概率为0.001。而且，每个国家的检测率越高，数据（诊断病例）与模型之间的差异就越小。
成功拟合的观察病例数表明，R0和病毒的流行率都可能被低估。这与对无证COVID-19病例的最新研究一致。因此，实际死亡率可能比估计的要低。所以，通过进一步改进模型和筛选试验来确认大流行特征，对于制定应对全球流行病危机的有效战略至关重要。
