導語
2020年3月11日，世界衛生組織宣佈新冠肺炎（COVID-19）已構成全球性流行病，世界各國紛紛向中國學習，尋求中國方案。
中國之所以能取得這次疫情防控的階段性勝利，離不開社區防控與出行限制政策的有效實施與人們的積極配合。然而，世界上還有另外一種聲音，人們追求自由，認為強制的社區隔離與出行限制有悖人權。如何讓人們認識到隔離與限制措施的重要性？如何讓政府穩健有效把控隔離與限制的力度？又如何讓世界範圍內的疫情得到有效控制？
2016年5月在PLOS Currents Outbreaks發表的一篇論文，通過建立科學的傳染病傳播機制模型，高度擬合了2014年利比里亞的埃博拉疫情數據，並證明了社區防控及出行限制政策在不同依從性水平下的實施效果。本文將主要以這篇文章為背景，向大家展示社區防控及出行限制政策在疫情防控工作中發揮的重要作用。
論文題目： Beyond Contact Tracing: Community-Based Early Detection for Ebola Response
NECSI主頁報道：https://necsi.edu/beyond-contact-tracing
論文地址：http://currents.plos.org/outbreaks/article/beyond-contact-tracing-community-based-early-detection-for-ebola-response/
社區防控政策的實證研究
社區防控（Community-Based Monitoring）：是指政府以社區為基本單位，對社區居民的健康狀況進行排查、統計與監測，對社區居民的行為進行建議、指導與約束的公共政策。例如：在居民進出社區時測量體溫、對居民近期出行情況進行登記、限制非本社區居民的進入社區、限制居民出入社區的時間、嚴格檢查居民佩戴口罩等醫療防護用品的情況等。
然而，由於居民行為和認知上的差異或出於個人目的，對於社區防控要求，居民並不一定會嚴格執行，這給疫情防控任務增加了難度。研究者假設，所有居民都會以一定概率遵守政策規定，並認為居民一旦選擇遵守政策就會一直遵守，不會隨時間變化而不再遵守。特別是對於被感染的個體，如果選擇遵守政策，那麼在其表現症狀的第一天就會被隔離治療，不會傳染其他人；如果選擇不遵守政策，那麼他會在傳染期的每一天以一定概率傳染他人。
只要有40%左右的人願意配合，社區防控政策就是有效的
圖1：社區防控政策的實施效果對比
如圖1所示，A、B分別展示了在2014年利比里亞的埃博拉疫情中，現存確診病例數和累計確診病例數隨時間的變化關係，其中政府從圖中虛線處（疫情爆發後的第70天）實施社區防控政策，不同顏色的曲線表示人們對於社區防控政策的遵守程度。（例如，0.4表示人們有40%的概率遵守社區防控政策，對於群體來說，即為有40%的人會依照政府要求行事）
從圖中可以看出，在實施社區防控政策後，只要有40%的人都能遵守政策，疫情就可以得到有效控制；當有60%的人都能遵守政策時，疫情可以在一個月左右的時間內基本結束。
社區人口的密集程度不會從根本上影響政策實施效果
圖2：不同社區網絡結構對社區防控政策實施效果的影響
如圖2所示，A、B、C分別展示了在不同網絡結構下，現存確診病例數隨時間的變化關係，其中政府從圖中虛線處（疫情出現後的第70天）實施政策，不同顏色的曲線表示人們對於政策的遵守程度。
在圖A的網絡結構中，對於每個人來說，距離最近的4個人作為鄰居，即形成最近鄰耦合網絡；在圖B的網絡結構中，對於每個人來說，距離最近的8個人作為鄰居；在圖C的網絡結構中，對於每個人來說，除了與距離最近的4個人作為鄰居外，還會隨機與其他個體形成鄰居，即形成小世界網絡。
從圖中可以看出，當有60%的人都能遵守政策時，在不同網絡結構的社區中實施社區防控都是有效的，並且與圖1所示的曲線相似，結論具有很高的魯棒性。
出行限制政策的模型研究
不管是對於真實數據，還是模擬網絡，社區防控政策都需要群體中有一定比例（40%）的人能夠遵守政策，然而在真實的疫情防控中，可能難以達到要求。當大多數人都沒意識到疫情的重要性，不能嚴格遵守政府政策時，僅依靠社區防控政策是不足以防控疫情的，特別是疫情在社區間的快速蔓延可能導致醫療資源的短缺以及資源配置問題。那麼這時候政府應該何去何從呢？作者給出了他的答案——出行限制政策。
出行限制（ Travel Restrictions）是指政府對區域內人員的社區出行實施強制性管控，以防止疫情跨社區蔓延。由於出行限制政策的實施依託於個體的空間分佈，為了方便說明，研究者首先要對個人的空間分佈進行適當的簡化。
個體空間分佈與疾病傳播機制
圖3：空間模型下的疫情傳播機制
如圖3所示，黑色方框表示空間結構人群中的個體，藍色方框表示社區。因此，疾病在實際傳播過程中，存在以下四種可能的傳播形式：
- 同社區鄰居傳染
- 跨社區鄰居傳染
- 社區內的陌生人傳染
- 跨社區的陌生人傳染
在空間模型中，可以歸納為兩種疾病傳播機制：
- 局部傳播機制：每個傳染個體每天與格子上所有四個鄰居進行一次交互，在交互過程中，每個傳染個體會以一定概率傳染易感鄰居。
- 遠程傳播機制：每個易感個體每天都會隨機選擇網格中的任何一個個體，與之密切接觸，如果隨機選擇到的個體為傳染狀態，那麼易感個體以一個較小的概率被傳染。
強制性出行限制一個月，效果立竿見影！
在前文的空間模型下，研究者可以將社區依據疫情的嚴重程度做一個類型劃分。
圖4：用顏色表示社區的疫情嚴重程度
上圖用方格的方式，表示了一大片區域。其中紅色方格表示出現傳染狀態個體的社區（高危社區），綠色方格表示紅色方格的相鄰社區（較危險社區），藍色方格表示其他社區（相對安全的社區）。社區危險程度類型會隨時間實時更新。
研究者假設，出行限制政策，確保了當社區防控政策實施時，原本就相對安全的社區居民更難被傳染，因此，藍色方格的數目只增不減。對於高危社區和危險社區來說，政府會集中醫療力量，治癒確診病例，排查疑似病例，因此，紅色和綠色方格會隨時間向藍色方格轉變，逐漸變為安全社區。
於是，研究者進行了計算機模擬實驗，假設區域內有90000（300× 300）個體，每個社區100（10 × 10）個體，共計900個社區，群體中有70%的人會遵守政策，社區防控政策和出行限制政策從第50天開始實施。
圖5：實施社區防控政策及出行限制政策下的仿真模擬效果
計算機模擬的結果如上圖所示，六張圖分別模擬了在第60、70、80、90、100、110天的疫情防控效果。
從圖中可以看出，在社區防控背景下，出行限制政策可以在30天內，顯著減少高危社區及危險社區數量，從而有效防控疫情。
社區防控+出行限制政策的聯合效果
如果人們不配合社區防控，有必要強制限制其出行
圖6：社區防控及出行限制政策效果
如圖6所示，A、B分別展示了疫情持續時間和累計確診病例數與人們對於政策的遵守程度的關係。其中，紅線代表僅實施社區防控政策的狀態，藍線代表實施社區防控與出行限制政策的狀態，政策都是從疫情出現後的第70天開始實施的。
從兩幅圖中我們不難看出，當有60%以上的人都能遵守政策時，出行限制的政策作用並不明顯；當有遵守政策的人數不足40%時，無論是對於縮短疫情持續時間，還是減少整個疫情期間的累計確診病例數，出現限制政策都具有至關重要的作用。
關鍵性決策：學校停課與聚集性活動取消
即使病毒傳播性很弱，在大型聚集活動中，疫情爆發的潛在風險也非常高
前文所述的研究是基於社區個體數相同、個體在社區內均勻分佈的空間模型展開的，而在病毒的實際傳播中，被感染個體的分佈是明顯非均勻的，類似“鑽石公主號”遊輪上的疫情聚集性爆發的現象時有發生。
最近在arXiv上刊登的一篇文章基於個體間的接觸結構建立疾病傳播模型，重點研究了在不同規模的聚集性活動中，疫情爆發的潛在風險。
論文題目：School closures, event cancellations, and the mesoscopic localization of epidemics in networks with higher-order structure
論文地址：https://arxiv.org/abs/2003.05924
圖7：不同大小集團中疾病流行程度比較
如圖7所示，展示了在人數為n的聚集性活動形成的小集團內部，集團內疾病流行程度（縱座標）與病毒傳播能力（橫座標）的關係。其中虛線表示在所有疫情爆發地區的平均疾病流行程度。
從圖中可以看出，即使病毒的傳播能力非常有限，但在大型聚集性活動中疾病一旦開始傳播，就會迅速蔓延，至少會導致集團內部半數的人被感染，並且疾病流行程度會隨著聚集性活動規模的增加而超線性增長。文章進一步論證了取消大型聚集性活動對於疫情防控工作的重要意義。
總結
本文圍繞疫情防控工作中的防控政策與防控措施展開，文章通過建立一個符合真實數據同時可以量化社區防控與出行限制政策的空間模型，發現僅需要群體中有40%- 60%遵守政策，社區防控政策對於疫情防治就會產生明顯的效果。同時，出行限制政策可以有效降低群體中因遵守政策的人員比例不足造成的疾病傳播風險。
兩個政策相互配合可以快速高效的展開疫情防治工作，避免疾病擴散與醫療資源浪費。此外，另一篇文章，基於個體間的接觸結構建立了疾病傳播模型，強調了取消大型聚集性活動對於疫情防控的重要意義。
審校：曾祥軒
閱讀更多 集智俱樂部 的文章
