新病毒在中國或致8042例感染，爆發(fā)峰值預(yù)計2月中上旬 | 最新研究大匯總（截止26日15:00）
導(dǎo)讀
2019- nCov在中國可能導(dǎo)致8042例（區(qū)間為4199-11884）感染和898例（區(qū)間為368- 1429）死亡，對應(yīng)的致死率為11.02%（區(qū)間為9.26%-12.78%）。
2019-nCoV累計病例數(shù)約為SARS總病例數(shù)的2-3倍，峰值預(yù)計在2月上旬或中旬到來。
作者認(rèn)為，進(jìn)出武漢的交通管制不太可能有效地阻止全國范圍內(nèi)疫情的傳播，即使有效地減少99%的交通，至2月4日武漢之外的疫情也只能降低24.9%。
與其他突發(fā)性冠狀病毒相比，2019-nCoV的基本繁殖數(shù)量更高，這意味著遏制或控制這種病原體可能會更加困難。
1月25日，生物預(yù)印本網(wǎng)站BioRxiv更新4篇關(guān)于武漢新型冠狀病毒的研究論文，醫(yī)學(xué)預(yù)印本平臺medRxiv也在24日更新一篇，共同分析了新型肺炎的流行病學(xué)特征和該病毒的全基因組特征。
以下為詳細(xì)介紹：
BioRxiv
模擬中國2019年新型冠狀病毒疫情流行趨勢
西安交通大學(xué)及南京醫(yī)科大學(xué)等機(jī)構(gòu)研究人員，及時評估了處于初始階段的中國新型冠狀病毒（2019-nCov）疫情，結(jié)果顯示2019-nCov的傳播能力與SARS和MERS相當(dāng)，但致死率較低。
數(shù)學(xué)模型表明，2019- nCov在中國可能導(dǎo)致8042例（區(qū)間為4199-11884）感染和898例（區(qū)間為368- 1429）死亡，對應(yīng)的致死率為11.02%（區(qū)間為9.26%-12.78%）。這低于SARS的14%到15%和MERS的34.4%，表明2019-nCov可能是冠狀病毒家族中毒性較小的毒株。
然而，研究人員承認(rèn)，在疫情的早期階段，由于許多感染病例尚未發(fā)展到關(guān)鍵階段，死亡病例可能未得到充分報告。
2019- nCov的基本繁殖數(shù)量（R0）是病毒最初可傳播性的一個指標(biāo)，在2019年12月12日開始流行時，估計為4.71，但到2020年1月22日，其有效繁殖數(shù)量（Re）下降到2.08。如果繼續(xù)下降趨勢，假設(shè)疫情不再復(fù)發(fā)，則在疫情開始后3個月內(nèi)（77天），Re將下降到1以下，說明疫情將在3個月內(nèi)逐漸消失。與SARS和MERS相比，2019-nCov的R0與SARS相似。
研究人員還認(rèn)為，快速診斷并保證病例及時隔離，以及綜合干預(yù)措施，將對2019-nCov疫情未來趨勢產(chǎn)生重大影響。
然而，中國正面臨春運(yùn)高峰，并且疫情已蔓延至境外，有必要進(jìn)一步研究其潛在的時空傳播模式和批準(zhǔn)新的干預(yù)策略。
相關(guān)論文信息：
https://doi.org/10.1101/2020.01.23.916726
武漢爆發(fā)冠狀病毒疫情：加強(qiáng)監(jiān)測對預(yù)防新地點(diǎn)的持續(xù)傳播至關(guān)重要
截至2020年1月24日，源自中國武漢的新冠狀病毒肺炎爆發(fā)已造成830例確診病例，包括26例死亡。該病毒（2019-nCoV）已在中國其他地區(qū)和其他國家傳播，包括韓國、泰國、日本和美國。
幸運(yùn)的是，還沒有證據(jù)表明在中國以外的地方出現(xiàn)了持續(xù)的人際傳播。在這里，英國牛津大學(xué)研究人員評估了，2019-nCoV到達(dá)其他國家時，可能出現(xiàn)的持續(xù)傳播風(fēng)險。
研究人員使用47名受感染患者從癥狀出現(xiàn)到住院治療的時間數(shù)據(jù)，估計了輸入病例之后出現(xiàn)持續(xù)人際傳播的概率。
結(jié)果顯示，2019-nCoV與SARS冠狀病毒具有類似的傳播能力，輸入病例之后出現(xiàn)持續(xù)人際傳播的概率為0.37。
然而，如果通過嚴(yán)密的監(jiān)測，可使從癥狀出現(xiàn)到住院的平均時間減半，這樣一來輸入性病例導(dǎo)致持續(xù)傳播的概率僅為0.005。
這強(qiáng)調(diào)了世界各國當(dāng)前病毒監(jiān)測工作的重要性，以確保正在發(fā)生的疫情不會成為大規(guī)模的全球流行病。
相關(guān)論文信息：
https://doi.org/10.1101/2020.01.24.919159
從SARS-CoV到武漢2019-nCoV：歷史會重演嗎?
中國正在發(fā)生的大規(guī)模肺炎疫情是由2019-nCoV引起的，這是一種新型冠狀病毒，與SARS疫情中的SARS- Cov高度相似。由于仍處于早期階段，暴發(fā)的原因和后果在很大程度上仍不清楚。
由于新病毒的許多方面與2003年的SARS相似，SARS疫情爆發(fā)的知識、模式和教訓(xùn)對于應(yīng)對2019-nCoV暴發(fā)是寶貴的資源。
利用SARS疫情暴發(fā)早期的流行病學(xué)調(diào)查和分析，中山大學(xué)和美國波士頓大學(xué)等機(jī)構(gòu)研究人員，評估和比較了這兩次暴發(fā)的特征，并預(yù)測了當(dāng)前2019-nCoV爆發(fā)的可能結(jié)果。
數(shù)據(jù)顯示，與SARS-CoV一樣，2019-nCoV具有較高的人際傳播能力，醫(yī)護(hù)人員和家庭成員是高危人群。由于早期爆發(fā)階段恰逢中國春運(yùn)高峰，因此防控病毒傳播是一個挑戰(zhàn)。
在這種情況下，2019-nCoV超級傳播者的出現(xiàn)和活動軌跡難以確定。利用迄今報告的病例數(shù)據(jù)，研究人員建立了logistic模型，預(yù)測了2019-nCoV病例的累計和每日計數(shù)。
結(jié)果顯示，2019-nCoV累計病例數(shù)約為SARS總病例數(shù)的2-3倍，峰值預(yù)計在2月上旬或中旬到來。
在應(yīng)對方面，應(yīng)該限制或禁止區(qū)域性遷移，以防止超級傳播者的出現(xiàn)和移動，同時迫切需要在全國范圍內(nèi)加強(qiáng)監(jiān)控并采取有效措施來控制這種流行病。
相關(guān)論文信息：
https://doi.org/10.1101/2020.01.24.919241
新型冠狀病毒的全基因組特征
不斷出現(xiàn)的感染性疾病，包括SARS、MERS、Zika以及高致病性流感，對于公眾健康構(gòu)成嚴(yán)重威脅。
這些新型病毒出現(xiàn)的時間、地點(diǎn)和方式仍然很大程度上未知。
復(fù)旦大學(xué)張永振等人研究了來自武漢海鮮市場的7名患病人員。研究人員從一名病患身上收集了支氣管肺泡灌洗液，利用測序技術(shù)鑒定出了該新型RNA病毒W(wǎng)HCV。
病毒全基因組分析顯示，該病毒與SARS病毒非常接近（89.1%的核苷酸相似性）。SARS病毒樣本來自蝙蝠，并有基因重組歷史。
相關(guān)論文信息：
https://doi.org/10.1101/2020.01.24.919183
MedRxiv
新型冠狀病毒2019-nCoV：流行病學(xué)參數(shù)的早期估計和流行病學(xué)預(yù)測
2019年12月，一種新型冠狀病毒（2019- nCov）被認(rèn)為出現(xiàn)在中國武漢的人群中。自那時以來，武漢的確診病例數(shù)量迅速增加，中國其他城市和國家也出現(xiàn)了確診病例（截至2020年1月23日）。
英國蘭卡斯特大學(xué)、美國佛羅里達(dá)大學(xué)等機(jī)構(gòu)研究人員開發(fā)了一個傳播模型，評估關(guān)鍵的流行病學(xué)措施，并預(yù)測疫情的可能進(jìn)程，以及進(jìn)出武漢的旅行限制的潛在影響。
結(jié)果顯示，至1月20號，武漢市約有3500名感染病例（預(yù)測區(qū)間3050-4017）；從2020年初到21日，預(yù)計總感染人數(shù)約為11000余例（預(yù)測區(qū)間9217-14245）。如果不加防控，到2020年2月4日，預(yù)計2019 n-CoV感染例數(shù)為191529（區(qū)間為132751-273649）。
研究人員還估算了2019-nCoV病毒人際傳播能力，認(rèn)為其比SARS和MERS病毒要高，但在疫情早期與SARS的相近。
而且，作者認(rèn)為，進(jìn)出武漢的交通管制不太可能有效地阻止全國范圍內(nèi)疫情的傳播，即使有效地減少99%的交通，至2月4日武漢之外的疫情也只能降低24.9%。
研究還表明，與其他突發(fā)性冠狀病毒相比，2019-nCoV的基本繁殖數(shù)量更高，這意味著遏制或控制這種病原體可能會更加困難。
不過，研究人員表示，由于模型基于OAG交通分析數(shù)據(jù)庫信息，不包括鐵路和公路運(yùn)輸，因此可能低估了當(dāng)?shù)氐倪B通性，也沒有考慮隨機(jī)效應(yīng)，因此可能低估了限制旅行措施的潛力。
相關(guān)論文信息：
https://doi.org/10.1101/2020.01.23.20018549
來源：科學(xué)網(wǎng)
