哈佛大学研究人员开发了一种数学工具更好地跟踪疫情热点
一种监测 COVID-19 等流行病的新方法通过仔细评估感染者体内病毒载量与感染人数之间的关系，对流行病的增长率进行准确的实时估计。
这种新方法有效地将我们对病毒在体内如何生长的了解与病毒如何在人群中传播动态联系起来，提供了一个全新指标，公共卫生官员、政策制定者和流行病学家将能够用于获取有关流行病的最新实时信息。
该研究成果于 2021 年 6 月 3 日发表在《科学》杂志上。
监测流行病对于公共卫生应对至关重要，以了解口罩、封锁或疫苗等干预措施的效果如何，并知道在病例增加时将额外资源分配到何处。
当前监测流行病的方法几乎完全依赖于随着时间的推移跟踪病例数或住院率，并观察检测阳性率和死亡人数。例如，在整个 COVID-19 大流行期间，《纽约时报》发布的每日病例数据对于公共卫生官员和研究人员评估各州和国家控制 SARS-CoV-2 病毒传播的情况至关重要。
然而，由于可变测试实践或报告延迟，这些类型的数据通常只能有限使用。例如，如果检测能力已达到极限，或者如果由于资源集中在其他地方而延迟报告，那么日益严重的流行病可能看起来正在趋于平稳。
为了更好地跟踪大流行热点，哈佛大学的研究人员开发了一种数学工具，可以仔细评估病毒载量（从PCR测试中测得的一个称为周期阈值（Ct值）的数值）与病例增加或减少的速度之间的关系。即使使用相对较少的30个SARS-CoV-2阳性样本，在一天的监测测试中，也能对疫情的增长速度做出准确的实时估计。当有多个时间点的Ct值时，研究人员发现他们甚至可以使用非常有限的阳性结果来重建疫情曲线，并估计在一段时间内有多少人被感染。获取更多前沿科技 研究访问：https://byteclicks.com
研究人员发现，即使在单个时间点从一个地点收集的阳性 PCR 测试样本中检测到的病毒数量也可以帮助估计整个人群爆发的增长或衰减率。
