如何以及何时结束COVID-19封锁:一种优化方法

世界各国都处于封锁状态，以帮助限制SARS-CoV-2的传播。然而，随着每日新增确诊病例数量开始减少，各国政府必须决定如何尽可能有效地解除对民众的隔离，同时又不使卫生服务不堪重负。

在本周发表的一份预印本手稿中，牛津大学动物学系的Mike Bonsall教授领导了一项新的研究，将最优控制框架应用到一个适应的易感-暴露-感染-恢复(SEIR)模型框架中，以调查两种潜在的封锁释放策略的有效性。在这个例子中，英国人口被用作测试案例。

邦索尔教授说:“我们发现，为了限制反复传播，同时结束对整个人群的隔离是一种高风险策略，逐步重新融入社会的方法将更可靠。”

“此外，为了增加可以首先释放的人数，在疫情爆发之前不应结束封锁数量每天新增确诊病例达到足够低的阈值。”

该团队建模了一种渐进的释放策略，允许被封锁的不同比例的人重新进入工作的非隔离人群。数学优化方法，结合一个经过调整的SEIR模型，确定了如何最大化地利用那些工作人员，同时防止卫生服务不堪负荷。

分析表明最优策略释放了大约一半的人口在最初的感染高峰结束后的两到四周，然后再等三到四个月，以允许第二个高峰，然后释放所有其他人。

来自牛津大学动物学系的合著者汤姆·罗森说:“我们还建模了一种‘时断’策略，即释放所有人，但如果感染率过高，则重新建立封锁。我们发现，渐进释放的最坏情况比开-关策略的最坏情况更容易管理，并对基于阈值依赖的开-关机制的锁定释放策略提出警告。感染人数大幅增加的可能性进一步证明，在结束封锁后，有必要提高检测能力。”

在确定最优解决方案时，最关键的两个量是传播率和恢复率，其中，恢复率定义为在任何给定的一天内被感染者中被分类为恢复的比例。该小组认为，准确确定这些数值对持续监测该大流行病特别重要。

该研究的合著者、英国生态与水文中心的克里斯·亨廷福德教授将他的数学专业知识应用到建模中，他说:“随着我们对covid - 19的了解越来越多，计算机模型中的这些数字可以进行调整和重复模拟。因此最佳释放策略从封锁如果需要可以更新，我们将在未来几周了解更多。”