公共卫生工作在很大程度上依赖于预测疾病（例如由2019新型冠状病毒引起的疾病，现已被世界卫生组织命名为COVID-19）在全球范围内的传播方式。在新疫情爆发的早期，当可靠数据仍然稀缺时，研究人员转向数学模型，这些模型可以预测可能被感染的人会去哪里以及他们将疾病传播给他们的可能性。这些计算方法使用已知的统计方程来计算个体传播疾病的概率。
现代计算能力使这些模型能够快速整合多个输入，例如给定疾病的人际传播能力以及可能受感染者通过航空和陆路旅行的移动模式。这个过程有时涉及对未知因素做出假设，例如个人的确切旅行模式。然而，通过输入每个输入的不同可能版本，研究人员可以在新信息可用时更新模型，并将结果与观察到的疾病模式进行比较。例如，如果调查人员想研究关闭某个特定机场如何影响疾病的全球传播，他们的计算机可以迅速重新计算通过其他机场输入病例的风险——人类需要做的就是更新航线网络和国际旅行模式。
但是，当使用不完整的数据时，一个因素中的小错误可能会产生过大的影响。关于诸如COVID-19的基本再生数（R0）——即每个受感染者造成的平均新病例数——的不确定性可能会扰乱模型的结果。“如果你对这个数字的估计是错误的，你的估计将会有数量级的偏差，”德国柏林洪堡大学理论生物学研究所和罗伯特·科赫研究所的物理学家Dirk Brockmann说。目前估计新型冠状病毒的R0在2到3之间，与2003年SARS的R0（2到4）接近，但远低于麻疹的R0（12到18）。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您正在帮助确保未来能够继续发布关于塑造我们今天世界的发现和想法的有影响力的报道。
由于每个未知因素都会给模型带来更多不确定性，Brockmann和其他一些研究人员倾向于专注于更有限的模型，该模型仅依赖于一个主要因素。他的团队专注于使用国际航班数据——不考虑人际传播——来预测哪些机场是冠状病毒在全球传播的最高风险门户。“这种风险预测了你会在哪些国家发现病例的预期顺序，”Brockmann解释说。“它的发展方式与流动性模型的预测非常一致。”
航班数据可以来自官方航空数据库，使其相当可靠，但它们不涉及人们在地面上的活动。为了获得这些信息，研究人员使用不同的来源。Alessandro Vespignani是东北大学生物和社会技术系统建模实验室的物理学家和主任，他领导一个团队，该团队正在使用官方航空旅行数据和人口普查人群中预测的通勤模式来模拟新型冠状病毒的传播。尽管没有考虑R0的人际传播，但这种以旅行为重点的模型似乎一直准确地预测了哪些国家面临感染COVID-19新病例的最高风险。“如果不同的模型指向相同的方向，”Vespignani说，“你会更有信心结果具有一定的现实意义。”
最近另一项评估冠状病毒如何传播（包括在中国境内和国际上）的努力也纳入了农历新年假期期间（今年1月25日）的个人流动性数据，包括航班和地面旅行模式，当时疫情正在加剧。在一篇1月31日发表在《柳叶刀》杂志上的论文中，香港的研究人员通过使用2019年农历新年期间数百万使用微信应用程序和中国科技巨头腾讯拥有的其他服务的人的旅行信息，估算了今年的假期旅行模式。然而，与纯粹以旅行为重点的模型不同，这项研究还包括人际传播估计，以及基于官方航班数据和腾讯个人流动性数据的旅行模式。其结果表明，截至1月25日，COVID-19已在中国许多主要城市扎根，这些城市的国际机场帮助病毒在国际上传播。
除了结合关于旅行和传播的已知和不确定因素外，模型还必须考虑到公共卫生干预措施的影响——例如采用口罩、学校停课或更大的政府措施，例如中国决定隔离整个城市——以及国际旅行禁令和限制。香港的研究人员估计，中国对武汉的隔离（始于1月23日）所起的作用有限，因为该疾病可能已经传播到该国的其他城市。尽管如此，作者还是建议“应在受影响地区认真且立即考虑限制人口流动的严厉措施”。公共卫生专家似乎不确定城市内部和城市之间此类旅行限制的有效性。其他对过去疫情的研究表明，对行动的严厉限制仅在延迟疾病的国际传播方面起有限的作用。
一些研究人员致力于在公共行为和政府行动发生之前对其变化的结果进行建模。Lauren Gardner是约翰·霍普金斯大学系统科学与工程中心的土木工程师和联合主任，她一直在改进一个模型，该模型旨在帮助美国政府官员决定哪些机场应该对抵达的乘客进行体温检查和提问，以及哪些机场不太可能遇到新型冠状病毒的新病例。这些信息可以使地方政府能够在最需要的地方分配资源。“各个地区公共卫生部门对使用这些结果来优先考虑监测工作非常感兴趣，”Gardner说。
这些团队只是致力于预测COVID-19未来传播的众多团队中的一部分。Elizabeth Halloran医生是传染病推断和动力学中心的主任，该中心总部位于西雅图的弗雷德·哈钦森癌症研究中心，她说在1980年代，她可以用手指头数出从事此类建模工作的研究小组的数量。现在有数百个。“前几天我们参加了[美国疾病控制与预防中心]组织的电话会议，有80个研究小组打来电话，”她说。“有很多优秀的团队，我们作为一个大型网络一起运作。”没有人拥有所有必要的数据来100%确定疫情未来的发展方向。
但是，尽管模型种类繁多，但许多模型最终在关键点上达成一致。例如，在2月4日至5日之间，确诊病例数在一天之内从不到25,000例增加到超过28,000例。但Vespignani指出，当时各种模型都认为实际数字要高得多。“我相信每种建模方法都指向在最佳情况下[当前]病例超过10万例，”他说。在本文即将付梓时，确诊病例数已超过45,000例。