《自然》论文点赞中国抗疫，模型显示不干预感染者或超七百万

作为一种新的传染病，新皇冠肺炎在世界上没有特定的药物和疫苗。因此，非药物干预措施主要用于控制各国的疫情。中国基于非药物干预的流行病遏制战略是有效的，但这些措施的效果如何？它的应用时间是什么时候？要回答这些问题，需要进行定量评估。

当地时间5月4日，*学术期刊《自然》发表了来自中国、英国和美国许多国家的研究团队的研究成果。通过建模，研究发现中国使用的三种非药物干预措施不仅遏制了中国新皇冠疫情的发展，而且为世界赢得了一个时间窗口。研究指出，如果不实施强有力的非药物干预“组合拳”，中国新增病例将增加67倍，达到700多万。

上述研究来自许多研究团队，如南安普敦大学、复旦大学、武汉疾病预防控制中心、哈佛大学和约翰·霍普金斯大学。

利用流行病学和匿名人类活动数据，研究人员建立了一个模型框架，使用日常旅行网络模拟中国各地的疫情爆发和干预计划。该模型估计，到2020年2月29日，*将总共有114325例COVID-19(四分位范围为76776-164576)。如果没有非药物干预(NPI)，*的COVID-19病例数可能增加67倍(四分位数范围为44 -94倍)。这意味着，如果没有干预，*将有近766万新感染者。

该研究还发现，与旅行限制和减少人与人之间的接触相比，早期发现和隔离病例可以预防更多的感染。然而，只有同时应用多种非药物干预措施，才能实现最强和最快的遏制效果。

如果社会异化措施得以维持，从2020年2月17日起取消旅行限制似乎不会导致全国范围内的案件增加。这项研究的结果有助于提高人们对非药物干预COVID-19的理解，并为世界各地的应对工作提供信息。

三类非药物干预

作为一种新兴的传染病，在几个月内找到有效的药物干预措施是不现实的。目前，有限的医疗资源无法治愈所有病例。因此，非药物干预是应对这一流行病的公共卫生措施的重要组成部分。

这些措施包括隔离病人、跟踪接触者、隔离接触者、旅行限制、关闭学校和工作场所、取消群众集会等。这些措施旨在减少传播，从而推迟流行病高峰的发生，缩小流行病高峰的规模，为恢复保健系统和研发疫苗和药物争取时间。

为了遏制COVID-19在中国的传播，降低其爆发规模，中国的非药物干预包括三类。

首先是对城市间旅行的限制，这抑制了病毒在农历新年期间的进一步传播。1月23日，也就是春节(CNY)的前两天，武汉和湖北周边城市实施了城市关闭措施。自春节以来，全国其他省份也实施了旅游限制。

第二类非药物干预是病例的早期识别和隔离，包括改进筛查、识别、诊断、疑似病例和确诊病例的隔离，以及报告和跟踪接触者。中国地方*加强了对湖北省旅客的例行检查和检疫，以尽快发现COVID-19的感染。特别是，检测和诊断的改进将从症状出现到实验室诊断的平均间隔时间从暴发开始的12天缩短到2月初的3天。

第三类非药物干预是实施接触限制和社会疏远措施，并加强洗手等个人预防措施，以减少社区一级的接触风险。作为其社会异化政策的一部分，中国鼓励人们尽可能呆在家里，取消或推迟大型公共活动和群众集会，并关闭图书馆、博物馆和工作场所。此外，学校假期也延长了。湖北省春节假期的结束日期已从1月30日延长至3月10日，其他许多省份春节假期的结束日期也已延长至2月9日。

尽管经济和社会成本很高，但中国在全国范围内的非药物干预迅速减少了新病例的数量。此前的研究已经初步探讨了武汉*、旅行限制、机场检查和病例隔离追踪对遏制病毒传播的影响。然而，目前缺乏对中国不同非药物干预措施的有效性和时机的全面和定量分析和比较。

基于COVID-19的流行病学数据以及历史和近实时匿名人群活动数据，研究人员开发了一个基于旅行网络的随机易感性暴露感染消除(SEIR)模型，以模拟自2019年12月1日以来*340个城市中新皇冠流行病的传播。通过该模型，研究人员进行了前后对比分析，以量化中国三大非药物干预措施的影响。该模型还评估了自2020年2月17日取消旅行限制以来COVID-19传播的风险。

COVID-19传播的模拟与重构

在实施广泛的干预措施之前，应如何评估中国新皇冠流行病早期的流行参数？研究人员使用了武汉疫情爆发之初估计的流行病学参数。

研究人员通过使用手机用户的百度定位服务获取城市之间和城市内部的人口流动数据，以及全国范围内发病和报告病例之间的时间间隔，来衡量三种非药物干预的效果。自干预措施实施以来，中国人口流动和接触方式发生了重大变化，病例报告的及时性也有所提高。

研究人员估计，截至2020年2月29日，*共有114，325例COVID-19病例(四分位间距为76776-164576)，其中湖北省占85%。

春节前，中国新增病例数呈指数增长。然而，在实施了非药物干预措施之后，疫情高峰很快就到来了，春节期间大约用了一周时间。利用该模型对流行病和高峰的预测与发病日报告的数据高度一致。模型的每日估计值与跨时间和区域的报告数据之间也有很高的相关性。

截至2020年2月29日，模型估计的病例数与各省报告的病例数之间存在显著的总体相关性(P