牛津大學：全民數子化追蹤有望免於「封城」

文章指出，這些傳播類別的界限可能是模糊的，但這些類別對預防而言，具有不同的含義，對病例隔離及密切接觸者隔離的傳統措施的反應也不同，應當了解傳播門路的相對頻率，以便在不同干預策略之間分配有限的防疫資源。

傳染性模型

平均傳染性（感染其他人的比率）β，它是自感染以來時間τ的函數。不同的顏色表示四種傳播門路（相互疊加）的作用，因此，在所有τ值上，一種顏色的總面積是整個感染過程中通過該門路傳播的平均次數：Rp ，Rs ，Re和Ra分別用於症狀前，症狀，環境介導的和無症狀的傳播。

牛津大學分析研究表明，有三分之一至一半的傳播是從有症狀前的個體導致的。這與新加坡48％的有症狀前傳播和中國天津病例研究的62％和來自不同國家的傳播數據的44％估計相符。據牛津大學傳染性模型表明，症狀發生前對R0的總貢獻為0.9（0.2-1.1），幾乎足以獨自維持流行。但對於SARS，相應的估計值幾乎為零，因此新冠肺炎將需要不同的防疫策略。

採用傳統的人工密切接觸者追蹤，即讓患者回憶自己的行跡並追蹤可能感染的人，但對於新冠肺炎來說僅通過隔離有症狀的個體很難控制這種流行病。在防疫實踐中，人工接觸者追蹤只能在有限的程度長進行改進，一旦流行病蔓延，就無法有效大規模管控。

牛津大學Luca Ferretti團隊建議，使用即時接觸追蹤的手機應用程序，可以減少足以實現R0 <1並持續抑制流行病的傳播，從而阻止病毒進一步傳播。

量化干預成功與否

熱圖顯示了流行病r的指數增長率與有症狀病例的即時隔離成功率（x軸）和即時接觸者追蹤成功率（y軸）的關係，（紅色）為正值表示疫情正在增加；r （綠色）的負值表示疫情正在下降，負值越大表示下降速度越快。黑色實線顯示r = 0，即流行病控制的閾值。虛線示出由於R0中的不確定性而導致的閾值不確定性。不同的面板顯示了與干預相幹的延遲時間的變化-從開始出現症狀到隔離病例和隔離接觸者。

牛津大數據研究所傳染病動態和控制專家Christophe Fraser此前接受《紐約時報》採訪表示，新型冠狀病毒的情況有所不同，「這種病毒傳播得更快一些，尤其是在症狀發作之前就已經傳播了」。因此，傳統人工追蹤對於SARS-CoV-2防疫而言是不夠快的，從確認病例到找到密切接觸者延遲不可避免的，但可以通過使用移動應用程序來避免這種延遲。

基於應用程序的COVID-19接觸者跟蹤的示意圖，使用GPS與其他App用戶的共定位來跟蹤個人A（以及使用該應用的所有個人）的聯繫人，並通過掃描基於GPS公共設施上顯示的QR碼進行補充。個體A請求SARS-COV-2測試，其陽性測試結果會立即向密切接觸的個體發出通知。以迅速隔離密切接觸。

在移動應用中，病例確診資訊將傳達給程序服務器，移動應用程序將立即進行接觸者跟蹤和通知。通過保留的個人之間的鄰近事件記錄，它可以立即向最近的密切接觸者發出診斷陽性病例的警報，並提示他們進行自我隔離，同時也將保持被感染者的匿名性，有症狀的個人可以通過該應用請求檢測。

具有類似功能的應用程序已在中國部署使用。這些應用程序允許中央資料庫收集有關用戶移動和新冠肺炎診斷的數據，並顯示綠色、黃色或紅色識別碼，以分類採取放松或強制限制移動，這些應用在微信和支付寶已經被普遍採用。

在美國，科技公司和白宮之間的討論也聚焦在使用大量匿名的、匯總的位置數據來進行大致的公共衛生監視，也許是在預測哪裡會更有可能發生更多嚴重的疫情。

https://www.nytimes.com/2020/03/19/us/coronavirus-location-tracking.html

據《紐約時報》報導，Facebook的科學家正在用位置數據分析各國人對於保持社交距離建議的遵守程度。這位知情人士說，這些資訊來自Facebook公司各應用收集的位置數據的私有資料庫。Google正在從數百萬美國人使用的安卓手機和一些Google應用中收集詳細位置數據，目前正在評估能夠如何使用匿名匯總資訊來幫助公共衛生專家更多地了解與大流行有關的人口趨勢。

科學家警告說，應用不能替代世界範圍內已經在進行的保持社交距離的措施。然而，它可能使某些人在第一輪新冠肺炎消退後走出隔離。

廣泛而持久的封鎖對各國經濟和社會造成嚴重影響。特別是對低收入者、企業在經濟生活中造成負面影響，心理影響也可將是持久的。數字化追蹤可以在傳染病防控追溯、鎖定方面發揮關鍵作用。可以為社會和個人帶來諸多好處，並有效減少了病例數量，還使人們能夠以知情、安全及對社會負責的方式繼續生活。移動應用程序解決方案提供了在實現最大自治的同時實現重要公共健康利益的潛力。

未來雖然需要進一步的探索不同情況下的建模算法，但是持續的大流行並不是不可避免的，持續的國家封鎖也不是不可避免的。研究建議各國盡快探索通過數字化接觸跟蹤進行智能社交疏離的方法。

來源：梅斯醫學