预测冠状病毒影响：基于真实数据训练的流行病学模型

模拟冠状病毒(MC19)项目是一个适合实际社会距离、检测和死亡数据的冠状病毒流行病学模型。我们使用这些数据来预测冠状病毒可能如何在不同地点和不同的社会距离情景下通过人群传播。

模型的好坏取决于它所基于的数据，我们要感谢为模型提供支持的数据的众多人员和组织。所有的数据都有它的警告和限制：由于(仍然)有限的测试，病例在很大程度上被低估了，这在不同的州是不同的。死亡人数通常被认为更可靠，但对全原因死亡的分析表明，它们仍然经常被低估。我们已经试图充分利用可用的数据，并希望随着更多的数据变得可用，该模型将继续改进。

我们使用来自Covid Tracking Project的数据，来自谷歌和Unacast的移动性数据，来自Esri的医院容量数据，以及来自Wolfram的人口数据。

为了说明社交距离如何影响冠状病毒的传播，我们将使用一个示例Location  -  康涅狄格州  -  ，并考虑两种情况：一种没有社交距离，另一种具有显著的社交距离。

该模型预计，如果允许病毒在没有社会疏远措施的情况下不受限制地传播，目前需要住院的人数将迅速超过康涅狄格州现有的医院容量，这将增加死亡总人数。

在这个例子中，该模型预测，社会距离期会减缓病毒的传播，这使得目前需要住院治疗的人数保持在医院容量以下，并减少了总的死亡人数。在这个例子中，该模型预测，社交距离期会减缓病毒的传播，这使得目前需要住院的人数保持在医院容量以下，并减少了总的死亡人数。

有社交疏远时期的情景和没有采取疏远措施的情景的结果之间的对比表明，社交疏远是如何使曲线变平的。

从这里，我们可以缩小。冠状病毒可能会如何影响住在康涅狄格州的人们？

我们的模型基于一个标准的流行病学模型，称为SEIR模型。Seir模型是一种分区模型，通过将人群划分为不同的群体来估计病毒的传播：

接触过冠状病毒的人都有冠状病毒，正处于潜伏期；该模型假设大多数接触过的人不会传染给其他人。

住院的人目前在医院或ICU。作为一个简化的假设，我们不会对易受影响的医护人员进行建模。因此，该模型假设住院的人不会传染给其他人。

康复的人感染了冠状病毒，被认为对再次感染具有免疫力。我们的模型假设典型的免疫反应将持续“至少一年”。

医护人员感染冠状病毒的风险更高。据观察，中国、意大利和安大略省的总报告病例中，医护人员的比例分别为10%、10%和15.8%。对这种情况进行建模很复杂：医护人员也是整个易感人群的一部分，接受测试的可能性更高。

如果康涅狄格州在没有任何社会距离的情况下恢复正常，该模型预计冠状病毒将在更广泛的人群中迅速传播：

如果康涅狄格州颁布一项导致社会疏远的政策，模型预计冠状病毒病例将不会稳定下来：

通过比较这两个例子，可以看出社交距离在病毒传播过程中扮演着重要角色。该模型预测，社会距离很小或没有社会距离的情况会导致病毒在人群中迅速传播，而社会距离很大的情况会抑制病毒，总体上导致较少的病例。

然而，我们也需要考虑我们的距离期结束后会发生什么。如果我们在社交疏远之后恢复正常，会发生什么？

让我们从更长的时间范围来看我们的社交疏远的例子。如果我们继续进一步模拟未来，我们可以预测如果我们恢复正常可能会发生什么：

到社会疏离期结束时，预计大多数人口仍然容易感染冠状病毒。虽然模型预测社会疏远措施将案件降至几乎为零，但一些案件仍然存在。如果不加以控制，该模型预测，这些病例将导致另一场疫情，造成第二波艾滋病感染。

第二波看起来与上面的例子相似，没有社交距离。该模型预计，它将给康涅狄格州的医院医疗系统带来类似程度的压力：

有没有可能避免第二波？一种选择是继续保持社会距离，直到研制出疫苗，专家估计这至少需要一年时间。疫苗将允许人群在不需要大规模病毒感染的情况下产生群体免疫力。

“测试和追踪”是另一种方法，它涉及跟踪病毒，以识别和抑制未来的禽流感爆发，而不需要建立群体免疫力。这种方法可以放松距离限制，但前提是不满足某些条件。

一种“测试和追踪”方法将高检测率与广泛部署的接触者追踪结合在一起。接触者追踪试图通过识别、通知和检测最近与感染者有过接触的人，并鼓励受感染和有风险的人进行隔离，来减少疾病的传播。

来自韩国的数据显示，有了“测试和追踪”策略，就有可能在放宽距离限制的同时，在一段时间内仍能防止指数增长。具体地说，数据表明，当每天的新病例数量降至每百万人两例以下时，可以减少距离限制。为了保持病毒得到控制，数据显示，每进行100次检测，应该只有一次检测呈阳性，80%的阳性检测应该能够追溯到另一个已知的死亡病例。

我们已经针对未来不同的社交距离场景逐个州地运行了MC19模型，并计划随着更多的数据变得可用而向模型中添加更多的状态。在下面选择一个州以查看模型的预测，并将其与实际数据进行比较：