全球旅行和接触限制能减缓新冠疫情大流行吗？丨Engineering(7)

根据武汉市疫情早期的病例数据，ε表示潜伏期的倒数（5.2 d，95% CI为4.1~7.0 d）。
每个国家的新暴露人数是根据该国的传染者人数，以及传染者每天可能接触并导致疾病传播的平均人数计算得出的。通过泊松分布的随机抽样，我们模拟了某个地区在某一天的暴露人数，其中，每个传染者平均可能新感染的人数为c，然后乘以该国易感人群的比例。每日基线接触率c是通过将每个国家或地区的Re，除以武汉市疫情早期数据估计的从发病到首次就诊的平均时间间隔（5.8 d，95% CI为4.3~7.5 d）计算而来的。考虑到旅行和接触限制的影响，每日基线接触率c根据由不同国家/地区人口流动数据（在谷歌和百度中生成）得出的每日旅行和接触的相对水平进行加权。我们假设疫情初期所有人对COVID-19均易感且感染后均产生免疫力，并且本研究仅模拟12个月的疫情传播情况，故模型未纳入新出生人群。用于建模的相应各国或各地区的2020年人口数据来自联合国网站（https://population. un.org/wpp/）。
3. 模拟、验证和敏感性分析
根据校正后的流行曲线（见第2.2.2节），我们将病例出现的最早日期（见附录A中的表S1）作为每个国家 /地区疫情模拟的开始日期。由于武汉市首位确诊病例出现症状的日期为2019年12月8日，同时考虑可能的病例漏报以及从感染到发病再到病例报告时间的延迟，我们以2019年12月1日作为中国大陆疫情模拟的起始日期。与之前的研究一样，模型假设第0 天存在5名传染者，然后开始模拟疫情的传播。我们初步发现，将初始的病例数设置为5例，一方面可避免设置过大的数值，另一方面可以防止随机模拟的疫情在最初数天快速消失，进而导致无法持续模拟下去的情况。此外，我们进一步比较了以5和7名传染者作为初始病例数的模拟，二者模拟的结果一直在2020年年底也未见显著差异。
需要注意的是，由于我们需要足够的天数来开始模拟，以便在每个国家或地区产生疫情，因此本研究中使用的模拟开始日期来自病例报告数据，其仅用于模型的初始化设置和扩散模拟。因此，模拟开始日期不代表该病毒在该地区首次出现并导致本地传播的实际时间。此外，本研究使用的病例报告数据未包含本地病例和输入病例的分类信息，故模型没有模拟通过国际人口流动输入的病原体。因此，我们的研究结果可能低估了输入病例引起的本地传播。