COVID-19流行和在上海的公共卫生干预措施,中国:传播统计分析、关联和转换

介绍

2019年12月,2019 (COVID-19),冠状病毒病引起的严重急性呼吸系统综合症冠状病毒2 (SARS-CoV-2),出现在中国,传播到世界各地的(1- - - - - -4)。COVID-19引起症状如发烧、咳嗽、乏力、气短、和肺炎,在严重的情况下可以导致死亡。COVID-19已经扩散到绝大多数的国家到2022年5月,与超过5亿个确诊病例和600万例死亡,对政治产生了深远的影响,经济,和社会世界各地。

有效控制COVID-19爆发,中国采取了“动态结算的政策和社会清算。“然而,连续变异的病毒和复杂的国际环境的情况,一个小规模的爆发和流行是不可避免的反弹(5,6)。2022年2月下旬,新一轮的当地COVID-19感染发生在上海。上海是中国最重要的经济中心,如果疫情蔓延至其他地区,其后果将是不可估量的。2022年3月28日,上海市政府逐步实现城市的公共卫生干预措施以遏制疫情的传播,包括封闭区管理、关注老年人,建立定点医院,开展double-antibody筛查(7,8)。在5月下旬,疫情在上海是控制,和正常的生产和生活恢复6月1日。上海传染病的流行病学特征和公共卫生干预措施的影响仍不清楚,还有一些相关的研究(9)。因此,协会不能全面、准确地描述。

上海流行非常不同于在武汉(2020年3月8日,2019年12月8日)(10)。回顾在上海流行的进度,控制不足的情况下从国外进口爆发的一个重要原因。由于香港流行(2021年12月31日,3月23日,2022)(11),上海采取了一些进口运输的责任人员到深圳。疫情是由进口的数量的增加引发了人员和隔离管理缺陷。此外,在上海的无症状感染比例明显高于在武汉。因此,有必要分析本地个案之间的相关性以及输入性病例确诊病例和无症状感染之间的转换(12,13)。

许多研究计算了基本再生指数(R₀)COVID-19流行,其估值一般在2 - 7日的范围,揭示了高传染性的COVID-19 (14- - - - - -16)。然而,由于小数量的情况下和地区,还需要更多的研究来证实这一发现。有效的生殖号码(R_t)是指新病例的平均数量,可以由一个案例t。它可以实时反映传染病的流行趋势,是一个重要指标指导防疫和控制和评估干预措施17- - - - - -19)。然而,缺乏相关研究评估的发展趋势R_t的影响,2022年在上海公共卫生干预措施。我们使用统计方法来调查和量化COVID-19传播的流行病学特征的变化以及在上海的公共卫生干预措施的影响,目标是开发一个综合评价系统的疾病过程,疾病传播,以及控制措施的影响,将成为未来的干预措施的基础。政策制定提供了科学基础的准确性和可操作性以及重要的推广价值。

因此,我们使用上海,中国作为一个个案,研究流行病学特点和公共卫生干预措施的影响的背景下规范化预防和控制提供积极的指导后续应对2022年上海流行。本文的主要工作和贡献如下。

(1)我们进行了广泛的研究的主要时期流行在上海(2022年1月30日至5月31日),考虑到聚类分析和公共卫生干预措施将疫情的发展阶段,分析疫情的目标在上海。传输特性和控制措施的变化及其相关性。(2)因为上海流行可能是由输入性病例造成的,有许多无症状的感染,我们不仅检查本地和进口情况下之间的相关性也确诊病例和无症状感染的转换。上海流行的区别分析和之前流行分析,以及本研究的创新与先前的研究相比,在于这两种类型的分析。(3)我们使用有效的繁殖数量(R_t)分析来确定公共卫生干预措施的影响在防疫和控制,与评估的目标之间的时间相关的公共卫生干预措施和上海防疫和控制,然后分析公共卫生干预措施的重要性和正确性。(4)我们模拟和预测疫情的发展干预措施的实施延迟时,我们检查了病例数,由于公共卫生干预措施是可以避免的。本研究证实的及时性和有效性干预措施和提供了一个新的模型和经验与全球抗击Omicron-based流行有关。

材料和方法

数据源

本研究数据和公共卫生干预公共数据发布的国家健康委员会和上海市卫生委员会。新添加的情况下被列为当地确诊病例,当地无症状感染,进口确诊病例和进口无症状感染。在这种爆发,当地情况下首次发现3月1日。因为这一轮流行来自国外,我们收集数据从1月30日。6月1日,上海宣布恢复正常生产和日常生活。因此,我们收集的数据覆盖了从1月30日到5月31日,2022年,共计121天。

统计分析

传播分析

我们使用聚类分析来援助分割和绘制动态时间序列映射到改善干预阶段的可解释性。作为特征向量,我们使用新添加的情况下当地的确诊病例的数量,当地无症状感染,进口确诊病例,和进口无症状感染,我们分组样品使用时间作为标签。曼哈顿距离方法被用来创建一个层次聚类的最近的日期。在直角坐标系中,日期和受感染的人用的数量X和Y,分别。假设有分我坐标(X₁,Y₁),j坐标(X₁,Y₂在飞机上,曼哈顿距离D(我,我他们之间)表示如下:

我们使用R_t基于泊松分布的分析来确定每个阶段的传播能力和公共卫生干预措施的影响。R_t被定义为二级病例的平均数量在人口基本情况下时间吗t代表二代病例的平均数量,受感染者的诊断在某个时间会感染感染期间(20.,21)。R_t可以用来测量实时在流行病传播能力,评估干预措施前后病毒传播。的R_t一开始可以被定义为R₀,R_t最后可以被定义为R_最后。

我们使用了EpiEstim包R软件(3.6.3版本)R_t和95%可信区间(CI)每天使用报告的新病例数。R_t可以表示如下:

在这里,我_t代表的新病例数生成的时间t;${\sum }_{\mathrm{年代}=1}^t{我}_{t-\; -\; -\; -\; -\; -\mathrm{年代}}{w}_{\mathrm{年代}}$代表感染发病率的总和时间(t- 1);和w_年代代表了概率函数的连续区间(SI)。感染者的感染特点的基本思想R_t所示的计算,具体原则是引用(22,23)。简而言之,R_t可以计算除以新病例的比例在时间吗t通过在时间(累计病例t -1),和它的重量w_年代。假设R_t之前有一个伽马分布,使用泊松分布的贝叶斯统计推断可以生成后的分布R_t。计算中的步骤可以概括如下:(1)确定疫情的SI,包括平均值和标准偏差。(2)确定滑动窗口的时间长度,并估计如果使用前面研究硅分布。也就是感染时间间隔连续两代遵循伽马分布的均值为4.87,标准差为0.65,当一天使用移动窗口。(3)绘制函数用于情节的变化R_t随着时间的推移。

相关分析

时间序列相关分析的国内和进口的情况下,我们使用多项式拟合得到拟合曲线和滞后时间进行分析。在这里,x和y代表本地和进口数量的情况下在给定的时间。整体样本和米可以编写时间点如下:

样品在这里,时间点可以表示如下:

当这些点的分布类似于一个多项式的图结构程度的n,最后拟合公式如下:

在这里,X和Y代表本地和进口数量的情况下,在特定的时间和构造多项式拟合公式;一个₀- - - - - -一个_n表示拟合系数;n在xⁿ代表拟合多项式的索引;和ŷ代表的拟合值对应的进口情况在当地的情况x。

我们使用间隔地理地图和核密度地图来描述每个地区的发生率分布和空间分布的时间点。核密度估计,分析了每个元素的密度分布的观察对象的相应的地理空间领域,进行了基于ArcGIS 10.8.1。

转换分析

无症状感染占总体的比例相对较高的感染,这不仅是一个重要的特点流行也是一个重要的基础研究的公共卫生干预措施的影响。更好地分析的比率无症状感染确诊病例,分析疫情的变化特征随着它的发展,我们创新提出的概念”转化率。“如果潜伏期被定义为t的转换(即病例。,the number of confirmed cases) on that day isN₁,untransformed病例数(即。,the number of asymptomatic infections) withint天前的那一天N₂。因此,转化率C_r可以定义如下:

因为过渡的潜伏期从无症状感染到确诊病例目前未知,我们使用不同的设置,包括3、7、10、14天,为了更好地分析转换定律。接下来,我们使用仿真研究验证的公共卫生干预措施的重要性。假设没有公共卫生干预措施实施后3月28日的案件数量持续上升的C_r值(3.02%)3月28日,和无症状感染数量的转换可以相应的计算。

结果

的发展阶段

我们进行了聚类分析的基础上,每天的新增病例总数。我们综合考虑最优聚类结果和公共卫生干预时间点,然后主要流行时期划分为六个阶段。图1说明了症状的流行曲线发生日期和关键干预事件。

关于第一阶段(1.30 - -3.11),零星的感染开始出现,主要是进口的情况下,和零星的地方开始出现病例。导入的情况下没有及时控制,和神秘的传播可能在这个时候开始,导致当地COVID-19的传播。关于第二阶段(3.12 - -3.28),当地无症状病例和确诊病例显示上升趋势。3月24日,成千上万的新无症状感染每天首次被报道。

关于第三阶段(3.29 - -4.04),疫情迅速恶化,政府进行核酸筛查和实施人员和交通控制,进一步降低人口的社会流动。第四阶段(4.05 - -4.12)代表的高危时期爆发,当地新确诊病例的数量每天超过1000和无症状感染的数量每天超过20000。

在第五阶段(4.13 - -4.26),疫情在缓解期。有一个延迟的公共卫生干预措施的有效性,和发病率趋势缓解在这个阶段。第六阶段(4.27 - -5.31)代表了流行控制时期。在当地的情况下,新确诊病例和无症状感染逐渐控制每天< 100例。

传输分析使用有效的繁殖数量

我们结合新情况和地图R_t改变地图(本地和进口的情况下)的总和的6个阶段分析流行病传播特征在每个阶段,如图所示图2。

在第一阶段,R_t急剧上升,达到一个最大值2月17日(R_t= 3.19)。在这个阶段,R_t主要是分布在1和3之间。在第二阶段,R_t继续上升,达到整体峰3月16日(R_t= 4.02)。在这个阶段,R_t主要是分布在2和4之间。

在第三阶段,开始出现无症状感染,引起波动R_t。R_t表现出先增加然后减少的趋势。它达到了一个峰值在这个阶段在4月1日(R_t= 3.01),然后逐渐减少,但是R_t仍高于1.5。这个阶段是当公共卫生干预措施开始生效。在第四阶段,R_t持续下降,低于1 4月9日(R_t= 0.99),这表明流行病的传播达到了一个可控的范围内。

在第五阶段,R_t在一个小范围的情况下,反弹但控制2天后。R_t增加到超过1 4月18日(R_t= 1.04),减少到低于1 4月20日(R_t= 0.91)。在第六阶段,波动的趋势R_t是显而易见的,但R_t低于1。

一般来说,2月28日至4月10日从国外进口的情况下,影响平均水平R_t在上海高于流行阈值,持久的~ 5.5周。后在上海公共卫生干预措施的实施(3月28日),估计R_t普遍下降,低于4月10流行阈值。整体R_t水平高于1,三个阶段,总体水平在过去的三个阶段是低于1。

此外,所示图3,我们检查了改变数量的预测情况下(比实际值)和疫情的结束时间在不同模拟条件。预测数量的情况下降低了664年的公共卫生干预措施实施1周前,和流行预计9天早结束。预测案例的数量增加了1265,2450,10811,和29073年的公共卫生干预措施被推迟了1,2,3,4周,分别和疫情预计结束18岁,35岁,56岁,63天后,分别。

时间序列相关分析进口和当地的情况

我们分析了在上海流行发展的时间分布特征,如图所示图4。流行曲线显示了本地和进口的双峰流行情况。最早的当地确诊病例发生在3月1日和最多的病例(5487)在一天发生在4月28日。在上海进行了进口运输的任务情况下,进口确诊病例继续存在,和超过20个病例发生在2月20日的一天,最大的病例数(59)2月24日。95%顺式四种情况下的计算,及其主要集中分析了日期,如图所示表1。结果表明,与输入性病例相比,当地的情况下有一定的时间滞后效应约1个月。

根据上述结果,在第一阶段主要是输入性病例。上海进口感染者没有严格控制和管理,和输入性病例的数量高于当地的情况。在第二阶段,当地的情况下继续上升。当地病例发生输入性病例的出现,有一定的时间滞后效应约为31天。我们分析了进口的数量之间的关系和本地个案的数量(包括确诊病例和无症状感染)和时间滞后分析图表和相关分析图表,如图所示图5。在时滞分析图表,而进口的情况下,当地的情况下有一个更大的滞后和放大,滞后期大约是31天,证实了先前的猜测。在相关分析图表,曲线拟合的各种方法显示,本地个案之间有很强的相关性和进口情况下,R²值高于0.8。

当地情况下的空间分布(包括当地确认和无症状感染)在上海所示图6。在第一阶段,疫情高峰发生在闵行区,嘉定区,等。从第二阶段开始,流行高峰逐渐蔓延至浦东新区,达到一个峰值在第五阶段和减少在第六阶段。因此,有上海16个地区的案例报告,但有确诊病例的重要地理分布的差异。发病率最高的主要是在浦东新区,其次是闵行区。

转换分析无症状感染确诊病例

目前,准确的潜伏期从无症状感染到确诊病例还未确定。因此,我们采取了各种各样的设置,如3、7、10、14天,为了更好地分析预测规则。在实践中,因为没有转化为无症状感染确诊病例在第一和第二阶段,每个潜伏期的转化率计算第三到第六阶段,如图所示表2和图7。

潜伏期时设置为3和7天,每个时期的整体转化率显示一个稳定的趋势,这是控制10到20%。潜伏期时设置为10到14天,每个时期的转化率的变化更明显,第五阶段的转化率更高之前,和第六阶段的转化率低。盒子图表显示恢复速率的分布在每一个潜伏期,和结果表明,分布的回收率接近每个潜伏期设置。

此外,我们模拟转化率的变化条件下的一个不受控制的流行,如所示图7 b。假设上海没有采取公共卫生干预措施后,3月28日增长之后计算是基于R₀3月28日和模拟基于泊松分布。结果表明,回收率高,潜伏期是10到14天,后逐渐趋于平稳。这是猜测,公共卫生干预措施需要~ 10天内有效。这个模拟研究还验证的公共卫生干预措施的重要性。

讨论

主要结果

我们调查和量化COVID-19在上海的流行病学特征的变化以及公共卫生干预措施的效果。划分发展阶段为后续研究中,我们使用新特性向量和动态时间序列图。我们创建了一个特征向量使用当地确诊病例的四项指标,当地无症状感染,进口确诊病例,和进口无症状感染,然后画了一个动态时间序列映射使用聚类分析结果和干预措施的公共卫生干预措施。在此基础上,我们将疫情分成六个阶段,然后动态地、直观地评估公共卫生干预措施的影响,对疫情的发展。相比之下,一个主观部门(10摘要)、阶段划分是科学和客观的。随后的R_t分析也验证了这一结论。然后,我们建立了一个综合评价系统的过程中,传播,以及控制措施的影响在COVID-19传播的分析,关联和转换。以下创新点如下所述。

首先,我们使用R_t执行传输分析和审查常见的公共卫生干预措施,目标评估公共卫生干预措施的影响的流行从流行病学的角度来看。第一和第二阶段被定义为“快速上升时期。“上海没有实施有针对性的干预措施为例介绍了来自其他国家。流动性限制在一些关键领域只在第二阶段实施,导致快速增加R_t价值。第三和第四阶段被定义为“初步预防和控制。”来控制疾病的传播,促进复苏的感染者,上海实施强有力的干预措施,如流动的限制,使用Fangcang避难所医院,和关注老年人,导致增加R_t价值。它达到峰值后逐渐下降。第五和第六阶段被定义为“控制和缓解期。“上海也采取措施,如进行分区管理,优化Fangcang住所医院的效率,和标准化核酸检测的基础上,这样前面的措施R_t价值继续下跌。的总体水平R_t在前三个阶段是高于流行阈值(即。,1)but decreased rapidly after the implementation of strict public health intervention measures. Additionally, the overall level in the last three stages was lower than the epidemic threshold. Both the decrease in theR_t价值和数量的逐渐减少每天新确诊病例表明,上海市政府的干预措施对控制COVID-19流行病产生积极的影响,能够有效地阻止疫情的传播和减轻疾病负担。仿真分析结果表明,公共卫生干预措施的实施时间更重要的是,拖延的时间越长,疫情预计将持续的时间越长。

第二,第一次,我们使用时间相关分析之间的关系揭示本地和进口的情况下,目标的确定疫情是由案件从其他国家进口。时空分布分析显示双峰流行的本地和进口的特征情况下,与当地情况下新兴同时输入性病例的外观。曲线拟合相关分析显示的各种方法之间有很强的相关性本地和进口的情况下,和R²值达到0.8以上。根据时间滞后分析,有一些滞后,放大在当地的情况下输入性病例相比,滞后时间的~ 31天。上海流行的特点是结合当地的传播和输入性病例。因此,推测这一轮流行来自输入性病例。局部感染的主要原因分析揭示了以下。(1)流行病的传播是隐藏和延迟。注意力不足给神秘的早期传播阶段的输入性病例。(2)在上海这个爆发的病毒变种是οBA.2突变,更快的传输速度和更强的传播力量和可以更好地突破疫苗(赋予的免疫屏障24- - - - - -26)。

接下来,第一次,我们研究如何无症状感染确诊病例。这一轮的上海流行的一个重要特征是无症状感染的比例高。无症状感染确诊病例的转换是有利于直接反映干预的影响,但以往的研究类似的话题并不太重视无症状感染(27- - - - - -30.)。因此,我们的研究评估无症状的患者和无症状感染之间的关系分析,确诊病例。潜伏期时将短,每个时期的整体转化率显示一个稳定的趋势。当潜伏期很长,转化率在每个时期的波动更加明显。第五阶段的转化率更高之前,而第六阶段的转化率较低。转化率的分布相似与不同的潜伏期设置。有两个可能的原因。(1)首先是公共卫生干预措施的作用:当潜伏期短,干预措施可能还没有生效。当潜伏期很长,干预措施生效,然后,转化率逐渐减少。(2)第二种是真正的转化率的恒常性:截至5月31日,真正的转化率~ 10%。 The conversion rate calculated at the setting of each incubation period was close to the true conversion rate. Furthermore, we conducted a simulation study on the change in the conversion rate under the assumption that the epidemic was not under control, i.e., the calculation was based on the R₀没有价值的公共卫生干预措施。此外,使用泊松分布进行了模拟研究。公共卫生干预措施的效果验证。

最后,我们总结了和我们的研究结果与之前的研究相比。传播的分析,关联和转换允许我们确认以上的公共卫生干预措施的作用COVID-19从各种角度预防和控制。为了更好的验证本文的研究结果,我们比较他们先前的研究在流行的公共卫生干预措施的影响(10,31日- - - - - -34)。上海流行不同于以前流行的病毒类型,无症状感染的比例和干预。病毒株,上海的流行主要是由于οBA.2菌株,具有高传染性和快速传播。在无症状感染的比例方面,上海流行的无症状感染比例相对较高,有一定比例的确诊病例。干预的时候,武汉疫情控制在76天,四川流行在42天,上海在66天内流行。尽管这些疫情的许多差异,研究表明公共卫生干预措施的作用COVID-19预防和控制,证明其有效性和普遍性。我们的经验可以帮助中国和其他国家和地区解决类似传染病的预防和控制。

限制

本研究仍有一些局限性。首先,本文介绍了多种干预措施的联合行动的结果。单一措施的有效性不能评估由于伦理要求。第二,不能获得相应的确诊病例的临床特点。更多的基线数据将被收集在未来人口特征进行分析。第三,为其他国家和地区,疫情的爆发和发展阶段不一定显示相同的动态轨迹,并需要更多的地区和时间分析来验证结果的鲁棒性。

结论

在可预见的未来,流行过程仍将依赖于公共卫生干预措施的实施的效率。及时、有效的公共卫生干预措施能有效并迅速控制疫情的传播和保护的卫生保健系统绝大的压力引起的流行病。本研究描述了一个有效的中国经验,可以积极的指导全球防疫和控制。

数据可用性声明

在这项研究中提出的数据集可以在网上找到存储库。库的名称/存储库和加入号码可以找到(s)如下:https://github.com/STUDWHJ/Shanghai。

作者的贡献

天:概念化、数据管理、资源、方法、软件、正式的分析、验证,调查,和原创作品。XC:方法、软件、形式分析,验证,调查,原创作品稿,编辑和抛光。HW:数据管理、资源、软件和正式的分析。q:软件、验证、调查、和数据管理。LZ和王寅:验证、调查和writing-polishing。PL:软件、验证和调查。JC:调查、资源和writing-polishing。FL:验证、资源和正式的分析。机灵:概念化、调查、验证、资源和方法。YW:资金收购、概念化、调查、资源、方法、软件、writing-review和编辑,项目管理和监督。 All authors contributed to the article and approved the submitted version.

资金

这项工作是由中国国家自然科学基金(82173621号,81872716),重庆市自然科学基金(Cstc2020jcyj-zdxmX0017)。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用