视频:解决以前未见过的病原体之谜
一部新的动画旨在阐明在处理一种以前未见过的病原体时所采取的科学过程。
对付一种以前未见过的病原体——比如导致COVID-19的病原体——就像拼凑一个谜题。在充分了解病原体和采取有效的控制措施之前，有许多不同的参数需要调查。那么科学家们是如何着手解决这个难题的呢?为什么建模如此重要呢?
由Christl Donnelly教授和Oxford Sparks制作的新动画旨在揭示科学的流程当我们发现自己面临一种新的未知病原体时，无论是病毒、细菌还是朊病毒。
结合数据和方程
统计建模人员利用从以往疫情中获得的知识，结合数据和方程来估计疫情的增长，此外还有其他参数，如“病死率”，即死于该病的病例的比例。这样的估计并不简单，尤其是因为病原体特征的巨大多样性，即使在冠状病毒这样的单一群体中也是如此。
例如，引起突发性急性呼吸综合征(SARS-CoV, 2003年确定)的病毒导致所有感染者患上严重的临床疾病。然而，许多感染SARS-CoV-2 h(当前大流行背后的病毒)的人没有症状。
似乎个体在无症状(或处于症状前阶段)时可以将病毒传播给他人，使其更难控制。这也使得估计感染病死率等参数更具挑战性，因为在分析时必须考虑无症状病例的数量，这是一个难以发现的统计数据。
通知决策者
如动画所示，有许多重要参数描述了感染如何在个人内部发展并在人群中传播——了解每个参数有助于为决策者的决策提供信息。例子包括潜伏期，用于确定隔离应持续多长时间，以及繁殖数(R)，代表平均将被单个感染者感染的个体数。在当前大流行期间，这一指标一直用于评估感染风险并为政策提供信息。
当科学家们面对相互矛盾的数据时，比如来自其他国家的数据，估计这些参数就变得更加复杂。正如动画中讨论的那样，“了解这是否是由于其他疾病、不同的医疗保健或检测方法造成的，这是至关重要的。”
在前线
科学家们再次站在了这场斗争的第一线冠状病毒-不仅寻找疫苗和可能的治疗方法，而且分析数据、估计参数和运行模型，使我们能够就如何最好地控制这一流行病作出明智的决定。
新的牛津火花动画于2020年8月6日推出，由帝国理工大学统计流行病学教授兼牛津大学应用统计学教授Christl Donnelly教授创作。她是MRC全球传染病分析中心副主任。
