《免费医学论文-中国公共卫生措施的边际效应和COVID-19疾病负担：一项大规模的建模研究》期刊简介
免费医学论文-中国公共卫生措施的边际效应和COVID-19疾病负担：一项大规模的建模研究
抽象
中国采取了一些最严格的公共卫生措施，以控制连续SARS-CoV-2变种的传播。然而，这些措施的有效性及其对相关疾病负担的影响很少在国家一级进行定量评估。为了解决这一差距，我们开发了一个随机年龄分层元人口模型，该模型结合了测试、接触者追踪和隔离，基于中国419个城市之间的366.2022亿次旅行流动。该模型的研究期从 19 年 8 月开始。考虑到中国人口的89种基础健康状况，评估了COVID-3疾病负担。我们确定了检测速度和流行持续时间缩短之间的边际效应。研究结果表明，假设疫苗覆盖率为4%，奥密克戎样浪潮可以通过3天间隔的人群水平检测（PLT）得到抑制，而间隔29天的PLT会流行，如果不进行检测，就会导致流行病。每46天进行的PLT不仅可以消除感染，还可以使医院床位占用率低于呼吸道疾病容量的95.22%（73%CI，38.68-58.94%），ICU床位占用率在疫情期间低于95.45%（70%CI，76.90-2.35%）。此外，潜在的健康状况将导致额外的95.1（89%CI，2.92-0.16）百万住院和95.0（13%CI，0.2-<>.<>）万ICU入院。我们的研究提供了对卫生准备的见解，以平衡一个拥有数十亿人口的国家的疾病负担和可持续性。
作者摘要
随着中国继续受到连续SARS-CoV-2变异株的挑战，重新思考人口健康（比单独的卫生保健系统更广泛）是卫生防范的先决条件。中国已对其公共卫生措施进行了一些更改，以应对不断变化的大流行风险，但是，尚未在国家层面定量评估公共卫生措施在中国控制COVID-19疫情的有效性及其对相关疾病负担的影响。在这里，我们开发了一个基于高分辨率人类流动性数据的随机年龄分层元人口模型来解决这些问题。我们的结果表明，检测速度和流行持续时间的缩短之间存在边际效应。如果旨在抑制中国未来潜在的SARS-CoV-2浪潮，那么快速实施人群水平检测和短暂的反应滞后将至关重要。此外，潜在的健康状况将导致额外的住院和ICU入院，预计肥胖会导致大多数额外的住院，而高血压可能导致大多数额外的ICU入院。
数字
Table 1Fig 4图1图2图3Table 1Fig 4图1图2图3
引文： 王志， 吴平， 王林， 李斌， 刘燕， 葛莹， 等. （2023） 中国公共卫生措施和COVID-19疾病负担的边际效应：一项大规模建模研究。公共科学图书馆计算生物学19（9）： e1011492. https://doi.org/10.1371/journal.pcbi.1011492
编辑 器： David S. Khoury，澳大利亚新南威尔士大学柯比研究所
收到： 23月 2023， 5;接受： 2023月 18， 2023;发表： <>月 <>， <>
版权所有： ? 2023 王等这是一篇根据知识共享署名许可条款分发的开放获取文章，该许可允许在任何媒体上不受限制地使用、分发和复制，前提是注明原作者和来源。
数据可用性： 支持本研究结果的人类流动数据可从百度基于位置的服务（http://qianxi.baidu.com/）获得。流行病学数据和代码可在以下存储库中找到：https://github.com/peiyiw/Zero-Covid.git。
资金： 本研究得到了科技创新2030-新一代人工智能重大专项（2021ZD0111201）的资助，该基金支持ZW;中国国家自然科学基金（82204160）资助ZW;中国国家自然科学基金（82073616）的部分资助;国家重点研发计划（2022YFC2303803,2021YFC0863400）资助，部分支持ZW;北京市科技计划项目（Z201100005420010）的部分资助;北京市自然科学基金（JQ18025）的部分资助;北京市地表科学高精尖创新计划（110631111）的资助，部分支持ZW;中央高校基础研究基金（2021NTST17）资助ZW;内蒙古自治区鼠疫防治关键技术研究（2021ZD0006）资助部分支持ZW;芬兰研究委员会（321890）资助ML。资助者在研究设计、数据收集和分析、发表决定或手稿准备方面没有任何作用。
竞争利益： 提交人声明不存在相互竞争的利益。
介绍
自19年武汉发生第一波COVID-2020疫情以来，中国实施了严格的控制策略来抗击SARS-CoV-2。该策略成功地遏制了全国数百起SARS-CoV-2疫情，估计在中国避免了超过1万人的死亡[2,2022]。然而，该战略的有效性似乎受到奥密克戎和其他高度传播变异株的严重挑战。3年春季，上海、吉林和香港发生了重大奥密克戎疫情 [5-2022]，6年10月，在放松策略后，中国各地的感染病例迅速激增[19-11]。尽管WHO宣布COVID-19的紧急阶段结束[<>]，但针对类似奥密克戎变异株的公共卫生措施的有效性仍在争论中，特别是考虑到未来一波的潜在健康状况，COVID-<>疾病负担。
中国的公共卫生措施主要包括城市之间的旅行限制和检测（接触者追踪和隔离）近三年。这些措施已根据不断变化的大流行风险进行了调整（图1A）。在2020年的第一波疫情期间，中国禁止往返武汉，并实施了严格的社交距离（图1A）。2021年12月，中国开始采取多轮人群水平检测（或基于欧洲疾病预防控制中心定义的筛查[2]），结合接触者追踪，以快速识别病例，以应对SARS-CoV-1多种变异株引起的输入病例风险增加（图100A).这一变化是中国从被动监控到主动监控的关键转变。在过去三年中，中国已经发展了强大的PCR检测能力，日单管检测能力超过1亿次，如果采用10：13的集中检测策略，每天的潜在检测能力将超过<>亿人[<>]。
缩略图 下载：
.PPT幻灯片
.PNG大图
.TIFF原始图像
图1. 中国公共卫生措施的演变和成功控制COVID-19疫情。
(A）中国控制策略的主要变化。初始人群水平检测以黄色星标突出显示，每种关注变异株的第一个输入病例以粗体显示。（B） 成功控制了COVID-19疫情，并根据引起每次疫情的SARS-CoV-2变种进行分层。从 1 年 1 月首次暴发 B.2021.<> 开始，引入了多轮人群水平检测。红色误差线对应于流行持续时间的度量（即每次疫情中从第一个报告病例到最后一个报告的时间间隔）。蓝色误差线对应于应对滞后（即，每次疫情中从首例报告病例到城市一级开始人群检测的时间间隔）。基本复制数（R0根据之前的研究，武汉-湖-1、B.1.1、B.1.617.2（德尔塔）和B.1.1.529（奥密克戎）的浓度分别为3.2、4.6、5.2和10[31,79-81]。（C） 中国采用的人群水平检测和接触者追踪图示。测试间隔是完成一轮总体水平测试的时间。
https://doi.org/10.1371/journal.pcbi.1011492.g001
已经证明了对特定人群（例如卫生工作者[14]、隔离者[15,16]和国际旅行者[17]）进行检测的关键作用。考虑到存在症状前或无症状传播[18,19]，一些国家还实施了大规模检测，目的多种多样（例如，降低斯洛伐克的SARS-CoV-2患病率[20-22]，调查COVID-19的症状并监测英格兰的SARS-CoV-2患病率[23,24]).快速和/或频繁检测（每周2或25次）已被用于减轻SARS-CoV-26在美国大型公立大学[27]以及德国的学校和日托机构中的传播[366,28]。然而，在<>个具有人口流动的中国城市中，尚未充分探索人群水平检测的要求[<>]。
同时，旅行限制在不同规模上进行了广泛评估，从国内[29-31]到大陆内[32]和全球[33,34]。尽管旅行限制减缓了疫情，但未能阻止病毒在全国和全球的传播[31,33,35,36]。此外，潜在的负面影响也引起了极大的关注[37-41]，例如封锁持续时间与心理健康之间的关系[42,43]。尽管中国的公共卫生措施在面对奥密克戎及其亚变异株时放宽了利弊[6-8][44-47]，但很少进行全面的定量评估来评估针对奥密克戎变异株的控制措施的有效性和相应的COVID-19疾病负担，特别是考虑到366个城市的基本健康状况和高分辨率人口流动。中国[28,48–50]。
在这项研究中，我们开发了一个随机年龄分层元人口模型来评估中国单波的 COVID-19 疾病负担和公共卫生措施。我们探讨了在不实施城市间旅行限制的情况下抗击类似奥密克戎的浪潮的可行性。通过考虑中国人口中8种基础健康状况，也可以获得疾病负担。该模型纳入了涵盖疫情之前和期间中国419个城市366.<>亿次旅行的大规模全国手机数据集。我们的详细分析可能会根据自我监测和中国的基本健康状况为未来的大流行防范提供见解。
结果
如果旨在抑制奥密克戎，即使没有城市之间的旅行限制，人口水平的检测也至关重要
中国成功控制了数十起由不同SARS-CoV-2变种或谱系引起的散发性疫情，包括B.1.1（4次暴发）、德尔塔（11次暴发）和奥密克戎（3次暴发），每次暴发持续时间限制在一个月以内，每次疫情最大规模限制在2例确诊病例（图500B和S1表).由于出现了具有高度传染性的奥密克戎变异株，中国大幅提高了城市一级人群检测的强度，其衡量标准是较短的反应滞后（即每次疫情从首例报告病例到城市一级开始人群检测的时间间隔）和检测间隔（即完成一轮人群检测的时间）， 与B.1.1相比（Wilcoxon检验统计量= 1.2，P = 5.0）。 每次暴发的持续时间，以从第一个报告病例到最后一个报告病例的时间间隔来衡量，也显著缩短（Wilcoxon试验统计量= 04，P = 3.0）（图06B和1C，S1表）。
为了评估城市层面的人口水平检测在控制像奥密克戎BA.1这样的高度传播变异株方面的有效性，我们首先开发了一个元人群模型，该模型结合了最初的公共卫生措施，包括城市之间的旅行限制和社会疏远（一套旨在降低传播率的措施，例如戴口罩），但没有人群水平的检测， 接触者追踪和隔离。我们的研究结果表明，如果旨在抑制类似奥密克戎的波，则使用先前用于遏制武汉-胡-1疫情的控制措施，很难控制与奥密克戎具有相似传播性的变异株（S1-S7图，S2表）。
然后，我们将先前开发的测试-接触者追踪-隔离模型[51]扩展为随机年龄分层元人群模型，但没有城市之间的旅行限制，以评估中国奥密克戎样变异株的可控性。该模型的研究期从 2022 年 1 月开始。还模拟了在感染后不同时间进行PCR检测的灵敏度（补充材料S3.3节）。我们的结果表明，间隔≤2天的人群水平测试对于在类似奥密克戎的变异波中实现抑制是必要的。增加人群水平检测的反应滞后和检测间隔显著延长了流行持续时间并增加了检测轮次，导致更多的感染和更多的检测次数（图8A、S9和S0图;P < S001 和 S3 表中 t 检验的 4.3）。在所有可能旨在抑制SARS-CoV-3感染的控制措施组合中，检测间隔为2天、反应滞后为4周的策略将是最不严格的。任何不太严格的策略都会导致对类似奥密克戎的浪潮的抑制失败[例如，4周或5天检测间隔的反应滞后可能导致许多城市隔离整个人群（S10表）或更长的流行持续时间（S<>图）]。
缩略图 下载：
.PPT幻灯片
.PNG大图
.TIFF原始图像
图2. 旨在抑制中国在奥密克戎样变异波期间感染SARS-CoV-2的所有可能控制策略（R0= 10）。
(A）预测中国366个城市在不同检测间隔和响应滞后下的疫情持续时间和检测轮次。红色虚线表示2020年武汉封城的持续时间（即76天）作为参考。局部爆发的城市数量标注在小提琴图下方。灰点表示中位数，灰色误差条表示基于 95 模拟的 100% 置信区间。（B）反应滞后3周时两个连续检测间隔之间的流行持续时间和检测轮次的比较。负值对应于通过加速测试（缩短测试间隔）为持续时间或轮次产生的好处，正值对应于通过加速测试在持续时间或轮次中产生的潜在损失。红点的斜率明显小于蓝点的斜率（P < 0.001）。点代表一座城市。红色和蓝色点表示中位数，灰色误差条表示基于 95 模拟的 100% 置信区间。通过考虑仅戴口罩对SARS-CoV-18感染的影响，将社交距离对传播率的降低设定为2%[82]。所有年龄组的疫苗覆盖率设定为89%（截至86年60月，中国≥2022岁年龄组的疫苗覆盖率为40%），中国灭活疫苗（BBIBP-CorV和CoronaVac）对奥密克戎感染的有效性设定为76%[77,6]。流行病学参数的完整列表在S7和S<>表中给出。应对滞后是指每次疫情中从首例报告病例到城市一级开始人群检测的时间间隔。测试间隔是完成一轮总体水平测试的时间。
https://doi.org/10.1371/journal.pcbi.1011492.g002
我们观察到一些城市的大量测试轮次，响应滞后为3周，测试间隔为1天（图2A）。尽管这些城市可以在短时间内实现抑制，但由于从其他城市输入新的COVID-19病例，可能会触发新一轮的人口水平检测。相比之下，还评估了对人口水平测试以及城市之间旅行限制的影响;输入的COVID-19病例没有引发波澜（S11图）。敏感性分析表明，基本繁殖数较低的SARS-CoV-2变异株可以减少检测需求，但如果检测间隔为4天，则可能需要快速响应（S12图）。我们还通过缩短感染期进行了敏感性分析（S13图）。就爆发的城市数量和流行持续时间而言，疫情将更难控制。考虑到具有突破性的出现变异株（例如BQ.1.1和XBB），我们进行了敏感性分析，以评估旨在通过改变疫苗对感染的有效性来抑制奥密克戎样波的人群水平测试的可行性。结果表明，即使疫苗对感染的有效性为3（极端情况），1天的检测间隔和0周的反应滞后也可以控制疫情。
缩短检测间隔和缩短流行持续时间之间的边际效应
我们观察到，在反应滞后3周的情况下，测试间隔和流行持续时间缩短之间存在边际效应（图2B）。将检测间隔从3天减少到2天可以大大减少人群水平检测的轮次和流行持续时间（图2B）。然而，将检测间隔从 2 天减少到 1 天只会带来边际收益，即流行持续时间的缩短随着检测的一轮增加而减少（与 1 天检测间隔相比，t 检验的 P < 2.0 观察到的 001 天检测间隔与 2 天检测间隔的斜率较小）。在不同的响应滞后下也存在类似的模式（S3图）。为了检查检测间隔和流行持续时间缩短之间的边际效应是否是由COVID-14病例在城市之间的流动引起的，我们对城市之间的旅行限制进行了类似的分析。结果表明，边际效应持续存在（S19图）。
公共卫生措施对中国SARS-CoV-2奥密克戎负担的影响
根据上述模拟，我们评估了在高度传染性的SARS-CoV-2变体（如奥密克戎）爆发期间所需的每日病床和每日ICU床位，考虑了接种疫苗和未接种疫苗的个体有症状的奥密克戎感染的住院率和ICU入院率（S8表）。控制策略设定为3天的检测间隔和3周的反应滞后，这是基于模拟的旨在抑制SARS-CoV-2感染的所有可能策略中最不严格的策略。在这种情况下，中国2-100岁、1-34岁、95-1岁和19岁≥年龄组每1人的平均SARS-CoV-50感染人数分别为1.83（95%置信区间，1.63-2.03）、1.23（95%置信区间，1.10-1.36）、0.46（95%置信区间，0.41-0.51）和0.19（20%置信区间，39.40-59.60）（S16A图）， 总共有34.71（95%CI，24.76-48.79）百万感染。
考虑到COVID-19病例的住院和ICU收治高度依赖于基础健康状况和年龄，我们收集了高血压、糖尿病、慢性肾脏病、肥胖症、慢性阻塞性肺病、哮喘、慢性肝病和癌症8种基础疾病住院和ICU收治的年龄调整风险比，以及它们在中国人群中相应的年龄特异性或地区特定患病率。 在住院的肥胖和ICU入院的慢性阻塞性肺疾病中观察到最高的年龄调整比值比，而高血压在中国的患病率最高（表1）。根据这些数据，纳入了特定年龄和地区患病率以及基础健康状况的风险比，以评估COVID-19负担（表1和S8表，详见方法）。在此情景下预测的疫情暴发期间，呼吸系统疾病每日所需病床位和ICU病床位将低于呼吸系统的能力（共计3万张病床和1,138张ICU病床[100,50,52]），最高入住率为53.29%（46%置信区间，95.22-73.38%）和68.58%（94%置信区间， 住院病床和ICU病床分别为95.45-70.76%）（图90）。然而，如果不进行测试，每日所需病床的峰值数量将是中国医院床位容量的3.15（92%CI，95.15至28.16）倍（图51）。更糟糕的是，每日所需ICU床位的峰值数量将是最大容量的3.31（33%CI，95.30至17.32）倍。我们还评估了38天测试间隔内的COVID-19负担。可以达到COVID-4的地方病。所需的病床数量仍然不足，但ICU的容量可能略微不堪重负（图19A和S3图）。当将疫苗有效性的不确定性与住院和ICU入院进行比较时，结果仍然成立（S17和S18图）。我们还根据香港特定和上海特定年龄依赖性住院率和ICU入院率进行了类似的分析。COVID-19的负担将低于19天检测间隔（S4和S20无花果）的能力，这表明中国的住院率和ICU入院率存在差异。
缩略图 下载：
.PPT幻灯片
.PNG大图
.TIFF原始图像
图3. 奥密克戎样变异株（R0= 10）在中国的控制策略下。
(A） 不同年龄组的每日所需病床。（B） 不同年龄组别每日所需ICU床位。采用对照策略，测试间隔为3天，反应滞后为3周（有效复制数Re< 1），这是旨在抑制SARS-CoV-2的最不严格的策略，如图2A所示。检测间隔为 4 天且响应滞后为 3 周的策略将导致 COVID-19 流行，如灰色虚线和 R 所示e≈ 1.红色虚线表示中国可用的医院床位或ICU床位总数。灰色实线表示大流行期间未经检测的所需医院病床或ICU病床的峰值数量（Re> 1）。条形表示中位数，灰色误差条或阴影表示 95 次模拟的 100% 置信区间。到89年86月，中国所有年龄组的疫苗覆盖率定为60%，与≥2022岁年龄组的<>%一致。应对滞后是指每次疫情中从首例报告病例到城市一级开始人群检测的时间间隔。测试间隔是完成一轮总体水平测试的时间。
https://doi.org/10.1371/journal.pcbi.1011492.g003
thumbnail 下载：
.PPT幻灯片
.PNG大图
.TIFF原始图像
表 1. 中国人群中患有基础疾病的感染者的住院和ICU收治的年龄调整比值比（OR）以及基础疾病患病率。
https://doi.org/10.1371/journal.pcbi.1011492.t001
就疫情期间隔离人口高峰而言，在3天检测间隔和3周反应滞后的情况下，人口规模较小、流动较少的城市可能比控制策略下人口较多的城市遭受更高的隔离人口比例（S16B图）。“隔离”个体包括暴露于SARS-CoV-2的个体和受感染者。我们认识到，我们的研究没有区分隔离和检疫，因为我们专注于暂时限制行动的个人的百分比。在人口规模较小的城市进行接触者追踪将是另一种类型的“封锁”，但只有少数城市会经历这种情况。短响应滞后可以大大减少孤立的人口（S22图），表明快速响应在人口稀少的城市中的重要性。
基础健康状况的贡献
根据最不严格的控制策略下的年龄分层元人群模型预测，在不考虑潜在健康状况的情况下，估计总共有1.33（95%CI，1.07-1.65）百万例入院和0.10（95%CI，0.08-0.12）万ICU入院（S23图）。在对基础疾病进行校准后（表 1 和 S8 表，更多详细信息请参阅补充材料），在最不严格的控制策略下估计额外的 2.35（95% CI，1.89-2.92）百万住院人数和 0.16 （95% CI，0.13-0.2）百万 ICU 入院人数，对应于 1.77 倍（95% CI，1.15-2.72）和 1.67 倍（95% CI， 1.08–2.57），分别在没有基础条件的情况下。40-60岁年龄组将占额外住院人数的39.96%，≥60岁年龄组将占额外ICU入院人数的50.30%（图4）。在潜在的健康状况中，肥胖可能导致大多数额外住院（图4A），而高血压预计将导致大多数额外的ICU入院（图4B）。有趣的是，对于0-19岁年龄组，肥胖将占所有潜在健康状况中最多的额外入院人数。
thumbnail 下载：
.PPT幻灯片
.PNG大图
.TIFF原始图像
图4. 在奥密克戎样变异株控制策略下，基础健康状况造成的COVID-19负担（R0= 10）在中国。
(A） 不同年龄组因基础健康状况而增加住院人数。（B）不同年龄组因基础健康状况而入院的ICU额外人数。条表示中位数，灰色误差条表示 95 次模拟的 100% 置信区间。住院/ICU入院的额外数量是考虑潜在健康状况的住院/ICU入院与不考虑潜在健康状况的住院/ICU入院之间的差异。采用3天测试间隔和3周响应滞后（即最不严格的控制策略）的控制策略。应对滞后是指每次疫情中从首例报告病例到城市一级开始人群检测的时间间隔。测试间隔是完成一轮总体水平测试的时间。
https://doi.org/10.1371/journal.pcbi.1011492.g004
讨论
中国是2年首批采取严格控制策略控制SARS-CoV-2020疫情的国家之一。最近对COVID-19应对措施的调整（即“20项措施”和“10项新措施”）表明该策略已经结束[6,7]。然而，对中国19个城市的公共卫生措施和相应的COVID-366疾病负担仍缺乏全面的定量评估。我们开发了一个随机年龄分层元人口模型来解决这些问题。该建模框架使我们能够评估COVID-19的流行持续时间、人群水平检测轮次和公共卫生负担方面的具体实施策略，同时考虑到中国366个城市的基本健康状况和高分辨率人口流动。
我们的结果表明，如果旨在抑制中国未来潜在的SARS-CoV-3浪潮，那么快速实施3天检测间隔和2周≤反应滞后的人口水平检测至关重要。将检测间隔增加到 4 天将导致 COVID-19 流行，并导致 ICU 容量略微不堪重负。与既往研究[28,48–50]相比，我们研究中的结局更具可操作性。报告的奥密克戎系列间隔为2-4日[54-56]。通过降低基本繁殖数和缩短感染期的敏感性分析表明，序列间隔/生成时间、基本繁殖数和响应滞后对控制暴发所需的检测间隔有影响，但生成时间/序列间隔应贡献最大。考虑到SARS-CoV-2的快速演变以及生成时间/序列间隔的重要性[57]，应通过接触者追踪[58,59]或测序数据[60]持续监测这些关键的流行病学参数[61]。
鉴于封锁对生活方式和心理健康的负面影响[38,39]，人群水平检测已被提议作为中国公共卫生措施的重要组成部分，对日常生活的干扰相对较小。检测能力可能是中低收入地区的一个问题。快速抗原检测可能是一种替代解决方案[62]，与PCR检测相比，快速抗原检测频率高，周转时间短，以弥补较低的敏感性[63-65]。既往一项研究表明，与当日RT-PCR相比，家庭抗原检测敏感性为64%[66]。如果将 3 天间隔应用于 PCR 检测，则必须使用 2 天间隔 [1/ （3*0.64） = 0.52，即大约 2 天的间隔] 进行快速抗原检测。最佳合并检测策略也可用于资源有限的地区[67,68]。此外，最近还开发了各种快速筛查和诊断SARS-CoV-2的方法，例如Lolli方法（有效的高通量RT-qPCR[26]），ADESSO（通过SHERLOCK（特异性高灵敏度酶报告基因解锁）优化准确检测进化的SARS-CoV-2，在1小时内获得结果，灵敏度和特异性与RT-qPCR相当，每次测试不到5欧元[69]）、OPTIMA-dx（一种灵敏、稳健、快速、一锅测定[70]）和DNA适体共轭石墨烯场效应晶体管（GFET）生物传感器平台（无标记，20分钟内获得结果，使用超灵敏的手持式无线读出设备进行[71]）。旅行者筛查和废水监测可能有助于及早发现疫情，并可能减少所需的人群水平检测量。另一个重要发现是检测间隔与缩短流行持续时间的好处之间的边际效应。缩短检测间隔可以显著缩短疫情持续时间。但是，在 1 天的测试间隔内，这种益处会降低。既往研究表明，需要高比例的成功追踪接触者才能控制具有历史变异株的暴发[72,73]。人群水平检测（本质上是另一种形式的接触者追踪）用于弥补在实践中成功追踪的接触者比例低（通常约为17%）。
使用实时人口流动数据为了解SARS-CoV-2在人口稠密环境中拥有现代交通系统的大国的动态和控制提供了一个重要机会。为了量化奥密克戎疫情的潜在严重程度，我们采用了一个反事实假设，即城市之间的旅行限制不会实施。我们的结果表明，旅行限制的有效性取决于实施的时间和具体的变体。通过城市之间的及时旅行限制，可以大大减少爆发疫情的城市数量。由于这种干预造成的经济和社会压力，应考虑在经济和社会目标之间进行权衡。
通过结合人口水平测试和接触者追踪的年龄分层元人口模型，还评估了 COVID-19 负担。由于大规模疫苗接种（特别是在60岁≥年龄组，到86年2022月，中国的疫苗覆盖率为40%），住院和ICU入院人数将大大减少。然而，如果没有检测，疾病负担仍将使呼吸系统不堪重负。基本的健康状况将增加对医院和重症监护室床位的需求。在校准风险比和基础健康状况的患病率后，如果采用最不严格的控制策略，60-60岁和≥0岁年龄组将分别对大多数额外住院和ICU入院做出贡献。在潜在的健康状况中，肥胖会导致大多数额外的住院，而高血压可能导致大多数额外的ICU入院。有趣的是，对于19-2岁年龄组，肥胖预计将占大多数额外住院人数。这是由于年轻人群中肥胖患病率相对较高（3.19%）和住院率高。应更加关注肥胖患病率日益严重的地区的儿童和青少年。我们注意到，这些估计是基于最不严格的控制策略。在我们的分析中，假设不同潜在条件之间的独立性。应调查同一个体的多种共病对COVID-8负担的影响，特别是在人口老龄化地区。由于数据的稀缺性，我们还假设基础健康状况患病率的年龄分布在城市和国家之间是一致的。从多个来源收集了<>种基础疾病的住院和ICU入院的年龄调整比值比（OR）。它们之间可能存在不可比性。此外，还应校准住院率和ICU入院率，以详细考虑未来潜在的健康状况。
这项研究有局限性。在 19 年中国的第一波 COVID-2020 浪潮中可能存在漏报。尽管对有症状个体的不同检出率进行了建模，但在此期间可能没有完全捕捉到区域差异。此外，人员流动经常受到假期和其他因素的影响，这可能会影响病毒的传播。虽然研究中模拟了典型的爆发情景，但必须承认现实世界的情况可能更加复杂和动态。未来的工作可以集中在新变异株不断变化的流行病学参数上[58]。如果疫苗对新出现变异株感染的有效性得以维持，则应进行模型校准，特别是对于接种疫苗人群中突破性感染与疫苗有效性减弱之间的差异。
总而言之，我们发现过去19年COVID-2在中国的流行持续时间通过人群水平的测试而缩短。观察到检测间隔和流行持续时间缩短之间的边际效应。频繁进行全民检测的控制策略将使中国的COVID-19负担保持在可控的规模之下。人口水平的测试可能会平衡疾病控制与城市之间旅行限制对健康、经济和社会造成的危害。我们希望从中国的公共卫生措施中吸取的经验教训可能有助于为COVID-19大流行的卫生防范提供信息，特别是考虑到SARS-CoV-2的不可预测的演变和基础疾病的高患病率。
方法
流行病学数据
我们从34个省级行政单位和366个市级单位的卫生健康委员会网站上收集了每日官方病例报告[31]。每个城市的人口统计数据均来自《中国城市统计年鉴2019》（http://olap.epsnet.com.cn/）。
人员流动数据
中国的人类运动可以通过百度基于位置的服务直接使用手机数据进行观察。我们从移民流量数据库（http://qianxi.baidu.com/）中获得了366年1月2019日至1年2020月2019日期间城市之间流入、流出和内部流动的记录流动和相对量（n = 366）。我们将2年的平均城际旅行流量视为基线流量，并构建了横跨中国19个城市的流量网络，以模拟SARS-CoV-2020在中国城市之间的传播。<>年第一波COVID-<>浪潮期间的旅行流量用于评估初始版本的公共卫生措施的有效性。
元人口模型
为了评估中国公共卫生措施的有效性，并纳入非药物干预（NPIs）的变化，我们开发了三个越来越复杂的元人群模型。我们首先引入了基线元人口模型来建立建模的背景。然后，我们扩展了基线模型以考虑社交距离，以评估中国第一波流行浪潮和类似奥密克戎的浪潮中的NPI。最后，我们开发了一个随机年龄分层元人群模型，其中包括基于先前成熟模型的人群水平检测和接触者追踪[74,75]，以说明控制策略在高度传播的变异波（例如Omicron BA.1）中的有效性，并定量评估每个年龄组的感染数量和疾病负担。模拟的初始条件设置为 2022 年 2022 月，因为我们根据 <> 年 <> 月之前在中国的疫苗覆盖率进行了建模分析。详情请参阅补充材料。
模拟场景
根据拟合的元人口模型，在第一波 COVID-19 中，每个城市都有社交距离和每日病例报告，我们通过改变社交距离的强度、城市之间的旅行限制、疫苗覆盖范围和 SARS-CoV-2 变体来模拟不同的场景。中国两剂灭活疫苗（BBIBP-CorV和CoronaVac）对奥密克戎的感染有效性为40%[76,77]，武汉-Hu-59为1%[78]。所有情景在城市之间都使用相同的流行轨迹。使用具有人群水平测试和接触者追踪的年龄分层元群体模型，我们还对基本繁殖数为 10 和 8 的变体的测试间隔和反应滞后进行了敏感性分析。在这种年龄分层模型中，城市一级的人口水平检测将在城市发现第一例病例后1周、2周、3周或4周的响应滞后启动。无论是否存在症状，都将对每种感染进行接触者追踪。感染和追踪的接触者将被隔离。请参阅补充材料。
收集患有基础疾病的COVID-19病例住院和ICU入院的风险比
我们在PubMed上检索了报告患有基础疾病的COVID-19病例住院和ICU入院比的文章。检索词“COV”和“基础条件”和“优势比”和“COV”和“基础条件”和“OR”分别产生了93项和3,081项研究。由于比值比高度依赖于年龄，因此年龄调整比值比是有趣的，并被收集。筛选后，仍有12项研究，涉及14种潜在的健康状况。对于每种基础疾病，都需要住院和ICU入院的年龄调整比值比。在此过滤器之后，仍然存在11种潜在的健康状况。如果多项研究报告了年龄调整比，则选择最高的比值比。
中国人群基础疾病患病率
对于上述风险比集合中的每种基础疾病，我们使用PubMed和CNKI检索了中国人群中报告的患病率。在PubMed中，搜索词是“中国”和“患病率”以及基础疾病和省份的名称。基础疾病的名称是高血压，糖尿病，肥胖症，慢性阻塞性肺病，肝病，肾脏疾病，哮喘，癌症，心血管疾病，心脏疾病和慢性呼吸系统疾病。这些检索共产生了22,333项研究。对于CNKI，检索词相同，但为中文。该检索产生了3,821项研究。在筛选了PubMed和CNKI的检索结果后，发现大多数研究无关紧要。选择报告年龄特异性或省特定患病率以及最新发表日期的研究。最后，收集了8种基础疾病患病率。年龄调整风险比和患病率见表1。
计算由于基础条件而导致的额外COVID-19负担
为了评估奥密克戎变异株的疾病负担，根据年龄特异性住院率和ICU入院率定量测量了特定年龄的住院人数和ICU入院人数（S8表）。先前的研究表明，患有基础健康状况的个体住院和入住ICU的风险更高。我们首先通过假设所有个体都是健康的（即没有潜在的健康状况）来计算住院和ICU入院的数量作为基线，然后计算住院和ICU入院的数量，考虑各个年龄组的潜在健康状况。最后，我们将它们之间的差异用作由于潜在健康状况而导致的额外疾病负担。每个年龄组的病例数来自年龄分层元人群模型，该模型具有人群水平测试和接触者追踪。详情请参阅补充材料。
支持信息
补充文本。
显示 1/32： pcbi.1011492.s001.docx
跳到无花果共享导航
抱歉，我们无法预览此文件
1 / 32
下载
无花果分享
S1 文本。 补充文本。
https://doi.org/10.1371/journal.pcbi.1011492.s001
（文档）
S1 图 第一波中国城市间出行限制前后人口分布、城内流动减少、流动流入减少、流动流出减少等异质性。
从浅色到深色的阴影表示从低到高的值。地图的基础图层由 GADM 提供（文件链接：https://gadm.org/download_country.html;许可证信息：https://gadm.org/license.html）。
https://doi.org/10.1371/journal.pcbi.1011492.s002
（文档）
S2 图 旅行限制前后在中国的旅行流动。
(A） 2019年和2020年中国366个城市的平均流动流入量。显示了城市之间值的中位数（实线）和四分位数间距（阴影）。垂直虚线代表 23 年 2020 月 2 日武汉封锁的开始。（B） 1年6月2020日至300月<>日期间SARS-CoV-<>大流行期间旅行限制前后中国的城市内流动。线阴影表示每对位置的平均每日出行移动次数（显示 ><>）。点大小表示行程流入量。
https://doi.org/10.1371/journal.pcbi.1011492.s003
（文档）
S3 图 中国第一波SARS-CoV-2的旅行运动和传播模式。
(A） 旅行限制前后的旅行矩阵。下三角形值表示从城市 i 到城市 j 的旅行移动，上三角形值表示从城市 j 到城市 i 的移动。从浅到暗的阴影表示两对城市之间从低到高的旅行移动量。黑匣子代表省内城市之间的旅行流动。上面板代表每个城市的总变动，流入（红色）和流出（蓝色）。（B）中国第一波城市间报告病例时间序列的相关性。城市按省份分类，从北（上）到南（下）排名。
https://doi.org/10.1371/journal.pcbi.1011492.s004
（文档）
S4 图 中国第一波城市之间每日COVID-19病例的成对相关性。
(A） 每个点代表一对城市。两个城市流行病的同步性是通过两个城市每天报告的病例数之间的相关性来衡量的，使用空间非参数相关函数（黑线=估计曲线，深灰色区域95%置信带）。同步性随着地理距离的增加而降低。（B）成对城市根据它们之间的旅行流动水平（从低到高）进行排名。然后将城市对分为十个类别，对应于等级的分位数。箱须图显示了十个类别中每个类别城市的流行病同步评分分布;第一个框表示 Q1-Q1 货币对之间的相关性，第二个框表示 Q1-Q2 货币对之间的相关性，直到 Q4-Q4 货币对之间的最后一个柱线。旅行出行较多的城市对的流行同步性更强。
https://doi.org/10.1371/journal.pcbi.1011492.s005
（文档）
S5 图 元人口模型与中国第一波传播率的社会距离的拟合度。
截至 6 年 2020 月 <> 日，每个城市报告的病例数与模型拟合之间的相关性。圆圈大小与报告病例的时间序列与每个城市的模型预测之间的相关系数成正比。
https://doi.org/10.1371/journal.pcbi.1011492.s006
（文档）
S6 图 元人口模型与社会距离对第一波城市报告病例时间序列的拟合（显示了病例超过 50 例的城市）。
每个城市每天报告的确诊病例数（点）和估计病例数（线）。灰色区域对应于逐点 95% 的预测包络线。
https://doi.org/10.1371/journal.pcbi.1011492.s007
（文档）
S7 图 中国武汉-沪-1和奥密克戎波期间未经人群水平检测的公共卫生措施的有效性。
(A）预计所有城市的平均流行持续时间对城市之间的旅行限制（从100%严格限制到0%无限制）和社会疏远（一套旨在降低传播率的措施，例如戴口罩，在没有接种疫苗的情况下，武汉-胡-100变异株从强[0%]到弱[1%]）。红十字会表示，中国在2020年第一波疫情期间，社会疏远对降低传播率的估计强度。第一波的拟合性能可以在 S5 和 S6 图中找到。该模拟基于2020年第一波期间实施的特定NPI，但城市之间旅行限制的强度除外。（B） 与（A）相同，但适用于奥密克戎变异株。（C）预计中国所有城市的平均流行持续时间对奥密克戎变异株的疫苗覆盖率和社会距离的依赖性。该模拟基于2020年第一波期间实施的特定NPI。在（A）至（C）中，零COVID线（即在76天内控制疫情）分别显示为武汉-胡-1和奥密克戎变种的白虚线和实线（见方法）。请注意，持续时间较长的深色表示整个人群都被感染，流行曲线要么很细，要么很平。中国灭活疫苗（BBIBP-CorV和CoronaVac）对奥密克戎感染的有效性设定为40%，武汉-胡-59号为1%。流行病学参数的完整列表在S6表中给出。
https://doi.org/10.1371/journal.pcbi.1011492.s008
（文档）
S8 图 人群水平检测不同应对滞后和检测间隔下的COVID-19病例数（R0= 10）。
在不同检测间隔和响应滞后下，中国 19 个城市的 COVID-366 病例预测数量。灰点表示中位数，灰色误差条表示基于 95 次模拟的 100% 置信区间。通过考虑仅戴口罩对SARS-CoV-18感染的影响，将社交距离对传播率的降低设定为2%[8]。疫苗覆盖率设定为89%（截至86年60月，中国≥2022岁年龄组的疫苗覆盖率为40%），中国灭活疫苗（BBIBP-CorV和CoronaVac）对奥密克戎感染的有效性设定为9%[<>]。
https://doi.org/10.1371/journal.pcbi.1011492.s009
（文档）
S9 图 不同响应滞后和人群水平检验区间下的检验次数（R0= 10）。
预测中国366个城市在不同测试间隔和响应滞后下的测试数量。灰点表示中位数，灰色误差条表示基于 95 次模拟的 100% 置信区间。通过考虑仅戴口罩对SARS-CoV-18感染的影响，将社交距离对传播率的降低设定为2%[8]。疫苗覆盖率设定为89%（截至86年60月，中国≥2022岁年龄组的疫苗覆盖率为40%），中国灭活疫苗（BBIBP-CorV和CoronaVac）对奥密克戎感染的有效性设定为9%[3]。请注意，当反应滞后为 <> 周时，人口规模较小的城市可能会因追踪到高比例的城市人口而遭受封锁，并且疫情迅速得到控制，导致检测数量减少。
https://doi.org/10.1371/journal.pcbi.1011492.s010
（文档）
S10 图 中国4天检测间隔下人群水平检测的有效性（R0= 10）。
预测中国366个城市在不同检测间隔下的疫情持续时间和检测轮次，以及当城市之间的旅行限制与人口水平检测实施时的反应滞后。灰点表示中位数，灰色误差条表示基于 95 次模拟的 100% 置信区间。红色虚线表示2020年武汉封城的持续时间（即76天）作为参考。局部爆发的城市数量标注在小提琴图下方。通过考虑仅戴口罩对SARS-CoV-18感染的影响，将社交距离对传播率的降低设定为2%[8]。疫苗覆盖率设定为89%（截至86年60月，中国≥2022岁年龄组的疫苗覆盖率为40%），中国灭活疫苗（BBIBP-CorV和CoronaVac）对奥密克戎感染的有效性设定为9%[<>]。
https://doi.org/10.1371/journal.pcbi.1011492.s011
（文档）
S11 图 奥密克戎样变异波期间中国人口水平检测结合城市间旅行限制的有效性（R0= 10）。
预测中国366个城市在不同检测间隔下的疫情持续时间和检测轮次，以及当城市之间的旅行限制与人口水平检测实施时的反应滞后。灰点表示中位数，灰色误差条表示基于 95 次模拟的 100% 置信区间。红色虚线表示2020年武汉封城的持续时间（即76天）作为参考。局部爆发的城市数量标注在小提琴图下方。通过考虑仅戴口罩对SARS-CoV-18感染的影响，将社交距离对传播率的降低设定为2%[8]。疫苗覆盖率设定为89%（截至86年60月，中国≥2022岁年龄组的疫苗覆盖率为40%），中国灭活疫苗（BBIBP-CorV和CoronaVac）对奥密克戎感染的有效性设定为9%[<>]。
https://doi.org/10.1371/journal.pcbi.1011492.s012
（文档）
S12 图 中国在奥密克戎样变异波期间进行人群水平检测的有效性0= 8。
预测中国366个城市在不同检测间隔下的疫情持续时间和检测轮次，以及当城市之间的旅行限制与人口水平检测实施时的反应滞后。灰点表示中位数，灰色误差条表示基于 95 次模拟的 100% 置信区间。红色虚线表示2020年武汉封城的持续时间（即76天）作为参考。局部爆发的城市数量标注在小提琴图下方。通过考虑仅戴口罩对SARS-CoV-18感染的影响，将社交距离对传播率的降低设定为2%[8]。疫苗覆盖率设定为89%（截至86年60月，中国≥2022岁年龄组的疫苗覆盖率为40%），中国灭活疫苗（BBIBP-CorV和CoronaVac）对奥密克戎感染的有效性设定为9%[<>]。
https://doi.org/10.1371/journal.pcbi.1011492.s013
（文档）
S13 图 中国奥密克戎波期间人群水平检测的有效性（R0= 10） 当 rI = 2 时。
预测中国366个城市在不同检测间隔下的疫情持续时间和检测轮次，以及当城市之间的旅行限制与人口水平检测实施时的反应滞后。灰点表示中位数，灰色误差条表示基于 95 次模拟的 100% 置信区间。红色虚线表示2020年武汉封城的持续时间（即76天）作为参考。局部爆发的城市数量标注在小提琴图下方。通过考虑仅戴口罩对SARS-CoV-18感染的影响，将社交距离对传播率的降低设定为2%。疫苗覆盖率定为89%（截至86年60月，中国2022岁≥年龄组的疫苗覆盖率为40%），中国灭活疫苗（BBIBP-CorV和CoronaVac）对奥密克戎感染的有效性设定为<>%。
https://doi.org/10.1371/journal.pcbi.1011492.s014
（文档）
S14 图 城市间无出行限制的两个连续检测间隔的疫情持续时间和检测轮次比较（R0= 10）。
响应延迟设置为 2 周。负值对应于通过加快测试（缩短测试间隔）为持续时间或轮次产生的收益，正值对应于通过加快测试在持续时间或轮次中产生的潜在损失。红色和蓝色点表示中位数，灰色误差条表示基于 95 次模拟的 100% CI。通过考虑仅戴口罩对SARS-CoV-18感染的影响，将社交距离对传播率的降低设定为2%[8]。疫苗覆盖率设定为89%（截至86年60月，中国≥2022岁年龄组的疫苗覆盖率为40%），中国灭活疫苗（BBIBP-CorV和CoronaVac）对奥密克戎感染的有效性设定为9%[<>]。
https://doi.org/10.1371/journal.pcbi.1011492.s015
（文档）
S15 图 实施城市间出行限制时两个连续检测间隔的疫情持续时间和检测轮次比较（R0= 10）。
（A） 响应滞后设置为 2 周。（B） 响应滞后设置为 3 周。负值对应于通过加快测试（缩短测试间隔）为持续时间或轮次产生的收益，正值对应于通过加快测试在持续时间或轮次中产生的潜在损失。红色和蓝色点表示中位数，灰色误差条表示基于 95 次模拟的 100% CI。通过考虑仅戴口罩对SARS-CoV-18感染的影响，将社交距离对传播率的降低设定为2%[8]。疫苗覆盖率设定为89%（截至86年60月，中国≥2022岁年龄组的疫苗覆盖率为40%），中国灭活疫苗（BBIBP-CorV和CoronaVac）对奥密克戎感染的有效性设定为9%[<>]。
https://doi.org/10.1371/journal.pcbi.1011492.s016
(DOCX)
S16 Fig. Potential impact of control strategy with long response lag on SARS-CoV-2 infections and daily life.
(A) The total SARS-CoV-2 infections for different age groups when testing interval is 3 days and response lag is 3 weeks. The dot represents the infections for an age group and a city. (B) Association between population size and proportion of isolated population across 366 cities in China when testing interval is 3 days and response lag is 3 weeks. The size and color of the circle represent the movement flow and the proportion of isolated population in a given city, respectively.
https://doi.org/10.1371/journal.pcbi.1011492.s017
（文档）
S17 图 奥密克戎样变异株（R0= 10） 在 4 天测试间隔内。
(A） 不同年龄组的每日所需病床。（B） 不同年龄组别每日所需ICU床位。响应滞后设置为 3 周。灰色误差条或阴影表示 95 次仿真的 100% 置信区间。红色虚线表示中国可用的医院床位或ICU床位总数。到89年86月，中国所有年龄组的疫苗覆盖率定为60%，与≥2022岁年龄组的<>%一致。
https://doi.org/10.1371/journal.pcbi.1011492.s018
（文档）
S18 图 奥密克戎样变异株（R0= 10）在中国的乐观情景控制策略下。
(A） 不同年龄组的每日所需病床。（B） 不同年龄组别每日所需ICU床位。采用对照策略，测试间隔为3天，反应滞后为3周（有效复制数Re< 1），这是旨在抑制SARS-CoV-2的最不严格的策略，如图2A所示。检测间隔为 4 天且响应滞后为 3 周的策略将导致 COVID-19 流行，如灰色虚线和 R 所示e≈ 1.红色虚线表示中国可用的医院床位或ICU床位总数。灰色实线表示大流行期间未经检测的所需医院病床或ICU病床的峰值数量（Re> 1）。灰色误差条或阴影表示 95 次仿真的 100% 置信区间。到89年86月，中国所有年龄组的疫苗覆盖率定为60%，与≥2022岁年龄组的78%一致。考虑到乐观的情况，中国灭活疫苗（BBIBP-CorV和CoronaVac）对住院和ICU收治的有效性为8.10%[11,<>]。
https://doi.org/10.1371/journal.pcbi.1011492.s019
（文档）
S19 图 奥密克戎样变异株（R0= 10）在中国悲观情景的控制策略下。
(A） 不同年龄组的每日所需病床。（B） 不同年龄组别每日所需ICU床位。采用对照策略，测试间隔为3天，反应滞后为3周（有效复制数Re< 1），这是旨在抑制SARS-CoV-2的最不严格的策略，如图2A所示。检测间隔为 4 天且响应滞后为 3 周的策略将导致 COVID-19 流行，如灰色虚线和 R 所示e≈ 1.红色虚线表示中国可用的医院床位或ICU床位总数。灰色实线表示大流行期间未经检测的所需医院病床或ICU病床的峰值数量（Re> 1）。灰色误差条或阴影表示 95 次仿真的 100% 置信区间。到89年86月，中国所有年龄组的疫苗覆盖率定为60%，与≥2022岁年龄组的62%一致。考虑到悲观的情况，中国灭活疫苗（BBIBP-CorV和CoronaVac）对住院和ICU收治的有效性为6.10%[11,<>]。
https://doi.org/10.1371/journal.pcbi.1011492.s020
（文档）
S20 图 奥密克戎样变异株（R0= 10）根据中国香港特定年龄依赖性住院率和ICU入院率的控制策略。
（一）不同年龄组每日所需病床。（B） 不同年龄组别每日所需ICU床位。采用对照策略，测试间隔为3天，反应滞后为3周（有效复制数Re< 1），这是旨在抑制SARS-CoV-2的最不严格的策略，如图2A所示。检测间隔为 4 天且响应滞后为 3 周的策略将导致 COVID-19 流行，如灰色虚线和 R 所示e≈ 1.红色虚线表示中国可用的医院床位或ICU床位总数。灰色虚线表示测试间隔为 4 天、响应滞后为 3 周的策略。灰色实线表示大流行期间未经检测的所需医院病床或ICU病床的峰值数量（Re> 1）。灰色误差条或阴影表示 95 次仿真的 100% 置信区间。到89年86月，中国所有年龄组的疫苗覆盖率定为60%，与≥2022岁年龄组的19%一致。年龄依赖性住院率和ICU入院率是根据2022年初香港第五波COVID-12的数据设定的[<>]。
https://doi.org/10.1371/journal.pcbi.1011492.s021
（文档）
S21 图 奥密克戎样变异株（R0= 10）在中国上海特定年龄依赖性ICU入院率的控制策略下。
不同年龄组每天需要ICU床位。采用对照策略，测试间隔为3天，反应滞后为3周（有效复制数Re< 1），这是旨在抑制SARS-CoV-2的最不严格的策略，如图2A所示。检测间隔为 4 天且响应滞后为 3 周的策略将导致 COVID-19 流行，如灰色虚线和 R 所示e≈ 1.红色虚线代表中国可用的ICU床位总数。灰色虚线表示测试间隔为 4 天、响应滞后为 3 周的策略。灰色实线表示大流行期间未经检测的ICU床位峰值数量（Re> 1）。灰色误差条或阴影表示 95 次仿真的 100% 置信区间。到89年86月，中国所有年龄组的疫苗覆盖率定为60%，与≥2022岁年龄组的19%一致。根据2022年初上海奥密克戎COVID-13浪潮的数据，确定了年龄依赖性ICU的入院率[19]。由于上海缺乏COVID-19奥密克戎浪潮的住院数据，在这种情况下仅评估了COVID-<>对奥密克戎变异株的重症监护室负担。
https://doi.org/10.1371/journal.pcbi.1011492.s022
（文档）
S22 图 反应滞后较短的控制策略对SARS-CoV-2感染和日常生活的潜在影响。
(A） 检测间隔为 2 天且反应滞后为 3 周时，不同年龄组的 SARS-CoV-2 感染总数。圆点代表一个年龄组和一个城市的感染情况。（B）当测试间隔为366天，响应滞后为3周时，中国2个城市的人口规模与孤立人口比例之间的关联。圆圈的大小和颜色分别表示给定城市中的移动流量和孤立人口的比例。
https://doi.org/10.1371/journal.pcbi.1011492.s023
（文档）
S23 图 奥密克戎样变异株（R0= 10）爆发而不考虑潜在的健康状况。
(A） 采用最不严格的控制策略时的住院人数和 （B） ICU 入院人数。我们认为所有感染者在基线情景中都是健康的。灰色误差条或阴影表示 95 次仿真的 100% 置信区间。
https://doi.org/10.1371/journal.pcbi.1011492.s024
（文档）
S1 表。 中国通过公共卫生措施控制的疫情。
https://doi.org/10.1371/journal.pcbi.1011492.s025
（文档）
S2 表。 中国2020年第一波的估计参数值。
https://doi.org/10.1371/journal.pcbi.1011492.s026
（文档）
S3 表。 通过较短的 t 检验反应滞后（周）缩短流行持续时间和检测轮次的重要性。
https://doi.org/10.1371/journal.pcbi.1011492.s027
（文档）
S4 表。 通过缩短t检验的检测间隔来减少流行持续时间和检测轮次的意义。
https://doi.org/10.1371/journal.pcbi.1011492.s028
（文档）
S5 表。 在检测间隔和应对滞后的不同组合下，疫情期间隔离个体数量达到人口规模的峰值城市数量。
被隔离的个体包括暴露于SARS-CoV-2的个体和受感染的个体。
https://doi.org/10.1371/journal.pcbi.1011492.s029
（文档）
S6 表。 基线模型参数值。
https://doi.org/10.1371/journal.pcbi.1011492.s030
（文档）
S7 表。 人群水平检测和接触者追踪模型参数值。
https://doi.org/10.1371/journal.pcbi.1011492.s031
（文档）
S8 表。 接种疫苗和未接种疫苗的个体中症状性奥密克戎感染的年龄依赖性住院率和 ICU 入院率。
中国灭活疫苗（BBIBP-CorV和CoronaVac）对所有年龄组的奥密克戎住院和ICU收治的有效性为70%[11]。
https://doi.org/10.1371/journal.pcbi.1011492.s032
（文档）
确认
我们感谢中国数千名疾病控制中心（CDC）工作人员和当地卫生工作者收集数据并继续努力在中国和其他地方遏制COVID-19。
引用
1.陈建民， 陈玉强.中国可以准备结束其零COVID政策。国家医学 2022;28：1104–1105。pmid：35383312
查看文章PubMed/NCBI谷歌学术搜索
2.李孜， 刘芳， 崔杰， 彭志， 常志， 赖思， 等.全面的大规模核酸检测策略支持中国持续遏制COVID-19。国家医学 2021;27：740–742。密码：33859409
查看文章PubMed/NCBI谷歌学术搜索
3.Burki T. 香港第五波 COVID-19 浪潮——迄今为止最严重的一次。柳叶刀感染病 2022;22：455–456。密码：35338874
查看文章PubMed/NCBI谷歌学术搜索
4.张旭， 张文， 陈 S. 上海对抗当前 COVID-19 大流行的奥密克戎浪潮的救生努力。柳叶 刀。2022;399: 2011–2012.密码：35533708
查看文章PubMed/NCBI谷歌学术搜索
5.范旭， 卢淑， 白玲， 刘华， 傅军， 金鑫， 等. 挥发性有机化合物奥密克戎BA.19暴发中COVID-2疫苗接种保护性的初步研究—中国吉林省吉林市，3年12月2022日至2022月4日。中国疾病预防控制中心杂志. 377;380： 35686205–<>.密码：<>
查看文章PubMed/NCBI谷歌学术搜索
6.聚焦中国：中国发布优化COVID-19应对措施-新华社.[引用日期29年2022月20221111日]。https://english.news.cn/4399114/d082438a32eaac08d02a58bf<>d/c.html
7.聚焦中国：19项新措施进一步优化COVID-10应对措施-新华社.[引用日期29年2022月20221207日]。https://english.news.cn/014/ca043c24728bf8b0198565dcbc<>fdf/c.html
8.中国进入新冠疫情应对阶段-新华社.[引自19年2023月20230109日]。https://english.news.cn/1521678/36247fe3959b5ac8bab496e9a<>/c.html
9.梁国， 刘奕腓， 黄长康， 梁总经理， 吴建桐. 估计2年7月至2022月零COVID政策调整后北京SARS-CoV-2023 Omicron BF.29的传播动态。国家医学 579;582：36638825–<>。密码：<>
查看文章PubMed/NCBI谷歌学术搜索
10.潘毅， 王玲， 冯志， 徐华， 李芳， 沈毅， 等.2年北京SARS-CoV-2022变异株的特征：流行病学和系统发育分析。柳叶 刀。2023;401: 664–672.pmid：36773619
查看文章PubMed/NCBI谷歌学术搜索
11.世卫组织莱纳哈罗宣布COVID-19紧急阶段结束。自然界。2023 [引用日期：24年2023月37147368日]。pmid：<>
查看文章PubMed/NCBI谷歌学术搜索
12.欧洲疾病预防和控制中心。SARS-CoV-2的全民检测：欧盟/欧洲经济区和英国的国家经验和潜在方法。2020 [引用日期：4年2023月19日]。https://www.ecdc.europa.eu/sites/default/files/documents/covid-<>-population-wide-testing-country-experiences.pdf
13.国务院联防联控机制新闻发布会。2022. http://www.gov.cn/xinwen/gwylflkjz211/index.htm
14.Hellewell J， Russell TW， Beale R， Kelly G， Houlihan C， Nastouli E， et al.估计不同频率的常规无症状PCR检测对检测SARS-CoV-2感染的有效性。BMC 医学 2021;19： 106.密码：33902581
查看文章PubMed/NCBI谷歌学术搜索
15.阿莱塔 A， 马丁-科拉尔 D， 帕斯托雷和皮翁蒂 A， 阿耶利 M， 利特维诺娃 M， 奇纳齐 M， 等.模拟检测、接触者追踪和家庭隔离对第二波COVID-19的影响。纳特哼哼行为。2020;4: 964–971.密码：32759985
查看文章PubMed/NCBI谷歌学术搜索
16.Wells CR， Townsend JP， Pandey A， Moghadas SM， Krieger G， Singer B， et al.最佳的 COVID-19 检疫和检测策略。纳特公社。2021;12: 1–9.pmid：33414470
查看文章PubMed/NCBI谷歌学术搜索
17.巴斯塔尼 H， 德拉科普洛斯 K， 古普塔五世， 弗拉乔吉安尼斯一世， 哈吉克里斯托杜卢 C， 拉吉乌 P， 等.通过强化学习进行高效且有针对性的 COVID-19 边境测试。自然界。2021;599: 108–113.pmid：34551425
查看文章PubMed/NCBI谷歌学术搜索
18.龙庆兴， 唐晓杰， 石庆林， 李琪， 邓海军， 袁军， 等.无症状SARS-CoV-2感染的临床和免疫学评估。国家医学 2020;26： 1200–1204.密码：32555424
查看文章PubMed/NCBI谷歌学术搜索
19.李蕊， 裴淑， 陈斌， 宋轶， 张婷， 杨文， 等.大量未记录的感染有助于新型冠状病毒（SARS-CoV-2）的快速传播。科学。2020;368: 489–493.密码：32179701
查看文章PubMed/NCBI谷歌学术搜索
20.霍尔特 E. 斯洛伐克对所有成年人进行 SARS-CoV-2 检测。柳叶 刀。2020;396: 1386–1387.密码：33129382
查看文章PubMed/NCBI谷歌学术搜索
21.帕维尔卡 M， 范赞德沃特 K， 雅培 S， 谢拉特 K， 马吉丹 M， 阿纳利兹 IZ， 等.全人群快速抗原检测对斯洛伐克SARS-CoV-2流行率的影响。科学。2021;372: 635–641.密码：33758017
查看文章PubMed/NCBI谷歌学术搜索
22.弗恩达· 杜里卡·在欧洲通过抗原检测进行大规模COVID-19检测试点。案例研究：斯洛伐克。感染代表 2021;13：45–57。密码：33430283
查看文章PubMed/NCBI谷歌学术搜索
23.艾略特 J， 惠特克 M， 博迪尼尔 B， 艾尔斯 O， 莱利 S， 沃德 H， 等.社区中COVID-19的预测症状：超过1万人的REACT-1研究。公共科学图书馆医学 2021;18：e1003777。密码：34582457
查看文章PubMed/NCBI谷歌学术搜索
24.Elliott P， Eales O， Steyn N， Tang D， Bodinier B， Wang H， et al.双峰：英格兰的奥密克戎SARS-CoV-2 BA.1和BA.2流行病。科学。2022;376： eabq4411.密码：35608440
查看文章PubMed/NCBI谷歌学术搜索
25.Ranoa DRE， Holland RL， Alnaji FG， Green KJ， Wang L， Fredrickson RL， et al.减轻一所大型公立大学的SARS-CoV-2传播。纳特公社。2022;13: 3207.密码：35680861
查看文章PubMed/NCBI谷歌学术搜索
26.德瓦尔德 F， 苏亚雷斯一世， 约翰宁 R， 格罗斯巴赫 J， 莫兰-托瓦尔 R， 斯蒂格 G， 等.对儿童SARS-CoV-2感染进行有效的高通量RT-qPCR筛查。纳特公社。2022;13: 3640.pmid：35752615
查看文章PubMed/NCBI谷歌学术搜索
27.Diederichs M， van Ewijk R， Isphording IE， Pestel N. 接受强制性检测的学校可以减轻SARS-CoV-2的传播。美国国家科学院院刊 2022;119： e2201724119.密码：35733261
查看文章PubMed/NCBI谷歌学术搜索
28.袁平， 谭彦， 杨 L， 阿鲁福， 奥格登， 杨 G， 等.评估全市检测-追踪-隔离零COVID政策机制和COVID-19大流行的退出策略。感染贫困。2022;11: 104.pmid：36192815
查看文章PubMed/NCBI谷歌学术搜索
29.Kraemer MUG， Yang CH， Gutierrez B， Wu CH， Klein B， Pigott DM， et al.人口流动和控制措施对中国COVID-19疫情的影响。科学。2020;368: 493–497.密码：32213647
查看文章PubMed/NCBI谷歌学术搜索
30.赖 S， 鲁克塔农猜 NW， 周 L， 普罗斯珀 O， 罗 W， 弗洛伊德 JR， 等.中国非药物干预措施对遏制COVID-19的影响。自然界。2020;585: 410–413.密码：32365354
查看文章PubMed/NCBI谷歌学术搜索
31.田华， 刘妍， 李彦， 吴志， 陈斌， 克雷默， 等.对中国COVID-50疫情前19天的传播控制措施的调查。科学。2020;368: 638–642.pmid：32234804
查看文章PubMed/NCBI谷歌学术搜索
32.Ruktanonchai NW， Floyd JR， Lai S， Ruktanonchai CW， Sadilek A， Rente-Lourenco P， et al.评估协调的COVID-19退出策略在整个欧洲的影响。科学。2020;369: 1465–1470.密码：32680881
查看文章PubMed/NCBI谷歌学术搜索
33.Chinazzi M， Davis JT， Ajelli M， Gioannini C， Litvinova M， Merler S， et al.旅行限制对2019年新型冠状病毒（COVID-19）疫情传播的影响。科学。2020;368: 395–400.密码：32144116
查看文章PubMed/NCBI谷歌学术搜索
34.Lai S， Ruktanonchai NW， Carioli A， Ruktanonchai CW， Floyd JR， Prosper O， et al.评估全球旅行和接触限制对缓解COVID-19大流行的影响。工程。2021;7: 914–923.密码：33972889
查看文章PubMed/NCBI谷歌学术搜索
35.门德尔森 M， 文特尔 F， 莫沙贝拉 M， 格雷 G， 布伦伯格 L， 德奥利维拉 T， 等.英国对南非旅行禁令的政治舞台。柳叶 刀。2021;398: 2211–2213.密码：34871546
查看文章PubMed/NCBI谷歌学术搜索
36.Kucharski AJ， Jit M， Logan JG， Cotten M， Clifford S， Quilty BJ， et al.SARS-CoV-2变体时代的旅行措施需要明确的目标。柳叶 刀。2022;399: 1367–1369.密码：35247312
查看文章PubMed/NCBI谷歌学术搜索
37.皮尔斯 M， 霍普 H， 福特 T， 哈奇 S， 霍托普夫 M， 约翰 A， 等.COVID-19大流行之前和期间的心理健康：英国人口的纵向概率抽样调查。柳叶刀精神病学。2020;7: 883–892.密码：32707037
查看文章PubMed/NCBI谷歌学术搜索
38.埃尔默 T、Mepham K、Stadtfeld C. 封锁下的学生：瑞士 COVID-19 危机之前和期间学生社交网络和心理健康的比较。公共图书馆一号。2020;15： e0236337.密码：32702065
查看文章PubMed/NCBI谷歌学术搜索
39.Giuntella O，Hyde K，Saccardo S，Sadoff S.COVID-19期间的生活方式和心理健康中断。美国国家科学院院刊 2021;118： e2016632118.密码：33571107
查看文章PubMed/NCBI谷歌学术搜索
40.阿拉戈纳 M、巴尔巴托 A、卡瓦尼 A、科斯坦佐 G、米里索拉 C. COVID-19 封锁对处于社会经济困难的移民和个人获得心理健康服务的机会和后续依从性的负面影响。公共卫生。2020;186: 52–56.pmid：32771661
查看文章PubMed/NCBI谷歌学术搜索
41.布朗 A， 弗林特 SW， 卡莉亚 AZ， 奥凯恩 M， 威廉姆斯 S， 巴特汉姆 RL.英国首次 COVID-19 封锁对严重和复杂肥胖患者的健康相关行为和心理健康的负面影响。电子医学。2021;34: 100796.pmid：33754138
查看文章PubMed/NCBI谷歌学术搜索
42.德拉罗莎 PA， 考登 RG， 德菲利皮斯 R， 杰罗蒂奇 S， 纳希迪 M， 奥里 D， 等.在 COVID-19 大流行期间，锁定的严格性和持续时间与 Google 搜索心理健康术语的关联：一项九国研究。精神病学杂志 2022;150：237–245。pmid：35398667
查看文章PubMed/NCBI谷歌学术搜索
43.布鲁克斯 SK， 韦伯斯特 RK， 史密斯 LE， 伍德兰 L， 韦瑟利 S， 格林伯格 N， 等.隔离的心理影响以及如何减少隔离：快速审查证据。柳叶 刀。2020;395: 912–920.密码：32112714
查看文章PubMed/NCBI谷歌学术搜索
44.马拉帕蒂·奥密克戎从何而来？三个关键理论。自然界。2022;602: 26–28.pmid：35091701
查看文章PubMed/NCBI谷歌学术搜索
45.泰加利 H， 莫尔 M， 埃弗拉特 J， 乔瓦内蒂 M， 谢珀斯 C， 威尔金森 E， 等.南非出现SARS-CoV-2奥密克戎谱系BA.4和BA.5。国家医学 2022;28：1785–1790。pmid：35760080
查看文章PubMed/NCBI谷歌学术搜索
46.曹毅， 伊思玛依 A， 简 F， 宋 W， 肖 T， 王 L， 等. 奥密克戎感染诱发的 BA.2.12.1、BA.4 和 BA.5 逃逸抗体。自然界。2022;608: 593–602.密码：35714668
查看文章PubMed/NCBI谷歌学术搜索
47.Khan K， Karim F， Ganga Y， Bernstein M， Jule Z， Reedoy K， et al. 奥密克戎BA.4/BA.5逃逸BA.1感染引起的中和免疫。纳特公社。2022;13: 4686.密码：35948557
查看文章PubMed/NCBI谷歌学术搜索
48.梁淑， 姜婷， 焦孝， 周志.中国北京遏制SARS-CoV-2奥密克戎变异株的模型模拟。医学杂志 2022;3：10–15。pmid：36438437
查看文章PubMed/NCBI谷歌学术搜索
49.王毅， 孙珂， 冯志， 易玲， 吴莹， 刘华， 等.评估在高度传播变异株时代在中国维持SARS-CoV-2局部遏制的可行性。BMC 医学 2022;20：442。密码：36380354
查看文章PubMed/NCBI谷歌学术搜索
50.蔡杰， 邓鑫， 杨杰， 孙可， 刘华， 陈志， 等.模拟SARS-CoV-2奥密克戎在中国的传播。国家医学 2022;28：1468–1475。密码：35537471
查看文章PubMed/NCBI谷歌学术搜索
51.王孜， 王萌， 吴萍， 李斌， 李轩， 刘轩， 等.在新出现的COVID-19疫情中优化人群水平检测、接触者追踪和隔离：数学建模研究—中国通化市和北京市，2021-2022年。中国疾控中心杂志 2023;5： 82–89.密码：36777897
查看文章PubMed/NCBI谷歌学术搜索
52.中国国家卫生健康委员会.中国卫生统计年鉴2021.2021.
53.9年2022月19日国务院联防联控机制新闻发布会实录。[引自2023年9月06日]。http://www.nhc.gov.cn/cms-search/xxgk/getManuscriptXxgk.htm?id=d80f4b37eaaf1023e9bf89e711bb<>d<>
54.Abbott S， Sherratt K， Gerstung M， Funk S. 检验分布的估计作为英格兰奥密克戎变体生成间隔分布的代理。医疗Rxiv。2022 [引用日期21-2023-<>]。
查看文章谷歌学术搜索
55.金 D， 阿里 ST， 金 S， 乔 J， 林 JS， 李 S， 等.估计序列间隔和繁殖数，以量化SARS-CoV-2 Omicron变体在韩国的传播性。病毒。2022;14: 533.密码：35336939
查看文章PubMed/NCBI谷歌学术搜索
56.Ito K， Piantham C， Nishiura H. 估计奥密克戎BA.1和BA.2相对于丹麦Delta变体的相对世代时间和繁殖数。数学生物科学工程 2022;19： 9005–9017.密码：35942746
查看文章PubMed/NCBI谷歌学术搜索
57.阿里ST， 王玲， 刘娥奕， 徐晓克， 杜志， 吴莹， 等.SARS-CoV-2的连续间隔随着时间的推移而缩短。科学。2020;369: 1106–1109.密码：32694200
查看文章PubMed/NCBI谷歌学术搜索
58.克雷默杯，皮布斯OG，弗雷泽C，考凯梅斯S，兰博A，考林BJ。监测SARS-CoV-2传播的关键流行病学参数。国家医学 2021;27： 1854–1855.密码：34750555
查看文章PubMed/NCBI谷歌学术搜索
59.Tindale LC， Stockdale JE， Coombe M， Garlock ES， Lau WYV， Saraswat M， et al.在症状出现之前传播COVID-19的证据。生活。2020;9: 1–34.密码：32568070
查看文章PubMed/NCBI谷歌学术搜索
60.Park SW， Sun K， Champredon D， Li M， Bolker BM， Earn DJD， et al.前瞻性的序列间隔正确地将流行病的增长与繁殖数量联系起来。美国国家科学院院刊 2021;118： e2011548118.密码：33361331
查看文章PubMed/NCBI谷歌学术搜索
61.Stockdale JE， Susvitasari K， Tupper P， Sobkowiak B， Mulberry N， da Silva AG， et al.基因组流行病学提供了 COVID-19 连续间隔的高分辨率估计。纳特公社。2023;14: 4830.pmid：37563113
查看文章PubMed/NCBI谷歌学术搜索
62.Wells CR， Pandey A， Moghadas SM， Singer BH， Krieger G， Heron RJL， et al.19种快速抗原检测和RT-PCR用于COVID-2022检疫和基于监测的隔离的比较分析。通讯医学 2;84：35822105。密码：<>
查看文章PubMed/NCBI谷歌学术搜索
63.Larremore DB， Wilder B， Lester E， Shehata S， Burke JM， Hay JA， et al.检测敏感性仅次于COVID-19筛查的频率和周转时间。科学进展 2021;7： eabd5393.pmid：33219112
查看文章PubMed/NCBI谷歌学术搜索
64.米娜 MJ， 帕克 R， 拉雷莫尔 DB.重新思考 Covid-19 测试敏感性——遏制策略。N工程医学杂志2020;383：e120。密码：32997903
查看文章PubMed/NCBI谷歌学术搜索
65.米娜 MJ， 佩托 TE， 加西亚-菲尼亚纳 M， 森普尔 MG， 布坎 IE.澄清SARS-CoV-2抗原快速检测在COVID-19公共卫生应对中的证据。柳叶 刀。2021;397: 1425–1427.密码：33609444
查看文章PubMed/NCBI谷歌学术搜索
66.Chu VT， Schwartz NG， Donnelly MAP， Chuey MR， Soto R， Yousaf AR， et al.SARS-CoV-2感染过程中家庭抗原检测与RT-PCR和病毒培养的比较。美国医学会实习医生会 2022;182：701–709。pmid：35486394
查看文章PubMed/NCBI谷歌学术搜索
67.克利利 B， 海伊 JA， 布鲁门斯蒂尔 B， 哈登 M， 西皮奇奥 M， 贝兹尼 J， 等.利用病毒载量和流行动态在资源有限的环境中优化合并检测。科学翻译医学 2021;13： eabf1568.密码：33619080
查看文章PubMed/NCBI谷歌学术搜索
68.巴拉克 N， 本阿米 R， 西多 T， 佩里 A， 什托耶 A， 里夫金 M， 等.应用大规模汇集133,816次SARS-CoV-2 RT-PCR检测的经验教训。科学翻译医学 2021;13：2823。pmid：33619081
查看文章PubMed/NCBI谷歌学术搜索
69.Casati B， Verdi JP， Hempelmann A， Kittel M， Klaebisch AG， Meister B， et al.使用 ADESSO 进行快速、适应性强且灵敏的基于 Cas13 的 COVID-19 诊断。纳特公社。2022;13: 3308.密码：35676259
查看文章PubMed/NCBI谷歌学术搜索
70.马哈斯 A， 马西奇 T， 洛佩兹-波蒂略 马森 M， 王 Q， 阿曼 R， 郑 C， 等.表征用于单罐检测 SARS-CoV-13 的热稳定 Cas2 酶。美国国家科学院院刊 2022;119： e2118260119.密码：35763567
查看文章PubMed/NCBI谷歌学术搜索
71.Ban DK， Bodily T， Karkisaval AG， Dong Y， Natani S， Ramanathan A， et al.通过便携式无线石墨烯生物传感器对唾液中未处理的SARS-CoV-2病毒及其变种进行快速自我检测。美国国家科学院院刊 2022;119： e2206521119.密码：35763566
查看文章PubMed/NCBI谷歌学术搜索
72.Hellewell J， Abbott S， Gimma A， Bosse NI， Jarvis CI， Russell TW， et al.通过隔离病例和接触者来控制COVID-19疫情的可行性。柳叶刀球愈合。2020;8： e488–e496.pmid：32119825
查看文章PubMed/NCBI谷歌学术搜索
73.Kucharski AJ， Klepac P， Conlan AJK， Kissler SM， Tang ML， Fry H， et al.隔离、检测、接触者追踪和保持身体距离对减少不同环境中SARS-CoV-2传播的有效性：一项数学建模研究。柳叶刀感染病 2020;20：1151–1160。pmid：32559451
查看文章PubMed/NCBI谷歌学术搜索
74.法拉帝 L， 怀曼特 C， 肯德尔 M， 赵 L， 努尔泰 A， 阿贝勒-多纳， 等.量化SARS-CoV-2传播表明通过数字接触者追踪进行疫情控制。科学。2020;368： eabb6936.密码：32234805
查看文章PubMed/NCBI谷歌学术搜索
75.克林肯伯格 D， 弗雷泽 C， 海斯特贝克 H.接触者追踪在新出现的流行病中的有效性。公共图书馆一号。2006;1： e12.密码：17183638
查看文章PubMed/NCBI谷歌学术搜索
76.切尔凯拉-席尔瓦 T， 安德鲁斯 JR， 博阿文图拉 VS， 兰扎尼 OT， 德 V， 奥利维拉 A， 等.CoronaVac、ChAdOx1 nCoV-19、BNT162b2 和 Ad26.COV2.S 在巴西既往感染过 SARS-CoV-2 的个体中的有效性：一项检测阴性的病例对照研究。柳叶刀感染病 2022;22：791–801。密码：35366959
查看文章PubMed/NCBI谷歌学术搜索
77.Jara A， Undurraga EA， Zubizarreta JR， González C， Acevedo J， Pizarro A， et al.在智利SARS-CoV-3奥密克戎疫情期间，CoronaVac对5-2岁儿童的有效性。国家医学 2022;28：1377–1380。密码：35605637
查看文章PubMed/NCBI谷歌学术搜索
78.李新恩， 黄毅， 王文， 景庆林， 张晨， 秦鹏忠， 等.灭活SARS-CoV-2疫苗在广州对Delta变体感染的有效性：一项检测阴性病例对照真实世界研究。新兴微生物感染。2021;10: 1751–1759.密码：34396940
查看文章PubMed/NCBI谷歌学术搜索
79.Obermeyer F， Jankowiak M， Barkas N， Schaffner SF， Pyle JD， Yurkovetskiy L， et al.对 6 万个 SARS-CoV-4 基因组的分析确定了与健康相关的突变。科学。2;2022: 376–1327.密码：1332
查看文章PubMed/NCBI谷歌学术搜索
80.刘彦， 洛克洛夫·与祖先的SARS-CoV-2病毒相比，SARS-CoV-2的Delta变体的繁殖数量要高得多。旅行医学杂志 2021;28： taab124.密码：34369565
查看文章PubMed/NCBI谷歌学术搜索
81.奥密克戎变异株和加强型COVID-19疫苗。柳叶刀呼吸医学 2022;10：e17。pmid：34929158
查看文章PubMed/NCBI谷歌学术搜索
82.Bundgaard H， Bundgaard JS， Raaschou-Pedersen DET， von Buchwald C， Todsen T， Norsk JB， et al.在其他公共卫生措施中添加口罩建议以预防丹麦口罩佩戴者SARS-Cov-2感染的有效性 一项随机对照试验。安实习医学 2021;174：335–343。pmid：33205991
查看文章PubMed/NCBI谷歌学术搜索
83.李旭， 徐淑， 于敏， 王可， 陶毅， 周毅， 等.武汉成人COVID-19住院患者严重程度和死亡率的危险因素。J过敏临床免疫。2020;146: 110–118.密码：32294485
查看文章PubMed/NCBI谷歌学术搜索
84.Nandy K， Salunke A， Pathak SK， Pandey A， Doctor C， Puj K， et al.冠状病毒病（COVID-19）：系统评价和荟萃分析，以评估各种合并症对严重事件的影响。糖尿病代谢综合征临床修订版 2020;14：1017–1025。密码：32634716
查看文章PubMed/NCBI谷歌学术搜索
85.张敏， 吴军， 张鑫， 胡驰， 赵志平， 李春， 等.中国成人高血压患病率与控制，2018年。中华刘兴冰薛扎志.2021;42: 1780–1789.密码：34814612
查看文章PubMed/NCBI谷歌学术搜索
86.Bennett KE， Mullooly M， O'Loughlin M， Fitzgerald M， O'Donnell J， O'Connor L， et al.爱尔兰COVID-19患者住院、ICU入院和死亡率的基础条件和风险：一项国家监测研究。柳叶刀注册治疗—欧洲 2021;5：100097。密码：33880459
查看文章PubMed/NCBI谷歌学术搜索
87.昱昌.2005-2018年中国各省糖尿病患病率和残疾预期寿命损失研究。山东大学论文.2021.
88.钱科;于传华;刘晓雪;文浩宇.基于GBD数据的中国慢性肾脏病（CKD）负担现状及趋势.公共治疗医学杂志 2021;6： 1–5.
查看文章谷歌学术搜索
89.德诺瓦-古铁雷斯 E， 洛佩兹-加特尔 H， 阿洛米亚-泽加拉 JL， 洛佩斯-里达乌拉 R， 萨拉戈萨-希门尼斯 CA， 戴尔-莱亚尔 DD， 等.肥胖，2型糖尿病和高血压与2019年墨西哥患者入院严重冠状病毒病的关联。肥胖。2020;28: 1826–1832.密码：32610364
查看文章PubMed/NCBI谷歌学术搜索
90.张玲， 王志， 王旭， 陈孝， 邵玲， 田毅， 等.中国超重和肥胖患病率：441-2012年对2015.2020万名成年人进行横断面研究的结果。Obes res clin practicect.14;119: 126–32139330.密码：<>
查看文章PubMed/NCBI谷歌学术搜索
91.潘晓峰， 王林， 潘A.中国肥胖的流行病学和决定因素。柳叶刀糖尿病内分泌。2021;9: 373–392.密码：34022156
查看文章PubMed/NCBI谷歌学术搜索
92.Robilotti E V.， Babady NE， Mead PA， Rolling T， Perez-Johnston R， Bernardes M， et al.癌症患者COVID-19疾病严重程度的决定因素。国家医学 2020;26： 1218–1223.密码：32581323
查看文章PubMed/NCBI谷歌学术搜索
93.尹萍， 吴军， 王玲， 罗春， 欧阳林， 唐鑫， 等.中国及其省份的慢性阻塞性肺病负担：2019年全球疾病负担研究的结果。前面的公众治愈。2022;10: 859499.密码：35757649
查看文章PubMed/NCBI谷歌学术搜索
94.林杰， 王文， 陈萍， 周旭， 万华， 尹科， 等.中国大陆哮喘的患病率和危险因素：CARE研究。呼吸医学 2018;137： 48–54.密码：29605212
查看文章PubMed/NCBI谷歌学术搜索
95.黄珂， 杨婷， 徐军， 杨林， 赵军， 张鑫， 等.中国哮喘的患病率、危险因素和管理：一项全国性横断面研究。柳叶 刀。2019;394: 407–418.密码：31230828
查看文章PubMed/NCBI谷歌学术搜索
96.李旭， 宋平， 朱茹， 雷海， 陈凯， 坎贝尔， 等.中国儿童哮喘的疾病负担：系统评价和荟萃分析。J 全球健康。2020;10: 010801.密码：32257166
查看文章PubMed/NCBI谷歌学术搜索
97.李敏， 王志庆， 张林， 郑华， 刘德伟， 周明. 1990-2016年中国特定病因引起的肝硬化和其他慢性肝病负担：2016年全球疾病负担研究结果。生物医学环境科学 2020;33： 1–10.密码：32029053
查看文章PubMed/NCBI谷歌学术搜索
98.张林， 范采飞， 刘德伟， 周明， 王忠庆， 李敏. 1990—2016年中国乙肝引起的肝硬化等慢性肝病相关疾病负担趋势分析.中华刘兴冰薛扎志.2020;41: 173–177.pmid：32164125
查看文章PubMed/NCBI谷歌学术搜索
99.郑萌， 张淑， 曾华， 王淑， 孙珂， 陈蓉， 等.2016年中国癌症发病率和死亡率。国家癌症杂志 2022;2： 1–9.
查看文章谷歌学术搜索