《3月19日_香港大学等团队更新传播动力学模型评估武汉COVID-19的临床严重程度》

  • 来源专题:COVID-19科研动态监测
  • 编译者: xuwenwhlib
  • 发布时间:2020-03-20
  • 信息名称:香港大学等团队更新传播动力学模型评估武汉COVID-19的临床严重程度
    1.时间:2020年3月19日
    2.机构或团队:香港大学世界卫生组织传染病流行病学及控制合作中心、哈佛大学陈曾熙公共卫生学院
    3.事件概要:
    3月19日,Nature Medicine期刊发表了来自香港大学世界卫生组织传染病流行病学及控制合作中心、哈佛大学陈曾熙公共卫生学院的题为“Estimating clinical severity of COVID-19 from the transmission dynamics in Wuhan, China”的文章。
    截至2020年2月29日,武汉市发生确诊病例48557例,死亡2169人。在新病原体出现期间,一个关键的公共卫生优先事项是估计临床严重程度,这需要适当调整病例确诊率,以及症状开始到死亡之间的延迟时间。
    文章扩展了该团队于1月31日在《柳叶刀》发表的传播动力学模型,用实时输入数据进行了更新,并用额外的新数据源进行了丰富,从而推断出一组初步的临床严重程度估计值,该估计值可在全球COVID-1 9持续蔓延时指导临床和公共卫生决策。
    文章最新估计的武汉市COVID-19的总体症状性病死风险(出现症状后死亡的概率)为1.4%(0.9-2.1%),大大低于截至2020年2月29日的相应粗略或纯确诊病死风险(2169/48557 =4.5%)和死亡/(死亡 + 恢复)近似值(2169/(2169 + 17572) = 11%)。文章发现,与30-59岁的人相比,30岁以下和59岁以上的人在出现症状后死亡的可能性分别为0.6倍(0.3-1.1)和5.1倍(4.2-6.1)。症状性感染的风险随着年龄的增长而增加(例如,30-60岁的成年人约为4%/年)。
    4.附件:
    原文链接
    https://www.nature.com/articles/s41591-020-0822-7
    相关参考文献:
    https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)30260-9/fulltext

  • 原文来源:https://www.nature.com/articles/s41591-020-0822-7
相关报告
  • 《香港大学等团队更新传播动力学模型评估武汉COVID-19的临床严重程度》

    • 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:2020-03-29
    • 3月19日,Nature Medicine期刊发表了来自香港大学世界卫生组织传染病流行病学及控制合作中心、哈佛大学陈曾熙公共卫生学院的题为“Estimating clinical severity of COVID-19 from the transmission dynamics in Wuhan, China”的文章。 截至2020年2月29日,武汉市发生确诊病例48557例,死亡2169人。在新病原体出现期间,一个关键的公共卫生优先事项是估计临床严重程度,这需要适当调整病例确诊率,以及症状开始到死亡之间的延迟时间。 文章扩展了该团队于1月31日在《柳叶刀》发表的传播动力学模型,用实时输入数据进行了更新,并用额外的新数据源进行了丰富,从而推断出一组初步的临床严重程度估计值,该估计值可在全球COVID-1 9持续蔓延时指导临床和公共卫生决策。 文章最新估计的武汉市COVID-19的总体症状性病死风险(出现症状后死亡的概率)为1.4%(0.9-2.1%),大大低于截至2020年2月29日的相应粗略或纯确诊病死风险(2169/48557 =4.5%)和死亡/(死亡 + 恢复)近似值(2169/(2169 + 17572) = 11%)。文章发现,与30-59岁的人相比,30岁以下和59岁以上的人在出现症状后死亡的可能性分别为0.6倍(0.3-1.1)和5.1倍(4.2-6.1)。症状性感染的风险随着年龄的增长而增加(例如,30-60岁的成年人约为4%/年)。 相关参考文献: https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)30260-9/fulltext
  • 《3月17日_基于机器学习模型对严重COVID-19感染患者的生存预测》

    • 来源专题:COVID-19科研动态监测
    • 编译者:zhangmin
    • 发布时间:2020-03-19
    • 1.时间:2020年3月17日 2.机构或团队:华中科技大学、武汉科技大学、卢森堡系统生物医学中心、剑桥大学 3.事件概要: medRxiv预印平台于3月17日发表了华中科技大学等的题为“A machine learning-based model for survival prediction in patients with severe COVID-19 infection”的文章。文章称,COVID-19病例的突然增加给全世界的医疗系统带来了巨大的压力。在当前阶段,快速、准确和早期的临床评估疾病的严重程度至关重要。文章利用了来自武汉地区404名感染患者的血液样本数据库,以确定能预测疾病严重程度的重要生物标志物,最终机器学习工具选择了三种生物标志物来预测个体患者的生存率,准确性超过90%:乳酸脱氢酶(LDH),淋巴细胞和高敏C反应蛋白(hs-CRP)。文章指出,特别是LDH水平,较高的LDH水平似乎在区分绝大多数需要立即就医的病例中起着至关重要的作用。该发现与当前医学知识一致,即高LDH水平与各种疾病(包括肺部疾病,如肺炎)中发生的组织分解有关。总体而言,文章提出了一个简单且可操作的公式,可以用于快速预测处于最高风险的患者,从而使他们优先获得治疗,从而降低死亡率。 *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/10.1101/2020.02.27.20028027v3