防走失，電梯直達安全島報人劉亞東A
新智元報道
【新智元導讀】社交隔離真的有用嗎？特朗普將隔離期限延長至4月30日的決定是在審查了12種不同的統計模型之後綜合得出的。斯坦福大學生物學家Erin Mordecai和一組研究人員開發了一個交互式模擬器，模擬了COVID-19隨時間的傳播曲線，生動展示了社交隔離對控制疫情的作用。「新智元急聘主筆、高級主任編輯，添加HR微信（Dr-wly）或掃描文末二維碼瞭解詳情。」
在《瘟疫公司》下架後，你不再有模擬疫情的遊戲可玩了？
《瘟疫公司》的開發者曾被邀請去美國疾控中心進行講座。它讓全球玩家對病毒的感染和傳播機制有了基本的知識儲備、感性認識和危機意識，是款很棒的科普性遊戲。在疫情爆發後，已在國內外官方平臺下架。
現在，你有了個更精確的疫情模擬器！
當然，要玩兒你得英文好，TOEFL過100的同學可以到文末找鏈接自己上去調參，本文只介紹科學家用這個模型做出來的研究結論
斯坦福大學生物學家Erin Mordecai和一組研究人員開發了一個交互式網站，把社會隔離、檢疫等各種干預措施做成了程度可平滑調節的旋鈕，模擬了COVID-19隨時間的傳播曲線，讓人可以非常直觀地看到不同措施對病例數、死亡人數的動態影響，以及與醫院負載的對比。
斯坦福大學生物學家Erin Mordecai
研究成果：直觀展示社會隔離的作用
以上四張圖顯示了社交隔離措施在0、輕度、中度、重度四種執行力度下，住院患者數量的直觀減少。圖中紅線是醫院承載力。
1.降低曲線峰值：我們的許多衛生資源都有固定的容量。如果同時有太多病例，我們將無法照顧每個生病的人。超出住院次數的上限將意味著不得不確定優先考慮哪些患者，而另一些只能無法被醫治，我們已經看到這種情況在意大利等地出現。我們實踐的社會距離力度越大，曲線將越平坦。2.延遲高峰：隨著時間的推移，很多資源將變得越來越豐富。我們將能夠生產更多資源，例如治療，呼吸機和醫院病床。社交疏離等做法可以幫助延遲病例數量達到頂峰的時間，為我們贏得了獲得所需資源的時間。
3.防止曲線末端爆發：一旦病例數開始減少，我們就可以停止社會隔絕嗎？不。這三張圖顯示了強社會隔離持續3/5/10個月的狀況，很明顯，如果我們過快地解除控制，那麼我們可能會看到疾病傳播重新出現，病例數迅速反彈，因為許多人仍然易感。在3或5個月後就解除隔離，導致的患者數量激增甚至會同樣大幅超過醫療系統承載力。
我們在1918年的流感大流行中看到了這一點，當時許多美國城市在3到8周後取消了限制，看到了第二大流感高峰。
為了避免COVID-19的死灰復燃，我們需要在12到18個月或更長時間內採取多種干預措施，直到廣泛使用有效的治療方法和/或疫苗為止。數月社交隔離的替代方案：照明開關法
我們不需要被高強度隔離整整一年或更長時間。專家表明，如果使用主動打開和關閉的干預措施，比如“照明開關法”（The Lightswitch Method），我們可以保持相對較低的傳播率，允許更大的活動範圍，同時仍將流行病保持在我們的醫療保健系統可以管理的水平。 當我們“開燈”時，開始保持社交距離，病例數開始減少；當“關燈”時，人們可以一定程度上恢復社交，並進行較小的調整。病例數將開始增加一點，但不會在我們重新恢復社交距離之前失控。我們可以根據數據，將切換時間設置為一定時間（三個星期打開，三個星期關）或是某個閾值（例如：在一週內有15例住院病例時打開，在一週內低於2例住院病例時關閉）。
這樣，我們就可以在阻止新冠傳播和正常生活之間尋找平衡。
傳染病動態建模方法
統計模型的基本原理相對顯而易見。流行病學家將人口分為不同的區間。其中SIR模型是常見的一種描述傳染病傳播的數學模型，其基本假設是將人群分為以下三類：
1 易感人群（Susceptible）：指未得病者，但缺乏免疫能力，與感病者接觸後容易受到感染。
2 感染人群（Infective）：指染上傳染病的人，他可以傳播給易感人群。
3 移除人群（Removed）：被移出系統的人。因病癒（具有免疫力）或死亡的人。這部分人不再參與感染和被感染過程。在SIR 模型中以上三類人群之間存在兩個轉換的關係。
對於“暴露”但尚未感染的人，某些模型還會加入E，變成SEIR模型。然後，建模人員根據他們對疾病傳播的判斷，來制定變量，然後運行。這些變量包括：一個被感染者康復後或死亡之前感染了多少人，一個感染者感染另一個人需要多長時間等等。
SEIR模型圖例
“一開始，每個人都是易感人群。感染者數量很少，他們感染了易感人群，感染者就開始呈指數級增長。”波士頓大學公共衛生學院傳染病流行病學家海倫·詹金斯說。
特朗普將隔離期限延長至4月30日，基於12種統計模型得出
3月29日，在白宮舉行的新聞發佈會上，美國總統特朗普將美國新冠疫情預測總死亡數據“220萬”重複了16次。而早先在華盛頓大學健康計量與評估研究所（IHME）3月25日發表的一篇研究報告中，預測美國未來4個月內可能會有81114人死於新冠肺炎。疫情的拐點大約在4月的第二週。IHME是一個強大的數據處理機構，有約500名統計學家，計算機科學家和流行病學家。IHME負責人Chris Murray：從上週的最新模型結果顯示，目前總體情況首次出現好轉，死亡人數統計相比於上週已經下降了20%，曲線開始逐漸平坦。從流行病學的角度看，這些死亡數據的預測都是來自數學預測模型。白宮新冠病毒應對協調員Deborah Birx博士在發佈會上表示，特朗普將隔離期限延長至4月30日的決定是在審查了12種不同的統計模型之後綜合得出的。
斯坦福團隊所使用的9格模型：S=易感 E=暴露 Ip=症狀前但具有傳染性的狀態
Ia=無症狀感染 Is=重症 Im=輕症 H=住院 R=康復 D=死亡
哈佛大學傳染病流行病學專家Marc Lipsitch的團隊也使用了SEIR模型，數據的調整用以模擬社會隔離措施的收緊或放鬆，以及Covid-19感染可能出現的季節性變化（類似流感）。模擬時他改變了R0。基礎傳染指數R0指在沒有外力干預下，一個感染者平均能傳染的人數。在該模型中，如果停止嚴格意義上的社會隔離（無需採取疫苗或治療之類的措施），將使感染率迅速攀升至每千人中約有兩個危重病例，這等同於660,000名美國人即將病危。該團隊的模型發現，即便從4月到7月持續執行最嚴格的封禁措施，疫情也會在秋天左右回升。
原文鏈接：
https://news.stanford.edu/2020/03/30/modeling-social-distancings-impact/
模擬模型鏈接：
https://covid-measures.github.io/
斯坦福魔性的源代碼都可以在Github上找到：
https : //github.com/morgankain/COVID_interventions
220萬人死於新冠肺炎？特朗普說的最壞結局靠譜嗎 ：https://www.cnbeta.com/articles/tech/961793.htm
基於SIR模型的武漢新型冠狀病毒動力學建模與參數辨識（附Python代碼）：https://zhuanlan.zhihu.com/p/104645873
The Mathematics of Predicting the Course of the Coronavirus：https://www.wired.com/story/the-mathematics-of-predicting-the-course-of-the-coronavirus/
閱讀更多 報人劉亞東 的文章
