基于网络的实时风险评估：学校与社交餐饮环境中COVID-19感染的传播动力学与防控应用

本研究针对COVID-19在学校和社交餐饮场所的高传播风险，通过数学模型估计每小时传播率（βL ），开发了实时风险评估网络应用。结果显示，社交餐饮环境传播率（0.01934/h）显著高于学校（0.00324/h），但学校聚集规模可能抵消差异。该工具通过量化参与者数量、活动时长和疫苗接种史等变量，为调整室内活动策略提供数据支持，对提升公众风险认知具有重要意义。

　　

论文解读

背景与问题

随着全球进入COVID-19常态化防控阶段，学校与社交餐饮场所因其封闭性、密集接触和高频互动特性，成为病毒传播的高风险环境。尽管日本早期提出的"3Cs"（封闭空间、拥挤场所、密切接触）概念曾有效提升公众意识，但伴随防疫疲劳和监测弱化，风险认知显著下降。现有研究虽证实室内活动时长与参与者数量是传播关键因素，但缺乏基于本土数据的量化工具，难以实现个性化风险评估。

研究设计与方法

为解决这一问题，京都大学等机构的研究团队利用日本2022年1月至2月全国监测数据（HER-SYS系统）和广岛县接触追踪数据，构建了贝叶斯马尔可夫链蒙特卡洛（MCMC）模型。研究聚焦奥密克戎BA.1/BA.2流行期，通过反向计算感染日期分布和免疫人口比例（基于疫苗接种记录系统VRS），估算了学校与社交餐饮场所的每小时每感染者传播率（β_L
）。关键技术包括：

1. 基于PCR阳性曲线调整奥密克戎变异株的传染性时间分布（g_τ
   ⁺
   ）
2. 利用预估值开发Shiny交互式网络应用，整合地域发病率、活动时长和免疫状态等变量
3. 通过感染概率公式p_i
   =1?e^{?S_i
   Λ_i}

实现风险可视化

研究结果

1. 传播率差异
模型显示社交餐饮环境β_L
=0.01934（95% CrI: 0.01939–0.01947）是学校（0.00324, 95% CrI: 0.00323–0.00325）的6倍，但学校平均聚集人数（n_L
）更高可能抵消差异。

2. 网络应用功能
用户输入居住地、场所类型、活动时长（τ_L
）、参与者数量（n_L
）和免疫状态后，应用可输出：

• 单次/多次聚集的感染概率（p_i
  ^{k}
  ）
• 聚集中存在感染者的概率（J_L,t
  ^pref_i

）

• 调整时长或人数后的风险对比曲线

3. 实际应用案例
东京都案例显示，当周发病率（I_pref,wt

）为基准值时，2小时餐饮聚集的感染概率达1.2%，而学校4小时活动为0.8%。用户可通过"发病率倍增"功能模拟疫情高峰期的风险变化。

结论与意义

该研究首次量化了日本特定场所的COVID-19时间依赖性传播风险，其创新性体现在：

1. 将理论模型转化为实时决策工具，弥补了"3Cs"概念操作性不足的缺陷
2. 证明社交餐饮需优先管控时长，而学校应侧重规模控制
3. 为后疫情时代基于本地化数据的精准防控提供范式

研究发表于《New Microbes and New Infections》，其网络应用（中/日双语版本）已开放使用，通过提升个体风险意识促进群体防护，对应对未来流行病具有重要参考价值。