武汉疫情拐点预测模型_帝国理工大学的武汉疫情预测几乎没有参考性

|江希林

江希林，牛津大学人类基因组中心人类遗传学和牛津大学大数据研究所基因组医学和统计学博士，

新型冠状病毒起源于武汉，因此估计武汉最初感染的人数对流行病学分析非常有帮助。除了在当地医院筛查特定病例外，通过其他方面的数据预测感染人数也可以为掌握疫情提供支持

1年1月17日，英国帝国理工大学的团队(Natsuko等人)通过武汉的出境和海外患者人数估计了1月12日(1723年)之前武汉的患者人数。他们的逻辑很简单，假设每一个武汉人都随机进行一次国际旅行，那么从武汉出国的人的比例和武汉人的比例是一样的，而被诊断出出国的人数可以用来推断当时武汉生病的人数。

似乎是一个非常直接的方法，但是一些非常重要的因素不能忽略。例如，2019年中国公民的护照持有率仅为13%，因此仅考虑海外案例将导致对武汉市整体情况的估计出现较大偏差。当然，在Natsuko等人的工作中，他们也讨论过这种情况。他们表示，他们的研究假设每个武汉人的出境概率是独立的。然而，疫情的源头是位于汉口市中心的武汉华南海鲜市场。因此，邻近易感人群的国际旅行概率可能显著高于他们模型中使用的1900万武汉城市圈人口。同时，根据疫情溯源研究，大部分初始案例都与中国南方海鲜市场的野味消费有关，野味消费被视为奢侈品消费。相关人群更有可能获得高收入，更有可能进行国际旅行。因此，这个模型的假设可能是不正确的。

为了更准确地预测武汉市的初始病例数，我们检验了自然口模型的稳定性，假设只有武汉市区的护照持有者才能进行国际旅行(这显然是真的)，而不是假设武汉市区的1900万人在他们的模型中有相同的进行国际旅行的概率。当武汉华南海产品市场50%的易感人群持有护照时，根据新竹模型，1月12日之前的预测结果为281人(95%置信区间56-671)，而如果易感人群的护照持有率为80%，则相同的预测结果为175人(95%置信区间34-417)在原始模型中，他们的计算结果是1月12日之前在武汉有的1723名患者。这意味着当前的数据模型高度依赖于假设，并且估计的不确定性非常大，甚至可能有超过10倍的误差。(见下表)

同时，模型的核心数据是海外检测到的3个案例，如此小的样本会导致较大的置信区间，这就是预测的不确定性。在模型不确定性较高的情况下，模型的估计范围与模型的估计范围之间可能存在10倍以上的差距。这种偏差超过10倍的结果，对疫情的估计没有实际指导意义。

此外，他们在选择模型的检测窗口参数时使用了之前10天的非典型肺炎和MERS-CoV经验数据然而，对新型冠状病毒的研究表明，该病毒的平均潜伏期为7天，平均住院间隔为9天。因此，使用16天作为检测窗口更为合适，这也将导致原始估计从1723人调整到1079人。还有其他的假设需要讨论，比如国内外测试方法的差异，这里就不一一讨论了。然而，以上都表明，新竹模型的预测结果强烈依赖于假设，许多假设不太可能成立，因此预测的准确性需要进一步检验。

1年1月23日，帝国理工大学团队(Natsuko等人)发布了第二份报告，使用相同的模型将他们的预测从1月12日延长到1月18日，计算出截至2020年1月18日可能有4000名患者然而，1月10日开始的春运和1月14日开始的机场火车站发热筛查，导致模型中“机场覆盖人群”和“出境居民独立性”的假设严重受损，而第一份报告中的问题依然存在。因此，1月12日至18日使用新泻模型的估计精度很低，没有什么参考价值。值得注意的是，

并不是得出帝国理工学院的预测结果可能偏高或偏低的结论，而只是表明其预测精度非常低，可能明显偏高或明显偏低。与此同时，应该指出的是，疫情已经从武汉扩大到全国，武汉的交通受到严格控制。该预测模型使用与当地疫情联系较弱的一个因素，即海外患者数量进行预测。同时，预测目标仅限于武汉市(目前确诊的海外病例均与武汉市有关)。在研究意义上，该模型对了解当前疫情的总体情况也帮助有限。

自1月17日起，疫情已蔓延至其他省份。目前，其他省份的确诊病例数与该地区与武汉的交通联系紧密程度直接正相关。然而，湖北省其他城市与武汉的交通联系程度最高，但确诊病例却不多。现阶段，根据当地医疗机构的实际数据(包括疑似病例数、疑似病例确诊率、就诊率等)。)，并结合早春运输期间的交通数据，分析与武汉高度相关的这些城市的疾病状况，以便掌握疫情的总体情况，这是最重要的。而不是使用具有低相关系数的海外案例来估计像Natsuko模型那样的单个区域。

通过交通数据预测，湖北省、河南省和湖南省各城市的疫情可能被低估，有必要结合当地疫情数据和交通状况对这些地区的疫情进行估计与此同时，考虑到交通联系对疫情传播的重大影响，春节后半段受感染人数可能会大幅增加。测量交通压力导致的未来流行病变化可能是当前流行病学计算的重点。