eSIR模型评估精神障碍人群COVID-19感染风险的可行性

2023-03-25向定涛熊传真

西南医科大学学报 2023年1期

张阳，向定涛，熊传真，张玲

武汉科技大学公共卫生学院职业危害识别与控制湖北省重点实验室（武汉 430065）

2019 年12 月，新型冠状病毒肺炎（coronavirus disease 2019，COVID-19）在全球范围内迅速传播[1]，随着全球化进程加速，国际交往的日趋频繁，病毒的不断变异[2-4]，COVID-19已经引起了全球性的大流行[5]。精神障碍指的是大脑机能活动发生紊乱，导致认知、情感、行为和意志等精神活动不同程度障碍的总称[6]。精神障碍病人由于存在认知障碍，行为管理、自诉、防病治病能力等较差，使得他们更容易成为传染性疾病的传染源、传染途径和易感人群[7]。控制传染病传播的相关措施（如社会疏远、大规模的检疫限制和公共交通关闭等）使得精神障碍人群原有的精神疾病症状进一步加重，自杀自残的发生率增加[8-9]。同时，精神卫生医疗机构特定的制度结构导致其难以应对COVID-19 的大流行[10-11]。自COVID-19流行以来，已经发生了多起精神障碍人群感染事件[12-15]。精神障碍人群的COVID-19 传播风险逐渐引起了管理部门以及研究者们的注意。在新冠疫情背景下，已有多种病毒传播模型应用于普通大众的COVID-19 感染风险评估，本研究拟在这些模型的基础上，选择一种适合的模型对精神障碍人群的COVID-19感染风险进行评估。

1 资料与方法

1.1 数据来源

以“COVID-19”、“Mental disorders”、“Epidemiology”为搜索词，在PubMed 数据库系统的检索了250 篇文献。

纳入标准：自2019 年新型冠状病毒肺炎流行以来，精神卫生机构内确定COVID-19 疫情爆发后，在整个爆发期间内，从第一例确诊病例被发现开始记录的确诊精神障碍患者及医护人员，并能够追溯到相对完整的爆发时间线。

根据纳入标准，最终选择两所精神卫生机构的数据进行分析例证。

①2020 年2 月15 日至2020 年3 月8 日，韩国庆尚北道的清道大南医院精神病封闭病房报告一起新冠疫情爆发事件，发病率极高，住院患者确诊102例[16]，加上被感染的医护人员，共确诊112例[17]。

②2020年3月13日至2020年3月31日，荷兰奈梅亨Canisius-Wilhelmina 医院（CWZ）的精神病科报告，入院的精神病患者和医务人员的新型冠状病毒（SARS-CoV-2）感染率突然增加[18]。疫情爆发期间，确诊15例。

1.2 eSIR病毒传播模型

现今用于COVID-19感染风险评估的模型有SIR、eSIR、SEIR模型等，这些模型多是SIR模型的基础上进行建模的，SIR模型是用微分动力学的方法创建的经典传染病模型，将个体分为三类：易感个体（susceptible，记为S）、已感染个体（infected，记为I）和恢复个体（recovered，记为R）[19]。在经典的传染病动力学模型中，不同染病个体的感染概率相同，病毒传播的速率π（t）和个体染病后的恢复概率相同。经典的SIR模型可以拟合出感染率的流行病学曲线，计算出基本再生数，进而推断新冠疫情的高峰时间和终止时间[20]。eSIR模型即是对经典SIR 模型的一种扩展，加入易感人群遇到感染者或感染者遇到易感人群的时变概率，允许个体感染病毒的概率发生变化。在新冠疫情蔓延期间，病毒传播的速率π（t）往往不是恒定不变的，经典SIR 模型并不适用于实际情况。为对精神障碍患者COVID-19的感染风险进行评估，刻画感染率的动态变化，推测符合实际发展的COVID-19感染人数，使用eSIR模型：即在经典SIR 模型中引入时变因子来得到的扩展SIR（extended SIR，记为eSIR）模型[21-22]。

图1 eSIR病毒传播模型Figure 1 Transmission model of eSIR virus

1.3 观察指标

采用eSIR 模型进行感染风险评估后，观察精神障碍人群感染COVID-19 的每日累计感染人数及感染率。

1.4 统计学分析

应用R 软件（4.0.5 版本）对数据进行分析，通过eSIR 模型对精神障碍人群的COVID-19感染风险进行评估，得到每日感染率的动态变化。

2 结果

2.1 韩国清道大南医院精神病封闭病房COVID-19疫情发展趋势预测

eSIR模型对韩国清道大南医院精神病房2020年2月15 日至2020 年3 月8 日的COVID-19 感染情况预测如表1所示，自出现首例新冠肺炎感染个体后，新冠病毒迅速传播，感染个体不断增多，直至2020 年2 月25日附近达到峰值，累计感染个体约为108人。

表1 韩国清道大南医院精神病封闭病房患者的COVID-19每日感染情况预测结果Table 1 Prediction of daily COVID-19 infection among patients in the closed psychiatric ward of Daenam Hospital in Cheongdo，South Korea

COVID-19 在韩国清道大南医院精神病封闭病房爆发时，每日感染率的动态变化见图2，黑点表示实际观察到的已感染和已移除（恢复和死亡个体）的比例，落在eSIR 模型模拟得出的感染率拟合曲线上，eSIR 模型对COVID-19 感染人数的预测情况与实际情况见图3。以上均可表明eSIR 模型预测的新冠疫情发展趋势与实际情况基本吻合。

图2 COVID-19在韩国清道大南医院精神病封闭病房爆发时，每日感染率的动态变化Figure 2 Dynamics of daily infection rates during the COVID-19 outbreak in the closed psychiatric ward of Daenam Hospital in Cheongdo，South Korea

图3 韩国清道大南医院精神病房2020年2月15日至2020年3月8日eSIR模型预测与实际COVID-19感染情况Figure 3 Prediction by eSIR model and actual COVID-19 infection in the psychiatric ward of Daenam Hospital，Cheongdo，South Korea，from 15th February 2020 to 8th March 2020

2.2 荷兰奈梅亨CWZ 精神科COVID-19 疫情发展趋势预测

eSIR 模型对荷兰奈梅亨CWZ 精神科2020 年3 月13日至2020年3月31日的COVID-19感染情况预测如表2所示，自出现首例新冠肺炎感染个体后，新冠病毒迅速传播，感染个体不断增多，直至2020 年3 月28 日附近达到峰值，累计感染个体约为11人。

表2 荷兰奈梅亨CWZ精神科患者的COVID-19每日感染情况预测结果Table 2 Prediction of daily COVID-19 infection in CWZ psychiatric patients in Nijmegen，the Netherlands

COVID-19 在荷兰奈梅亨CWZ 精神科内爆发时，每日感染率的动态变化见图4，黑点表示实际观察到的已感染和已移除（恢复和死亡个体）的比例，落在eSIR模型模拟得出的感染率拟合曲线上，eSIR 模型对COVID-19 感染人数的预测情况与实际情况见图5。以上均可表明eSIR模型预测的新冠疫情发展趋势与实际情况基本吻合。

图4 COVID-19在荷兰奈梅亨CWZ精神科内爆发时，每日感染率的动态变化Figure 4 Dynamics of daily infection rates during the COVID-19 outbreak in CWZ Psychiatric unit，Nijmegen，the Netherlands

图5 荷兰CWZ精神科2020年3月13日至2020年3月31日eSIR模型预测与实际COVID-19感染情况Figure 5 Prediction by eSIR model versus actual COVID-19 infection in CWZ Psychiatric units in the Netherlands from 13th March 2020 to 31th March 2020

2.3 eSIR 对精神障碍人群的COVID-19 感染风险评估效果评价

分别对来自两所医院的eSIR模型预测的感染人数和实际感染人数进行了夏皮洛-威尔克（Shapiro-wilk，SW）正态性检验，结果如表3 所示，P＜0.05，均不符合正态分布。

表3 正态性检验结果汇总Table 3 Summary of normality test results

eSIR 模型是对相关医院于COVID-19 疫情爆发期间的每日累积感染人数进行预测，与该院的实际每日累积感染人数相比，属于配对资料，因资料不符合正态性分布，因此进行配对样本秩和检验，结果如表4所示。

表4 eSIR模型预测结果与实际结果差异性分析Table 4 Difference analysis between actual results and prediction results by eSIR model

eSIR 模型预测的COVID-19 感染人数与实际感染人数之间的差异，在韩国清道大南医院精神病房和荷兰奈梅亨CWZ 精神科两间机构内，都没有统计学差异，即eSIR模型预测的感染人数与实际情况基本一致。可见，该模型能有效的对精神障碍人群的COVID-19感染情况进行预测。

3 讨论

2019 年，COVID-19 疫情爆发，并迅速扩散至全世界，蔓延至今。COVID-19极大程度上影响了普通人群的生活，对于精神障碍人群更甚。目前对于新冠疫情的风险评估已经有了详尽的研究，对各个地区发生的COVID-19疫情也开展了风险监测，采用数据化管理对抗新冠疫情已取得了长足的效果。然而对于精神障碍患者这类弱势群体仍缺乏相应的关注，现阶段应用于COVID-19感染风险评估的模型包括SIR[23]、eSIR、EASIR[21]、SEIR[24]模型等，这些模型都针对于普通人群进行COVID-19 感染风险评估，尚无将其应用于精神障碍人群的研究。精神障碍人群在社会中流动性大，自控能力弱，可控性低，稍不重视便可造成严重的新冠疫情爆发后果。因此，寻找一种适用于精神障碍人群COVID-19感染风险评估的模型，对加强新冠疫情期间精神障碍患者的管理，进一步完善精神卫生系统管理体系至关重要。

在众多模型中，SIR模型是最为经典的传染病动力学模型，能够直观的展现出病毒在不受人为控制时的发展趋势，其他模型多是在其基础上建模的，进一步引入参数进行感染风险评估。精神障碍病人往往患有多种基础疾病[25]，在未确定新发传染病具体的生理、病理、病毒传播学等知识时，从传染源、传播途径、易感人群入手进行防疫，隔离措施往往是最先被考虑到的防疫手段[26]。考虑到精神障碍人群的特殊性，本研究选择了eSIR 模型对该群体进行新冠肺炎的感染风险评估。eSIR 模型在模拟病毒传播感染情况的同时，增加时变因子，隔离参数[20]，能够详细考虑到精神障碍人群在实际COVID-19 流行期间接受的防控措施，反映真实的感染趋势。本研究的数据来源于PubMed 数据库可查询到的公开发表数据，模拟的每日累计感染人数与实际情况略有差异，但趋势上一致，并经统计学分析发现，其差异无统计学意义，因此可以认为eSIR模型的预测结果与实际疫情进展相符，研究具有可信性。

本研究存在的局限性:①参考数据不够全面，且缺乏国内案例，公开发表并且详细的关于精神卫生机构的COVID-19 感染数据在全球范围内极少，在国内更加缺乏；②eSIR 模型在SIR 模型的基础上纳入隔离参数，对除隔离措施外的其他防疫手段[27]（如疫苗等），缺乏准确衡量的能力，与实际发展情况仍有一定偏差；③相关研究表明，新型冠状病毒变异能力强，速度快，不同的变异株对新冠疫情的传播速率有不同程度的影响[2-4]，本研究中未将该因素纳入风险评估模型，在今后的研究中可以增加对这类因素的考虑，进一步完善精神障碍人群的COVID-19感染风险评估体系。