1704437928
1704437929
图7–2 美国累计确诊的艾滋病人数：1984~1995年确切统计的数据和根据外推法预测数据
1704437930
1704437931
从理论上讲，在没有注射疫苗或采取隔离手段干预的情况下，任何一种 Ro 大于1的疾病最终都会使全人类染病。但有时 Ro 的数值会远大于1：西班牙流感的 Ro 值为3，水痘的 Ro 值为6，而麻疹的 Ro 值则高达15。作为人类文明史上致死率最高的疾病之一，疟疾的 Ro 值可能会达到3位数，目前，世界某些地区仍有10%的人死于疟疾。
1704437932
1704437933
问题是，可靠的 Ro 估值总是要等到该疾病在某个群体中迅速传播开来之后才能明确地计算出来，得有足够的时间仔细检查统计数据才行。所以，流行病学家不得已只好依据少量的早期数据来作外推预测。另外一个关键的疾病统计量是致死率，这一数据在疾病爆发初期也很难准确预测。这就好比“第二十二条军规”，会使人陷入两难境地，但是没有这一数量，就很难准确地预测某种疾病，要对这些未知量作出可靠预估，只有等到疫情结束。
1704437934
1704437935
表7–1 不同疾病的 Ro 值的中位数估值
1704437936
1704437937
疟疾
1704437938
1704437939
150
1704437940
1704437941
麻疹
1704437942
1704437943
15
1704437944
1704437945
天花
1704437946
1704437947
6
1704437948
1704437949
艾滋病
1704437950
1704437951
3.5
1704437952
1704437953
非典
1704437954
1704437955
3.5
1704437956
1704437957
1918年 H1N1流感
1704437958
1704437959
3
1704437960
1704437961
1995年埃博拉病毒
1704437962
1704437963
1.8
1704437964
1704437965
2009年甲型 H1N1病毒
1704437966
1704437967
1.5
1704437968
1704437969
季节性流感
1704437970
1704437971
1.3
1704437972
1704437973
1704437974
1704437975
而且，一种传染病爆发之初的数据经常被误报。例如，之前列举的美国艾滋病诊断病例的数据是在事件发生多年后才统计出来的。即使是时时更新的数据，对预测的帮助也不大。然而，如果依据科学家们当时实际使用的数据，预测结果会更糟糕。这是因为艾滋病出现之初，很多病人（甚至很多医生有时）对这种疾病所知甚少，使预测更加困难。许多带有艾滋病症状的奇怪并发症尚未查明病因或被误诊——艾滋病引发的机会性感染一直被误认为是这种疾病的主要死因。几年后，医生重新审阅旧的病例记录，才对艾滋病出现之初的发病率作出比较准确的估值。
1704437976
1704437977
不准确的数据也是导致2009年 H1N1病毒预测失败的原因之一。那一年，墨西哥 H1N1流感病毒的致死率出奇的高，而美国 H1N1流感病毒的致死率却极低。尽管在某种程度上，这与两国医疗服务水平的差距有关，但主要差异还是统计假象。
[
上一页 ]
[ :1.704437928e+09 ]
[
下一页 ]