科学家们开发了数学模型来计算COVID-19的每日感染率
根据他们的数据,发表在科学报告在美国,2020年3月14日宣布进入警戒状态当天感染COVID-19的人数至少是登记人数的35倍。
每天新感染人数是了解流行病动态的主要参数之一。然而,在2020年covid -19大流行期间,由于进行的诊断检测数量不足,官方数据存在偏差,这些信息的质量一直很低,特别是在头几个月。在这种情况下,来自阿利坎特大学(UA)和马德里卡洛斯三世卫生研究所(ISCIII)的一个多学科研究团队设计了一种回顾性方法,称为REMEDID(从死亡人数估计每日感染的回顾性方法),能够从死亡人数估计每日感染,这是一种更精确记录的数字。
这项工作有助于分析和理解大流行的动态,并评估在不同空间和时间尺度上采取的措施的效率,该团队的协调员César borhoore解释道,他是UA生物学博士和研究员Ramón Margalef环境研究所。
REMEDID能够根据每日死亡时间序列计算每日感染时间序列。流行病各参数的高保真时间序列对于运行可靠的流行病学模型至关重要。我们认为,在大流行的最初几个月,官方感染数据是高度向下倾斜的,borhoore坚持说。
数据分析
专家团队已经将这个精确的数学模型应用于估算时间2020年1月8日至11月29日期间,西班牙及其17个自治区和两个自治城市发生了一系列感染。这篇文章的第一作者、亚利桑那大学应用数学系教授大卫García说,结果显示,可能的感染人数比3月14日政府宣布全国隔离时的官方感染人数多35到42倍。
根据这一工作,首先感染西班牙可能发生在2020年1月8日至9日之间,比第一波疫情的官方记录提前了约43天。卡洛斯三世Salud Carlos III研究所进行的血清学研究为我们提供了感染总数的现实估计,表明官方数据被低估了。REMEDID方法通过重建这些感染的时间演变来补充这些研究,García报道。
此外,国家封锁对病毒传播产生了直接影响,3月14日左右的斜率迅速下降就表明了这一点。在关于受感染人数的官方数据中,没有看到这种传播下降的即时性(流行病学R)。
这一方法有助于完善模型和增进对大流行动态的理解,包括为使曲线变平和设计安全的封锁后措施而采取的不同措施的有效性。使用更可靠的日较表可以得到更真实、更准确的模型数量博尔德霍尔说,REMEDID提供的感染情况,反过来,这将提高模型的输出,并改善不同传播减缓措施的比较。
进一步探索