编辑推荐：
为解决新兴传染病 “Disease X” 防控策略问题，陕西师范大学等单位研究人员开展基于 COVID-19 经验的建模研究，得出不同政策调整时机对疫情影响的结果。推荐阅读，助您了解新兴传染病防控新思路。
在人类历史的长河中，传染病的阴影始终如影随形。从曾经肆虐的鼠疫，到令人闻风丧胆的黑死病，它们带来的巨大损失和惨痛伤亡，让人类深刻认识到传染病的可怕。随着社会的发展，公共卫生标准虽在不断提高，但新的传染病威胁却从未真正离去。像 2002 年的非典（SARS），由 SARS 冠状病毒引发，约 8000 人感染，774 人死亡；2009 年的甲型 H1N1 流感（H1N1 influenza pandemic），也被称为猪流感，全球约 20 万人因此丧命；2012 年出现的中东呼吸综合征（MERS），由中东呼吸综合征冠状病毒（MERS-CoV）引起，持续散发并引发疫情，至今仍被广泛研究；2014 年的西非埃博拉疫情，虽不是传统意义上的大流行，却造成了超过 2.8 万例感染和 1.1 万例死亡，被世界卫生组织列为致死率极高的病毒之一。而 2019 年末发现的新冠疫情（COVID-19），更是迅速席卷全球，给世界带来了深远且持久的影响。
如今，一个更为严峻的问题摆在人类面前 ——“Disease X”。它并非指某种已知的疾病，而是代表一种全新的、未知的疾病。当它初次出现时，人们对其特性一无所知，它是否致命、传染性多强、会对人类生活方式造成何种威胁，都是未知数。但越来越多的人意识到，COVID-19 或许就是 “Disease X” 的首次现身，而下一个 “Disease X” 可能正以呼吸道病毒的形式在动物中传播。所以，制定应对新兴传染病的策略迫在眉睫。
在抗击 COVID-19 的 4 年里，全球形成了一系列非药物干预措施（NPIs），包括戴口罩、保持社交距离、注意个人卫生、检测、追踪接触者和隔离感染者等。然而，如何利用这些措施设计出更合适、更高效的防控策略，仍是个难题。不同国家在 COVID-19 防控中采取了不同策略，许多国家早期实施严格管控，后期放松以恢复社会经济活动；中国则长期执行严格的 “动态清零” 政策，旨在短时间内清零每一次局部疫情，事实证明这是一种可行的方法 。但奥密克戎（Omicron）变异株出现后，像上海等地的局部疫情表明，即便严格的干预措施也有其局限性。随后，中国调整了 COVID-19 防控政策。可目前，对于中国 COVID-19 防控策略，包括政策转变及其优化，仍缺乏系统的定量评估。
为了解决这些问题，来自陕西师范大学、西北大学、西安交通大学、山西大学等单位的研究人员，在《BMC Medical Informatics and Decision Making》期刊上发表了题为 “Modeling-based design of adaptive control strategy for the effective preparation of ‘Disease X’” 的论文。研究人员通过构建模型，深入探讨了面对新兴传染病时的防控策略，为应对 “Disease X” 提供了重要参考。
研究人员主要采用了以下几种关键技术方法：一是构建了基于易感 - 暴露 - 无症状 - 感染 - 隔离 - 住院 - 康复 - 死亡（SEAIQHRD）模型结构的动态模型，用于模拟 COVID-19 在中国的传播过程；二是对模型进行校准和拟合，利用中国 COVID-19 疫情的多源流行病学数据，结合最小二乘法（LSM），在 MATLAB 软件中实现模型参数的估计；三是设定不同的情景进行模拟分析，通过改变政策放松时间、病毒变异株等因素，对比不同情景下的疫情发展情况。
下面来看看具体的研究结果：
- 模型校准和疫情预测：研究人员建立了反映 COVID-19 在中国全人群传播的动力学模型，该模型是经典 SEIR 模型的改进版本，考虑了年龄结构和不同疫苗接种剂量的免疫水平。利用疫情数据对模型进行校准，由于 “二十条措施” 和 “十条措施” 的发布，使得疫情防控政策逐步放松，大规模核酸检测政策的改变导致 11 月 10 日后的新增病例数据不准确，因此研究仅对 11 月 10 日前的数据进行拟合。校准后，研究人员对奥密克戎变异株在 “动态清零” 政策调整后的疫情波进行预测。结果显示，疫情第一波在 2022 年 12 月 24 日达到高峰，到 2023 年 1 月底，中国约 82.9%（95% CI：82.3%，83.5%）的人口被感染，这就是第一波疫情的累计感染率（CIR） 。同时，研究还预测出每日新增感染、重症和死亡的峰值，其中重症和死亡人数在老年人中占比最高，整体病死率（CFR）为 0.25%（95% CI：0.248%，0.253%） 。这表明第一波疫情冲击确实引发了大规模感染，远超过去三年中国所有局部疫情造成的伤亡。不过，“动态清零” 政策的持续实施，延迟了这种冲击，为人们争取了三年的健康保护时间，也让医疗资源有了更充分的准备。
- 改进防控政策的调整时机：研究人员进一步探索了更优的 “动态清零” 政策调整时机。他们模拟了在奥密克戎变异株流行期间，2022 年 1 月放松 “动态清零” 政策的情景。结果发现，与 2022 年 11 月放松政策（基线情景）相比，第一波疫情高峰会稍晚到来（推迟 5 天），累计感染率降至 81.64%，每日新增重症感染峰值显著下降，累计死亡人数和病死率也有所降低。这说明在 2022 年 1 月放松政策，不仅能减小疫情规模和重症感染发生率，还能节省大规模疫苗加强针的成本。研究人员还模拟了 2021 年 6 月在德尔塔（Delta）变异株流行时放松 “动态清零” 政策的情况。虽然德尔塔变异株的传播性低于奥密克戎变异株，但仍可能引发大规模疫情，累计感染率为 74.06%。不过，与基线情景相比，疫情特征发生了显著变化，如第一波疫情高峰推迟约 44 天，每日新增感染峰值降低，但重症发病率和病死率大幅上升。这表明对于传播性较低的变异株，应采取快速清零策略，及时控制每一次疫情爆发。
综合上述研究，研究人员得出结论：管理新兴传染病（“Disease X”）需要综合考虑多个因素，包括病毒变异株的传播性、非药物干预措施的有效性上限、疫苗研发和接种速度以及疫苗效力的衰减。在应对 “Disease X” 时，初期当病毒基本再生数低于 5 时，可采用严格的控制措施（如 “动态清零” 政策）来阻止疫情爆发；若快速阻止传播的成本过高，则可在合适的时间放松严格措施，过渡到常态化防控策略，同时利用大规模疫苗接种的保护作用来控制疾病传播。
这项研究意义重大。它为应对 “Disease X” 这类新兴传染病提供了一种通用且自适应的控制策略思路，基于中国 COVID-19 防控经验，为全球防控新兴传染病贡献了智慧。不过，研究也存在一些局限性。比如模型未考虑因医疗资源不足导致重症患者超额死亡的情况，使得估计的死亡率相对保守；疫苗相关数据不完整，部分年龄组特定时间点的接种数据缺失，限制了更详细的分析；虽然进行了三种情景分析，但设计更动态、更全面的策略（如结合博弈论、成本效益和敏感变异株监测的非药物干预和疫苗接种计划）仍是挑战，有待进一步研究。但无论如何，这项研究为后续应对新兴传染病的防控工作，点亮了一盏前行的明灯，指引着科研人员不断探索和完善防控策略，守护人类的健康安全。
