Mathematical model of SARS-Cov-2 propagation versus ACE2 fits COVID-19 lethality across age and sex and predicts that of SARS, supporting possible therapy
新型冠状病毒肺炎（COVID-19，即2019冠状病毒病）的致死率随着年龄的增长而上升，男性的致死率高于女性。我表明，这些变化与大鼠肺中病毒受体蛋白ACE 2的水平密切相关，这与人类ACE 2的数据仍然有限且明显矛盾是一致的。令人惊讶的是，较低水平的受体与较高的死亡率相关。然而，之前的一个数学模型预测，病毒在生物体中的进展速度有一个最大值，然后随着受体水平下降。此外，严重CoViD-19的许多表现，如严重肺损伤、加剧的炎症反应和血栓形成问题，可能源于病毒降解ACE 2导致的血管紧张素II（Ang-II）水平升高。我在这里提出了一个数学模型的基础上的ACE 2对病毒的传播和疾病的严重程度的影响。该模型以高准确度（$r^2>0.9$）拟合了不同年龄和性别的Covid-19死亡率，假设SARS-CoV-2感染处于受体增加减缓病毒传播的动态状态。此外，通过SARS-CoV和SARS-CoV-2的刺突蛋白的结合率的比率重新标度模型参数，可以预测SARS-CoV的死亡率跨年龄和性别，从而将分子和流行病学水平联系起来。所提出的模型反对血管紧张素受体阻滞剂（ARB）的恐惧，建议作为治疗CoViD-19的最不利影响，可能有利于病毒传播，并表明Ang-II和ACE 2是检测需要更强保护的人群的候选预后因素。
2020-09-29 q-bio.PE
Inferring epidemic parameters for COVID-19 from fatality counts in Mumbai
流行病参数估计通过贝叶斯推断使用每日死亡人数在孟买期间，从3月31日至4月14日。观察到倍增时间为5.5天（95% CrI的中位数为4.6-6.9天）。在SEIR模型中，这给出了3.4的基本再生率R_0（95%CrI的中值为2.4-4.8）。使用感染死亡率和感染与死亡之间的间隔作为输入，推断孟买的感染人数。结果发现，检测阳性人数与总感染人数的比率为0.13%（中位数），这意味着检测目前在750例感染病例中发现1例。在对不同的检测率进行校正后，这一结果与最近在美国通过血清学检测进行的比率测量相一致。根据对感染人数的估计，我们推断首批COVID-19病例于2019年12月底至2020年2月初在孟买播种。只要倍增时间从那时起保持不变。如果增长速度不能在大约一周内得到控制，我们将对一些公共卫生问题发表评论。
2020-04-23 physics.med-ph q-bio.PE
COVID-19 severity determinants inferred through ecological and epidemiological modeling
COVID-19临床严重程度的决定因素通常通过死亡人数的横向或纵向研究进行评估。然而，死亡人数取决于疾病的临床严重程度和传染性，因为感染人数越多，死亡人数也就越多。此外，死亡人数（以及病死率等相关指标）是动态量，因为它们出现在感染的延迟期，而不同的地理区域通常属于流行病曲线上的不同点。相反，我们使用流行病学建模提出了一个疾病严重程度的措施，占潜在的疾病动态。这一衡量标准对应于人口平均死亡率与恢复率的比率（m/r）。它独立于疾病传播动力学（即，基本再生数），并具有直接的机械解释。我们使用该方法来评估与疾病严重程度相关的人口统计学、医学、气象和环境因素。为此，我们采用了生态回归研究设计，并在第一次疾病爆发期间分析了美国不同的州。主成分分析，然后是基于机器学习技术的单变量和多变量分析，用于选择重要的预测因子。在不使用临床研究的先验知识的情况下，我们恢复了已知影响疾病严重程度的重要预测因素，特别是年龄，慢性疾病和种族因素。此外，我们确定长期的污染暴露和人口密度作为疾病严重程度的预测因子，并没有得到广泛的认可（尽管对于以前假设的污染）。整体而言，建议的措施可用于推断COVID-19及其他传染病的严重程度决定因素，所得结果可帮助更好地了解COVID-19风险。
2021-08-31 q-bio.PE
Infection fatality ratio of SARS-CoV-2 in Italy
我们分析了来自意大利的5，484名COVID-19病例的密切接触者，所有人都进行了SARS-CoV-2感染检测。我们发现感染病死率为2.2%（95%CI 1.69-2.81%），并确定男性、年龄>70岁、心血管合并症和流行病早期感染是死亡的危险因素。
2020-07-08 q-bio.PE
Rethinking Case Fatality Ratios for COVID-19 from a data-driven viewpoint
COVID-19的病死率（CFR）难以估计。一个困难是由于忽视或高估了报告和死亡之间的时间延迟。我们声称，所有这些导致大的错误和人为的CFR的时间依赖性。我们发现，对于每个国家，报告病例和死亡之间的时滞与时间的关系都有一个独特的值，这使得它们之间的最佳相关性是一个特定的意义。我们发现，由此产生的校正CFR（死亡人数按时间滞后向后移动，除以病例数）实际上在许多个月内是恒定的，对于许多国家来说，而且对于整个世界来说。每个国家的最佳时滞和恒定CFR可以通过简单的数据驱动算法找到。传统的CFR（忽略时间滞后）是虚假的时间依赖性和它的演变是难以量化的。我们校正的CFR随着时间的推移而保持不变，因此是每个国家/地区大流行的重要指标，并且可以从早期数据中推断，有助于改善对COVID-19死亡率的早期估计。
2020-06-10 q-bio.PE stat.AP
Comment on: A systematic review and meta-analysis of published research data on COVID-19 infection-fatality rates
COVID-19的感染病死率（IFR）是衡量疾病影响的指标之一，对政策制定具有重要意义。在这里，我们表明，这些估计所依据的许多研究在科学上是有缺陷的，原因包括：无意义的方程，不合理的假设，小样本量，非代表性抽样（系统性偏倚），有症状和无症状病例的定义不正确（已查明和未查明的案件），通常假设在测试时无症状的病例与完全无症状（从未有症状）的病例相同。此外，一个被广泛引用的荟萃分析歪曲了原始研究中的一些IFR值，并不适当地重复使用研究或研究信息，因此平均的结果不是相互独立的。这些研究论文缺乏有效性，这一点特别重要，因为它们对政策产生影响，而这些政策在应对世界性大流行病时会影响到人们的生活和福祉。
2020-12-22 q-bio.PE q-bio.QM
On Identifying and Mitigating Bias in the Estimation of the COVID-19 Case Fatality Rate
群体和国家之间的相对病死率（CFR）是相对风险的关键指标，可在持续的COVID-19大流行期间指导有关稀缺医疗资源分配的政策决策。在疫情活跃期间，监测数据是主要信息来源，估计这些数量涉及补偿死亡、病例和康复时间序列中的竞争性偏差。这些包括依赖于时间和严重程度的病例报告以及观察到的患者结局的时间滞后。在COVID-19 CFR估计的背景下，我们调查了此类偏倚及其潜在意义。此外，我们从理论上分析了某些偏差的影响，如致命病例的优先报告，对CFR的天真估计。我们提供了一个部分校正估计这些天真的估计，占时间滞后和不完善的报告死亡和复苏。我们表明，通过测试传染性个体的接触者而不考虑症状的存在来收集随机数据，可以通过限制诊断和死亡之间的协方差来减轻偏倚。我们的分析是补充理论和数值结果和一个简单而快速的开源代码库在https://github.com/aangelopoulos/cfr-covid-19。
2020-06-15 q-bio.PE q-bio.QM
A Bayesian spatio-temporal study of meteorological factors affecting the spread of COVID-19
本文利用贝叶斯时空模型分析英格兰首次封锁期间气象条件对 COVID-19 传播的影响，发现湿度与传播呈负相关，并提示制定政策时应谨慎对待季节性因素。
2023-08-07 q-bio.PE
Detectability of the novel coronavirus (SARS-CoV-2) infection and rates of mortality from the novel coronavirus infection in different regions of the Russian Federation
相关性：新型冠状病毒（SARS-CoV-2）感染的实验室诊断结合对感染者接触者的隔离会影响SARS-CoV-2感染的传播和相关死亡率水平。检测SARS-CoV-2感染的做法在俄罗斯各地不同。例如，在圣彼得堡市，2020年10月25日的COVID-19死亡率是俄罗斯联邦最高的，每一例COVID-19死亡对应于人口中15.7例COVID-19检测病例，而整个俄罗斯的相应数字为58.1，表明圣彼得堡的COVID-19轻度/中度病例检测有限。研究方法：更积极的SARS-CoV-2检测可降低病死率（即在人群中所有SARS-CoV-2感染病例中检出COVID-19病例的比例）。我们使用COVID-19病例和死亡数据来研究俄罗斯联邦不同地区COVID-19的病死率与死亡率之间的相关性。结果如下：2020年10月25日，俄罗斯联邦不同地区COVID-19的病死率与死亡率之间的相关性为0.64（0.50，0.75）。在俄罗斯联邦的几个地区，SARS-CoV-2感染的可检测性相对较低，而COVID-19的死亡率相对较高。结论：SARS-CoV-2感染的可检测性是影响COVID-19死亡率水平的因素之一。为了提高可检测性，应该对所有有呼吸道症状寻求SARS-CoV-2感染治疗的个人进行检测，并采取额外措施增加SARS-CoV-2检测量。这些措施，加上对感染病例及其密切接触者的隔离，有助于减缓SARS-C…
2020-10-25 q-bio.PE
Estimating effective infection fatality rates during the course of the COVID-19 pandemic in Germany
2019冠状病毒病（COVID-19）的感染死亡率（IFR）是该流行病背景下讨论最多的数字之一。本研究使用德国COVID-19监测数据和多项国际研究中针对特定年龄组的IFR估计值，研究了大流行期间有效IFR随时间的变化。提出了估计（有效）国际财务报告准则的三种不同方法：（a）基于感染风险与年龄和时间无关的假设的人口平均国际财务报告准则;（b）基于确诊病例的年龄分布大致反映感染个体的年龄分布的假设的有效国际财务报告准则;（c）考虑到与年龄和时间相关的感染暗值的有效国际财务报告准则。结果显示，德国的有效IFR估计会随着时间的推移而变化，因为确诊病例和估计感染的年龄分布在大流行期间正在发生变化。特别是在2020年春季和秋冬季的第一波和第二波感染期间，确诊病例的年龄分布明显向年龄更大的人群转移，导致IFR的有效估计值更大。第一波期间有效IFR的暂时增加估计较小，但在调整年龄和时间依赖性暗值时仍然存在。有效IFR与观察到的CFR的比较表明，观察到的死亡率随时间变化的很大一部分可以用感染年龄分布的变化来解释。此外，在第一次感染波之后，有效IFR和观察到的CFRs之间的差距明显消失，而在第二次感染波期间可以观察到适度增加的差距。进一步的研究是必要的，以获得及时的年龄分层IFR估计。
2021-01-21 q-bio.PE stat.AP
The determinants of COVID-19 case fatality rate (CFR) in the Italian regions and provinces: an analysis of environmental, demographic, and healthcare factors
意大利政府一直是应对COVID-19紧急情况最积极的政府之一，通过采取快速和日益严格的措施来遏制疫情。尽管如此，意大利还是遭受了巨大的人力和社会代价，尤其是在伦巴第大区。本文的目的是双重的：i）首先，使用多变量OLS回归方法调查意大利20个地区和107个省之间病死率（CFR）差异的原因; ii）其次，使用Ward分层凝聚聚类方法建立具有相似COVID-19死亡风险的省份分类。我考虑了卫生系统指标、环境污染、气候条件、人口统计变量和代表卫生系统饱和度的三个临时指标。结果显示，整体医疗效率、医师密度、平均温度有助于降低病死率。相反，70岁及以上人口、汽车和公司密度、空气污染物（NO2、O3、PM10和PM2. 5）水平、相对平均湿度、COVID-19患病率以及卫生系统饱和度的所有三个指标与CFR呈正相关。人口密度、社会垂直整合和海拔没有统计学意义。特别是，死亡的风险随着年龄的增长而增加，因为90岁及以上的风险比80至89岁的风险高出三倍，比70至79岁的风险高出四倍。此外，聚类分析表明，死亡风险最高的地区集中在该国北部，而风险最低的地区与南部省份有关。最后，由于患病率和卫生系统饱和度指数在解释CFR变异性方面发挥了最重要的作用，后者的很大一部分可能是由意大利卫生系统的巨大压力造成的。
2020-08-01 physics.soc-ph q-bio.PE
A scaling approach to estimate the COVID-19 infection fatality ratio from incomplete data
自2020年初中国正式宣布首次爆发SARS-CoV-2以来，它已经扰乱了全球数十亿人的生活。然而，它的致命程度或在不同国家的传播程度等重要问题仍然没有答案。在这项工作中，我们利用“普遍”增长的死亡率随着年龄的增长，观察到在不同的国家，因为他们各自的爆发，结合在西班牙人口的抗体流行率测试的结果，揭开这两个未知数。我们验证这些结果与类似的抗体率调查在瑞士日内瓦州。我们还认为，在大多数国家，70岁以上的官方死亡人数被严重低估，我们使用官方记录与死亡证明中提到COVID-19的死亡人数之间的比较来量化多少。利用这些信息，我们估计了不同年龄段的病死率感染率（IFR）和不同国家感染人口的比例，假设所有年龄段的病毒暴露一致。我们还使用西班牙的血清流行病学结果对非统一IFR进行了估计，显示出死亡率随年龄增长的非常相似的增长。仅在西班牙，我们估计了被确定为病例、住院或住进重症监护室的概率（如果感染）与年龄的关系。总的来说，我们观察到死亡率随着年龄的增长几乎呈指数增长，这预计在不同人口分布的国家中，总IFR存在很大差异，从意大利的1.82%到中国的0.62%，甚至是非洲中部的0.14%。
2021-01-27 physics.med-ph physics.soc-ph q-bio.PE
On the accuracy of short-term COVID-19 fatality forecasts
预测新病例、住院和疾病引起的死亡是传染病监测的重要组成部分，有助于指导卫生官员实施有效的对策。对于美国的疾病监测，疾病控制和预防中心（CDC）将这些数字的65个以上的单独预测组合在国家和州一级的总体预测中。我们收集了CDC对美国COVID-19死亡人数的集合预测数据，并将其与易于解释的“欧拉”预测进行比较，该预测仅基于发病率曲线的本地变化率。术语"欧拉方法“的动机是基于当前变化率计算函数在未来时间步长的值的epsilon数值积分方案。我们的研究结果表明，CDC集合预报在一周的短期预报范围内并不比“欧拉”预报更准确。然而，CDC集合预报在较长的预报范围内表现出更好的性能。使用当前发病率的变化率作为未来发病率变化的估计数，对于短期内的流行病预测是有用的。所提出的方法相对于其他预测方法的优点在于，它可以用非常有限的工作量来实现，并且不依赖于额外的数据（例如，人类流动和接触模式）和高性能计算系统。
2021-07-21 physics.soc-ph q-bio.PE
Why case fatality ratios can be misleading: individual- and population-based mortality estimates and factors influencing them
疫情期间不同的死亡率计算方法产生了非常不同的结果，特别是在当前的COVID-19大流行期间。我们制定了一个生存概率模型和相关的感染持续时间依赖的SIR模型来定义基于个体和人口的动态死亡率估计。影响不同死亡率估计动态的关键参数是潜伏期和确认感染前个体被感染的时间。我们强调，这些比率中没有一个是由经常被误解的病死率（CFR）准确表示的，病死率是迄今为止的死亡人数除以迄今为止确诊的感染病例总数。利用最近SARS-CoV-2爆发的数据，我们估计和比较了不同的动态死亡率，并强调了它们的差异。通过我们的建模，我们提出了更系统的方法来确定流行病爆发期间的死亡率，并讨论了数据对混杂效应和不确定性的敏感性。
2020-04-03 q-bio.PE
Forecasting the outcome and estimating the epidemic model parameters from the fatality time series in COVID-19 outbreaks
在没有其他工具的情况下，监测保护措施的效果，包括社交距离和预测疫情的结果，具有巨大的意义。实时数据是嘈杂的，并且经常受到报告中的系统性错误的影响。详细的流行病模型可能包含大量的经验参数，这些参数无法以足够的精度确定。在本文中，我们表明，累计死亡人数可以被视为一个主变量，和流行病的参数，如基本再生数，易感人群的大小，和感染率可以确定。在SIR模型中，我们导出了一个显式的单变量微分方程的累积死亡人数的发展。我们发现，在西班牙，意大利和湖北省，中国的流行病密切遵循这个主方程。我们讨论了与Logistic增长模型的关系，我们表明，它是一个很好的近似时，基本再生数小于$2.3$。该条件适用于湖北的疫情，但不适用于西班牙、意大利和纽约的疫情。不同之处在于中国的传染期较短，这可能是由于感染者的隔离政策。对于具有更多内部变量的更复杂的模型，例如SEIR模型，由于时间尺度的分离，从SIR模型导出的方程近似地保持有效。
2020-08-01 physics.soc-ph q-bio.PE
What Can We Estimate from Fatality and Infectious Case Data using the Susceptible-Infected-Removed (SIR) model? A case Study of Covid-19 Pandemic
2019新型冠状病毒病（COVID-19）迅速蔓延，影响几乎所有国家，于2019年底首次报告。由于其高度传染性，世界各国都采取了极其严格的措施来控制其传播。自这场大流行病的最初阶段以来，学术界已经做了大量的研究，以了解这种疾病，开发药物，疫苗和测试，并模拟其传播。在这些研究中，大量的工作都是在早期阶段为受COVID-19影响的国家估计疫情参数，从而预测疫情的进程，但疫情过程中控制措施的变化使建模过程复杂化。本文利用早期资料讨论了基本再生产数的确定、传染期的平均持续时间、流行高峰时间的估计等问题。2020年1月22日至2020年4月18日期间，10个国家的每日病例报告和每日死亡人数使用易感-感染-删除（SIR）模型进行评估。对于每个国家，SIR模型拟合累积感染病例数据在5%的误差进行了分析。据观察，基本繁殖数和传染期的平均持续时间只能在流行病传播结束的情况下估计（在目前的情况下，中国和韩国）。然而，它表明，感染个体的比例的最大值和拐点的时间的时间可以鲁棒地估计从归一化的数据。通过将预测与实际数据进行比较来验证估计数，结果表明，只要保留封锁措施，除美国外，所有国家都实现了预测。
2020-07-10 q-bio.PE q-bio.QM
Modeling the Control of COVID-19: Impact of Policy Interventions and Meteorological Factors
在本文中，我们提出了一个动力学模型来描述COVID-19的传播，它正在中国和许多其他国家蔓延。为了避免疫情在全球范围内大规模爆发，中国政府采取了一系列强有力的策略，防止疫情恶化。居家隔离是预防COVID-19传播的最重要措施。为了估计种群隔离的效果，我们将种群分为七类进行模拟。基于最小二乘程序和官方公布的数据，所提出的模型的参数估计。数值模拟结果表明，该模型能够准确描述COVID-19的传播过程，并对疾病的发展趋势给出了相应的预测。居家隔离策略在控制疾病传播和加速COVID-19下降方面发挥着重要作用。对我国大部分省份的控制再生育数进行了充分的分析和讨论。值得注意的是，尽管疫情在中国呈下降趋势，但疫情仍存在持续人传人的高风险。一旦控制策略被取消，COVID-19可能会像流感一样成为一种正常的流行病。进一步控制该病仍是必要的，我们重点关注病毒传播速度与气象条件之间的关系。引入一个综合气象指数来表征气象因素对高、低迁移人群的影响。随着新疫苗的进展，我们设计了不同控制阶段的COVID-19疫苗接种策略，并展示了高效疫苗接种的有效性。一旦疫苗投入使用，数值模拟提供了一个及时的前瞻性研究。
2020-03-06 math.DS q-bio.PE
Abrupt transition of the efficient vaccination strategy in a population with heterogeneous fatality rates
在大多数国家，有效的SARS-CoV-2疫苗供应不足，需要有效的疫苗接种策略，以尽量减少疾病造成的损害。目前，许多国家按年龄递减顺序（即死亡率递减顺序）为其人口接种疫苗，以尽量减少疾病造成的死亡;然而，需要对这一战略的有效性进行定量评估。我们采用可治愈-感染-恢复-死亡（SIRD）模型来研究各种疫苗接种策略。我们构建了一个具有异质接触率和病死率的集合种群模型，并研究了疫苗接种策略对降低流行病死亡率的有效性。我们发现，目前在许多国家采用的基于死亡率的策略，是更有效的传染率高，疫苗供应低，但接触为基础的方法优于基于死亡率的策略时，有足够高的疫苗供应。我们确定了一个不连续的过渡的最佳疫苗接种策略和路径依赖类似的滞后。这种过渡和路径依赖意味着，结合基于死亡率和基于接触的战略是无效的，在减少死亡人数。此外，我们证明了这种现象发生在现实世界的流行病中，如结核病和COVID-19。我们还表明，即使考虑到复杂的流行阶段、疫苗功效和再感染，本研究的结论也是有效的。
2022-09-02 physics.soc-ph q-bio.PE
Artificial Neural Network Prediction of COVID-19 Daily Infection Count
本文利用人工神经网络，结合检测数据、死亡人数和IFR回溯推算真实感染数，并用SEIR模型校准，以预测COVID-19每日感染人数。
2023-06-23 physics.soc-ph q-bio.PE
A simulation of a COVID-19 epidemic based on a deterministic SEIR model
一种由新型冠状病毒引起的流行性疾病在意大利北部蔓延，传染率很高。我们实现了一个SEIR模型来计算这种流行病的感染人口和伤亡人数。这个例子最好是关于意大利伦巴第大区的情况，那里的流行病于2月25日开始。我们用迄今为止（2020年5月5日）的死亡人数校准了模型，并根据文献中报道的值对参数进行了约束。峰值大约出现在第37天（3月31日），此时繁殖率迅速下降，最初繁殖率R0 = 3，第22天为1.36，第35天后为0.8，表明不同程度的封锁。预计死亡人数约为15600人，疫情结束时有270万人感染。提供死亡个体更好拟合的潜伏期为4.25天，感染期为4天，死亡率为0.00144/天[数值基于报告的（官方）伤亡人数]。感染死亡率为0.57%，如果假设两倍于报告的伤亡人数，则为2.36%。然而，这些比率取决于最初接触的个人。如果暴露的人数增加约9倍，则在疫情结束时感染人数增加3倍，IFR = 0.47%。如果我们放松这些限制，并使用更大范围的潜伏期和感染期的下限和上限，我们观察到，更长的潜伏期（13天对4.25天）给出相同的IFR（0.6%对0.57%），但在第一种情况下，暴露的个体多9倍。因此，死亡率的准确确定取决于对这一流行病特点的了解。
2020-05-10 physics.soc-ph q-bio.PE
Modeling the transmission of new coronavirus in São Paulo State, Brazil -- Assessing epidemiological impacts of isolating young and elder persons
我们开发了一个数学模型来描述新型冠状病毒在巴西圣保罗州的传播。该模型将社区划分为由年轻人和老年人组成的亚群，以考虑到患有严重CoViD-19的老年人的死亡风险较高。根据在圣保罗州收集的数据，我们估计了传播率和额外死亡率，并由此计算出基本生殖数R 0。根据估计的参数，CoViD-19导致的死亡估计值比文献中发现的低三倍。考虑到隔离作为一种控制机制，我们改变了年轻人和老年人的隔离率，以评估其流行病学影响。流行病学情景主要侧重于评估在人群中引入隔离时严重CoViD-19病例和死亡人数。
2020-04-12 q-bio.PE
Forecasting COVID-19 Chile's second outbreak by a generalized SIR model with constant time delays and a fitted positivity rate
2019冠状病毒病迫使各国在科学家和政府之间做出相当大的合作努力，以提供适当跟踪疫情后果的指标。数学建模在量化描述大流行病各个方面的指标方面发挥着关键作用。因此，这项工作的目的是开发一个明确的，高效的，可重复的参数优化方法，其实施说明使用来自智利的三个代表性地区的数据和一个合适的广义SIR模型与拟合的阳性率。我们的研究结果再现了感染者曲线的一般趋势，区分了报告病例和真实病例。最后，我们的方法是稳健的，它使我们能够根据报告的死亡病例定性预测COVID-19的第二次爆发和COVID-19的感染死亡率。
2020-12-28 physics.soc-ph q-bio.PE
Understanding Epidemic Data and Statistics: A case study of COVID-19
2019年新型冠状病毒（COVID-19）已影响116个国家（截至3月12日），确诊病例超过118，000例。了解每天受影响的每个国家的感染传播动态并评估控制政策的有效性对我们采取进一步行动至关重要。迄今为止，COVID-19报告病例的统计数据显示，超过80%的感染者患有轻度疾病，而约14%的感染者患有严重疾病，约5%被归类为危重病患者。今天的报告（2020-03-12;每日更新在准备好的网站）显示，中国，韩国，意大利和伊朗的COVID-19确诊病例分别为80932，7869，12462和10075;分别。计算意大利的总病死率（CFR）（2020-03-04），约7.9%的确诊病例死亡。与韩国的0.76%（比意大利低10倍）和中国的3.8%（比意大利低50%）相比，意大利的CFR太高了。有一些有效的政策使案件趋势发生了重大变化。中国和意大利的封锁政策（11天后观察到的影响），湖北所有非必要公司的关闭（5天后观察到的影响），韩国的综合政策和伊朗的减少工作时间。
2020-03-15 q-bio.PE
A demographic scaling model for estimating the total number of COVID-19 infections
了解COVID-19的传播范围对于研究大流行的进展至关重要。尽管努力仔细监测大流行，但确诊病例数可能低估了感染总数。我们引入人口比例模型，使用广泛适用的方法估计COVID-19感染，该方法基于最低数据要求：COVID-19相关死亡、感染病死率（IFR）和生命表〈动〉<动>。由于许多国家缺乏对特定年龄IFR的可靠估计，我们使用剩余预期寿命作为标记来衡量国家之间的IFR，以说明年龄结构，健康状况和医疗服务的差异。截至2020年5月13日，在COVID-19死亡人数最多的10个国家中，感染人数估计是确诊病例数的4倍[95%预测区间：2-11]。跨国差异很大。意大利的估计感染人数为140万（确诊病例数的6倍）;美国为310万（确诊病例数的2.2倍）;是德国确诊病例数的1.8倍，德国的检测相对广泛。然而，根据当地血清阳性率研究，我们的流行率估计值明显低于大多数其他人。我们引入公式来量化我们的死亡数据中所需的偏倚，以重现其他地方发表的估计值。这种偏倚分析表明，COVID-19死亡人数被严重低估，被低估了两倍或更多;或者，基于血清阳性率的结果被高估，不代表总人口。
2020-05-26 q-bio.PE
A quantitative assessment of epidemiological parameters to model COVID- 19 burden
由于对无症状和轻症病例的不确定性，仍然缺乏描述SARS-CoV-2感染临床过程的可靠估计。在这项工作中，我们量化了2020年3月至4月期间在意大利确诊病例接触者中确定的1，965名SARS-CoV-2阳性个体中定义SARS-CoV-2感染自然史的阶段之间过渡的年龄特异性概率。病例的受感染接触者通过RT-PCR检测确认，作为接触者追踪活动的一部分，或通过IgG血清学检测进行回顾性确认，并对症状和临床结果进行随访。此外，我们还提供了从更大样本中获得的定义病例临床进展的关键事件之间的时间间隔估计值，该样本包括2020年2月至7月期间确定的95，371例感染。我们发现，年龄超过60岁与39.9%的（95%CI：36.2-43.6%）SARS-CoV-2感染后出现呼吸道症状或发热≥ 37.5 °C的可能性;（95%CI：19.3-25.6%）的感染者需要住院治疗，1%（95%CI：0.4-2.1%）的感染者被送入重症监护室（ICU）。60岁以下个体的相应比例估计分别为27.9%（95%CI：25.4-30.4%）、8.8%（95%CI：7.3-10.5%）和0.4%（95%CI：0.1-0.9%）。感染病死率（IFR）范围为0.2%，（95%CI：0.0-0.6%），在60岁以下的个体中为12.3%（95%CI：6.9-19.7%）;这两个年龄组的病死率（CFR）为0.6%（95%CI：0.…
2021-03-29 q-bio.PE
Association of vaccine-induced or hybrid immunity with COVID-19-related mortality during the Omicron wave -- a retrospective observational study in elderly Bavarians
工作背景：目前缺乏基于人群的研究，在Omicron波期间SARS-CoV-2诱导的免疫保护的有效性和持久性。研究方法：这项回顾性研究包括470159例年龄在60岁或以上的病例，他们在2022年1月1日至6月30日期间在德国巴伐利亚州检测出SARS-CoV-2呈阳性。我们检查了至死亡的时间，从最早的报告/症状发作日期至第60天测量。Cox模型用于估计性别、年龄、记录感染的最早日历日期和疫苗诱导或混合免疫（LI）水平的校正风险比（HR）。结果：共观察到3836例死亡（病死率0.82%）。所有LI的死亡风险均显著低于未接种疫苗的病例（在过去6个月内达到的完全主要LI的校正HR：0.30，95%置信区间（CI）0.23-0.39; 6个月后：0.46，95% CI 0.35-0.60）。加强治疗进一步降低了死亡风险（过去3个月内：HR 0.17，95% CI 0.15-0.20; 3个月后：HR 0.25，95% CI 0.21-0.29）。结论：在老年巴伐利亚人中，增加LI与增加Omicron波期间的死亡保护有关。然而，几个月后，保护可能会在一定程度上减少。
2022-11-15 q-bio.PE
Daily Profile of COVID-19 Infections in Germany, throughout the Pandemic
本研究通过德国每日病例数据分析 COVID-19 传播动态，结合流行病学参数估算繁殖数与群体免疫阈值，并预测死亡概况及病例致死率。
2025-10-07 q-bio.PE
Realistic estimate of the Covid-19 incidence and mortality rate in France
法国自2020年5月起实施SARS-Cov 2大规模病毒学检测。我们假设非接触病例（ANBC）的无症状人群的阳性率代表了整个法国人群的阳性率，从而可以估计实际发病率。我们使用Santé Public France的报告估计，8月初的发病率约为0.8%，9月初上升至总人口的2.4%。这相当于每天约有160万人同时感染和23万新感染。这些评估可以推断，重症监护病房（ICU）的入院率和感染病死率（IFR）自3月以来下降了一个数量级，目前分别为0.036%和0.027%。法国，法兰西岛，圆顶山，罗讷河口和大东部的爆发演变的假设可以忽略不计的再感染概率的基础上进行基本模拟。这些模拟使用随时间变化的繁殖率（R）常数，范围从1.3到1.45（在Grand Est为1.15）。他们使用第一波感染发生的估计数量。这些模拟还使用了估计的发病率，通过一周又一周地减少易感人群，导致爆发的指数增长达到饱和。预计法国在第39周时的发病率峰值为3.5%。当R=1.3时，第二波期间ICU入院和死亡的计算总数分别为9000和7000。两个波的累积发生率计算为接近60%（R=1.3）和70%（R=1.4）。这表明，如果存在个体免疫，那么法国很可能在2020年10月底实现群体免疫。我们的结论是，新冠肺炎的传播范围比之前想象的要大得多，但自第一波疫情结束以来，其严重程度变得有限。
2020-11-02 q-bio.PE
Human Activity and Mobility Data Reveal Disparities in Exposure Risk Reduction Indicators among Socially Vulnerable Populations during COVID-19
非药物干预（NPI）是缓解COVID-19大流行在美国传播和影响的一种方法。非营利组织促进保护行动，以减少接触风险，并可以减少社区内的流动模式。越来越多的研究文献表明，社会弱势群体受到COVID-19高感染率和高死亡率的不成比例影响，尽管对这种健康差异的潜在机制了解有限。因此，该研究在五个城市位置的粒度范围内检查了两个不同且互补的数据集。通过统计和空间分析，该研究广泛调查了由于NPI而减少社会弱势群体的暴露风险。移动数据集跟踪邮政编码之间的人口移动;它用于起点-目的地网络分析。人口活动数据集基于从人口普查街区组（CBG）到兴趣点（POI）的访问次数，如杂货店，餐馆，教育中心和医疗设施;它用于人口-设施交互的网络分析。流动性数据集显示，在实施国家保护倡议后，社会弱势人口以在邮政编码区之间流动的形式增加了流动性。同样，人群活动分析显示，基于更多的CBG流入POI的访问，社会弱势人群的暴露风险增加，这增加了POI的接触风险，以及更多的从POI到家庭CBG的流出访问，这增加了CBG内的传播风险。这些发现可以帮助应急规划人员和公共卫生官员了解不同群体如何能够实施保护行动，并为未来流行病提供更公平和数据驱动的NPI政策。
2021-07-15 physics.soc-ph q-bio.PE
Vaccine efficacy and SARS CoV 2 control in California and USA during the session 2020 2026: A modeling study
除了保持健康预防措施外，接种疫苗是预防SARS-CoV-2的唯一方法，尽管迄今为止还没有临床证明100%有效的疫苗。在现阶段，为了阻止这场大流行的碎片，专家们需要知道疫苗有效率阈值的影响，以及这种大流行在不同有效率的疫苗下可能持续多久。本文运用数学模型研究了大流行期间疫苗接种的重要性和疫苗有效率。我们模拟了一个五室数学模型，以分析加利福尼亚州和整个美国的大流行情景。我们考虑了辉瑞、Moderna、阿斯利康和强生四种疫苗，这些疫苗正被严格用于控制COVID-19大流行，此外还有两种特殊情况：一种疫苗的有效率为100%，另一种疫苗没有使用。加州的感染率和死亡率都很高。我们的模型表明，如果继续频繁接种辉瑞疫苗，加州的大流行疫情将在2023年的最后四分之一得到控制。在此期间，从开始免疫起将发生6波，病死率和治愈率分别为1.697%和98.30%。然而，根据所考虑的模型，这一时期可能会延长到2024年中期，届时将使用有效率较低的疫苗。疫苗越有效，患这种恶性感染的人就越少。虽然特定人群最初得到优先考虑，但需要大规模接种疫苗来控制疾病的传播。
2021-09-15 q-bio.PE
