福建省新冠奥密克戎BA.2和BA.5.2亚型毒株引发的本土疫情传播动力学分析及防控效果评估

叶雯婧,吴生根,詹美蓉,黄峥强,蔡少健,陈 武,欧剑鸣,黄杰锋,陈田木,邓艳琴,郑奎城

新型冠状病毒感染已引发全球6波感染高峰,历经原始株、Alpha变异毒株,Delta变异毒株和Omicron变异毒株为主导的流行[1]。世界卫生组织于2021年11月24日首次报告在南非发现Omicron变异毒株(B.1.1.529)感染者[2],此后,因其较强的传播和免疫逃逸能力以及传播的隐匿性,Omicron变异毒株迅速席卷全球,优势流行亚分支毒株不断变迁,当前Omicron变异毒株(XBB亚分支)为全球流行的优势毒株[3]。2021年12月17日,福建省首次报告输入性Omicron变异毒株感染者,而后进入应对Omicron变异毒株时期,在“动态清零”阶段,其亚型BA.2和BA.5.2先后触发福建省2起由输入导致本土的较大规模疫情,伴随对疾病和病原特征的不断认知,防控新冠感染的措施不断变革和优化,因此针对2起本土疫情处置的指导思想和措施存在迭代差异。为总结防控经验以应对未来新发或再发呼吸道传染性疾病,本文拟基于传染病动力学理论,采用数学模型量化评估新冠感染应对措施优化的科学性。

1 材料与方法

1.1 数据收集 本研究收集福建省2022年2起Omicron毒株导致的大规模新冠聚集性疫情的现场数据,其中一起流行毒株为BA.2亚型,另一起流行毒株为BA.5.2亚型;收集的现场数据包括:发病日期、病例类型(确诊病例、无症状感染者)、潜伏期、代间和传播关系等,常住人口数据来源于福建省基本信息系统。

1.2 新冠病毒感染人群传播模型 根据新冠病毒感染的传播模式,本研究采用SEIAR模型进行拟合[4],模型构架详见图1。将人群分为易感者(S)、潜伏期者(E)、显性感染者(I)、隐性感染者(A)、移出者(R)5类,基于以下假设:1)设S与I有效接触后的传染率系数为β,无症状感染者A具有传染性,传播能力是确诊病例I的κ倍(0≤κ≤1),则t时刻,新感染人数为βS(I+κA)。2)设无症状感染者比例为p,潜伏期和潜隐期分别为1/ω和1/ω′,则t时刻,由E变为A和I的人数分别为pω′E和(1-p)ωE。3)设确诊病例I传染期为1/γ,则t时刻,由I变为R的人数为γI;病死率为f,则t时刻,死亡的病例数为fI。4)设无症状感染者A的传染期为1/γ′,则t时刻,由A变为R的人数为γ′A。

图1 新冠病毒感染SEIAR模型架构)

模型方程数学表达式如下:

1.3 参数估计传染率 系数β通过实际数据进行拟合获得,根据BA.2和BA.5.2疫情的时间分布特征,分别以发病日期3月18日、3月23日和10月29日、11月3日为节点分3个时段,经模型拟合计算每起疫情3个时间段的β,既β、β′、β″。据个案调查,BA.2和BA.5.2疫情潜伏期中位数分别为3 d(1～9 d)、2 d(1～6 d),假设潜伏期和潜隐期相同,则ω=ω′;无症状感染者的比例分别为0.65(95%CI:0.53～0.71)和0.78(95%CI:0.74～0.82);均无报告死亡病例,故病死率均为0。参照现有的研究结果,Omicron变异毒株无症状感染者的传播能力是确诊病例的一半,则κ=0.5[5],在无管控的情况下传染期为7 d[6]。

表1 新冠病毒感染SEIAR模型各参数定义及取值

1.4 传播能力评估指标 传染病的传播能力通常采用再生数来评估,其中基本再生数(basic reproduction number,R0)[7]指在易感人群中,一个指示病例在一个传染期内传播的平均人数;有效再生数(effective reproduction,Reff)[7]指存在一定程度的感染后免疫或有防控措施干预的人群中,一个指示病例的平均传播人数。Reff也称为随时间变化的有效再生数(Rt)[7],也称实时再生数,通常指在疾病流行过程中的t时刻(一般按1 d来计算),由一代病例传播的二代病例的平均传染数。当Reff或Rt的值≥1且越大,代表传染病的传播扩散能力越强,疾病防控需求大,防控效果不明显,当Reff或Rt<1时,代表传播得以阻断。

1.5 模型模拟及统计方法 模型模拟采用软件Berkeley Madonna8.3.18,微分方程求解采用四阶龙格库塔法,输出结果的判定依据采用最小均方根(least root mean square,LRMS),最优结果的拟合优度检验采用卡方检验。使用CT Modelling平台模块中的再生数计算器,利用症状代际(Serial Interval)和发病日期数据,以马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)计算实时再生数Rt。

2 结 果

2.1 2起疫情的流行特征 BA.2疫情共报告新冠肺炎感染者3 170例,其中确诊病例1 110例,无症状感染者2 060例,无症状感染者比例为64.98%(95%CI:52.98%～70.57%),首例发病日期为2022年3月10日,末例病例发病日期为4月14日,高峰日期为3月18日,峰值为275例,潜伏期为3 d(1～9 d),代间距为3 d(1～5 d),起始Rt为3.0(95%CI:2.7～3.3)。BA.5.2疫情共报告新冠肺炎感染者1 540例,其中确诊病例334例,无症状感染者1 206例,无症状感染者比例为78.31%(95%CI:74.12%～81.92%),首例发病日期为2022年10月22日,末例病例发病日期为11月22日,高峰日期为10月29日,峰值为188例,潜伏期为2 d(1～6 d),代间距为1 d(0～2 d),起始Rt为1.9(95%CI:1.7～2.1)。

表2 BA.2和BA.5.2本土疫情流行病学特征

图2 BA.2和BA.5疫情的SEIAR模型预测场景)

2.3 实时再生数Rt分析 分析显示,BA.2疫情Rt呈现总体下降趋势,3月13日Rt=3.0(95CI%为:2.7～3.2),于3月21日首次降至1.0以下,而后在1.0附近波动徘徊,最终于3月28日(实施静态管理后的第3 d)降至1.0以下。BA.5.2疫情Rt呈现连续下降趋势,10月24日Rt=1.9(95CI%为:1.7～2.1),于10月30日平稳降至1.0以下。

2.4 防控效果评估 构建SEIAR模型拟合发现,如未启动应急响应,BA.2疫情将持续扩散,4月7日达到高峰,估计峰值638 035例,整个疫情持续71 d;而BA.5.2疫情将快速蔓延,11月14日达到高峰,估计峰值685 940例,整个疫情持续42 d。

“四早”防控效果通过调整传染源的传染期1/γ来模拟,既当“四早”措施落实到位意味着传染源在社会面的传染期缩短。本研究分别在BA.2疫情和BA.5.2疫情的第一阶段(疫情快速上升期)将传染源的社会面传染期缩短1、2个和延长1个潜伏期来模拟“四早”的防控效果。结果表明,BA.2疫情如提早发现1个潜伏期,则规模将下降25.73%,与BA.5.2疫情同期规模相仿,Reff为5.7;提早2个潜伏期,将下降79.56%,Reff为1.4;推迟1个潜伏期,则扩大13.72%,Reff为14.3。BA.5.2疫情如提早发现1个潜伏期,则规模将下降35.04%,Reff为5.4;提早2个潜伏期,将下降92.47%,Reff为1.2;推迟1个潜伏期,则扩大19.75%,Reff为11.9。见图3。

图3 BA.2和BA.5疫情的SEIAR模型预测“早发现”场景)

3 讨 论

3.1 BA.2和BA.5.2流行特征 BA.2和BA.5.2变异毒株均造成国内外疫情的迅速传播,BA.2基因型自发现后,在2022年1月迅速取代BA.1成为优势毒株[8],我国于2022年2月17日首次在广州发现BA.2毒株感染者[9]。2022年3月15日,全球病毒基因共享数据库(GISAID)首次收到由南非上传的BA.5基因序列[10],4月27日我国上海报告首例输入性BA.5变异毒株的病例,7月2日陕西西安报告我国首起BA.5本土疫情[11]。在英国进行的一项研究中,Omicron变异毒株的家庭续发率比Delta变异毒株高出34.6%[12],免疫逃逸方面与Delta毒株相比,Omicron毒株再感染的风险高5.4倍[13];疾病严重程度上,较Delta毒株急诊治疗或住院的风险降低了47%(风险比为0.53, 95%CI: 0.50～0.57)[14]。与BA.2相比,BA.5的传染性高出10%～30%[15],再感染者、免疫逃逸风险也高出50%[16];但致病力并未发生明显改变[17]。本研究显示BA.5.2的潜伏期和代间距均比BA.2短,无症状感染者的比例较高。

3.2 BA.2和BA.5.2本土疫情的防控优化 2022年3月BA.2本土新冠疫情是我省应对Omicron毒株的首战。本轮疫情通过“重点人群筛查”发现,但因Omicron毒株的潜伏期短于核定筛查周期(依据前毒株的潜伏期制定),传播隐匿,发生在繁荣街区和人群聚集场所,故发现时已隐匿传播2-3代,成为防控新冠以来我省规模最大的输入致本土疫情。疫情发生后整合应急防控资源,强调核酸检测与流调溯源的融合,紧密“三公一大”协同,闭环信息流转链条和动态风险研判,此外,本次防控结合地理信息等大数据手段以“社区、村(居)”作为判定单元,相较国内其他省市以“街道、乡(镇)”为最小单位的方式,极大增加了防控的精准度。在本轮BA.2疫情后,福建省不仅优化常态化防控措施,加强“四早”措施和夯实“外防输入”的防线,总结处置经验形成规范,能在疫情早期、未形成规模化前得以成功遏制,有效应对2022年4-8月多起BA.2本土疫情。

2022年10月,我省暴发BA.5.2毒株引发的输入致本土疫情,虽其传播力强于BA.2,但初始Reff低于BA.2疫情,提示本轮疫情发现时的代际早于BA.2疫情。在疫情处置上,更充分认识到“四早”的关键作用。首先,本疫情虽经“主动就诊”发现,但发现后不到6 h就对风险人员发出预警;其次,在社会面传播未阻断之前高频开展核酸筛查,“混管追阳”和同混管人员平行管控,为阻断社区进一步传播争取处置时间;再次,集中小单元管控,没有大面积的区域静态管理,降低群众生活的影响度;最后,“三公一大”机制进一步优化,在挖掘“应检未检”人员,风险人员的赋码和排查以及涉疫场所潜在密接人员的迅速追踪等方面体现“四早”;同时,防疫物资准备充足也为“清零”打下基础[18]。尽管BA.5.2毒株传播快、隐匿和免疫逃逸能力强,但Rt在一个最长潜伏期降到1以下,在非静态管理措施下将疫情规模控制在BA.2疫情之下。

3.3 数理模型在分析评价防控措施的优势 评估防控措施效果是总结暴发疫情的防控经验及提高处置能力的关键环节。再生数是用来量化传染病传播能力的一个重要指标,也应用于防控措施效果评价。

目前计算再生数的方法有接触者追踪法、指数增长率估算法和传染病传播动力模型计算法[19],其中接触者追踪法[20]因在实际工作中难以完全还原传播过程,故较少应用;指数增长率估算法[19]在指数增长阶段的时间跨度界定上有困难,故本文利用传染病传播动力模型来计算再生数:首先[21],传染病传播动力学模型能根据疾病的发生发展规律建立利用“仓室”来模拟传染病传播过程的数学模型,与传统相比,能够利用疾病的传播机理来掌握流行过程;其次,该方法可根据传播特征和人群特点进行衍生和修正,可适应多种传播范式的传染病趋势预测和再生数的计算;最后[22],在方法实现上,收集逐日发病人数简单易行,目前建模软件R、MATLAB和Berkeley Madonna软件等均可实现。

利益冲突：无