公共衛生工作在很大程度上依賴於預測疾病（例如由2019新型冠狀病毒引起的疾病，現已被世界衛生組織命名為COVID-19）在全球範圍內的傳播方式。在新疫情爆發的早期，當可靠資料仍然稀缺時，研究人員轉向數學模型，這些模型可以預測可能被感染的人會去哪裡以及他們將疾病傳播給他們的可能性。這些計算方法使用已知的統計方程來計算個體傳播疾病的機率。
現代計算能力使這些模型能夠快速整合多個輸入，例如給定疾病的人際傳播能力以及可能受感染者透過航空和陸路旅行的移動模式。這個過程有時涉及對未知因素做出假設，例如個人的確切旅行模式。然而，透過輸入每個輸入的不同可能版本，研究人員可以在新資訊可用時更新模型，並將結果與觀察到的疾病模式進行比較。例如，如果調查人員想研究關閉某個特定機場如何影響疾病的全球傳播，他們的計算機可以迅速重新計算透過其他機場輸入病例的風險——人類需要做的就是更新航線網路和國際旅行模式。
但是，當使用不完整的資料時，一個因素中的小錯誤可能會產生過大的影響。關於諸如COVID-19的基本再生數（R0）——即每個受感染者造成的平均新病例數——的不確定性可能會擾亂模型的結果。“如果你對這個數字的估計是錯誤的，你的估計將會有數量級的偏差，”德國柏林洪堡大學理論生物學研究所和羅伯特·科赫研究所的物理學家Dirk Brockmann說。目前估計新型冠狀病毒的R0在2到3之間，與2003年SARS的R0（2到4）接近，但遠低於麻疹的R0（12到18）。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續釋出關於塑造我們今天世界的發現和想法的有影響力的報道。
由於每個未知因素都會給模型帶來更多不確定性，Brockmann和其他一些研究人員傾向於專注於更有限的模型，該模型僅依賴於一個主要因素。他的團隊專注於使用國際航班資料——不考慮人際傳播——來預測哪些機場是冠狀病毒在全球傳播的最高風險門戶。“這種風險預測了你會在哪些國家發現病例的預期順序，”Brockmann解釋說。“它的發展方式與流動性模型的預測非常一致。”
航班資料可以來自官方航空資料庫，使其相當可靠，但它們不涉及人們在地面上的活動。為了獲得這些資訊，研究人員使用不同的來源。Alessandro Vespignani是東北大學生物和社會技術系統建模實驗室的物理學家和主任，他領導一個團隊，該團隊正在使用官方航空旅行資料和人口普查人群中預測的通勤模式來模擬新型冠狀病毒的傳播。儘管沒有考慮R0的人際傳播，但這種以旅行為重點的模型似乎一直準確地預測了哪些國家面臨感染COVID-19新病例的最高風險。“如果不同的模型指向相同的方向，”Vespignani說，“你會更有信心結果具有一定的現實意義。”
最近另一項評估冠狀病毒如何傳播（包括在中國境內和國際上）的努力也納入了農曆新年假期期間（今年1月25日）的個人流動性資料，包括航班和地面旅行模式，當時疫情正在加劇。在一篇1月31日發表在《柳葉刀》雜誌上的論文中，香港的研究人員透過使用2019年農曆新年期間數百萬使用微信應用程式和中國科技巨頭騰訊擁有的其他服務的人的旅行資訊，估算了今年的假期旅行模式。然而，與純粹以旅行為重點的模型不同，這項研究還包括人際傳播估計，以及基於官方航班資料和騰訊個人流動性資料的旅行模式。其結果表明，截至1月25日，COVID-19已在中國許多主要城市紮根，這些城市的國際機場幫助病毒在國際上傳播。
除了結合關於旅行和傳播的已知和不確定因素外，模型還必須考慮到公共衛生干預措施的影響——例如採用口罩、學校停課或更大的政府措施，例如中國決定隔離整個城市——以及國際旅行禁令和限制。香港的研究人員估計，中國對武漢的隔離（始於1月23日）所起的作用有限，因為該疾病可能已經傳播到該國的其他城市。儘管如此，作者還是建議“應在受影響地區認真且立即考慮限制人口流動的嚴厲措施”。公共衛生專家似乎不確定城市內部和城市之間此類旅行限制的有效性。其他對過去疫情的研究表明，對行動的嚴厲限制僅在延遲疾病的國際傳播方面起有限的作用。
一些研究人員致力於在公共行為和政府行動發生之前對其變化的結果進行建模。Lauren Gardner是約翰·霍普金斯大學系統科學與工程中心的土木工程師和聯合主任，她一直在改進一個模型，該模型旨在幫助美國政府官員決定哪些機場應該對抵達的乘客進行體溫檢查和提問，以及哪些機場不太可能遇到新型冠狀病毒的新病例。這些資訊可以使地方政府能夠在最需要的地方分配資源。“各個地區公共衛生部門對使用這些結果來優先考慮監測工作非常感興趣，”Gardner說。
這些團隊只是致力於預測COVID-19未來傳播的眾多團隊中的一部分。Elizabeth Halloran醫生是傳染病推斷和動力學中心的主任，該中心總部位於西雅圖的弗雷德·哈欽森癌症研究中心，她說在1980年代，她可以用手指頭數出從事此類建模工作的研究小組的數量。現在有數百個。“前幾天我們參加了[美國疾病控制與預防中心]組織的電話會議，有80個研究小組打來電話，”她說。“有很多優秀的團隊，我們作為一個大型網路一起運作。”沒有人擁有所有必要的資料來100%確定疫情未來的發展方向。
但是，儘管模型種類繁多，但許多模型最終在關鍵點上達成一致。例如，在2月4日至5日之間，確診病例數在一天之內從不到25,000例增加到超過28,000例。但Vespignani指出，當時各種模型都認為實際數字要高得多。“我相信每種建模方法都指向在最佳情況下[當前]病例超過10萬例，”他說。在本文即將付梓時，確診病例數已超過45,000例。