大数据文摘出品
昨天，疫情数据有了新的好消息：新增治愈出院病例首次超过新增确诊病例。这意味着“出”的开始比“进”的多了，也代表着医院床位的紧张将得到缓解。
图片来源：人民日报
然而疫情是否已经到达“拐点”？这一点钟南山院士在2月11日举行的远程视频会议中表示，峰值不等于“拐点”，疫情有可能会随着返程高峰出现新的高峰。
至今，新型冠状病毒感染持续以每天数千人的速度增长，全球流行病学家各显神通，纷纷利用模型估计疫情何时会达到顶峰。有些人认为，当一天内的新感染人数达到最高点时，高峰随时可能到来。另一些人认为，几个月后，病毒将感染数百万人，甚至数亿人。
自1月下旬以来，疫情中心城市武汉和附近其他几个城市已被封锁。并且，随着返程高峰的出现，各地相关部门都迫切想知道疫情大概什么时候会达到高峰，有多少人会被感染，进而为防疫和复工做好准备，为复苏经济做好相应措施。
《自然》杂志在昨天的一篇报道中警告，模型预测的准确性尚不明朗，尤其是在模型使用的数据不完整的情况下。“如果你每周都修正你的预测，说疫情将在一两周内达到顶峰，那么最终你将是正确的。”在拉斯维加斯内华达大学从事疾病监测工作的Brian Labus告诉《自然》杂志。
峰值预测众说纷纭，需要谨慎对待，但也具有一定参考价值。那么，在全球科学家的预测和模型分析中，最好和最坏的情况分别是什么呢？
最乐观的估计：疫情可能在2月底达到顶峰
2月11日，钟南山院士在接受路透社的采访时表示，疫情可能在2月底达到顶峰。随着政府采取限制旅行和延长假期等控制措施，情况有所改善，但他也承认，武汉仍处于“困难时期”。
到目前为止，官方公布的感染人数已经超过7万，也有不少科学家认为病例数量比公布的数量还要多。
钟南山院士并没有公布过他的预测依据到底是什么，但在全球范围内，也有一些模型符合钟南山院士的这一预测。
伦敦卫生和热带医学学院的研究人员在2月中旬的一篇模型研究符合钟南山院士的预测——峰值将在二月中下旬出现。
这一研究的研究者是Sebastian Funk，一位统计学家兼传染病模型和分析者。他在这一研究中指出，2月中下旬出现峰值的预测是基于两个条件：1、感染者在武汉的Rt在1.5和4.5之间这一数值；2、在1月23日之前引入武汉封城和隔离限制。
Funk在研究中使用的参数
Funk于2月12日在其研究所的网站上公布了这一未经同行评议的分析结果。但他说，自从实施以来，武汉新增病例和死亡人数的下降表明，感染可能已经见顶。(2月13日报告了超过1.4万例新病例，但这一增长是由于当局改变了诊断病例的方式，而不是真正的激增)。
论文链接
https://cmmid.github.io/ncov/wuhan_early_dynamics/index.html
在这篇文章中，Funk和他的同事对全球病例和武汉病例的多个可用数据集拟合了数学模型，并得出了一些结论：
- 在1月23日实行出行限制之前，中位数Rt可能在1.5-4.5之间波动（图1E）；
- 如果Rt像武汉一样继续变化，预计疫情将在2月中下旬见顶（图1C-D）；
- 根据在出行限制实施之前的一月期间观察到的Rt中值，研究估计，一次引入具有SARS或MERS样的个体水平传播的2019-nCoV，有20-30％的概率引起类似武汉式传播，将爆发一次大疫情。
图1：截至2020年1月28日的武汉市传播动态。红线标志着从2020年1月23日开始的旅行限制。A）武汉（三角形）和中国（钻石）确诊病例的发病日期。蓝线和阴影区域：模拟轨迹的中位数，模型估计的可信区间的50％和95％。B）按发病日期（黑色）报告的病例，按发病日期（蓝线）估计从武汉出口的国际病例。C）武汉市随时间推移无症状或有症状前感染的估计流行率，按人口比例计算。黑点表示基于疏散飞行的估计患病率，实线表示95％的二项式CI。D）武汉按日期累计的确诊病例（点）和估计的累计病例（蓝线）。E）随时间推移的估计每日繁殖数量（R）。F）确认案例日期之前的国际流动，以及在拟合模型中的预期出口数量G）各个国家和观察到的人口留出的预期国际流出事件。拟合为实点的数据集；未拟合的数据显示为圆圈。灰色框显示投影周期。
最坏情况估计：3月下旬至5月下旬的某个时候达到高峰
不过，还有一些研究人员认为，上述预测过于乐观。
日本札幌市北海道大学的流行病学家西浦博（Hiroshi Nishiura）说，经过延长的公众假期后，大多数春节返乡的人们在上周开始重返工作岗位，这就开启了新的传播链的可能性。
西浦坦言道，根据他使用的模型显示，疫情估计将在3月下旬至5月下旬的某个时候达到高峰。最终，总体估计而言，中国将有5.5亿至6.5亿人被感染，约占中国人口的40％，这些人中大约有一半会出现明显的症状。
西浦表示，他已经向预印服务器medRxiv提交了描述该模型及其预测的论文，目前论文还未被放出。为了做出尽可能科学的预测，他和团队考虑了新病毒固有的传播潜能，也就是与R相关的称为R0的基本繁殖数，尽管这个假设认为，每个人都是易感染个体。他们最后计算得出，R0值在1.5和2之间。
西浦的模型提出了一个相对简单的假设观点：每个人都是易感人群。这一点显然不符合现实，但这一研究从一定程度上，关注了两类人群的影响因素：1、无症状感染者出现；2、感染者身体不适无法就医的情况。他认为，这两种情况通常不会纳入官方统计的被感染病例。
钟南山在2月9日发表的一篇论文对死亡率进行了最新计算，结果表明，每100例病例中约有1.36例死亡患者。香港大学的流行病学专家加布里埃尔·梁（Gabriel Leung）认为，中国境外报道的死亡率高于钟南山团队的报告，因此武汉的数据很可能没有考虑症状较轻的患者情况。
全国检疫措施严格部署，共同迎接疫情“拐点”
对疫情走势估计持乐观态度也好，悲观态度也好，目前国内的防疫措施已经进行了全面部署，多家科技公司齐发力，共同迎接尚未到来的疫情“拐点”。
在北京，百度的“AI多人体温快速检测”方案已经落地应用在清河火车站，该系统能实时检测体温超出一定阈值的流动人员，快速展示出体温不在正常范围的人员及温度。
同时，旷视研发团队提出了“人体识别 人像识别 红外/可见光双传感”的方案已经在海淀区地铁站落地。针对口罩遮挡，旷视也提出了专项模型优化，即便在口罩和帽子大面积遮挡人脸的情况下，系统也能帮助工作人员快速筛查通行人群，识别误差在0.3℃以内。
另外，在包括北京、上海、广东等潜在疫情高发区，上千台红外体温快速筛查仪也已经安装到医院、车站、机场等人流密集的公共场所。
梁表示，目前还不清楚旅游禁令和隔离人员等控制措施对高峰时间和严重程度有何影响。西浦和Funk说，他们的模型也都没有考虑这些措施，效果存在太多不确定性。
许多科学家都认为，防疫措施可能不会减少最终感染人数。
但梁认为，防疫措施的部署可以通过减缓病毒的传播速度，延长疫情达到高峰所需的时间。减少高峰期感染人数非常重要，如果社会上大多数人同时感染生病，“整个社会都停滞不前，医疗服务将不堪重负，人们将无法得到及时的医治”。
相关报道：
https://www.nature.com/articles/d41586-020-00361-5
