福建省新冠奧密克戎BA.2和BA.5.2亞型毒株引發的本土疫情傳播動力學分析及防控效果評估

葉雯婧,吳生根,詹美蓉,黃崢強,蔡少健,陳 武,歐劍鳴,黃杰鋒,陳田木,鄧艷琴,鄭奎城

新型冠狀病毒感染已引發全球6波感染高峰,歷經原始株、Alpha變異毒株,Delta變異毒株和Omicron變異毒株為主導的流行[1]。世界衛生組織于2021年11月24日首次報告在南非發現Omicron變異毒株(B.1.1.529)感染者[2],此后,因其較強的傳播和免疫逃逸能力以及傳播的隱匿性,Omicron變異毒株迅速席卷全球,優勢流行亞分支毒株不斷變遷,當前Omicron變異毒株(XBB亞分支)為全球流行的優勢毒株[3]。2021年12月17日,福建省首次報告輸入性Omicron變異毒株感染者,而后進入應對Omicron變異毒株時期,在“動態清零”階段,其亞型BA.2和BA.5.2先后觸發福建省2起由輸入導致本土的較大規模疫情,伴隨對疾病和病原特征的不斷認知,防控新冠感染的措施不斷變革和優化,因此針對2起本土疫情處置的指導思想和措施存在迭代差異。為總結防控經驗以應對未來新發或再發呼吸道傳染性疾病,本文擬基于傳染病動力學理論,采用數學模型量化評估新冠感染應對措施優化的科學性。

1 材料與方法

1.1 數據收集 本研究收集福建省2022年2起Omicron毒株導致的大規模新冠聚集性疫情的現場數據,其中一起流行毒株為BA.2亞型,另一起流行毒株為BA.5.2亞型;收集的現場數據包括:發病日期、病例類型(確診病例、無癥狀感染者)、潛伏期、代間和傳播關系等,常住人口數據來源于福建省基本信息系統。

1.2 新冠病毒感染人群傳播模型 根據新冠病毒感染的傳播模式,本研究采用SEIAR模型進行擬合[4],模型構架詳見圖1。將人群分為易感者(S)、潛伏期者(E)、顯性感染者(I)、隱性感染者(A)、移出者(R)5類,基于以下假設:1)設S與I有效接觸后的傳染率系數為β,無癥狀感染者A具有傳染性,傳播能力是確診病例I的κ倍(0≤κ≤1),則t時刻,新感染人數為βS(I+κA)。2)設無癥狀感染者比例為p,潛伏期和潛隱期分別為1/ω和1/ω′,則t時刻,由E變為A和I的人數分別為pω′E和(1-p)ωE。3)設確診病例I傳染期為1/γ,則t時刻,由I變為R的人數為γI;病死率為f,則t時刻,死亡的病例數為fI。4)設無癥狀感染者A的傳染期為1/γ′,則t時刻,由A變為R的人數為γ′A。

圖1 新冠病毒感染SEIAR模型架構)

模型方程數學表達式如下:

1.3 參數估計傳染率 系數β通過實際數據進行擬合獲得,根據BA.2和BA.5.2疫情的時間分布特征,分別以發病日期3月18日、3月23日和10月29日、11月3日為節點分3個時段,經模型擬合計算每起疫情3個時間段的β,既β、β′、β″。據個案調查,BA.2和BA.5.2疫情潛伏期中位數分別為3 d(1～9 d)、2 d(1～6 d),假設潛伏期和潛隱期相同,則ω=ω′;無癥狀感染者的比例分別為0.65(95%CI:0.53～0.71)和0.78(95%CI:0.74～0.82);均無報告死亡病例,故病死率均為0。參照現有的研究結果,Omicron變異毒株無癥狀感染者的傳播能力是確診病例的一半,則κ=0.5[5],在無管控的情況下傳染期為7 d[6]。

表1 新冠病毒感染SEIAR模型各參數定義及取值

1.4 傳播能力評估指標 傳染病的傳播能力通常采用再生數來評估,其中基本再生數(basic reproduction number,R0)[7]指在易感人群中,一個指示病例在一個傳染期內傳播的平均人數;有效再生數(effective reproduction,Reff)[7]指存在一定程度的感染后免疫或有防控措施干預的人群中,一個指示病例的平均傳播人數。Reff也稱為隨時間變化的有效再生數(Rt)[7],也稱實時再生數,通常指在疾病流行過程中的t時刻(一般按1 d來計算),由一代病例傳播的二代病例的平均傳染數。當Reff或Rt的值≥1且越大,代表傳染病的傳播擴散能力越強,疾病防控需求大,防控效果不明顯,當Reff或Rt<1時,代表傳播得以阻斷。

1.5 模型模擬及統計方法 模型模擬采用軟件Berkeley Madonna8.3.18,微分方程求解采用四階龍格庫塔法,輸出結果的判定依據采用最小均方根(least root mean square,LRMS),最優結果的擬合優度檢驗采用卡方檢驗。使用CT Modelling平臺模塊中的再生數計算器,利用癥狀代際(Serial Interval)和發病日期數據,以馬爾科夫鏈蒙特卡洛(Markov Chain Monte Carlo,MCMC)計算實時再生數Rt。

2 結 果

2.1 2起疫情的流行特征 BA.2疫情共報告新冠肺炎感染者3 170例,其中確診病例1 110例,無癥狀感染者2 060例,無癥狀感染者比例為64.98%(95%CI:52.98%～70.57%),首例發病日期為2022年3月10日,末例病例發病日期為4月14日,高峰日期為3月18日,峰值為275例,潛伏期為3 d(1～9 d),代間距為3 d(1～5 d),起始Rt為3.0(95%CI:2.7～3.3)。BA.5.2疫情共報告新冠肺炎感染者1 540例,其中確診病例334例,無癥狀感染者1 206例,無癥狀感染者比例為78.31%(95%CI:74.12%～81.92%),首例發病日期為2022年10月22日,末例病例發病日期為11月22日,高峰日期為10月29日,峰值為188例,潛伏期為2 d(1～6 d),代間距為1 d(0～2 d),起始Rt為1.9(95%CI:1.7～2.1)。

表2 BA.2和BA.5.2本土疫情流行病學特征

圖2 BA.2和BA.5疫情的SEIAR模型預測場景)

2.3 實時再生數Rt分析 分析顯示,BA.2疫情Rt呈現總體下降趨勢,3月13日Rt=3.0(95CI%為:2.7～3.2),于3月21日首次降至1.0以下,而后在1.0附近波動徘徊,最終于3月28日(實施靜態管理后的第3 d)降至1.0以下。BA.5.2疫情Rt呈現連續下降趨勢,10月24日Rt=1.9(95CI%為:1.7～2.1),于10月30日平穩降至1.0以下。

2.4 防控效果評估 構建SEIAR模型擬合發現,如未啟動應急響應,BA.2疫情將持續擴散,4月7日達到高峰,估計峰值638 035例,整個疫情持續71 d;而BA.5.2疫情將快速蔓延,11月14日達到高峰,估計峰值685 940例,整個疫情持續42 d。

“四早”防控效果通過調整傳染源的傳染期1/γ來模擬,既當“四早”措施落實到位意味著傳染源在社會面的傳染期縮短。本研究分別在BA.2疫情和BA.5.2疫情的第一階段(疫情快速上升期)將傳染源的社會面傳染期縮短1、2個和延長1個潛伏期來模擬“四早”的防控效果。結果表明,BA.2疫情如提早發現1個潛伏期,則規模將下降25.73%,與BA.5.2疫情同期規模相仿,Reff為5.7;提早2個潛伏期,將下降79.56%,Reff為1.4;推遲1個潛伏期,則擴大13.72%,Reff為14.3。BA.5.2疫情如提早發現1個潛伏期,則規模將下降35.04%,Reff為5.4;提早2個潛伏期,將下降92.47%,Reff為1.2;推遲1個潛伏期,則擴大19.75%,Reff為11.9。見圖3。

圖3 BA.2和BA.5疫情的SEIAR模型預測“早發現”場景)

3 討 論

3.1 BA.2和BA.5.2流行特征 BA.2和BA.5.2變異毒株均造成國內外疫情的迅速傳播,BA.2基因型自發現后,在2022年1月迅速取代BA.1成為優勢毒株[8],我國于2022年2月17日首次在廣州發現BA.2毒株感染者[9]。2022年3月15日,全球病毒基因共享數據庫(GISAID)首次收到由南非上傳的BA.5基因序列[10],4月27日我國上海報告首例輸入性BA.5變異毒株的病例,7月2日陜西西安報告我國首起BA.5本土疫情[11]。在英國進行的一項研究中,Omicron變異毒株的家庭續發率比Delta變異毒株高出34.6%[12],免疫逃逸方面與Delta毒株相比,Omicron毒株再感染的風險高5.4倍[13];疾病嚴重程度上,較Delta毒株急診治療或住院的風險降低了47%(風險比為0.53, 95%CI: 0.50～0.57)[14]。與BA.2相比,BA.5的傳染性高出10%～30%[15],再感染者、免疫逃逸風險也高出50%[16];但致病力并未發生明顯改變[17]。本研究顯示BA.5.2的潛伏期和代間距均比BA.2短,無癥狀感染者的比例較高。

3.2 BA.2和BA.5.2本土疫情的防控優化 2022年3月BA.2本土新冠疫情是我省應對Omicron毒株的首戰。本輪疫情通過“重點人群篩查”發現,但因Omicron毒株的潛伏期短于核定篩查周期(依據前毒株的潛伏期制定),傳播隱匿,發生在繁榮街區和人群聚集場所,故發現時已隱匿傳播2-3代,成為防控新冠以來我省規模最大的輸入致本土疫情。疫情發生后整合應急防控資源,強調核酸檢測與流調溯源的融合,緊密“三公一大”協同,閉環信息流轉鏈條和動態風險研判,此外,本次防控結合地理信息等大數據手段以“社區、村(居)”作為判定單元,相較國內其他省市以“街道、鄉(鎮)”為最小單位的方式,極大增加了防控的精準度。在本輪BA.2疫情后,福建省不僅優化常態化防控措施,加強“四早”措施和夯實“外防輸入”的防線,總結處置經驗形成規范,能在疫情早期、未形成規模化前得以成功遏制,有效應對2022年4-8月多起BA.2本土疫情。

2022年10月,我省暴發BA.5.2毒株引發的輸入致本土疫情,雖其傳播力強于BA.2,但初始Reff低于BA.2疫情,提示本輪疫情發現時的代際早于BA.2疫情。在疫情處置上,更充分認識到“四早”的關鍵作用。首先,本疫情雖經“主動就診”發現,但發現后不到6 h就對風險人員發出預警;其次,在社會面傳播未阻斷之前高頻開展核酸篩查,“混管追陽”和同混管人員平行管控,為阻斷社區進一步傳播爭取處置時間;再次,集中小單元管控,沒有大面積的區域靜態管理,降低群眾生活的影響度;最后,“三公一大”機制進一步優化,在挖掘“應檢未檢”人員,風險人員的賦碼和排查以及涉疫場所潛在密接人員的迅速追蹤等方面體現“四早”;同時,防疫物資準備充足也為“清零”打下基礎[18]。盡管BA.5.2毒株傳播快、隱匿和免疫逃逸能力強,但Rt在一個最長潛伏期降到1以下,在非靜態管理措施下將疫情規模控制在BA.2疫情之下。

3.3 數理模型在分析評價防控措施的優勢 評估防控措施效果是總結暴發疫情的防控經驗及提高處置能力的關鍵環節。再生數是用來量化傳染病傳播能力的一個重要指標,也應用于防控措施效果評價。

目前計算再生數的方法有接觸者追蹤法、指數增長率估算法和傳染病傳播動力模型計算法[19],其中接觸者追蹤法[20]因在實際工作中難以完全還原傳播過程,故較少應用;指數增長率估算法[19]在指數增長階段的時間跨度界定上有困難,故本文利用傳染病傳播動力模型來計算再生數:首先[21],傳染病傳播動力學模型能根據疾病的發生發展規律建立利用“倉室”來模擬傳染病傳播過程的數學模型,與傳統相比,能夠利用疾病的傳播機理來掌握流行過程;其次,該方法可根據傳播特征和人群特點進行衍生和修正,可適應多種傳播范式的傳染病趨勢預測和再生數的計算;最后[22],在方法實現上,收集逐日發病人數簡單易行,目前建模軟件R、MATLAB和Berkeley Madonna軟件等均可實現。

利益沖突：無