大流行时的角色模型

本文首先出现在2020年6月4日的Cosmos杂志中，它刚刚被宣布为决赛者Finkel基金会尤里卡长篇科学新闻奖。恭喜你的提名，达丹尼！

---

第一个视频会议——就像随后发生的许多事件一样——是在深夜。1月中旬，詹姆斯·麦考(James McCaw)在墨尔本郊区的家中与来自世界各地的疾病追踪者一道，讨论了来自武汉的一些早期数据。武汉是COVID-19全球大流行的中心城市。

这个消息并不好。新病毒是留下几十个病;几个人已经死了。更令人担忧的是，伦敦帝国学院的流行病学家估计在中国中部的交通和工业中心窝藏感染超过已报告的许多案件。“这显然是蔓延，”麦考林，谁使用的数学模型来追踪疾病是怎样做到这一点说，“但我们真的不知道它的后果会是什么。”

自1月份以来，它已经是麦卡维的工作，以及他的长期合作者Jodie Mcvernon和一名小军的同事，建立了爆发的数学预测，如何在澳大利亚发挥作用，以及将该信息传递给政府官员。

虽然其他科学家们在赫尔科西的努力中，发现他们可以接近的东西 - Cov-2（参见第28页），负责Covid-19的病毒，如McCAW和Mcvernon等疾病莫德勒的工作 - 均基于大学of Melbourne’s Peter Doherty Institute for Infection and Immunity – has been playing an outsized role in upending life as we knew it pre-pandemic.

与其他地方一样，澳大利亚政府之所以做出决定，不是因为它们被写入了流行病的剧本，而是因为随着灾难的展开，数学模型被动态地编写出来，为未来指明了方向。

随着灾难的展开，各国政府正在做出决策，因为数学模型可以为我们指明方向。

麦克弗农在4月初的新闻发布会上表示:“全球没有一项防疫计划把封锁作为控制措施。”然而，生活在某种形式的封锁中，正是世界上广大民众发现自己的地方。

将边界锁定对外国人的决定，取消体育赛事和音乐会，快门学校并告诉别人在很大程度上被采取，因为McCaw，Mcvernon及其同事建造的数学模型。他们确定限制何时开始，当他们结束时。那么，这一条证据是如何变得如此有影响力的？

---

现代的基础疫情建模是在20世纪初铺设的。1897年，英国陆军外科医生罗纳德罗斯表现出疟疾寄生虫由蚊子传播，而不是通过其他人假设的污染水。在军队退休后 - 1902年赢得诺贝尔的发现奖 - 罗斯在新世纪的第一个十年中，在非洲旅行中旅行，地中海鼓起了支持对抗蚊子的支持。不是每个人都买了减少蚊子数可以消除疟疾的想法，但他决定的数学可以提供证据。

在他之前其他人试图描述的疾病使用的数学原理如何传播的，但罗斯推到建立数学流行病学 - 他所谓的“先天的病理学“ - 作为一个新的研究领域。“所有流行病学都关注，因为它与疾病的变异不时或从一个地方到位，必须然而，在数学上被认为是许多变量，如果它完全被科学考虑，“他说。

20世纪20年代，两位苏格兰人更进一步。安德森·麦肯德里克(Anderson McKendrick)是一名前军医，曾在20年前陪同罗斯前往塞拉利昂执行抗击疟疾的任务。他与威廉·科马克(William Kermack)合作，后者是一名年轻的生物化学家，在一次实验室事故中失明。

DUO设计了一个模型，看起来巧妙地简单，但为这一天形成了传输模型的基础。它将人口中的人们置于三个桶中的一个，标记为S，I和R.个体要么易受感染，都被感染（I），或已回收或“除去”（死亡）（r）。

对于一种新病毒，如SARS-CoV-2，在疫情爆发之初，所有人都被认为是易感人群。如果感染传播不受阻碍，易感人群的数量会随着时间的推移而下降，而那些康复的人——以及被认为对再次感染具有免疫力和无法将感染传播下去的人——的数量会增加。

与此同时，感染的人数蚀刻出现在熟悉的钟形的疾病曲线：温柔的倾斜，然后是死亡的倾斜，随着疫情达到其峰值，最后向下倾斜，因为爆发出易感人群感染。

钟形的形状 - 无论是类似的香槟笛子还是更广泛，陡峭，陡峭的上翘汤 - 取决于疾病的迅速蔓延。这归结为基本的再现号码（R0）：平均有多少人感染病人。Kermack和MckEndrick注意到曲线只能继续上升，只要该数字大于一个。钟形顶点的转折点标志着再现数量下降的点 - 每个人感染少于另一个，爆发开始嘶嘶声。

为了证明他们是正确的轨道上，Kermack和覆盖麦肯德里克的理论曲线上的数据来自真实世界的流行：在1905年和1906年的死亡袭击孟买（现孟买）印度城市瘟疫的爆发每周记录排队与他们的钟声。

“它的数学并不复杂，”雷纳麦金太尔，在柯比学院新南威尔士大学的生物安全项目负责人如是说。“什么是复杂的是参数和进入模型的假设。”

最简单的SIR模型假定每个人都在人群中有被感染的风险相同，是一次生病同样具有传染性。这不是流感的真实：年幼的孩子长期在流鼻涕和短期个人边界是流感的主要传播者。而且它不会出现是SARS冠状病毒-2任真：孩子出现少比成年人更容易感染或传播病毒。

今天模型更加复杂。他们划分的人口为更小的浴缸 - 基于年龄和健康状况，说 - 那些试图说明不同人的感染风险以及其不同的倾向传染给他人。疾病的阶段也更加精细区域化反映感染是如何可能是通过从一个人到下一个在不同阶段，从曝光的地方跳到完全康复或死亡。

---

2003年，世界卫生组织发布了一项决议，敦促其成员国计划下一流感大流行：提高疫苗接种率，加强早期爆发的监测，储存抗病毒药物和其他基本药物。2008年大流行性流感的澳大利亚卫生管理计划帮助美国培养了2009年猪流感大流行，这些大流行病在全国范围内杀死了191人。

麦考和麦克弗农在过去15年里一直与澳大利亚政府合作，为下一次流感大流行做好准备。当时COVID-19已经到来，但计划并没有白费。麦考说:“流感和冠状病毒在生物学上有着根本性的重要区别，但我们分解问题、分解它、思考可能的应对方案的方式非常相似……这非常有价值。”

整个1月份，随着COVID-19形势的恶化，麦考和他的团队使用数学建模，以观察澳大利亚的医疗体系是否能够胜任未来的任务。如果放任不管，或者采取阻止疾病的干预措施，澳大利亚的流行病曲线可能会是怎样的形状?他们使用的一些假设，是从来自中国的一些关键但仍不确定的信息中获得的。使用流行病早期的数据令人担忧。早期的报告可能会遗漏轻微和无症状的病例，每个人第一次发现喉咙痛或鼻塞的细节也可能不可靠。

然而，疫情似乎每6.4天就会爆发一倍，病例记录显示，潜伏期(感染后出现症状的时间)仅为5天多一点，在出现症状之前，人们可以传播病毒两天。反过来，这些值指向的R0大约是2.5，尽管当时的估计从低到1.5到超过5，这取决于计算所用的案例。

在案例报告中，基于最后的假设 - 近似有多少人生病的人最终会在医院最终。很少有孩子，但在80岁以上的五分之一，最终会在重症监护室（ICU）中。“到2月初，我们制作了一些非常早期的合理情景，在他们身上令人恐惧的情景，”麦卡克说。

如果任其不受控制地传播，COVID-19将感染90%的人口。医疗系统将在数周内不堪重负，每三个人接受所需的重症监护治疗，就有17人得不到治疗。隔离病人和看似隔离的人可以阻止传播，减少攻击。

联邦和州政府采取了这一点，后续机型的McVernon，麦考说明和他们的团队制作。2月1日开始的限制，第一对来自中国的国际旅客，然后，在三月份，在游客从其他地方。3月24日，返回澳大利亚被要求自我隔离两周，海外旅行禁止。警方给出的权威精人不在家，除了最重要的活动。在幕后，医院转移资源，他们的监护设施，以“最坏的打算和最好的希望”，麦考说。

---

分裂的替代方案将人口划分到越来越小的区域是为了创造充满虚拟人的模拟世界。这些模型被称为基于个体或基于代理的模型。20世纪70年代和80年代发展起来的基于主体的基本模型创造了大约1000人的社区。

几十年来，超级计算机和编程创新的进步使能够在并行运行的计算得到流行病学家，他们需要进行更大的较大版本的咕噜声。但它不是流行病学家首先做出了发现。

医院将资源转移到他们的重症监护机构，以便为最糟糕的方式计划。

21世纪初，新墨西哥州洛斯阿拉莫斯国家实验室(Los Alamos National Laboratory)的材料科学家蒂姆·格尔曼(Tim Germann)正在研究金属中的单个分子是如何在相互作用时相互竞争和改变彼此的性质的。他和他的同事们在一个模拟铝块中指定了单个原子的属性，如质量、电荷和极性，然后模拟了原子在车祸中如何相互碰撞。这个模型可以处理190亿单个粒子——一个虚拟的牛顿摇篮。

Germann知道计算如此大规模的交互作用的能力可以用来解决其他问题，所以他向周围的人征求建议。他说:“有些人建议观察鱼或鸟是如何群居的。”其他人则对传感器网络建模有想法。但当有人建议建立疾病模型时，这个想法“触动了神经”。在他自己的作品中，格尔曼通过一组原子发出了冲击波。“让疾病在人群中传播并不是太大的飞跃。”

但是，人类不会表现为原子。他们不仅仅是与他们的直接邻居有关;他们有目的地移动，有时跨越距离。偶尔于19世纪70年代以来一直致力于基于社区规模代理的模型的流行病学家Ira Longone，在2005年夏天进行了计划访问新墨西哥州。“这确实有助于我们有更好的疾病模型，因为否则它看起来像物理学家想出的东西，“Germann说。

与其他两位合作者GERMANN，谁仍然是在洛斯阿拉莫斯国家实验室，以及Longini，现在在佛罗里达州的盖恩斯维尔大学，花了基于代理的疾病建模从几千到数以百万计。在2006年，他们仿照如何流感可以通过整个美国的人口扫 - 那么2.81亿人 - 和减灾战略如何能够使钟形曲线更汤碗比香槟笛子和更好地管理这样的爆发。

---

基于代理的模型需要时间建立。米哈伊尔普罗科普恩科在悉尼大学花了三年多时间建设一个虚拟世界基于澳大利亚的数据。他和他的团队开始构建自己的模型来做出关于季节性流感的传播预测。来自社交网络的2006年，2011年和2016年的普查和研究，以数据，模型包含关于每个人在国家，家庭和工作场所，旅游格局和社会交往的大小的年龄和性别信息。粒度细节试图获得在谁与谁进行交互，以及多久 - 对于如何看到现实生活的传染病传播的重要信息。

最重要的是，Prokopenko说，分层了从先前的流感研究中获取的流行病学信息：来自孩子到成年人的传播速度是多少？从成年人到孩子？如果这对分享家庭怎么办？或者如果他们住在同一个邻居？“你有各种各样的组合，谁在社交分层上传递给谁，”他说。

当虚拟世界于2019年完成时，他们可以用病毒播种，感染模拟的人，并观察有多少人被感染：它传播多远和宽阔。但Prokopenko的团队没有立即将Covid-19发送到他们的虚拟世界中，因为众所周知估计传输速率太少。他说，太多未定义的假设是“垃圾垃圾，垃圾出来”的情况。但到3月初，他说，“我们想，我们有一些外表的真理”。

他们的模型表明，保持社交距离是抑制冠状病毒在澳大利亚传播的关键。它还表明，买入至关重要。如果90%的人口遵守社交距离限制，到7月，每日新增感染病例将接近于零，总病例上限为8000 - 10000例。如果只有70%的人遵守，该模型预测这些措施将几乎毫无用处，病毒将继续传播。

该模型还揭示了一些潜在的失误。该模型预测，如果提前3天(3月21日而不是3月24日)采取社会距离措施，峰值将会下降一半，病例将会在3周前降至接近零的水平。疫情开始时每耽搁一天，最后就会造成一周的损失。

---

到三月中旬，麦考林，McVernon和同事们不只是生成模型，他们比较本地和海外同事生成的模型和评估的主要未经审查科学论文泛滥到更新的假设如何病毒的行为。这些论文几乎都是“预印本” - 没有同行评议 - 但在大流行，时间是至关重要的。

超过2200篇冠状病毒论文出现在年初和4月底之间的前两个预印地网站上。只有少数人被撤回;许多人最终审查并发表了稳定的传统科学出版物。

然而，这意味着最新的信息并不是最终的定论。结果可能会有很大的不同，随着更多工作的开展，结果可能会更加严格。模型的生死取决于它们所构建的假设的质量，这些假设来自于不断发展的知识体系。麦金泰尔说:“如果你使用了错误的数据类型或错误的假设，你的模型最终会产生错误的输出。”

它并不总是很清楚，当假设是不正确的，即使在现实世界中的数据可看样板回想起来表现如何。对症人的过怂恿比可以由underegged传输速率所抵消。“有这么多的变数，”在基于代理的建模，普罗科普恩科说，“这两个错误会相互抵消。”

“We’re trying to make as few assumptions as possible, and make models as lifelike as we possibly can,” says George Milne from the University of Western Australia, who has also used an agent-based model to predict which interventions will control the COVID-19 outbreak in Australia.

但是没有模型是完美的。这就是为什么在模特界，多多益善。“不同的人可能会使用不同的建模方法，他们可能会做出[不同的]假设，”米尔恩说，“但如果结果几乎相同——这种干预与另一种干预的相对效益——那就说明你走在了正确的轨道上。”这是至关重要的。”

4月16日，麦考和麦克弗农公布的数据显示，所有州和地区的R值都低于1。每天新增感染人数呈下降趋势，总感染人数也呈下降趋势。

---

完全在每一个大流行的限制McCaw说，结束仍然是未知的。但是，来自世界各地的模型和数据共享将继续在未来几个月内（或重新）的限制中发挥作用。“你绝对可以......以逐步的方式开始提升限制，”Macintyre说：“你可以通过使用建模来告知。”

一个问题来解决的是，目前，对其最佳措施没有明确的理解。一旦Covid-19的传播速度和杀戮能力变得明显，州和国家政府就会投掷它的每一项措施：检疫，学校关闭，禁止聚会大小。解压缩哪些事情对减缓病毒的影响最大，并且没有差异可能需要数月甚至几年。

“你可以以阶段的方式开始提升限制，并通过建模来告知。”

McCaw说，最终，了解哪些措施有效以及哪些措施会重新爆发传播的唯一方法是，随着这些限制的放松，从现实世界收集数据。“科学是经验主义的，”他说。他说:“我们仍然需要放松这项措施——不管是什么措施——或者实施一项不同的措施，然后尝试衡量其影响。模型永远无法回答这个问题。”

随着世界各地的社区继续导航初始疫情曲线的峰值和谷，Covid-19剩下的部分居住在“新的正常”织机中。“这几乎难以置信

要想象这种病毒在全球范围内灭绝，这意味着它将在这里留下来，“麦卡克说。

周的刚性限制变成几个月的温和的控制措施,McCaw和世界各地的流行病学家可以定居在一个新的正常的:随着新数据的出现,运行模型跟踪和预测季节性COVID-19激增的情况下,试图阻止下一个大爆发。

---

想要了解更多类似的故事，请今天就订阅我们的季刊，包括印刷版和电子版，以及所有过期的《宇宙》杂志。