小小的行为改变决定了疫情控制的成败

流体物理学与冠状病毒的传播有什么关系?奥地利科学技术研究所(IST Austria)的物理学教授Björn Hof和他的研究小组对这种流行病的最新发现，他们专门研究流体和湍流。去年初，霍夫被迫取消了前往妻子家乡武汉的行程，把工作重点突然转向了疫情传播。

“我的团队通常研究管道和通道中的湍流，”他说。“在过去10年里，我们已经证明了湍流的开始是由统计模型描述的，这些模型同样被用于描述森林火灾和流行病。”考虑到这些经验，对该小组的理论家和计算专家布拉克·布达努尔(Burak Budanur)来说，编写流行病模型是一项简单的工作。

流行病曲线并没有变平，而是垮掉了

标准的流行模型表明，缓解程度对流行高峰的高度有持续的影响。该论文的主要作者戴维·斯卡塞利(Davide Scarselli)说:“我们的预期是，这条曲线会随着社交距离的水平成比例地变平。”然而，当他第一次模拟流行病时，考虑到检测和接触追踪的限制，情况就完全不同了。最初，受感染人数的最大值如预期的那样下降，但当缓解水平达到某个阈值时，突然下降到几乎为零。在一种情况下，大约有一半的人在疫情期间被感染。在另一组中，只有3%的人感染了这种疾病。令人惊讶的是，在这两种结果之间不可能得到一个结果:要么爆发了大规模的疫情，要么几乎什么都没有。

失败比指数增长更快

检测已知联系人（不是测试本身）是慢慢陷入流行病的最强大方式之一。然而数字可以每天追踪的情况是有限的，因此可以管理的测试数量。研究人员发现，在流行病期间的一个观点超过了这些限制对后果深远。“如果发生这种情况，”Timme说，“疾病开始在未经检查的地区开始扩散，这种情况不可避免地导致感染的超级指数增加。”已经，指数增长是巨大的。它意味着每隔几天的感染倍增。超级指数表示即使加倍的速率也变得更快。

只要可以避免这种加速度，疫情曲线崩溃到相对低的情况下。有趣的是，无论接触跟踪是否受到小型或大安全保证金的保护相对较少。这些数字保持相对较低。另一方面，如果仅限于单个案例的限制，则超级指数增长导致总案例数跳跃十倍。

边际差异和不成比例的影响

“像大多数国家一样，奥地利没有早期反对第二波。一旦并非所有联系人都可以在去年9月再次追踪，并不难预测该案例数量将以较快的速度激增，”Scarselli说。在去年，它已经变得显而易见的是，在面对时，早期和决定性的反应是必不可少的指数增长不过，该团队的研究表明，测试限制使得计时更加重要。

锁定的成功和失败之间的差异是边缘的，或者作为布丹尔这样的差异：“昨天工作的政策不仅需要更长的时间来生效，而且如果它已经实施了一整天，这可能完全失败了。" Hof adds: "Most European countries only reacted when health capacity limits became threatened. Actually,政策制定者应该注意他们的接触追踪小组，并在防护罩崩溃前锁定他们。”

最近，该团队研究了最佳策略，其中锁定用作预防工具而不是紧急制动器。概述最佳策略的稿件，最大限度地减少受感染者的数量和所需的锁定时间，目前正在进行中。

该研究发表于自然通讯。

---

---