Nat. Commun.速递：从时间序列推测“新冠”的再生周期及潜伏期分布

导语

对于新冠等传染病，传播链中连续的感染事件之间的时间间隔如何分布，是一个关键的传染病学参数，被称为再生时间分布（generation time distribution）。然而，确切的感染日期难以确定，通常是近似的序列间隔分布，使得对再生时间分布的估计只能是近似的，建立在感染者和被感染者潜伏期分布相同的假设下。近日发表于 Nature Communications 的研究，通过调查中国2020年1月至2月的2989例确诊病例，重建了629个传播对，估算了潜伏期和序列间隔分布，并建立了一个推断框架，来估计由于流行病学、采样偏差以及公共卫生和社会措施的变化而随时间变化的新冠再生时间分布。该方法可更准确地评估再生时间分布，改善对传染病传播动力学的评估。

关键词：流行病传播动力学，再生时间分布

郭瑞东|作者

邓一雪|编辑

论文标题： Inferring time-varying generation time, serial interval, and incubation period distributions for COVID-19 论文地址： https://www.nature.com/articles/s41467-022-35496-8

来势汹汹的新冠疫情，在几周内就达到峰值。相比于人们熟知的再生系数 R0，即一个感染者平均感染多少个人，再生时间（generation time） 指的是传播时间发生在感染后的几天。再生时间短，则疫情的峰值来的越快，如通过公共卫生措施，例如戴口罩等，可延长再生时间，从而做到拉平曲线。

基于2020年1月至2月期间对中国2989例确诊病例进行的调查，该研究重建了629个传播对。发现在武汉封城之后，再生时间的中位数显著降低 （图1a） ，这说明干预措施取得了效果，耗时较长的传播链条得到了控制，因此再生时间降低。图1b展示不同时间的新冠潜伏期，其中蓝色是从被传播者反推得到的，该指标随着封城等干预措施变长，说明潜伏期较短的感染事件已被追踪，因此剩下的病患潜伏期变长。

图1：预估的不同日期的（a）再生时间及（b）潜伏期

图2. 该方法估计的每日新增病例再生时间的（a）均值和（b）标准差

基于该研究提出的方法，还可以根据传播链估计再生系数。图3对比了基于感染数目和传播链估计的再生系数，可以看到在武汉封城后，再生系数显著下降，但根据传播链倒推得到的再生系数，和传统的基于病例数推出的有所差异，特别是封城后 R0 小于1的阶段。这意味着在估计再生时间方面可能存在偏差，包括时间尺度上的抽样偏差。而这会影响流行病学参数估算的准确性。

图3：(a）每日报道的新冠案例柱状图，(b）基于感染者数量估计的有效再生系数（红线）和基于感染者发生症状的时间序列预估的有效再生系数（绿线）

对再生时间的时变估计对于更好地评估疾病动力学和传播性可能至关重要，并且可能有助于实时改进公共卫生政策和缓解战略。传统的方法通常将再生时间估计为整个流行病的恒定分布，新方法允许对流行病学参数进行时变估计，提供更多关于传播动力学的信息。另一个好处是研究在推断框架中考虑了每个相关区间参数的抽样偏差，这可以解释并应对在传染病初期和末期，由于抽样偏差导致的对再生时间的高估和低估。

Abstract

The generation time distribution, reflecting the time between successive infections in transmission chains, is a key epidemiological parameter for describing COVID-19 transmission dynamics. However, because exact infection times are rarely known, it is often approximated by the serial interval distribution. This approximation holds under the assumption that infectors and infectees share the same incubation period distribution, which may not always be true. We estimated incubation period and serial interval distributions using 629 transmission pairs reconstructed by investigating 2989 confirmed cases in China in January-February 2020, and developed an inferential framework to estimate the generation time distribution that accounts for variation over time due to changes in epidemiology, sampling biases and public health and social measures. We identified substantial reductions over time in the serial interval and generation time distributions. Our proposed method provides more reliable estimation of the temporal variation in the generation time distribution, improving assessment of transmission dynamics.

复杂科学最新论文

集智斑图顶刊论文速递栏目上线以来，持续收录来自Nature、Science等顶刊的最新论文，追踪复杂系统、网络科学、计算社会科学等领域的前沿进展。现在正式推出订阅功能，每周通过微信服务号「我的集智」推送论文信息。扫描下方二维码即可一键订阅：