科学家开发出一种基于人口规模的新型模型 或能准确推测COVID-19的实际感染人数

日前，一篇发表在预印版平台medRxiv上的研究报告中，来自马克斯普朗克研究所等机构的科学家们通过研究开发了一种基于人口规模的新型模型，其能够帮助研究者仅用少量的数据就能估计不同国家COVID-19感染的实际人数，基于该模型，德国的病例数要比确诊病例数高出了1.8倍，然而研究者推测，意大利的实际感染人数要比卫生部门报告的病例数高出6倍。 研究者Mikko Myrskyla表示，对于受COVID-19大流行影响最严重的10个国家，我们使用该模型评估了未报告感染的病例数量，根据2020年5月13日的数据，我们发现，感染人数是确诊人数的4倍；对于意大利而言，该模型估计约有140万感染者，这要比卫生部门报告的确诊病例高出6倍，研究人员推测，目前美国或许有310万感染病例，是官方报告病例数的两倍多，而在德国，随着大量人群进行COVID-19的检测，该模型估计未报告的病例数或许是确诊患者数量的1.8倍。 然而，该模型估计的不确定性很大，其所估计的总病例数是确诊病例的2-11倍，概率为95%，个别国家之间的差异较大，在这种新型模型计算中，研究人员主要利用COVID-19死亡、感染病死率和生命表等数据进行分析，然而由于大多数国家并不知道COVID-19的感染病死率，因此研究者利用所谓的剩余预期寿命从一个参考国家转移到其它国家，这种人口统计参数可以控制不同国家在年龄结构、人口中以前疾病和卫生保健系统方面的差异。 这种人口规模模型基于两种主要假设，首先，其假设因COVID-19死亡人数的记录相当准确，其次，假设参考国家的感染病死率经过了人口调整后可以转移到其它国家，研究人员认为，这两种假设只是近似，并不适用于任何地方。最后研究者Christian Dudel表示，尽管如此，我们认为这种模型具有广泛的适用性，其能利用最小的输入数据来对感染COVID-19的实际人数提供有用的估计和推测，同时这种模型还能用来检查其它研究中估计感染人数的合理性，比如人群中抗体的流行程度。当然了，抗体检测只能在区域内进行，往往并不能代表一个国家的全部人口。 [19] \t