利用马里兰州血清学病例数据估算COVID-19流行病学动力学——基于急诊科残余血清样本的贝叶斯建模方法

《COVID》：Estimating COVID-19 Epidemiological Dynamics Using Serological Case Data in Maryland Eili Y. Klein, Alexander Tulchinsky, Fardad Haghpanah, Gary Lin, Wilbur H. Chen and Jacky M. Jennings

　　

在COVID-19大流行早期，SARS-CoV-2传播范围的 uncertainty 因显著漏报(underdetection)和漏报(underreporting)而阻碍决策者判断疫情规模。数学模型虽对决策至关重要，却主要依赖不可靠的确诊病例数。血清学检测(Serology/Antibody Testing)可改善流行病学认知，但传统血清学调查成本高且易引入偏倚。为此，研究人员将2020年8月至12月马里兰州(Maryland)15家急诊科(Emergency Department, ED)7229份残余血清样本(Remnant Serum Samples)的血清学数据整合入贝叶斯(Bayesian)建模框架，以推算首波大流行期间的感染发病率(Incidence of Infection)及病例病死率(Case Fatality Rate)。研究人员估算截至2020年秋末，马里兰州5.2%（95% CI：3.7–7.2%）的人口曾感染SARS-CoV-2。推算的报告率(Reporting Rate/Case Ascertainment Rate)初期低于10%（2020年3月），至秋季升至32%（95% HDI＝26–41%）；推算的感染病死率(Infection Fatality Rate, IFR)初期较高，2020年9月1日后降至0.51%（95% HDI＝0.43–0.68%）。结果表明，利用现有ED基础设施获取残余样本可生成偏倚更小、更准确的疾病真实流行率估计，提升不确定性下的决策与资源配置能力。

论文解读：利用马里兰州急诊科残余血清样本及贝叶斯SEIR模型估算COVID-19真实感染规模与流行病学参数

一、研究背景与立项依据

在COVID-19大流行早期，无症状及轻症感染比例高导致大量感染未被发现，官方确诊病例因检测能力限制严重低估(true incidence underascertainment)，使决策部门难以准确评估SARS-CoV-2社区传播程度与群体免疫水平。单纯依靠报告病例的数学模型存在较大偏差。血清学调查可反映累积感染情况，但人群随机抽样成本高、易产生抽样偏倚，且既往商业实验室或血站样本代表性不足。急诊科（Emergency Department, ED）日常诊疗中采集的血标本常有剩余残余血清（Remnant Serum Samples），若经伦理豁免用于血清学检测，可利用现有基础设施低成本获取近似社区人群的感染标志物。本研究由马里兰州公共卫生部门发起，旨在利用ED残余血清结合确诊数据，通过贝叶斯(Bayesian)仓室模型反推首波疫情期间真实感染数与报告率，并估算感染病死率(Infection Fatality Rate, IFR)。论文发表于《COVID》。

二、主要技术方法概述

研究人员开展了一项2020年8月12日至12月7日马里兰州15家ED（按区域分层选取）的横断面血清学调查，收集7,229份成人患者常规检验后剩余血清，排除正接受SARS-CoV-2检测或确诊阳性者；采用正交(Orthogonal/Two-test)算法——初筛Abbott Architect SARS-CoV-2 IgG（抗核衣壳N蛋白，灵敏度100%、特异度99.63%）阳性者复测DiaSorin SARS-CoV-2 IgG（抗S1/S2亚基，灵敏度97.56%、特异度99.3%），双阳方判为血清阳性；用迭代比例拟合(Iterative Proportional Fitting, IPF)按年龄、性别、种族/族裔加权校正ED人群与州人口差异。将校正后逐周血清阳性率和约翰·霍普金斯大学逐日报告病例（7日向前移动平均平滑）联合代入贝叶斯SEIR扩展模型（SECIR：S易感→E暴露→分C无症状/未报告与I有症状/报告两路→X移除），β(t)用二次B样条(Quadratic Basis Spline)、报告率θ(t)用广义Logistic单调增函数拟合；观测模型考虑血清阳转(Seroconversion, 固定滞后14天，敏感性分析7–21天)与血清阴转(Seroreversion, Weibull分布k=2.32，尺度参数λ先验均值约180天，敏感性分析取指数分布k=1)；用No-U-Turn Hamiltonian Monte Carlo（Python Numpyro库）采样后验分布，推断真实感染数、θ(t)及IFR（死亡滞后服从Gamma分布，均14天、标准差7天）。

三、研究结果

3. Results——血清阳性率与人群感染估计

经IPF加权校正后，全州血清阳性率为5.2%（95% CI：3.7–7.2%），各ED介于0%–9.8%；提示截至2020年末约二十分之一马里兰居民曾感染。模型对报告病例拟合优度高（pseudo-R2=0.98）。

3. Results——基本再生数R(t)与报告率θ(t)推断

推算基本再生数R(t)=β(t)/γ在大部分时段略低于1至接近2，早期较不确定。报告率θ(t)初值<10%（2020年3月），随检测普及单调上升至2020年末约32%（95% HDI：26–41%），意味着超三分之二感染未被报告。

3. Results——感染病死率(IFR)时间变化

结合推断感染数与官方死亡数，2020年9月1日后IFR均值为0.51%（95% HDI：0.43–0.68%），早期数值偏高，反映临床救治改善等因素。

3. Results——敏感性分析

Weibull与指数分布假设下平均血清阴转时间分别179.4天与175.2天；指数分布假设致最大报告率略降（≈26%）、IFR略低。改变血清阳转延迟（7天或21天）对主要结果影响微小。观测血清阳性率与模型推断值吻合良好。

四、讨论与结论翻译

本研究证明，依托2020年秋马里兰州ED残余血清开展的血清学监测可校正SEIR模型，揭示截至当年底5.2%人口曾感染，首波大流行期间逾60%感染未被报告，且早期漏报更严重。估算的IFR（2020年9月1日后0.51%，95% HDI 0.43–0.68%）与美国同期其他研究一致，早期IFR较高可能反映治疗进步（如瑞德西韦Remdesivir、地塞米松Dexamethasone）的作用。ED残余血清来源于具已知人口学信息与居住地的本地就诊者，较血站或商业实验室样本地理与人口多样性更好，可用于实时病原传播评估及季节性呼吸道病毒（流感、RSV）监测。局限性含：ED人群尤其<18岁儿科代表性有限、农村及移民社区可能欠代表；固定血清阳转期与Weibull参数假设；单州单时段外推受限；研究期内假定无再感染。未来可联合社区诊所扩大覆盖、融合废水监测等多源数据进一步提升精度。

结论（翻译）： 本研究阐明了COVID-19传播动力学特征。SARS-CoV-2持续流行背景下大量感染仍可能未被报告，本研究发现的大流行高峰时期约32%报告率或是当前家庭自测普及后的上限。更重要的是，结果提出了一种通用框架——利用ED既有残余血清开展血清学监测以提升呼吸道病毒传播估算及大流行应对能力，此类数据能显著提高呼吸道病原体预测模型的精确度，助力更有效的公共卫生决策。