Nature：COVID疫情之下，流行病学的价值思考
时间：2021-02-01
抗击任何疾病的过程中，流行病学都必不可少。在应对COVID-19的战争中，研究疾病如何传播以及为什么传播最为紧迫；对感染数据和死亡数据的分析，以及病毒传播建模研究的预测，推动了全球的政策制定。其中许多政策目前已广泛实施，例如地区封锁、隔离、保持社交距离、戴口罩等。
1月27日，Nature上发布了一篇文章《How epidemiology has shaped the COVID pandemic》，重点介绍了流行病学在疫情大流行中的重要性，并简要探讨了流行病学领域会发生什么变化。
来源：
https://www.nature.com/articles/d41586-021-00183-z
流行病学的早期作用
不明原因肺炎被首次报道，距今已经过去1年多的时间了。最初，人们对这种病毒的传播性知之甚少，但很快就有了突破。大约在1月中旬，流行病学家们开始报告建模研究的结果，指出实际感染的病例数要比公布的数量高很多。
这些研究发现，新冠肺炎的基本传染数R0在2到4之间（R0指在没有外部介入且人群没有获得性免疫力的情况下，每个得了某种传染病的人，会平均传染给多少个人）。这些研究还估计了关键参数，以了解该病毒的流行潜力，包括平均潜伏期，重症患者占比等。很早就有研究指出，60岁以上人群的风险显著高于年轻人群；一些数据估计，80岁以上的感染者，死亡率超过十分之一。
疫情出现的最初几周，研究者使用的患者数据很有限，随着更多数据的汇集，研究者得出结论，无症状感染者会传播病毒，疫情很有可能会成为大流行。
综合早期的众多研究，让政府警觉到一个事实：情况比预期要严重得多。研究结果也在提示，世界各地的医院都需要针对ICU做大量准备。
2020年1月底，WHO宣布疫情为“国际关注的突发公共卫生事件”，并向各国提供了公共卫生相关建议，包括检测和隔离感染者，追踪感染者轨迹，并隔离他们的接触者。而这些举措，部分是基于既往传染病暴发后所做的流行病学研究。但当时，很少的国家会遵循这些建议。
与此同时，流行病学领域开始将注意力转向去评估可能有助于遏制病毒传播的措施。
地区封锁和戴口罩
随着病例数开始猛增，各国能够用来减少感染和死亡的策略很有限。很难知道何种药物方案可以治疗这种疾病，也没有疫苗。在此情况下，研究者开始对非药物干预措施的有效性进行建模。模型表明，如果人们戴上口罩并保持一定距离，同时更多的人呆在家里，可以减少感染和死亡。
武汉于1月23日封城，到2月中旬，中国大约80个城市实施了该措施。几个月后，中国证实了一系列公共卫生措施可使病毒传播大幅下降，包括关闭学校、限制出行和减少家庭聚会。
之后，来自国外的研究也证实，关闭教育机构和限制聚会之后，传播率大大下降。研究人员还预测，延迟实施封锁措施的城市，未来将不得不封锁更长时间，才能控制住疫情。
尽管已知戴口罩有助于预防很多传染性呼吸道疾病的传播，但由于缺乏随机对照试验和直接数据，研究者需花费更长时间来确定该措施对遏制冠状病毒的有效性。但是到2020年夏天，许多研究已发现，戴口罩有助于减缓冠状病毒的传播。
新的未知
随着病毒持续在全球各地蔓延，新的变种出现，也向流行病学家提出了新的难题。研究人员称，这些新的新冠病毒变种，例如B.1.1.7（也称为VOC 202012/01），最早在英国发现，比以前的病毒谱系更容易传播，也可能更严重。流行病学家需要根据最新数据重新评估是否需要修订早期制定的干预措施（如保持社交距离），是否要更加严格以应对新变种。
流行病学家面临的另一个新挑战，是估计目前全球研发推出的疫苗会如何影响病毒的传播。已经开始接种疫苗的国家，可能很快就会寻求放宽限制的可能性，特别是当感染数和死亡数降到了高峰开始之前的水平时。
流行病学正在发生改变
COVID-19大流行改变了流行病学。与直接参与到COVID-19研究的许多领域一样，流行病学家也正在跨国和跨时区开展合作，以前所未有的速度在预印本平台和期刊上发表文章。
流行病学正在不断扩大，物理学、数学、计算机科学和网络科学等其他领域的研究者也加入到该领域的研究中。美国政府宣布将成立全国流行病预测和疫情分析中心，获取最佳数据，使用先进的计算机技术提供预测。随着越来越多不同学科的研究人员加入该领域，越来越多的人开始使用流行病学数据，包括公众，决策者和媒体，研究者必须找到能透明传达其数据和结果的方法，并确保研究本身和数据伦理达到最高标准。
COVID-19大流行，使得流行病学以及流行病学模型受到了前所未有的政策和媒体关注，也带来了挑战。例如，流行病学建模和预测，依靠统计学方法基于数据进行概率预测，但初始的预测通常不准确，部分是因为基础数据不完整且分类不一致。随着时间的推移，数据不断完善和更多研究者的参与，结果越来越确定。但是，在这个确定性结果出来之前就需要做出决策，例如是否要限制出行。这意味着研究者需要学习如何让公众和政策制定者理解模型结果的确定性和不确定性。
内容整理自：How epidemiology has shaped the COVID pandemic. Nature. 27 January, 2021
转自微信公众号医咖会：原文链接
