文章信息
- 洪航, 方挺, 易波, 许国章.
- Hong Hang, Fang Ting, Yi Bo, Xu Guozhang
- 宁波市新型冠状病毒肺炎疫情动态清零精准防控策略和措施效果评价
- Effectiveness of precise prevention and control strategies of dynamic zero COVID-19 in Ningbo, Zhejiang province
- 中华流行病学杂志, 2022, 43(5): 669-673
- Chinese Journal of Epidemiology, 2022, 43(5): 669-673
- http://dx.doi.org/10.3760/cma.j.cn112338-20220208-00100
-
文章历史
收稿日期: 2022-02-08
当前,新型冠状病毒肺炎(COVID-19)仍处于全球大流行发展阶段[1]。截至2021年12月16日,全球累计报告COVID-19确诊病例271 376 643例,死亡病例5 324 969例[2]。新型冠状病毒(新冠病毒)进化和变异速度较快。自2020年10月印度发现Delta(B.1.617.2)变异株后,2021年11月26日,WHO病毒进化技术指导组将Omicron(B.1.1.529)列为关切变异株(VOC)[3]。为应对COVID-19扩散和蔓延,我国开展动态清零防控措施,即一旦出现本土疫情,强化公共卫生干预措施,达到快速扑灭疫情的目标[4]。本研究通过传播动力学模型评估宁波市动态清零精准防控措施效果,以期为我国科学防控COVID-19疫情提供参考。
资料与方法1. 数据来源:COVID-19病例数据来源于中国疾病预防控制信息系统和宁波市COVID-19现场流行病学个案调查报告。相关的防控措施信息来源于“宁波发布”微信公众号。宁波市常住人口数来源于宁波市自然资源和规划局。
2. 研究对象:2021年12月6-17日宁波市报告的COVID-19本土病例。相关病例定义参照《新型冠状病毒肺炎防控方案(第八版)》[5]。
3. 措施效果评价方法:①流行趋势分析:使用Excel 2013软件绘制COVID-19流行曲线。根据病例发病情况将流行曲线划分为流行前期、上升期、平台期和下降期;根据病例发现方式将所有病例划分为全员核酸检测发现、居家隔离发现和集中隔离发现;根据不同时期的防控措施划分为常态化疫情防控、社区清零、集中隔离点清零和有序解封。②传播动力学分析:建立宁波市COVID-19易感人群-潜伏期人群-显性感染人群-恢复人群-隔离人群-隐性感染人群-疫苗接种人群-住院治疗人群(susceptible-exposed-infectious-recovered-quarantined-asymptomatic-vaccine-hospitalized,SEIRQAVH)传播动力学模型,用政策干预有效性分别为90%、80%和0模拟12月7日执行不同干预措施,估计累计确诊病例数与实际对比评估干预措施效果。主要参数疫苗接种率、感染者中有症状的比例、病死率、潜伏期、代间距按照宁波市实际疫情数据确定。具体模型微分方程、基本再生数(R0)和实时再生数(Rt)公式和其他参数估计方法见2020年宁波市建立的传播动力学模型[6]。
4. 统计学分析:用Excel 2013软件对数据进行统计描述和作图,按照病例发病日期绘制流行曲线图。定性资料采用率和构成比描述,定量资料呈偏态分布时采用M(Q1,Q3)描述。采用R 4.0.5软件对宁波市COVID-19进行分析和建模。
结果1. 首发病例情况:首发病例2021年11月22日从上海虹桥乘高铁返回宁波市,11月25日出现发热,伴畏寒、乏力,主动前往医院就诊,核酸检测阴性。11月26日主动向社区报备,12月5日落实居家隔离健康观察期间核酸检测阳性。
2. 流行病学特征:截至2021年12月17日,宁波市累计报告COVID-19确诊病例74例,其中轻型65例,普通型8例,重型1例,无死亡病例。病例标本三代测序结果显示,本次疫情的新冠病毒为Delta变异株(AY.4进化分支)。74例确诊病例中,新冠病毒疫苗接种率为93.2%(69/74)。全员核酸检测发现22例,集中隔离发现45例,居家隔离发现7例,无主动就诊发现病例。潜伏期M(Q1,Q3)为4.0(3.0,5.8)d;代间距M(Q1,Q3)为3.5(2.0,5.3)d。流行曲线共分为4期:12月4日前为流行前期;上升期共6 d(12月4-9日);平台期共2 d(12月10-11日);12月12日起进入下降期,12月18日后无新增病例。见图 1。
3. 传播动力学:SEIRQAVH模型拟合结果显示,截至2021年12月17日,在不采取任何干预措施(政策干预有效性为0)的情况下,宁波市估计累计确诊病例达到4 846例;如果政策干预有效性为80%,估计累计确诊病例达到443例;如果政策干预有效性为90%,估计累计确诊病例达到76例,之后无新增病例。截至12月17日,实际累计确诊病例为74例,接近政策干预有效性为90%的估计数,与不采取任何干预措施比较病例数减少98.4%。见图 2。
经模型计算,R0为4.3。随着防控措施的加强,Rt呈逐渐下降趋势。特别是12月11日后,通过采取加大密切接触者(密接)、密接的密接(次密)排查和加强隔离医学观察措施,Rt下降至1.0以下,之后持续下降到12月14日的0.4并保持稳定。见图 3。
4. 动态清零精准防控措施:2021年12月5日前为常态化疫情防控阶段,包括信息追溯、闭环管理、监测预警、预防消毒、健康宣教、精密智控和疫苗接种措施;12月5-11日为社区清零阶段,包括快速激活应急机制、快速开展感染来源流行病学调查(流调)、快速开展全员核酸检测、快速开展密接和次密编组、快速转运集中隔离人员、强化社会面管控、强化社区防控措施、强化监测预警、强化信息沟通措施;12月12-17日为集中隔离点清零阶段,包括严格分类隔离、严格健康监测、严格工作人员管理、提高免疫力措施;12月18-25日为有序解封阶段,包括封控区和管控区外解封、封控区和管控区解封、集中隔离点解封、后续健康监测措施。见表 1。
讨论目前Delta变异株在全球多个国家已逐渐成为主要流行株,人群普遍易感,没有特异性治疗的药物。与其他VOC比较,Delta变异株具有传染力更强、病毒载量更高、潜伏期更短等特点,疫苗保护效力相对下降[7]。在境外疫情暴发增长态势仍在持续,我国外防输入压力持续加大的形势下,宁波市开展动态清零精准防控策略和措施,疫情高峰期明显缩短,病例数下降速度快,可以短时间内控制疫情流行,为全球和我国其他城市进一步有效应对COVID-19提供科学依据和防控参考。
研究结果显示,宁波市动态清零精准防控措施可以快速阻断本土COVID-19流行。根据流行曲线特征描述,虽然首发病例的发病日期在11月25日,但是早期疫情上升速度缓慢;疫情高峰平台期持续2 d后病例数快速下降,拖尾时间较短,说明干预措施效果较好[8]。本轮疫情中病例发现多以轻型为主,和广州市、天津市疫情一致[9-10],可能和新冠病毒疫苗接种能减少感染后的典型临床症状有关[11],因此需要加大感染来源流调和主动排查力度,加强病例的早期发现和早期预警。
本研究总结了不同时期宁波市采取的动态清零精准防控措施。其中公安、疾控、大数据等部门第一时间锁定了早期病例的活动轨迹并查清病例暴露史、接触史等流行病学相关信息,疾控部门科学划定防控区域,为各项防控措施的落实奠定基础。与其他地区暴发疫情比较[12],集中隔离发现病例占总病例数一半以上是本次疫情处置的主要特点,提示本次疫情感染来源流调和密接、次密和风险人群管控到位,人群感染风险较低,社区传播较为局限。多项研究发现,与Alpha变异株相比,Delta变异株的传播力提高50%以上[13-14]。一旦暴发疫情,需要扩大人群筛查的范围快速找出所有病例,尽快达到遏制疫情蔓延的目的[15]。本次疫情在短时间内组织6轮全员核酸检测,其中全员核酸检测发现的病例占总病例的30%,提示核酸检测在病例早期发现和早期控制以及社区快速清零阶段发挥重要作用,需要做好核酸检测能力储备。
本研究建立的SEIRQAVH传播动力学模型,能较好地评价干预措施效果[16-17]。12月5日后宁波市采取一系列的动态清零措施阻断了90%以上的传播,并使Rt快速降到1.0以下,累计确诊病例数减少98.4%。虽然存在少量长潜伏期的病例,但都在集中隔离点发现。说明动态清零的精准防控策略和措施效果显著。
本模型存在局限性。首先,本研究建立的模型参数较多,可能会导致模型过度拟合,影响预测结果;其次,模型的参数受到管控措施力度等因素的影响,模型也没有考虑到不同疫苗接种剂次保护率因素;第三,随着确诊病例、密接的隔离,易感人群接触传染源的概率会有所降低,理想化的模型可能会高估Rt的下降趋势。
利益冲突 所有作者声明无利益冲突
作者贡献声明 洪航:撰写文章、分析数据;方挺:采集数据、分析数据;易波:解释数据、修改文章;许国章:构思设计、解释数据、修改文章、项目管理、经费支持
[1] |
李立明. 新型冠状病毒肺炎疫情后公共卫生展望[J]. 中华流行病学杂志, 2021, 42(7): 1143-1147. Li LM. Prospects of public health at COVID-19 post-pandemic stage[J]. Chin J Epidemiol, 2021, 42(7): 1143-1147. DOI:10.3760/cma.j.cn112338-20210415-00321 |
[2] |
WHO. WHO coronavirus (COVID-19) dashboard[EB/OL]. (2021-12-15)[2021-12-16]. https://covid19.who.int.
|
[3] |
WHO. Tracking SARS-CoV-2 variants[EB/OL]. (2021-12- 13)[2021-12-16]. https://www.who.int/en/activities/tracking-SARS-CoV-2-variants/.
|
[4] |
梁万年, 刘民, 刘珏, 等. 我国新型冠状病毒肺炎疫情防控的"动态清零"策略[J]. 中华医学杂志, 2022, 102(4): 239-242. Liang WN, Liu M, Liu Y, et al. The dynamic COVID-zero strategy on prevention and control of COVID-19 in China[J]. Natl Med J China, 2022, 102(4): 239-242. DOI:10.3760/cma.j.cn112137-20211205-02710 |
[5] |
国务院应对新型冠状病毒肺炎疫情联防联控机制综合组. 关于印发新型冠状病毒肺炎防控方案(第八版)的通知[EB/OL]. (2021-05-11)[2021-12-16]. http://www.nhc.gov.cn/jkj/s3577/202105/6f1e8ec6c4a540d99fafef52fc86d0f8.shtml.
|
[6] |
洪航, 史宏博, 姜海波, 等. 基于传染病动力学模型的宁波市新型冠状病毒肺炎防控措施效果评估[J]. 中华流行病学杂志, 2020, 41(10): 1606-1610. Hong H, Shi HB, Jiang HB, et al. Epidemic dynamic model based evaluation of effectiveness of prevention and control strategies for COVID-19 in Ningbo[J]. Chin J Epidemiol, 2020, 41(10): 1606-1610. DOI:10.3760/cma.j.cn112338-20200311-00313 |
[7] |
杜敏, 刘民, 刘珏. 新型冠状病毒Delta变异株的流行病学特征及防控研究进展[J]. 中华流行病学杂志, 2021, 42(10): 1774-1779. Du M, Liu M, Liu J. Progress in research of epidemiologic feature and control of SARS-CoV-2 Delta variant[J]. Chin J Epidemiol, 2021, 42(10): 1774-1779. DOI:10.3760/cma.j.cn112338-20210808-00619 |
[8] |
邹旋, 吴永胜, 刘晓剑, 等. 深圳市新型冠状病毒肺炎应急响应策略和措施效果评价[J]. 中华流行病学杂志, 2020, 41(8): 1225-1230. Zou X, Wu YS, Liu XJ, et al. Evaluation of the emergency response strategies and measures on the epidemic of COVID-19 in Shenzhen, China[J]. Chin J Epidemiol, 2020, 41(8): 1225-1230. DOI:10.3760/cma.j.cn112338-20200316-00360 |
[9] |
赵文恒, 马钰, 汪慧, 等. 广州市3起本地新型冠状病毒肺炎疫情流行特征及分析[J]. 中华流行病学杂志, 2021, 42(12): 2088-2095. Zhao WH, Ma Y, Wang H, et al. Epidemiological characteristics of three local epidemics of COVID-19 in Guangzhou[J]. Chin J Epidemiol, 2021, 42(12): 2088-2095. DOI:10.3760/cma.j.cn112338-20210728-00592 |
[10] |
于静波, 王钰铭, 于浩, 等. 天津市境外输入性新型冠状病毒感染者流行病学特征分析[J]. 中华流行病学杂志, 2021, 42(12): 2082-2087. Yu JB, Wang YM, Yu H, et al. Epidemiological characteristics of imported COVID-19 cases in Tianjin[J]. Chin J Epidemiol, 2021, 42(12): 2082-2087. DOI:10.3760/cma.j.cn112338-20210816-00647 |
[11] |
Bernal JL, Andrews N, Gower C, et al. Effectiveness of COVID-19 vaccines against the B. 1.617. 2 (Delta) variant[J]. N Engl J Med, 2021, 385(7): 585-594. DOI:10.1056/NEJMoa2108891 |
[12] |
张奕, 高文静, 王宇, 等. 北京市新发地市场新型冠状病毒肺炎疫情相关病例的流行病学特征分析[J]. 中华流行病学杂志, 2021, 42(8): 1336-1340. Zhang Y, Gao WJ, Wang Y, et al. Epidemiological characteristics of COVID-19 cases in outbreak in Xinfadi market in Beijing[J]. Chin J Epidemiol, 2021, 42(8): 1336-1340. DOI:10.3760/cma.j.cn112338-20201222-01428 |
[13] |
del Rio C, Malani PN, Omer SB. Confronting the delta variant of SARS-CoV-2, Summer 2021[J]. JAMA, 2021, 326(11): 1001-1002. DOI:10.1001/jama.2021.14811 |
[14] |
Burki TK. Lifting of COVID-19 restrictions in the UK and the Delta variant[J]. Lancet Respir Med, 2021, 9(8): e85. DOI:10.1016/S2213-2600(21)00328-3 |
[15] |
陈希, 邹启, 甄若楠, 等. 构建大规模人群新型冠状病毒核酸筛查指标体系研究[J]. 中华流行病学杂志, 2021, 42(8): 1353-1359. Chen X, Zou Q, Zhen RN, et al. Establishment of index system for population based SARS-CoV-2 nucleic acid screening[J]. Chin J Epidemiol, 2021, 42(8): 1353-1359. DOI:10.3760/cma.j.cn112338-20210209-00106 |
[16] |
IHME COVID-19 Forecasting Team. Modeling COVID-19 scenarios for the United States[J]. Nat Med, 2021, 27(1): 94-105. DOI:10.1038/s41591-020-1132-9 |
[17] |
魏永越, 卢珍珍, 杜志成, 等. 基于改进的SEIR+CAQ传染病动力学模型进行新型冠状病毒肺炎疫情趋势分析[J]. 中华流行病学杂志, 2020, 41(4): 470-475. Wei YY, Lu ZZ, Du ZC, et al. Fitting and forecasting the trend of COVID-19 by SEIR+CAQ dynamic model[J]. Chin J Epidemiol, 2020, 41(4): 470-475. DOI:10.3760/cma.j.cn112338-20200216-00106 |