疫情防控常態(tài)化
發(fā)布時間:2020-08-28 來源: 疫情防控 點擊： 
疫情防控常態(tài)化
疫情防控常態(tài)化
2020 年 1 月中下旬，武漢爆發(fā)新型冠狀病毒(COVID-19)感染肺炎疫情，由于部分國家對該病毒重視程度不夠或應對措施不當，疫情經過一個月左右平穩(wěn)傳播后形成了全球大爆發(fā)[1-4]，截止 2020 年 7 月 26 日，全球累計確診感染者已超過1***萬，實際感染人口估計數千萬計，累計死亡人數超過了***萬，每日新增確診人數接近***萬，疫情并未按照某些專家所期望的隨著全球氣溫升高、已感染人數增加而趨于緩慢傳播，反而呈現(xiàn)出愈演愈烈的態(tài)勢。
2019年12月8日，武漢出現(xiàn)首例新型冠狀病毒肺炎患者;2020年1月中下旬，武漢爆發(fā)疫情，隨后由于春運造成大規(guī)模人員遷移，造成疫情在全國蔓延并在全球爆發(fā)。2020 年 1 月 20 日，中華人民共和國國家衛(wèi)生健康委員會發(fā)布公告，將新型冠狀病毒肺炎納入《中華人民共和國傳染病防治法》規(guī)定的乙類傳染病，并采取甲類傳染病的預防、控制措施。世界衛(wèi)生組織2020年2月11日將該病正式命名為Coronavirus Disease 2019(COVID-19)。
我國在2020年1月20日迅速采取了一系列防控措施，有效遏制了新冠肺炎的傳播。衡量傳染病傳播能力最關鍵的參數之一就是基本再生數 R0[5]，它被定義為沒有干預的情況下在一個全部是易感人群的環(huán)境中平均一個患者可以傳染的人數，用大白話說就是自由傳播的情況下一個病人平均能感染多少人。假設COVID-19 早期傳播可以用一個“易感-潛伏-傳染-移除(SEIR)”動力學模型[6]近似刻畫，且自由傳播時呈指數趨勢，并根據早期流行病傳播關鍵參數[7]，可以估計基本再生數為2.2-3.0[8]。但看基本再生數，COVID-19和SARS是接近的，但是
COVID-19 感染下一代病人的速度更快，因此其傳播能力實際上高于 SARS——這還不包括可能有一些無癥狀期的傳染以及因為未被檢測到的感染者[9]。
隨著防控措施的實施，傳染病傳播不再是自由傳播階段，為了評價防控措施的有效性，通常采用有效再生數對傳染病的傳播能力進行實時評估。有效再生數Rt 定義為在某時刻 t，一個感染者平均而言可以感染其他個體的數量。以前的估計有效再生數的方法需要知道患者出現(xiàn)癥狀的時間，陳端兵等人[10][11]基于蒙特卡洛方法提出了一種依據少量患者的癥狀出現(xiàn)時間對有效再生數進行估計的方法，為及時對防控措施的效果進行定量評估提供了手段，同時以強有力的數據證實了中國防疫的巨大成就——除湖北外所有省份有效生成數都在實施防控措施(以2020 年 1 月 21 日為起點)一周內下降到了 1 以下。同期利用幾個省獲取的更大規(guī)模包含出現(xiàn)癥狀時間的數據，可以得到定性完全一致，定量幾乎一致的結果[12]。
對于這類傳染性較高(基本再生數在 2-3 之間[8])、傳播速度快(早期數據顯示平均代際時間只有 7.5 天[7]，而近期一些更大樣本數據的分析顯示這個時間可能只有 4 天左右[13][14]，遠遠短于 SARS)、發(fā)病較緩慢且存在大量無癥狀和輕微癥狀[9]的呼吸道傳染病，人類歷史上還沒有成功控制的先例，中國政府，至少到目前為止，是創(chuàng)造了奇跡!
有研究人員根據公開報道的確診情況，結合地區(qū)人口以及疫情管控前從武漢流入人口的數據，對中國的若干大中城市防控成效進行了排序，并深入分析了防控效果最為出色城市石家莊的經驗[15]。結合各種學術論文、新聞報導和流行病防控歷史經驗，去除個別地區(qū)的特殊優(yōu)勢(例如石家莊是中國口罩主要產地等)，我認為中國的成功主要應歸功于三個方面。
第一是反饋及時。在 1 月 20 日中華人民共和國國家衛(wèi)生健康委員會發(fā)布公告，采取甲類傳染病的預防、控制措施進行疫情防控后，各省市自治區(qū)立刻采取了果
斷嚴厲的措施。若以 1 月 21 日作為防控地點日，大部分地區(qū)三至四天內有效再生數就降到了 1 以下[10-12]，不可謂一種奇跡。喻孜等人[16]的研究顯示，政府防控措施每晚出臺 10 天，感染人數就會比真實人數高一倍。劉權輝等人[17]基于四川省數據的研究顯示，如果防控措施晚出臺4周，則會多感染9000多人(比實際感染人數多出了 17 倍)，對醫(yī)療系統(tǒng)帶來的負擔將顯著超過四川的承受能力。
第二是阻斷接觸。在沒有疫苗的情況下，阻斷或者至少減少接觸是從根本上控制疫情傳播的措施。針對武漢和上海的接觸模式問卷調查顯示，在實施防控策略之后，每天的有效接觸人數下降到了原來的8/1至1/7的水平[18]。建模分析顯示降低接觸是最為有效的防控措施[18][19]。因為這些接觸主要都發(fā)生在家庭和緊密的社團內，因此實際帶來的防控效果還要好于隨機將接觸下降到 8/1 至 1/7的水平。進一步地，因為接觸少了，客觀上也使得對于確診患者的流行病追蹤變得更加高效和準確。
第三是數據追蹤。傳統(tǒng)流行病追蹤是通過訪談確診患者，必然存在諸多局限性，例如患者身體和精神狀況不佳、患者難以精確回憶到過的地方和時間等等。特別地，在生產生活常態(tài)化，接觸頻度大幅度上升之后，流行病追蹤的難度會進一步提高。中國率先采用了數字技術進行密切接觸的數據追蹤，主要是基于健康碼并結合運營商的數據，可以對確診患者和高風險人員的軌跡進行快速復現(xiàn)。盡管很難通過真實數據定量分析“是否采用數據追蹤技術”對于疫情的影響，但是最近有大量理論研究顯示數據追蹤對于疫情有效防控起到了關鍵性的作用，并且已經有越來越多的學者向其他國家和地區(qū)推薦這一方法[20-22]。除了以上三方面關鍵要素外，各種公共場所的消殺清潔工作，以及戴口罩和勤洗手等行為引導也對疫情防控起到了一定的作用。
盡管中國政府和人民在抗擊新冠疫情方面已經取得了令世界矚目的階段性勝
利，但是目前主流學術界認為新冠疫情將呈現(xiàn)常態(tài)化，甚至變成類似流感一樣的季節(jié)性流行病[23]，因此常態(tài)化疫情防控將是中國必須長期面對的難題和挑戰(zhàn)。顯然，加強醫(yī)學方面的研發(fā)至關重要，包括簡捷準確的檢測方法、長效安全的疫苗、有效且低成本的治療方案和深入的血清學研究等等。本文的焦點主要是非醫(yī)療的疫情防控措施。我認為常態(tài)化疫情亟需先進的數字化管理體系和方法，為此我提三點建議，這些建議對于新冠病毒以外的其他公共衛(wèi)生突發(fā)事件也有借鑒意義。
第一，要進一步優(yōu)化和升級健康碼，實現(xiàn)更廣覆蓋和更高效的流行病追蹤。
首先，要加快推進全國健康碼的打通。目前健康碼還存在各地割據的情況，在推進的過程中，中央應該和地方“分數”，就是不能一刀切把地方的數據收上來又不讓地方使用這些數據。因為地方沒有這些數據，就會眼前一抹黑，處理不了本地有特殊性的問題，更何況很多地方的健康碼已經綁定了其他市民應用。不僅是公共衛(wèi)生，中央各部門要想真正實現(xiàn)數據融通的一張網、一盤棋，只有和地方“分數”，讓地方在數據上也不吃虧，不然肯定推進不了。
其次，在部分高風險公共地區(qū)，要變“亮碼通行”為“掃碼通行”。個人只需要打開微信或支付寶“掃一掃”各類公共場所張貼的二維碼，立刻可以快速記錄個人軌跡，通過對人員活動軌跡精準溯源和疊加分析，可以實現(xiàn)一旦發(fā)現(xiàn)確診或疑似患者，立刻就能找到和他們利用相同交通工具或在相同時空駐留的密切接觸者。“掃碼通行”適用于機關企事業(yè)單位、商場、超市、藥店、樓宇、餐館飯店、公交地鐵等場景，特別是在部分亮碼后無法及時準確返回地點類型和精確位置的場景。最近已經有研究分析了各類公共場所的風險[24]，掃碼功能可以優(yōu)先選擇風險高的場所進行布置。
最后，在特定場合或者特殊情況下，可以采用藍牙技術進行定位。例如內部
空間較大的公共場所(如大型商場)和大量人員相對封閉的工作生活混雜區(qū)域(如高校)，如果一出現(xiàn)確診患者就全部隔離，在后期有可能帶來很大的公共衛(wèi)生資源負擔，所以需要進一步了解場所內部的精確軌跡，這時候低功耗藍牙就可以發(fā)揮作用了。
新加坡政府從 2020 年 4 月 9 日后，開始使用基于手機藍牙的 BlueTrace 系統(tǒng)進行接觸最終。公民被要求下載和使用對應的 App，從而可以利用藍牙信號自動發(fā)現(xiàn)密切接觸行為和接觸時長。每個手機終端按照15分鐘一次進行動態(tài)ID輪替和加密，使得除政府外任何第三方都無法長期追蹤某手機用戶的軌跡。所有接觸行為均進行本地存儲(存儲量極小)且用戶無法刪除近期數據，如果用戶在確診或者高度疑似患者的密切接觸對象中，政府可以通過加密協(xié)議端對端提出請求并自動獲取該用戶的數據[25]。相應的機制和協(xié)議可以同時保護隱私并保障高效率傳播接觸，有相當的借鑒意義，建議中國開展相關的追蹤研究和小規(guī)模試點。
第二，要基于真實數據和流行病傳播的動力學機制，建立具有決策支撐作用的仿真系統(tǒng)。
要基于高度精細化的社會人口統(tǒng)計數據，分別構建包含家庭、學校、公司和社區(qū)的人工社會網絡模型，結合不同流行病的動力學特性和關鍵參數，建立可以再現(xiàn)真實流行病傳播行為的仿真系統(tǒng)。基于仿真系統(tǒng)，實現(xiàn)對流行病傳播趨勢的早期預測，量化關鍵影響因素(如人口流動和人口接觸模式等)對整體傳播速度和爆發(fā)規(guī)模的影響。分析現(xiàn)有干預策略(如城市進出交通管制、居民出行限制、檢測和隔離措施、市內交通管制、生活衛(wèi)生習慣改變、關閉學校、中止生產和服務、基于健康碼的快速接觸追蹤等)對流行病防控的效果。分析公共衛(wèi)生資源儲備對于流行病防控的影響，以及防控措施的經濟社會代價。實現(xiàn)從防控效果和社會經濟代價兩個方面對現(xiàn)有防控政策的效果進行定量化的事前預估和事后評價。國外很
早就已經有這方面的嘗試并在疫情防控中發(fā)揮了重要作用[26]，中國也應該著力開展這方面系統(tǒng)性的工作。
第三，要加快推進公共數據共享，建立公共應急事件的信息化支撐機制。
我國在取得疫情防控重大勝利的同時，也暴露出了公共衛(wèi)生危機下協(xié)同調度的短板。疫情早期，大量政府和基層組織并未充分利用先進的信息通信技術，而是采用手工作坊式的人海戰(zhàn)術“打笨仗、打硬仗”，大大降低工作效率和群眾體驗。這是因為社區(qū)自下而上的信息力量被忽視，而政府自上而下的數據匯聚還未實現(xiàn)，無法提供高精度的時空場景下高頻次的實時數據支撐。
因此，亟需推進公共數據共享，打破政府部門“數權即事權”的官本位思想，建立基于大數據的公共應急事件的資源調度和應急處置平臺，構建聯(lián)動國家、省、市、區(qū)、街道、社區(qū)多層級的信息化系統(tǒng)，實現(xiàn)人員、場所、車輛、物資等時空分散的信息的實時匯聚，支撐快速決策和處置。健康碼的推行已經積累了大量高價值微觀數據，可以作為該系統(tǒng)的重要支撐。未來這些數據還可以應用于新型基層社會治理體系的建設，使得基層工作人員可以同時掌握人、地、事、物、組織5 大要素，真正實現(xiàn)“網格劃分清晰、居住狀況明確、人員定位準確、責任落實到位”的基層社區(qū)治理新格局。
參考文獻
[1] J. T. Wu, K. Leung, G. M. Leung, Nowcasting and orecasting the potential domestic and international spread o
the 2019-nCoV outbreak originating in Wuhan, China: a modelling study, Lancet 395 (2020) 689-697.
[2] V. J. Munster, et al.,ronavirus Emerging in China: Key Questions or Impact Assessment, NEJM 382 (2020) 692-694.
[3] N. Zhu, et al.,ronavirus rom patients with pneumonia in China, 2019, NEJM 382 (2020) 727-733.
[4] 欒榮生，等, 新型冠狀病毒肺炎的流行病學、臨床治療與疫情防控, 四川大學學報(醫(yī)學版) 51(2) (2020) 131-138.
[5] R. M. Anderson, R. M. May, In ectious Diseases o
Humans: Dynamics and Control (O*
ord University Press, O* ord, 1991).
[6] R. Pastor-Satorras, et al., Epidemic processes in comple* networks, Review o
Modern Physics 87 (2015) 925-979.
[7] Q. Li, et al., Early transmission dynamics in Wuhan, China,ronavirus–in ected pneumonia, NEJM 382 (2020) 1199-1207.
[8] T. Zhou, et al., Preliminary prediction o
the basic reproduction number o
theronavirus 2019-nCoV, Journal o
Evidence-Based Medicine 13 (2020) 3-7.
[9] R. Li, et al., Substantial undocumented in ection acilitates the rapid disseminatronavirus (SARS-CoV2), Science 368 (2020) 489-493.
[10] D.-B. Chen, T. Zhou, Control E icacy on COVID-19, ar*iv: 2003.00305.
[11] 陳端兵, 等，新型冠狀病毒肺炎防控效果的定量評估，電子科技大學學報 49(3) (2020) 339-344.
[12] J. Zhang, et al., 2020 Evolving epidemiology and transmission dynamics o
coronavirus disease 2019 outside Hubei province, China: a descriptive and modelling study, Lancet In
ect. Dis. 20 (2020) 793-802.
[13] H. Nishiura, N. M. Linton, A. R. Akhmetzhanov, Serial interronavirus (COVID-19) in ections, Int. J. In ect. Dis. 93 (2020) 284-286.
[14] Z. Du, et al., Serial Interval o
COVID-19 among Publicly Reported Con
irmed Cases, Emerging In ectious Diseases 26 (2020) 1341-1343.
[15] 李冀鵬，等. 評估新型冠狀病毒地區(qū)防控效果的一種近似方法, 物理學報 69 (2020) 100201.
[16] 喻孜, 等. 基于時變參數-SIR 模型的 2019-nCoV 疫情評估和預測，電子科技大學學報 49(3) (2020) 357-361.
[17] Q.-H. Liu, et al., The COVID-19 outbreak in Sichuan, China: epidemiology and impact o
interventions, medR*iv: 2020.07.20.20157602.
[18] J. Zhang, et al., 2020 Changes in contact patterns shape the dynamics o
the COVID-19 outbreak in China, Science 368 (2020) 489-493.
[19] 汪劍眉，李鋼. 新冠肺炎非均勻感染力傳播模型與干預分析，電子科技大學學報 49(3) (2020) 392-398.
[20] L. Ferretti, et al., Quanti ying SARS-COV-2 transmission suggests epidemic control with digital contact tracing, Science 368 (2020) abb6936.
[21] S. Kojakn, L. Hebert-Du resne, Y.-Y. Ahn, The e ectiveness o
contact tracing in heterogeneous networks, ar*iv: 2005.02362.
[22] G. Bianconi, et al., A message-passing approach to epidemic tracing and mitigation with apps, ar*iv: 2007.05277.
[23] S. M. Kissler, et al., Projecting the transmission dynamics o
SARS-CoV-2 through the postpandemic period, Science 368 (2020) abb5793.
[24] S. G. Benzell, A. Collis, C. Nicolaides, Rationing social contact during the COVID-19 pandemic: Transmission risk and social bene its o
US locations, PNAS 117 (2020) 14642-14644.
[25] J. Bay, et al., BlueTrace: A privacy-preserving protocol or community-driven contact tracing across borders,
rom Singapores Government Technology Agency, https://bluetrace.io/.
[26] D. Balcan, et al., Modeling the spatial spread o
in
ectious diseases: The Global Epidemic and Mobility computational model, Journal o
Computational Science 1 (2020) 132-145.
疫情防控常態(tài)化
常態(tài)化意味著持久戰(zhàn)，防控需要新思維。一段時間以來，不少地方推出地鐵縮短發(fā)車間隔、社區(qū) 24 小時專人值守等“超常措施”，用“特事特辦”的思路，在疫情防控的“緊”和復工復產的“松”之間找到一種平衡，為戰(zhàn)“疫”作出了突出貢獻。但隨著疫情防控進入常態(tài)化，“超常措施”終將面臨“天花板”，必須盡快轉變舊思路、研究新對策。要想守住前一段疫情防控的成果、擴大向好勢頭，必須提前籌謀、應勢而動，以“螺螄殼里做道場”的功夫，把疫情防控和復工復產兩張答卷做好。
常態(tài)化防控要有系統(tǒng)思維。近一段時間，我們常常看到一些大城市地鐵縮短發(fā)車間隔，以突破設計能力的努力來應對人流增長壓力，卻很少看到“錯峰上下班”真正落實為城市潮汐人流帶來“結構性”改變。我們常�？吹揭恍�“雙城生活”人士為了配合“返回即隔離”措施與家人長期天各一方，卻很少看到城市群內部推動健康碼互認為群眾流動帶來便利。我們常�？吹缴鐓^(qū)工作人員夜以繼日地堅守陣地，卻很少看到突破部門、行業(yè)間隔的輪替和支援;我們常常看到學生開學遙遙無期、居家學習時間越來越長，卻很少看到企業(yè)單位出臺措施幫扶雙職工落實居家辦公看護。疫情之下，城市治理必須改變傳統(tǒng)的管理方法，摒棄“哪疼醫(yī)哪”“缺啥補啥”的簡單思路，跳出一時一地、一部門一行業(yè)的視野局限，以
系統(tǒng)思維聚合力，用系統(tǒng)方法謀全局。
常態(tài)化防控要破痛點、解難題。受疫情影響，一些小微企業(yè)、個體商戶受到較大沖擊，甚至出現(xiàn)“復工復產即破產倒閉”的情況。上海市團市委面向青年創(chuàng)業(yè)者推出***億元優(yōu)惠利率貸款，解決了資金的燃眉之急。疫情有危也有機，重慶市商務委與阿里巴巴推出“春雷計劃”，幫助企業(yè)挖掘數字化轉型的機會。百姓生活哪里不便，政策的勁就該往哪里使;企業(yè)難在什么地方，政府幫扶的手就應該往哪里伸。叫好又叫座的戰(zhàn)“疫”措施一定是從群眾中來、從“缺口”處來的有效措施，是聚焦難點、化解痛點的“走心”之舉，展現(xiàn)的是全局與局部相配套、當前與未來相協(xié)調、整體與重點相統(tǒng)一的“組合拳”。
常態(tài)化防控要用好科技手段，實施精準防控。在杭州城市大腦指揮中心，AI計算每兩分鐘完成一次全區(qū)域掃描。城市大腦的健康碼系統(tǒng)，精準研判不同區(qū)域的疫情風險，實現(xiàn)分區(qū)復產復工。中央企業(yè)電商聯(lián)盟搭建全國企業(yè)復工復產供需對接云平臺，面向中小企業(yè)發(fā)布供需信息。數字健康平臺微醫(yī)在杭州上線“全球戰(zhàn)疫平臺”，集結國內三甲醫(yī)院的醫(yī)生為世界服務……新興科技的發(fā)展，為戰(zhàn)“疫”提升效率、節(jié)約人力提供了更多可能。向數據要“畫像”，就能準確找出防疫風險、產業(yè)需求;向計算要“方案”，就能更快找到最佳路徑、最優(yōu)辦法。利用科技力量實施精準防控，把疫情造成的損失降到最低限度，就能更有力地確保實現(xiàn)全面建成小康社會任務。
實現(xiàn)常態(tài)化防控還需要全社會放下“非常心態(tài)”。一段時間以來，“老母親”與在家學習的“熊孩子”相看兩生厭，最大的希望就是學校早點開學。人們被困家中不能外出聚會，就盼著疫情的“非常態(tài)”早點結束。在疫情常態(tài)化的現(xiàn)實中，這種心態(tài)必須轉變。其實，凡事都有兩面。接納孩子在家上學的事實，珍惜在家吃飯、和家人相處的時間，讓一切自然發(fā)生，在新常態(tài)中開啟新生活，未嘗不能
發(fā)現(xiàn)世界新的美好。
熱點文章閱讀