原創(chuàng) Kai 世界頂尖科學(xué)家論壇

由馬薩諸塞州東北大學(xué)Alessandro Vespignani 教授領(lǐng)銜的研究團(tuán)隊(duì)，近日在世界權(quán)威科學(xué)期刊Science上首次公布了他們的重磅研究。該研究在全球性的復(fù)合種群研究下，通過(guò)對(duì)疾病傳播模型的構(gòu)建來(lái)預(yù)測(cè)“旅行禁令”（Travel Ban）這一舉措在國(guó)內(nèi)外大流行性疾病傳播上的影響力。

研究給出結(jié)論——

中國(guó)境內(nèi)層面：中國(guó)武漢的封城措施在中國(guó)大陸延緩了新冠病毒大爆發(fā)的速度，給了中國(guó)大陸3-5天的準(zhǔn)備時(shí)間；

國(guó)際層面：有更大的輻射效果，到二月中旬為止，減少了將近80%的輸入性案例。

Alessandro Vespignani 教授以在復(fù)雜網(wǎng)絡(luò)上的研究著稱，尤其是在將網(wǎng)絡(luò)理論應(yīng)用于疾病傳播，計(jì)算流行病學(xué)的應(yīng)用以及對(duì)互聯(lián)網(wǎng)拓?fù)涮匦缘难芯糠矫嬷Q。

01 / GLEAM--一種更貼近真實(shí)情境的“建?！?/p>

Alessandro Vespignani 教授等人采用了全球流行和流動(dòng)模型（Global Epidemic and Mobility Model, 以下簡(jiǎn)寫為GLEAM），來(lái)模擬新冠肺炎（COVID-19）在國(guó)際上的大流行。

這是一個(gè)綜合考慮個(gè)體、隨機(jī)和空間因素的大流行性疾病模型。此項(xiàng)模型在2010年8月Science的一篇論文中有詳細(xì)的解釋，該方案整合了疾病動(dòng)力學(xué)、全球高分辨率的人口普查數(shù)據(jù)和全球范圍內(nèi)的人口流動(dòng)模式來(lái)進(jìn)行隨機(jī)建模。

“高分辨率人口普查數(shù)據(jù)”是利用遙感衛(wèi)星數(shù)據(jù)結(jié)合計(jì)算機(jī)最新算法的應(yīng)用項(xiàng)目之一，能以前所未有的精確度，在全球各地繪制人類定居點(diǎn)，并能更好地用于管理公共衛(wèi)生、基礎(chǔ)設(shè)施、自然資源，以及改善應(yīng)對(duì)突發(fā)事件的策略。在高分辨率的人口數(shù)據(jù)的幫助下，可以以主要交通樞紐的位置為中心，描繪出人們?nèi)粘３鲂泻土鲃?dòng)方式。

更為特別得是，GLEAM整合了從國(guó)際航空運(yùn)輸協(xié)會(huì)（International Air Transport Association）和官方航空公司指南（Official Airline Guide）數(shù)據(jù)庫(kù)獲得的數(shù)據(jù)以及從五大洲30多個(gè)國(guó)家收集并分析的多通道流動(dòng)數(shù)據(jù)。這種整合也形成了一個(gè)全球性的多規(guī)格的移動(dòng)網(wǎng)絡(luò)，其強(qiáng)度和時(shí)空尺度都跨越了幾個(gè)數(shù)量級(jí)。

疾病的動(dòng)態(tài)是通過(guò)完全隨機(jī)的分區(qū)方法模擬的，這種方法定義了每個(gè)亞群的時(shí)間方程。然后，通過(guò)考慮到多尺度移動(dòng)網(wǎng)絡(luò)中編碼的個(gè)體的移動(dòng)性的有效交互作用和機(jī)制方案，來(lái)將各類種群流動(dòng)情況的方程式耦合進(jìn)行計(jì)算。

總體來(lái)說(shuō)，GLEAM使用的復(fù)合種群網(wǎng)絡(luò)研究整合了真實(shí)世界的數(shù)據(jù)，將每天旅行的個(gè)人的流動(dòng)連接在一起。該模型包括大約200個(gè)不同國(guó)家和地區(qū)的3200多個(gè)子種群。

GLEAM模型的靈活結(jié)構(gòu)和它的跨領(lǐng)域數(shù)據(jù)整合的力度使得它可以在全球范圍內(nèi)模擬大流行性疾病的傳播，并不受不同疾病結(jié)構(gòu)和當(dāng)?shù)馗深A(yù)政策的限制，因此GLEAM不僅適用于全球流行病傳播的時(shí)空模式的計(jì)算建模和預(yù)測(cè)，也可以客觀地評(píng)估人類流動(dòng)在全球性傳染病形成傳播過(guò)程中起到的作用和解析歷史上出現(xiàn)過(guò)的全球性傳染病，也能分析如何減緩和遏制傳染病。

02/ 武漢封城對(duì)國(guó)內(nèi)外的影響

研究以《武漢市新型冠狀病毒感染的肺炎疫情防控指揮部通告》時(shí)間為準(zhǔn)，從1月23日武漢官方宣布機(jī)場(chǎng)、火車站離漢通道暫時(shí)關(guān)閉，即封城開(kāi)始算起，選取百度定位服務(wù)（Baidu Location-Based Services）進(jìn)行數(shù)據(jù)采集建模。

最初，模型假設(shè)傳播性和疾病動(dòng)態(tài)沒(méi)有變化：即維持現(xiàn)狀。該模型的輸出結(jié)果表明，盡管武漢市的新冠肺炎流行病趨勢(shì)沒(méi)有明顯差異，但是在中國(guó)大陸其他地區(qū)則顯示出大約3天的延遲（見(jiàn)圖A）。

武漢封城前后新冠肺炎病例累積中位數(shù)

而到了2020年1月31日，中國(guó)大陸（不包括武漢）的新冠肺炎患者的減少量接近10％，特定地區(qū)的相對(duì)新冠肺炎患者的減少量在1％至58％之間（圖B）。

到2月1日為止的中國(guó)大陸的模型預(yù)計(jì)

而在武漢封城后，模型表明在2月初全球其它國(guó)家的輸入型病例減少了77％。

武漢封城前后國(guó)際上觀察到的中國(guó)輸入型病例

03/ 旅行禁令仍須配合社區(qū)傳播限制

通過(guò)GLEAM模型的構(gòu)建計(jì)算，可以看到武漢封城措施對(duì)全球防控疫情的積極影響。“我覺(jué)得全世界真的欠了武漢人民的情，我想讓武漢人民知道，世界知道你們所做的貢獻(xiàn)”，世界衛(wèi)生組織赴中國(guó)考察專家組負(fù)責(zé)人布魯斯·艾爾沃德3月初在日內(nèi)瓦接受記者專訪時(shí)說(shuō)。在2月份，他率領(lǐng)考察團(tuán)親赴武漢進(jìn)行了深入的調(diào)研。

武漢市的封城讓全國(guó)新冠病毒的蔓延趨勢(shì)進(jìn)展推遲了3到5天。而如果放在全球看，武漢封城的舉措影響更為明顯，到2月中旬為止，新冠病毒輸入性病例減少了近80％。

研究團(tuán)隊(duì)同時(shí)給出結(jié)論，旅行禁令必須與減少社區(qū)中的傳播兩相結(jié)合。模型結(jié)果還表明，除非能將社區(qū)中的傳播減少50％或更高，否則即使嚴(yán)格管控來(lái)往中國(guó)大陸的出行進(jìn)出，例如只允許10%的進(jìn)出，這樣的舉措在大流行疾病進(jìn)程中也起不了什么明顯的作用。如果想有顯著的效果，那么至少需要減少50%或者更高比例的社區(qū)傳播。

控制社區(qū)傳播的積極影響在上海更為明顯。在3月25日的一場(chǎng)“科技抗疫”線上研討會(huì)上，上海市新冠肺炎醫(yī)療救治專家組組長(zhǎng)、復(fù)旦大學(xué)附屬華山醫(yī)院感染科主任張文宏在分享上海方案時(shí)，首先提到武漢封城的重要性。因此上海早期防治也采取了嚴(yán)查熱點(diǎn)地區(qū)，關(guān)閉上海公共場(chǎng)所，放緩了所有的經(jīng)濟(jì)活動(dòng)，鼓勵(lì)市民外出就戴口罩，但在這段時(shí)間還堅(jiān)決輔以社區(qū)傳播的嚴(yán)控。兩相結(jié)合才能在阻礙新冠病毒的大流行。

上海作為一個(gè)人口將近3000萬(wàn)的國(guó)際化大都市，做到了對(duì)流行病的出色防控。張文宏主任同時(shí)提到之前有模型預(yù)測(cè)如果上海不采取任何措施，不對(duì)疫情傳播進(jìn)行任何控制，在上海的病例數(shù)量可能會(huì)達(dá)到80萬(wàn)。

3月25日張文宏主任在研討會(huì)上展示的PPT

而實(shí)際情況是，截至到4月1日24點(diǎn)財(cái)新網(wǎng)的數(shù)據(jù)，上海的累計(jì)確診病例為522例。

財(cái)新網(wǎng)，4月1日24點(diǎn)數(shù)據(jù)

“武漢的封城”即使并不能完全阻止傳染病的傳播，但是毋庸置疑的是為全球防疫爭(zhēng)取了寶貴時(shí)間，各大國(guó)家和城市也能夠從中吸取教訓(xùn)，制定最佳的遏制方案和防疫方案來(lái)減少病毒的傳播。

（責(zé)任編輯：小文）

參考鏈接：

【1】Kraemer M U G, Yang C-H, Gutierrez B, et al. The effect of human mobility and control measures on the COVID-19 epidemic in China [J]. Science, 2020, eabb4218.

【2】Chinazzi M, Davis J T, Ajelli M, et al. The effect of travel restrictions on the spread of the 2019 novel coronavirus (COVID-19) outbreak [J]. Science, 2020, eaba9757.

【3】Alessandro Vespignani ， https://en.wikipedia.org/wiki/Alessandro_Vespignani

【4】中華人民共和國(guó)中央人民政府，武漢市新型冠狀病毒感染的肺炎疫情防控指揮部通告（第1號(hào)）http://www.gov.cn/xinwen/2020-01/23/content_5471751.htm

【5】財(cái)新網(wǎng)，新冠確診病例實(shí)時(shí)動(dòng)態(tài)http://datanews.caixin.com/interactive/2020/pneumonia-h5/#live-data

【6】頭圖來(lái)自https://www.abc.net.au/chinese/2020-01-24/picture-collection:-wuhan-cn/11897836

閱讀原文