2月5日_多伦多大学建模分析2019年新型冠状病毒疫情报告、疫情增长和繁殖数量
1.时间：2020年2月5日
2.机构或团队：加拿大多伦多大学达拉拉纳公共卫生学院
3.事件概要：
多伦多大学公共卫生学院的研究人员在Annals of Internal Medicine期刊上发表论文 “Reporting, Epidemic Growth, and Reproduction Numbers for the 2019 Novel Coronavirus (2019-nCoV) Epidemic”，通过2019-nCoV的病毒流行学的特征建立传播模型，以了解病例发现的变化和疫情增长的特点。
研究人员建立了一个简单的疾病传播模型，其中将2019-nCoV疫情建模为从2019年11月中旬开始的分支过程，序列间隔为7天（病例间隔时间），基本繁殖数R0为2.3（每个病例都有新病例），该模型基于可用数据并且假定没有干预。流行病开始日期将建模的病例数与国际病例输出数据中的预估值对齐。该模型估算了2020年1月24日在武汉和中国周边地区实施隔离后的有效繁殖数量的合理值（Re为在有控制措施的情况下的繁殖数量）。
使用上述流行病增长模型（包括控制措施的表示）可以提供对2019-nCoV疫情增长的有效预测，这在公开报告的数据中是无法直接观察到的。模型和报告病例数的比较表明，随着时间的推移，报告的滞后性在减少，而病例确定性在增加。模型病例数与确诊病例数之间的差距缩小表明，中国正在进行的大规模公共卫生工作正在增加对2019-nCoV病例的确诊率。报告病例数量的大幅度跃升既是疾病活动的表现，也是一项正在“追赶”流行病的监测工作。
此外，等高线图可用于间接估算引入控制措施后Re，因为超过给定等高线的实例计数表明Re的值是不可信的。该模型的潜在局限性包括轻度感染的代表性不足及其对当前以中国为中心的疫情的关注。如果这种疫情在全球暴发，个别国家的流行病学可能会有所不同。尽管如此，即使现有的疾病数据被延迟或不完整，该模型工具也可以通过允许对流行病可能的潜在动态进行推断来帮助决策者。
该研究将继续根据这些预测绘制案件统计（将更新的计数合并到已开发的在线工具中）。如果累积病例数趋于平坦并与等高线水平相交，则说明控制力正在提高，平均繁殖数量正在减少，或者（悲观的解释）由于实验室或人力资源有限，病例确定工作正在陷入困境。相反，如果报告的病例数越过其上方的等高线，则意味着Re的最小值将更高。
4.附件：
原文链接：https://annals.org/aim/fullarticle/2760912/reporting-epidemic-growth-reproduction-numbers-2019-novel-coronavirus-2019-ncov
