2022年10月19日

估算SARS-CoV-2传播的R0是一个困难的关键因素

贡纳·巴奇,Julius-Maximilians-Universitat维尔茨堡

由死亡率过高估计的SARS-CoV-2在德国传播的R0 — 识别不受政策或行为变化影响的SARS-CoV-2数据集，以估算R0。（一个)德国的移动数据(驾驶)，由苹果提供(驾驶:红色;交通:蓝色;行走:绿色)。移动趋势的第一个变化出现在3月13日。（B) RKI提供的关于covid -19病例(黑色)和与covid -19相关的死亡(红色)的数据通过伽马分布进行了拟合。两条曲线的最大值相差25天。（C)截至目前可使用Covid-19病例或Covid-19死亡病例的数据确定R0而不通过政策行动或社会应对影响结果的日期图形表示。信贷:*科学报告*(2022)。DOI: 10.1038 / s41598 - 022 - 22101 - 7

2020年，在大流行开始时，整个德国都被媒体每天发布的所谓的r值所吸引。如果高于1，很明显，大流行将继续蔓延。另一方面，数值低于1则意味着感染人数下降。根据罗伯特·科赫研究所在这段时间的计算，超过2的值不是好兆头:它们代表着SARS-CoV-2的指数级传播。

然而，现在发表在该杂志上的一项研究科学报告得出的结论是，在现实中，r值明显低于之前的假设。来自病毒学和免疫生物学研究所的科学家和Julius-Maximilians-Universität Würzburg (JMU)的生物信息学主席负责这些计算。主要作者是病毒学家Carsten Scheller和生物信息学家Thomas Dandekar。

R0值:许多预测的基础

Carsten Scheller说:“病毒的所谓基本复制数R0描述的是一个感染者在尚未接触过该病毒的人群中感染的平均人数。”

因此，在预测病毒的传播或估计需要多少人感染才能实现群体免疫的目标时，R0是一个关键因素。病毒学家说:“此外，R0值可以用来预测温带气候中的呼吸道病毒是否会发展成季节性感染模式，如流感病毒，或是否会全年持续传播。”

估计相差很大

在SARS-CoV-2病例中，测定的R0值变化显著。根据武汉市425例确诊病例的数据初步估计为2.26，随后计算为5.77。世界卫生组织的估计在1.95到6.49之间，德国罗伯特·科赫研究所根据系统审查的结果认为R值在2.8到3.89之间。

Carsten Scheller说:“所有这些估计和计算的共同点是，它们都是基于用PCR检测到的SARS-CoV-2感染的发生率。”这里的问题是，这些估计不仅取决于被研究人群的特征，还取决于检测策略和在大流行的最初几周内可获得和执行的检测数量的增加——至少在没有对这一增加进行数学修正的情况下是这样。

以过高的死亡率为基础

为了消除这种不确定的影响因素，Würzburg大学的研究小组决定使用一种不同的数据基础:与大流行前年份相比的死亡率增长，即超额死亡率．

“由于SARS-CoV-2感染已经导致许多国家的超额死亡率增加，这些数据可以用作冠状病毒传播的替代标记。由于过高的死亡率与所进行的检测的数量或策略无关，它提供了感染在一般人群中传播的代表性图景。”

然而，该团队必须考虑一个重要方面:收集数据的正确时间问题。例如，德国已经采取了早期措施来控制新冠病毒-2的流行，从禁止大规模集会(3月9日)到关闭学校(3月16日)到完全封锁(3月23日)。研究人员表示，所有这些限制，以及广泛的媒体报道，可能对冠状病毒的传播产生了影响。

“因此，我们只计算了截至2020年4月11日的死亡人数。由于这些死亡的感染已经在死亡前平均25天发生，因此采取的控制感染的措施不可能对R0的计算值产生任何影响，”生物信息学家Thomas Dandekar解释说。

测试能力的扩大导致了高估

在此基础上，研究小组得出结论:“我们确定2020年3月感染的R0值为1.34，这对应于1月的季节性范围为1.68,7月的最低值为1.01。”据参与这项研究的人员说，这一相当低的R0值范围比许多早期和高得多的估计更符合对大流行进展的观察。他们认为，这种高估的主要原因是在大流行的早期阶段大规模扩大了检测能力，以及检测战略的变化。

据该研究小组称，这一相对较低的R0值显著促进了2020年春季感染人数的下降。因此，封锁对病毒传播的影响可能没有看上去的那么大。因此，鉴于类似的趋势，任何对封锁措施的成本效益考虑都必须与过去不同。

新的病毒变体可能具有不同的r值

考虑到其他的SARS-CoV-2变种长期以来席卷全国，这些发现现在有什么意义?“在不受病毒影响的人群中，通常更具传染性的新变种的R0值肯定应该与原始变种不同。然而，这永远无法重新计算，因为人们已经通过已经经历过的感染和接种疫苗建立了大量的免疫力，”Carsten Scheller解释说。

然而，原始变异的较低R0值现在提供了对单个感染波的更好观察。最后，较低的R值也意味着较早实现了群体免疫。然后病毒就没有办法进一步传播，结果就是不断地形成新的变种。病毒学家说:“因此，由所谓的免疫逃逸变异引起的个别波动是相当正常的。”他说，一旦大约三分之一的人口被感染，这些原始变异的浪潮就会自行中断，了解这一点对于制定应对措施是很重要的。

必须考虑到限制

然而，现在发表的这项研究的作者意识到他们的模型也有一定的局限性。例如，与大流行相关的医疗短缺可能导致死亡率增加，而这与病毒感染的直接影响无关。这种偏差会导致对R值的过高估计。

此外，关于死亡率过高的说明总是提到一个具体的参考时期，如前一年，或如本研究的情况，前四年。因此，死亡率的增加或减少总是取决于前几年死亡率的发展情况。

最后，在分析期间，特殊弱势群体在总感染发病率中的比例没有明显变化是确定正确值的前提。此外，随着时间的推移，更具传染性的病毒变异会优先传递，并最终主导发病率感染．