通过仔细评估被感染者体内的病毒量(即病毒载量)与病例数量增加或减少的速度之间的关系，一种监测COVID-19等流行病的新方法可以准确地实时估计流行病的增长率。
“这个新方法,该方法有效地链接我们知道病毒是怎样生长的体内病毒如何传播的动力学在人口,提供了一个全新的指标,公共卫生官员、决策者、和流行病学家将能够使用最新的流行的实时信息,”哈佛大学公共卫生学院(Harvard T.H. Chan School of public Health)流行病学助理教授、传染病动力学中心(Center for infectious Disease Dynamics)核心成员Michael Mina说。
Mina是2021年6月3日发表在《Science》杂志上的一篇描述该方法的论文的资深作者。
监测疫情对于公共卫生响应至关重要，以了解口罩、封锁或疫苗等干预措施的效果如何，并知道在病例上升时应向何处分配额外资源。
目前监测流行病的方法几乎完全依赖于跟踪病例数或长期住院率，以及观察检测阳性率和死亡率。例如，在COVID-19大流行期间，《纽约时报》发表的日常病例数据对公共卫生官员和研究人员评估各州和国家控制导致COVID-19的SARS-CoV-2病毒传播的情况至关重要。然而，由于不同的测试实践或糟糕的报告，这些类型的数据通常只能得到有限的使用。例如，如果检测能力达到极限，或者由于资源被集中在其他地方而导致报告延迟，一种不断增长的流行病可能看起来正在趋于稳定。长期监测病例报告的这些缺陷可能对适当的公共卫生对策产生不利影响。
由于疫情呈指数级增长或下降，当病例增加时，大多数在任何时刻呈阳性的人都是最近被感染的，因此在他们被检测时，病毒载量更高——通过聚合酶链反应(pCR)测试来测量。这是因为在感染后的早期，病毒在体内的数量达到峰值，然后下降到很低的水平，但在感染后的几周甚至几个月里，pCR检测仍可检测到该水平。当疫情减缓、病例减少时，在监测检测中被检测为阳性的一般人可能在检测前几周就已被感染，因此在检测时病毒载量较低。
为了更好地跟踪流行热点，哈佛大学陈学院(Harvard Chan School)的研究人员开发了一种数学工具，可以仔细评估病毒载量与病例增加或减少的速度之间的关系。病毒载量是通过pCR测试测量的一个称为周期阈值(Ct值)的值。即使使用从监测检测中获得的相对较少的30个SARS-CoV-2阳性样本，也可以准确地实时估计疫情的增长率。研究人员发现，当多个时间点的Ct值可用时，他们甚至可以使用非常有限的阳性结果来重建流行曲线，并估计随着时间的推移有多少人被感染。
研究人员发现，即使是在从一个地点收集的单一时间点的阳性pCR检测样本中检测到的病毒数量，也可以帮助估计在整个种群中爆发的增长或衰减速度。
在美国和世界上的很多地方，pCR Ct值——显示从某人鼻子的拭子上收集了多少病毒的值——经常被丢弃，pCR检测的结果只有简单的“阳性”或“阴性”结果。
“我们的工作证明了Ct值的价值，以及为什么我们不仅应该停止目前扔掉它们的做法，而且应该让它们成为我们应对大流行所收集的关键数据，”Mina说。
Mina实验室的博士后研究员James Hay共同领导了这项研究。他强调，这项新技术不是针对新型冠状病毒的，但对于未来监测其他病毒的暴发和流行将是一种有价值的方法。“这个工具不仅仅是COVID,而是提供了一种新的估计方法流行轨迹的许多类型的病毒,和是一个方法,不依赖于潜在偏见的方法像数情况下随着时间的推移,不会依赖于准确的报告的病例或住院治疗,”他说。
# # #
原文检索：Estimating epidemiologic dynamics from cross-sectional viral load distributions