新研究表明传染病的流行病学模型应考虑诊断和报告问题

华盛顿特区-2020年7月14日-随着有关COVID-19病例和死亡的数据积累，研究人员观察到了几乎每周重复的高峰和低谷模式。但是，了解驱动这些模式的原因仍然是一个悬而未决的问题。

本周在mSystems上发表的一项研究报告指出，这些波动是由测试实践和数据报告的变化引起的，而不是由人们如何感染或治疗的社会实践引起的。研究结果表明，传染病的流行病学模型应考虑诊断和报告问题。

纽约市阿尔伯特·爱因斯坦医学院的计算生物学家Aviv Bergman博士和微生物学家Arturo Casadevall博士说：“获取数据的实践有时与数据本身一样重要。” ，位于马里兰州巴尔的摩的约翰霍普金斯大学彭博公共卫生学院。Bergman和Casadevall与Albert Einstein的Yehonatan Sella博士以及Johns Hopkins的医师科学家Peter Agre博士一起进行了这项研究。

这项研究始于获得2003年诺贝尔化学奖的阿格里(Agre)注意到，数据的每周精确波动与一周中的每一天都有明显联系。伯格曼说：“我们变得非常可疑。”

研究人员从1月到6月底的161天中收集了美国国家数据中的每日测试，阳性测试和死亡总数。他们还从3月初到6月下旬收集了纽约市和洛杉矶市的数据。为了更好地了解振荡模式，他们进行了功率谱分析，这是一种识别信号内不同频率的方法。(它通常用于信号和图像处理，但是作者相信这项新研究代表了流行病学数据的首次应用。)

分析指出，全国新病例的上升和下降为7天周期，纽约市和洛杉矶分别为6.8天和6.9天周期。这些分析反映在分析中，例如，发现在周末或周末死亡率较高。

研究人员对信号的一致性感到震惊，他们在寻找解释。他们报告说，周末社交聚会的增加可能不是一个因素，因为从暴露于冠状病毒到显示症状的时间可能为4-14天。先前的分析还表明，患者在本周晚些时候会接受较低质量的护理，但是新的分析不支持该假设。

研究人员随后检查了报告惯例。一些地区，例如纽约市和洛杉矶，根据个人死亡时间报告死亡。但是国家数据会根据报告死亡的时间发布死亡信息，而不是根据发生的时间。在报告死亡日期而不是报告日期的大型数据集中，表观振荡消失了。病例报告中的相似差异解释了新病例数据中发现的振荡。

这项新研究的作者指出，周末的互动或医疗质量可能会影响结果，但这些社会因素并未对重复模式产生重大影响。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！