周易预测冠状病毒走向 为什么很难预测2019冠状病毒病大流行的下一步走向

华盛顿大学生物学教授 Carl 面临的职业风险之一是，他经常被问及 Covid-19 大流行的走向。这个问题有许多不同的形式——下周会是什么样子，下一学年会是什么样子，或者下个冬天会是什么样子——只要病毒就在我们身边。但最近，它获得了一些热情。伯格斯特罗姆研究了两个相关主题的交集：像我们这样的众生如何对信息做出反应，以及像病毒这样的生物现象是如何传播的。所以如果有人能给你答案，那就是他。

最近，他直言不讳：“我不知道。”

这是一个隐藏许多细微差别的简短答案。自大流行开始以来，疾病建模者的工作并不是要告诉我们确切的方向，而是要让我们为许多可能的未来做好准备。这是一件令人担忧的事情。在危机中提供多种选择会导致人们选择一种或另一种结论并避免它，从而导致过多的牺牲或过多的一厢情愿。 （还记得特朗普政府使用最乐观的预测宣布大流行将在夏天结束——只是夏天——吗？）模型可以帮助决策者决定将资源放在哪里，它们可以帮助像你我这样的人找到一些在一个不确定的世界中维持生计。但是，它们不是神谕。

原因是，在疾病爆发的任何时候，预测都可能根据最初的假设呈指数上升或下降。这些假设很难做出。一开始，流行病学家忙于学习一种新病原体的基本知识：病毒如何在人与人之间传播，潜伏期有多快，超级传播者和无症状感染者正在播下所谓的“隐形”流行病。随着时间的推移，在全面的科学报告的帮助下，他们获得了更好的把握——更多关于病毒如何感染的病毒学和免疫学数据，以及更多关于下一步数据的流行病学数据。一旦研究人员了解了病毒的传播方式，就可以更轻松地确定如何通过口罩和社交距离等措施进行反击。

但即使有了答案，这种不确定性也永远不会消失。现在考虑一下：当然，Delta 本身带来了一组与其更快的复制和感染能力相关的未知数。疫苗接种也是如此，包括接种疫苗的人传播病毒的程度以及随着时间的推移保持免疫力的程度。这些都会影响任何给定时间和地点的三角波的严重程度。而且，当我们解决这些问题时，总是有可能出现新的变体，从而破坏任何长期计算。 “我们确实有更多的信息，但我不会说未知数的数量真的减少了，”华盛顿大学健康计量科学教授说。 “我不会说我们永远不会满足于我们拥有一个可以连续使用一周以上的模型。”

建议这样思考：在 2020 年 3 月，疾病建模师将如何预测未来的起伏？据说这场大流行已进入第四波，但这个词掩盖了一个更加复杂的地形，包括顽固的高原、平缓的山丘和引人注目的山峰。即使回想起来，这些模式也很难解释（不仅仅是因为时间现在变得模糊且不再有意义）。一些变化是由于病毒引起的，另一些是由于我们的反应方式造成的。在第一波大流行期间，在全国范围内的居家令下，公共生活陷入停顿。取而代之的是蒙面订单和部分（有时暂停）重新开放。

但这也是一幅不断变化的抑郁和疲劳图景，悲观和乐观之间的急剧转变，例如去年秋天，美国人在疫情最严重的时候返回度假旅行。现在，虽然夏季高峰比以往任何时候都更糟，但该国许多地区的社会已基本恢复正常。 “在持续的大流行期间，人们的行为发生了巨大变化，”伯格斯特罗姆说。 “我们会不断更新我们对这个问题严重性的看法。”

在某种程度上，这意味着更多的大流行经验可能会给建模者带来不确定性，而不是更少。信仰和行为现在越来越多样化，州与州之间存在差异，在某些情况下，城镇与城镇之间存在差异。 Delta 的到来正值人们在接种疫苗后变得越来越两极分化并且对这意味着他们应该如何表现感到困惑的时候。 “一个月戴口罩没问题，下个月就会有抗议，真的很难提前预测，”说。

佐治亚理工学院复杂生物系统教授 Weitz 说：“疾病状态之间的相互作用、人们的反应方式以及人们随着时间的推移如何反应一直是让事情变得困难的主流主题。”大流行发生 18 个月后，我们个人对风险的看法以及随之而来的行为应该对病毒观念的轨迹产生集体影响，这是非常直观的。但 Weitz 指出周易预测冠状病毒走向，这并不是在开始时，有些人认为疫情会很快过去。在建模用语中，这个术语（19 世纪流行病学理论的遗迹）是法尔定律：感染应该以相对相等的速度达到顶峰，然后逐渐减少，形成钟形曲线这条曲线是不会顺从的。去年春天，韦茨等人看到了第二轮回归。第一波海啸没有完全摧毁，很多人仍然脆弱。病例见顶，然后卡在了“肩膀”上曲线下降的速度比许多人预测的要慢，然后稳定在顽固的高感染率上。韦茨假设这种行为与干预措施的效果不一致，例如居家令、预测由模型决定。通过研究从手机数据中提取的运动报告，他可以看到危险行为随着死亡人数的增加而减少，但在转弯前反弹。手机数据代表了人们经历了多少社交联系。 “人们环顾四周，看看那里发生了什么，他们会改变自己的行为，”韦茨说。

这些反应性行为的一个后果是，很难分析口罩和疫苗要求等政策有多大帮助。随着传输率的上升和下降，因果之间以及政府行动与公众已经在做的事情之间的界限变得模糊。他说周易预测冠状病毒走向 为什么很难预测2019冠状病毒病大流行的下一步走向，例如，如果您查看去年佐治亚州强制实施口罩的时间并比较前后的发病率，您可能会认为影响不大。但如果是因为人们意识到病例率在上升，所以他们更早地戴上了口罩呢？如果他们开始更多地呆在家里怎么办？或者，如果反过来呢：当要求生效时，很少有人遵守，所以口罩从来没有机会工作？ “这显然是相关的，”他说。 “我不能说我们掌握了真相。”

对于建模者来说，这种不确定性带来了挑战。要评估三角洲的潮汐何时结束，可以查看已经爆发并达到顶峰的地方，例如英国。但它会很快消失，还是会放慢速度，或者可能停滞在一个稳定的感染率水平？韦茨认为，这些情况在很大程度上取决于人们如何看待风险和行为。在疫苗接种率高的佛蒙特州，预计 Delta 变种的袭击和最终消退的方式与疫苗接种率低的阿拉巴马州不同。学校和企业的不同政策将决定不同群体的规模，并会因人们的独立反应而放大或减弱。

“我们现在面临的一个大问题是人们对数字太麻木了周易预测冠状病毒走向，”杜克大学心理学博士生 Allie 说。在最近发表的一项研究中，她询问参与者他们如何看待当地的感染风险，并发现大多数人很难确定概率，例如，如果他们聚集在一组 10 人的 100 岁或风险中，则可能存在潜在风险。的室内用餐。她指出，这种偏见是双向的。尽管加强了对疫苗的保护，但他们的行动更加谨慎。一般来说，未接种疫苗的人不会。 “风险信念与实际风险之间的这种脱节可能会变得更糟。”

她补充说，她的研究有一线希望周易预测冠状病毒走向 为什么很难预测2019冠状病毒病大流行的下一步走向，可以弥合这种脱节。当人们看到清楚地传达当地风险信息的数据时，他们往往会以更平衡的方式行事（通常，承担更少的风险）。话虽如此，这表明模型仍然具有一定的功能，只要它们以与人们的实际生活相关的方式呈现——展示流行病在当地或不久的将来可能会如何发展。

说，我们想知道从这些预测中值得询问的内容。在短期内，根据当地的行为和政策建立一个三角波如何在其地区发展的模型可能对每个人都有帮助，因为它可以调整他们的风险并提供一些如何行动的意识。对于伯格斯特罗姆来说，这意味着当他的大学课程在本月晚些时候重新开课时，要弄清楚在数百名学生面前演讲是什么感觉。查看数据、风险和预防措施的组合，并权衡亲自出席的必要性，他感到准备好了。但他是否准备好回到他最喜欢的酒吧，就像今年夏天早些时候周易预测冠状病毒走向，在三角洲袭击之前所做的那样？还没有，但他会留意这些数字。

短期考虑的建议可能不容易被接受，尤其是在夏季病例数最初下降且许多最近接种疫苗的人敢于长期考虑的情况下。现在，一个乐观的情景已被一系列其他情景所取代，其中一些情景是可怕的。建模者想给他们每个人一个可信的观点：如果我们都戴口罩会发生什么，或者拜登总统的联邦疫苗任务是否按计划进行，学校将如何影响这个问题，以及公共卫生官员应该准备什么，如果流感和 Covid-19 同时达到峰值。将有多种选择来应对未知，但没有一个能回答我们一直在问的问题：我们什么时候才能恢复正常？