疫情传播态势与 R0、Rt 分析解读

1. 怎样理解传播态势

传播态势在流行病语境情况下可以理解当前疫情是处于可控还是不可控状态。

2. 判定传播态势主要指标 —— 基本再生数R0

疫情是否可控依赖于疫情传播速率，基本再生数R0 值常被用来描述疫情传染速率，可以反映传染病爆发的潜力和严重程度。
基本再生数（Basic Reproduction Number）R0 ：是指没有干预的情况下，在一个全部是易感人群的环境中，平均一个患者可以传染的人数，用大白话说就是自由传播情况下一个病人平均能感染多少人。这个数目都会大于1，如果不大于1，这个疾病就不可能传播起来，是个弱鸡病，在进化中会被淘汰。
有效再生数 Rt：加上了防控干预手段（例如对病患方舱隔离、个人在家隔离、带口罩等措施），或者易感的人已经病了或者死了很多（例如古代欧洲的黑死病），在疾病传播发展的过程中，t时刻一个病人平均能感染的人数。

3. 为什么R0 能判断疫情态势是否可控

R0 指的是基本再生数（basic reproduction number），表示一个病例进入到易感人群中，在理想条件下可感染的二代病例个数。如果 R0 大于 1，那么这种传染病就可以传遍整个人群；而 R0 小于 1 的传染病，则趋于消失。见下图 用 R0 可以判断疫情态势分析

image.jpeg

至于为什么可以使用 R0来判断一个群体中感染人数，可以这样考虑，假如一个群体中来了一个感染者，这个人会以链式传播方式不断传给其他人，这就成了一个等比数列，第 n 个时段感染人数Pn通过等比数列通项公式可求，在此，公比就是 R0 ：得到群体中感染人数：

image.png

对n 取极限，当R0 <1, Pn = 0当R0 >1 ,Pn = ∞ 。当R0 小于 1 的传染病，则趋于消失，事实上，因为群体中人员数量是有限的，在有限时间内传染病就消失了。

image.png

当R0 大于 1时，这种传染病在有限时间就可以传遍整个人群。
在疾病发生的不同时期，R0 因为病毒本身毒性变化（可能在子代开始传染性变弱），或者人群中一定时间后 S(易感者)、E(潜伏者)、I(感染者)、R(抵抗者)结构发生了变化，或者人工干预，如接种疫苗、隔离、卫生手段等，R0 都会变化。一般情况下R0 取值在 2.2～3.5 之间吧。

4. R0 怎样计算

R0 计算方法很多，大致分为两类：一类是通过数学推导直接给出R0 计算公式，基于现有数据直接算出R0 的值；还有一类则建立模型，将R0 作为模型的一个参数，而后基于数据资料估计参数。

数学直接推导方法：根据传播的指数假设再加上流行病学的一些基本假设通过建立微分方程并对某些重要参数(如 SI：一个感染者被感染的时间和他/她感染的下一个人被感染的时间的间隔”)做分布的假设，然后构建算法求解。

image.png

建立模型把R0 作为参数求解：

一般利用预测带潜伏期的恶性传染病基于包括“易感态-潜伏态-感染态-移除态 ”的SEIR仓室模型，再细化考虑一些更细化的内容，利用发布的数据通过马尔可夫链蒙特卡罗方法（MCMC）方法仿真将模型进行拟合，或者使用最大似然法等进行点估计，把 R0作为参数估计进行点估计得到结果。

image.png

image.png

以上就是一个基本的 SEIR模型及主要的符号代表意义。各位研究者都是在这个模型基础上进行扩展，静态上，主要从仓室设置 、随机性,人口,空间的异质性等方面设定。如考虑不同年龄结构等。动态上，从两个基本特征分析细化，子群体内部动态表达方式（显示表达、不显示表达）、子群体之间藕合方式（全联接、局部互联、网络结构），如接触方式是否非线性的（结构上细化），从而得到不同的模型。通过对 SEIR 模型的研究, 可以预测一个封闭地区疫情的爆发情况, 最大峰值, 感染人数等等，但是显然没有任何地区是封闭的, 所以就要把各个地区看成图的节点, 地区之间的流动可以由马尔可夫转移所刻画, 对每个结点单独跑 SEIR 模型。

5. 让 R0 小于1使得传播态势可控需要做的工作

防控传染病，就是要通过各种措施让有效再生数 Rt 降到1以下。通过有效干预和防控措施来实现。基本再生数是流行病动力学中最重要的参数，它既能够刻画一个传染病不加控制的内在传播能力，也可用于公共卫生政策参考，需要防控到什么程度目标设定。作为我们普通公众，少接触人、戴口罩、尽量减少公共交通，这样我们也为有效再生数 Rt 降到1以下做了贡献。
所有的研究都是为了抗疫，但愿得出的结论能有效帮助政府决策，让我们普通人也能了解基本原理后有效理性约束自己行为。
现在武汉和湖北人员都是我们同胞，都属于人类，COVID 才是敌人，他们不是！请尊重和关爱他们！