基于传染病动力学模型的宁波市新型冠状病毒肺炎防控措施效果评估

目的 基于传染病动力学模型评估宁波市新型冠状病毒肺炎（COVID-19）防控措施的效果。方法 收集截至2020年3月9日宁波市COVID-19疫情个案数据、疾病进程等信息。根据防控策略落实情况,建立SEIR传染病动力学模型,计算基本再生数（R₀）和实时再生数（R_t）,评估防控效果。结果 宁波市累计确诊COVID-19病例157例,无死亡病例,重症病例比例为12.1%。从暴露到发病（潜伏期）平均（5.7±2.9）d,发病到确诊平均（5.4±3.7）d,从确诊到出院平均（16.6±6.5）d。累计医学观察105 339人,其中居家医学观察者COVID-19感染率为0.1%,集中医学观察者感染率为0.3%,确诊病例在就诊前处于医学观察期者占63.1%。估算R₀为4.8。随着防控措施的加强,R_t呈逐渐下降趋势,到2月4日下降至1.0以下,之后持续下降到2月中旬的0.2。结论 通过建立传染病动力学模型,能够有效评估宁波市COVID-19防控措施的效果,为防控策略的制定提供科学依据。     

中国新型冠状病毒肺炎疫情基本再生数评估

目的 目前湖北省的新型冠状病毒肺炎(COVID-19)确诊和疑似病例的数量仍在增加。国内外多个团队对疫情发展进行了模型预测,但结论并不统一。因此,开展本次疫情的预测模型研究、评估COVID-19的基本再生数(basic reproduction number,R₀),对于评估病毒的传播能力以及一系列控制措施的效果具有重要意义。方法 收集从湖北省2020年1月17日到2月8日期间每天报告的确诊病例数等数据,分别采用指数增长方法(exponential growth,EG)、极大似然法(maximum likelihood estimation,ML)、序贯贝叶斯方法(sequential Bayesian method,SB)和时间相关基本再生数(time dependent reproduction numbers,TD)估计R₀值。结果 由观测病例数和4种方法预测的病例数的拟合情况可知,EG方法拟合效果最优。EG方法估计COVID-19湖北省R₀的值为3.49(95%CI:3.42~3.58)。采取封城控制手段期间,EG方法估算R₀值为2.95(95%CI:2.86~3.03)。结论 在传染病流行初期,适合采用EG方法估算R₀。同时需要采取及时有效的控制措施,进一步降低COVID-19的传播速率。     

宁波市15起新型冠状病毒肺炎聚集性疫情的传播力研究

目的 描述新型冠状病毒肺炎（COVID-19）聚集性疫情病例的基本特征。方法 收集15起COVID-19聚集性疫情病例的基本信息,采用伽马分布拟合病例代际间隔时间（Tg）,使用基于SEIR模型计算基本再生数（R₀）。结果 15起聚集性疫情中共有确诊病例52例、涉及5例核酸阳性无症状感染者。病例发病时间主要集中在1月23日至2月4日,以女性为主,潜伏期为（6.11±3.38）d。Tg为（6.93±3.70）d,在<60岁、≥60岁组及男、女性之间,Tg差异无统计学意义（P=0.551）。按照本研究估算的Tg计算,宁波市新冠肺炎感染的R₀为3.06（95% CI：2.64~3.51）;按照文献报告的病例Tg为7.5 d计算,R₀为3.32（95% CI：2.51~9.38）。结论 COVID-19聚集性疫情病例的Tg在不同年龄、性别间差异不大,COVID-19早期致病和传播力较高。     

广州市2起由新型冠状病毒奥密克戎变异株引起的本地疫情流行病学参数研究

目的 本研究旨在估计广州市2起由新型冠状病毒（新冠病毒）奥密克戎变异株（BA.2）引起的本地疫情的潜伏期、序列间隔和基本再生数（R₀）等流行病学参数,探索不同场所聚集性对R₀的影响,为奥密克戎变异株疫情防控提供科学依据。方法 收集2022年4-5月广州市2起新冠病毒奥密克戎变异株本地疫情病例数据,使用Weibull、Gamma和lognormal分布对奥密克戎变异株本地疫情的潜伏期、序列间隔分布进行估计,采用指数增长法和极大似然法估计R₀。结果 两起疫情中位潜伏期为2.94（95%CI：2.52~3.38）d;中位序列间隔为3.32（95%CI：2.89~3.81）d。小型场所聚集性疫情R₀为4.40（95%CI：3.95~4.85）,机场聚集性疫情R₀为11.35（95%CI：11.02~11.67）。结论 广州市2起由新冠病毒奥密克戎变异株引起的本地疫情潜伏期较德尔塔变异株明显缩短。场所聚集程度越高,R₀越大,传播速度越快,易呈现暴发疫情,应及时调整防控策略。     

北京市新型冠状病毒Omicron变异株的传播力研究

目的 评估新型冠状病毒Omicron变异株在北京市现有防控措施下的传播力,为做好疫情防控工作提供参考依据。方法 收集北京市2022年3月7-25日报告的78例具有明确传播链的Omicron变异株感染者信息,分别采用Gamma和Weibull分布拟合潜伏期和序列间隔时间,使用马尔科夫链蒙特卡罗算法估计实时再生数（R_t）。结果 Omicron变异株感染者潜伏期M（Q₁,Q₃）为4.0（3.0,6.0）d,序列间隔时间3.0（2.0,5.0）d,序列间隔时间在未完成和已完成全程疫苗接种感染者中M（Q₁,Q₃）分别为2.0（1.0,4.0）d和4.0（2.0,6.0）d（Z=-2.12,P=0.034）,儿童和成年人感染者分别为2.0（1.5,3.0）d和4.0（2.0,6.0）d（Z=-2.02,P=0.044）,差异均有统计学意义。本轮疫情R_t初始值为4.98（95%CI： 2.22~9.04）。结论 与既往Delta变异株相比,北京市Omicron变异株的传播力较强,应持续做好常态化疫情防控和新型冠状病毒疫苗接种工作,关注儿童易感人群。     

广州市新型冠状病毒肺炎病例密切接触者核酸检测灵敏度和特异度分析

目的 分析广州市新型冠状病毒肺炎（COVID-19）疫情防控不同阶段中,密切接触者新型冠状病毒（新冠病毒）核酸检测的灵敏度和特异度,为优化疫情防控策略提供科学依据。方法 2020年2月21日至9月22日广州市COVID-19病例的密切接触者20 348例,均已接受新冠病毒核酸检测。针对疫情防控的不同阶段,比较核酸检测的灵敏度和特异度。结果 20 348例密切接触者中,男性12 462例（61.24%）,年龄M（P₂₅,P₇₅）为31.0（23.0,43.0）岁,核酸检测次数M（P₂₅,P₇₅）为2.0（1.0,3.0）次,隔离天数M（P₂₅,P₇₅）为12.0（8.0,13.0）d。研究对象经过7次核酸检测后,共确诊病例256例。第1、2、3和第7次核酸检测的灵敏度与特异度分别为69.14%与99.99%（确诊177例）、89.84%与99.99%（确诊230例）、97.27%与99.99%（确诊249例）、100.00%与99.98%。基于我国COVID-19疫情防控分为3个阶段（国内输入、境外输入和境外输入关联）,首次核酸检测的灵敏度分别为70.68%、68.00%和67.35%,特异度分别为99.98%、100.00%和100.00%。结论 建议做核酸检测3次,可提高灵敏度并降低假阴性风险。对于广州市COVID-19疫情防控3个阶段,密切接触者核酸检测的灵敏度结果较为一致,但略有降低趋势,这可能与疫情防控后期阶段的无症状感染者比例增多相关。     

一起新型冠状病毒肺炎聚集疫情传播链的调查分析

目的 分析新型冠状病毒肺炎（COVID-19）聚集疫情的传播特点，评价新型冠状病毒在潜伏期的传染性。方法 以一起发生在重庆市的COVID-19聚集疫情为研究对象，采用回顾性调查的方法，并用统一的调查表，以现场调查和电话调查相结合的方式对129名密切接触者进行线索追踪和个案调查。采用传播链示意图分析传播关系，采用接触史示意图分析传染性。结果 本起COVID-19聚集疫情由同学聚会分别引起了3起家庭（亲戚）和1起同事的聚集。R₀=3.8，潜伏期接触的感染率为17.57%，平均发病前3 d有传染性，不同的接触方式感染率差异有统计学意义（χ²=15.10，P<0.01），单次接触时间不同感染率差异有统计学意义（χ²=25.08，P<0.01）。结论 COVID-19潜伏期存在较强的传染性，越密闭狭小的空间传播风险越高，单次接触时间越长传播风险越高，存在间接接触传播方式。     

SEIR动力学模型辅助北京市新发地新型冠状病毒肺炎疫情传播起始时间溯源和防控效果评价

目的 推测2020年6月北京市新发地新型冠状病毒肺炎（COVID-19）疫情首例感染的传播时间起点,辅助传染病溯源,评价当前综合防控效果。方法 根据北京市卫生健康委员会官方报告统计每日发病人数,建立SEIR传染病动力学模型,基于每日发病人数拟合动力学模型,并搜寻本次疫情的传播时间起点;考虑不同的防控效果而拟合6月12日至7月1日的累计发病人数,以评估当前综合防控措施效果。结果 北京市新发地疫情传播首例感染应起始于5月22日至5月28日之间（累计概率为95%）,起始于5月25日的概率最大（23%）。本次疫情R₀为4.22（95% CI：2.88～7.02）。模型拟合结果提示,截至6月11日,累计发病为99例（95% CI：77～121）,符合实际情况。若不加控制,则截至7月1日累计发病估计将达到65 090例（95% CI：39 068～105 037）。截至7月1日,较之无防控措施的理论情况,实际感染人数减少了99%。自6月12日起,北京市采取了强有力的综合防控措施,疫情实际走势接近于传播率降低95%的推演结果,敏感性分析支持这一结果。结论 针对突发性疫情,传染病动力学模型可用来辅助推演传染病传播起始时间,辅助疫情溯源。北京市针对本次突发疫情所及时采取的综合防控措施迅速控制了95%以上的传播途径,减少了99%的感染人数,快速遏制了疫情,对于未来疫情防控具有重要的指导意义。     

北京市新发地市场新型冠状病毒肺炎疫情相关病例的流行病学特征分析

目的 分析并比较北京市新发地市场疫情中新型冠状病毒肺炎（COVID-19）确诊病例与无症状感染者的流行病学特征。方法 收集并整理传染病报告信息管理系统中北京市新发地市场疫情中COVID-19感染者数据和流行病学调查报告资料,应用SPSS 19.0软件分析并比较确诊病例和无症状感染者的流行病学特征。结果 2020年6月11日至7月10日北京市共诊断新型冠状病毒感染者368例,其中确诊病例335例（91.03%）,无症状感染者33例（8.97%）。病例分布于11个区,其中丰台区病例数占总病例数的68.48%（252/368）。发病曲线呈现暴发流行模式,发病高峰为6月13日。全部感染者年龄M（Q_R）为43（31~51）岁,无症状感染者的年龄M（Q_R）为32（29~49）岁,低于确诊病例的年龄M（Q_R）[43（31~52）岁],差异有统计学意义（Z=2.416,P=0.016）。感染者男女性别比为1.26：1。从事餐饮及商业服务和公共场所服务的人员最多,占64.13%（236/368）。73.91%（272/368）的感染者有新发地市场直接暴露史。通过核酸筛查发现全部感染者的54.08%（199/368）。确诊病例中轻型和普通型病例占99.10%（332/335）,无死亡病例。结论 北京市新发地市场疫情呈暴发流行模式,COVID-19病例以餐饮和服务业人员为主。无症状感染者的年龄低于确诊病例。     

广州市3起本地新型冠状病毒肺炎疫情流行特征及分析

目的 分析广州市3起本地新型冠状病毒肺炎（COVID-19）疫情的流行特征,为优化疫情防控策略和措施提供参考依据。方法 资料来源于中国疾病预防控制信息系统传染病报告信息管理系统截至2021年6月18日广州市COVID-19本地病例数据,采用Excel 2019和SPSS 22.0软件进行数据整理和统计学分析。结果 3起本地COVID-19疫情累计报告病例726例,其中我国湖北省关联疫情366例,病例以女性（51.6%,189/366）、18~65岁（81.4%,298/366）、职业以家务/待业（32.2%,118/366）和离/退休人员（20.2%,74/366）为主,首发症状以发热（71.6%,250/349）和咳嗽（60.7%,212/349）为主;非洲国家及地区（非洲）入境关联疫情207例,以男性（69.6%,144/207）、18~40岁（72.9%,151/207）和商业服务职业（62.3%,129/207）为主,首发症状以无明显不适（55.6%,15/27）和咳嗽（37.0%,10/27）为主;Delta变异株关联疫情153例,以女性（58.8%,90/153）、≥ 41岁（64.7%,99/153）和离/退休人员（32.0%,49/153）为主,首发症状以咳嗽（32.9%,48/146）和无明显不适（28.1%,41/146）为主。我国湖北省关联疫情、非洲入境关联疫情和Delta变异株关联疫情的家庭续发率分别为11.2%、5.7%和11.5%;潜伏期M（P₂₅,P₇₅）分别为6.5（4.0,10.8）d、4.0（2.5,6.0）d和4.0（3.0,5.0）d;代间距M（P₂₅,P₇₅）分别为4.0（3.0,8.0）d、4.0（2.5,6.0）d和3.0（2.0,5.0）d。3起本地COVID-19疫情在性别、年龄、职业、首发症状、家庭续发率和潜伏期等的差异有统计学意义（均P<0.05）。病例发现途径中,我国湖北省关联疫情主要是自主就医（44.3%,162/366）,非洲入境关联疫情和Delta变异株关联疫情主要是社区主动排查[58.5%（121/207）和27.5%（42/153）]和密切接触者管理[33.3%（69/207）和67.3%（103/153）]。结论 广州市3起COVID-19本地疫情因感染来源、变异株类型和防控策略的不同导致流行特征在社会人口学特征、临床、传播特征及病例发现等方面存在较大差异。提示在疫情常态化防控阶段,应不断完善重点人群和常见症状监测、强化聚集性疫情排查等措施,严防疫情反弹。     

宁波市新型冠状病毒肺炎疫情动态清零精准防控策略和措施效果评价

目的:对宁波市新型冠状病毒肺炎（COVID-19）疫情动态清零精准防控策略和措施效果进行评价。方法:根据2021年12月宁波市报告的COVID-19确诊病例和个案流行病学调查报告绘制流行曲线,建立传播动力学模型,预测不同干预措施下的累计确诊病例数,计算基本再生数（ R0）和实时再生数（ R ...     

新型冠状病毒肺炎两种不同流行模式及其防控效果比较：基于广州和温州市的分析

目的 比较广州、温州市两个城市新型冠状病毒肺炎（COVID-19）的流行模式,并评估两个城市疫情的防控效果。方法 获取截至2020年2月29日广州和温州市COVID-19确诊病例的个案数据,绘制两个城市疫情的流行曲线,收集不同时间的防控措施,计算在两个城市的实时再生数。结果 广州和温州市分别纳入确诊病例346例和465例,两个城市病例均集中在30～59岁（广州市：54.9%;温州市：70.3%）。流行曲线显示广州和温州市的每日发病数分别在1月27日与1月26日到达峰值,随后出现下降趋势。两个城市的发病高峰均出现在湖北省输入病例的抵达高峰后,且温州市的湖北省输入病例的抵达高峰早于广州市。广州市一直以输入病例为主,温州市从前期的以输入病例为主转变为后期以本地病例为主。虽然两个城市流行模式存在差异,在采取了有力的防控措施后,两个城市均取得了较好的防控效果。结论 COVID-19输入疫情可导致两种不同的流行模式,但采取强有力的防控措施,均能有效控制疫情蔓延。     

Correlation of Population SARS-CoV-2 Cycle Threshold Values to Local Disease Dynamics: Exploratory Observational Study

BackgroundDespite the limitations in the use of cycle threshold (CT) values for individual patient care, population distributions of CT values may be useful indicators of local outbreaks.ObjectiveWe aimed to conduct an exploratory analysis of potential correlations between the population distribution of cycle threshold (CT) values and COVID-19 dynamics, which were operationalized as percent positivity, transmission rate (R_t), and COVID-19 hospitalization count.MethodsIn total, 148,410 specimens collected between September 15, 2020, and January 11, 2021, from the greater El Paso area were processed in the Dascena COVID-19 Laboratory. The daily median CT value, daily R_t, daily count of COVID-19 hospitalizations, daily change in percent positivity, and rolling averages of these features were plotted over time. Two-way scatterplots and linear regression were used to evaluate possible associations between daily median CT values and outbreak measures. Cross-correlation plots were used to determine whether a time delay existed between changes in daily median CT values and measures of community disease dynamics.ResultsDaily median CT values negatively correlated with the daily R_t values (P<.001), the daily COVID-19 hospitalization counts (with a 33-day time delay; P<.001), and the daily changes in percent positivity among testing samples (P<.001). Despite visual trends suggesting time delays in the plots for median CT values and outbreak measures, a statistically significant delay was only detected between changes in median CT values and COVID-19 hospitalization counts (P<.001).ConclusionsThis study adds to the literature by analyzing samples collected from an entire geographical area and contextualizing the results with other research investigating population CT values.     

Risk Assessment of Importation and Local Transmission of COVID-19 in South Korea: Statistical Modeling Approach

BackgroundDespite recent achievements in vaccines, antiviral drugs, and medical infrastructure, the emergence of COVID-19 has posed a serious threat to humans worldwide. Most countries are well connected on a global scale, making it nearly impossible to implement perfect and prompt mitigation strategies for infectious disease outbreaks. In particular, due to the explosive growth of international travel, the complex network of human mobility enabled the rapid spread of COVID-19 globally.ObjectiveSouth Korea was one of the earliest countries to be affected by COVID-19. In the absence of vaccines and treatments, South Korea has implemented and maintained stringent interventions, such as large-scale epidemiological investigations, rapid diagnosis, social distancing, and prompt clinical classification of severely ill patients with appropriate medical measures. In particular, South Korea has implemented effective airport screenings and quarantine measures. In this study, we aimed to assess the country-specific importation risk of COVID-19 and investigate its impact on the local transmission of COVID-19.MethodsThe country-specific importation risk of COVID-19 in South Korea was assessed. We investigated the relationships between country-specific imported cases, passenger numbers, and the severity of country-specific COVID-19 prevalence from January to October 2020. We assessed the country-specific risk by incorporating country-specific information. A renewal mathematical model was employed, considering both imported and local cases of COVID-19 in South Korea. Furthermore, we estimated the basic and effective reproduction numbers.ResultsThe risk of importation from China was highest between January and February 2020, while that from North America (the United States and Canada) was high from April to October 2020. The R₀ was estimated at 1.87 (95% CI 1.47-2.34), using the rate of α=0.07 for secondary transmission caused by imported cases. The R_t was estimated in South Korea and in both Seoul and Gyeonggi.ConclusionsA statistical model accounting for imported and locally transmitted cases was employed to estimate R₀ and R_t. Our results indicated that the prompt implementation of airport screening measures (contact tracing with case isolation and quarantine) successfully reduced local transmission caused by imported cases despite passengers arriving from high-risk countries throughout the year. Moreover, various mitigation interventions, including social distancing and travel restrictions within South Korea, have been effectively implemented to reduce the spread of local cases in South Korea.