《从公开报告的确诊病例看2019冠状病毒病(COVID-19)的潜伏期:估计和应用》

  • 来源专题:新发突发疾病(新型冠状病毒肺炎)
  • 编译者: 蒋君
  • 发布时间:2020-03-28
  • 2019年12月,一种新型人类冠状病毒--严重急性呼吸综合征冠状病毒2 (SARS-CoV-2)在中国被发现。对其许多关键流行病学特征的支持有限,包括临床疾病潜伏期(2019冠状病毒疾病[COVID-19]),这对监测和控制活动具有重要意义。本研究旨在估计COVID-19潜伏期的长度并描述其对公共卫生的影响。对2020年1月4日至2020年2月24日期间报告的19例确诊病例进行汇总分析。数据来自中国湖北省以外地区确诊的SARS-CoV-2感染者。测量指标:患者人口统计特征和可能接触的日期和时间、症状出现、发烧和住院。结果:有181例确诊病例有可识别的暴露和症状出现窗口来估计COVID-19的潜伏期。中位潜伏期估计为5.1天(95%置信区间,4.5至5.8天),97.5%出现症状的人将在感染后11.5天(置信区间,8.2至15.6天)内出现症状。这些估计表明,在保守的假设下,每10 000例中有101例(第99百分位数,482例)在经过14天的积极监测或隔离后出现症状。限制:公开报告的病例可能夸大了严重病例的潜伏期,这可能与轻度病例的潜伏期不同。结论:这项工作为COVID-19的中位潜伏期提供了额外的证据,潜伏期大约为5天,与SARS相似。我们的研究结果支持目前关于对可能接触SARS-CoV-2的人进行隔离或积极监测的建议,尽管在极端情况下延长监测期可能是合理的。

相关报告
  • 《估计2019冠状病毒(COVID-19)的潜伏期》

    • 来源专题:新发突发疾病(新型冠状病毒肺炎)
    • 编译者:蒋君
    • 发布时间:2020-03-16
    • 动机:武汉市肺炎是由2019新型冠状病毒(COVID-19)引起的急性传染病。尽管根据中国《传染病预防法》被列为B类,但仍被视为A类传染病。准确估计冠状病毒的潜伏期对于预防和控制至关重要。但是,尽管确切的潜伏期尚不清楚,但据信COVID-19的症状可能在暴露后少至2天或长达14天甚至更长的时间内出现。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该数据。在这项研究中,我们旨在利用感染链数据准确计算COVID-19的潜伏期,在武汉地区以外有充分的文献记载并提供流行病学信息。方法:我们收集了除湖北省以外的中国10个地区的官方报告的COVID-19数据。为了准确地计算潜伏期,我们只涉及官方确认的病例,这些病例具有明确的接触史和发病时间。我们排除了没有相关流行病学描述,在武汉工作或生活了很长时间或难以确定可能的暴露时间的人群。我们提出了一种蒙特卡罗模拟方法来估算COVID-19的孵育以及采用的非参数方法。我们还运用多元学习和相关的统计分析来解释不同年龄/性别组之间的孵化关系。结果:COVID-19的潜伏期不遵循一般的潜伏期分布,例如对数正态分布,Weibull和Gamma分布。我们估计,通过蒙特卡洛模拟,其孵化的平均值和中位数分别为5.84和5.0天。我们发现年龄> = 40岁和年龄<40岁的组的潜伏期显示出统计学上的显着差异。前者的潜伏期比后者长。它进一步建议应针对不同的潜伏期将不同的隔离时间应用于各组。我们的机器学习分析还表明,两组是线性可分离的,COVID-19的孵化率与之前的统计分析一致。我们的结果进一步表明,男女之间的孵化差异没有显示出统计意义。
  • 《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。