近日，香港中文大学黄波课题组、英国南安普顿大学赖圣杰/Andy Tatem等研究团队合作，针对在不同人口密度、人员流动、人群接触和疫苗供应有限的情况下，如何将非药物干预措施（non-pharmaceuticalinterventions, NPIs）与新冠肺炎疫苗接种策略相结合，避免疫情反弹，取得重要研究进展，论文以 “Integrated vaccination andphysical distancing interventions to prevent future COVID-19 waves in Chinesecities”为题，于2月18日发表在Nature Human Behaviour《自然-人类行为》杂志（文章链接：https://www.nature.com/articles/s41562-021-01063-2） 。黄波、汪炯骅、蔡纪烜和赖圣杰对本研究具有同等贡献。

前期，赖圣杰等多个团队合作，针对新冠肺炎的传播风险、非药物干预措施和协同防控策略等开展了深入的研究（Nature; Science; CID; JTM 2020），阐明了中国采取的积极有力、统一协作的综合性非药物干预策略能够发挥最为显著的防控效果，有效地阻断了新型冠状病毒的传播；不同防控措施发挥的作用有所不同；各国应采取协同、有效的方式开展疫情防控和实施解禁策略，以避免疫情的反弹。然而，2020年下半年以来，全球很多国家相继出现了第二波、甚至第三波疫情。由于各国易感人群比例依然很高，通过疫苗接种建立“群体免疫”屏障是控制新冠肺炎大流行的重要途径。可是，当前全球新冠疫苗仍然短缺，现有产能不足以覆盖全球人口，并且不同疫苗的有效性有所差异，长期免疫效果尚不清楚。在预防接种的早期阶段，快速取消非药物干预措施（如减少人员接触），新冠肺炎疫情卷土重来的风险仍然很高。尽管新冠疫情在中国得到及时、有力的控制，未出现全国性的本地传播，但国内大部分人群仍对其易感。如何将新冠疫苗接种与保持人际距离、减少人群接触等非药物干预措施有机结合，降低新冠疫情反弹的风险，仍有待深入研究。

该研究使用匿名手机位置大数据和新冠流行病学数据，揭示了人口密度、人员流动、疫情防控与人群接触模式变化的关系（图1和2），并深入分析了这些因素对新冠病毒传播的影响（图3）。该研究通过构建新冠传播模型，进一步模拟了不同人口密度（低、中、高）、人口流动性（无流动、25%、50%和100%流动）、增加人际距离（无、轻度、中度或强）和疫苗接种等对我国不同城市新冠病毒传播和控制的潜在影响（图4）。

图1. 2019年12月至2020年5月我国主要城市的人群总体接触指数（TSCI）

(A) 武汉TSCI指数。(b) 武汉TSCI值在0%和2%之间的放大图。(c) 2019年12月武汉不同场景中TSCI值构成比。(B) 武汉、北京、上海、广州和深圳TSCI指数。

图2. 人口密度、增加人际距离措施、流动性与平均接触指数（SCI）的关系。

(A) 每个小图显示了不同人口密度（低、中或高）、保持人际距离措施（无、轻度、中度或强）和人口流动性（无流动、25%、50%和100%流动）情况下，人群接触水平SCI的变化情况。(B) 2019年12月至2020年5月，武汉每日SCI变化情况。

该研究估计，在大多数人口密度较低的城市逐步开展疫苗接种，适当采取保持社交距离的措施，将足以遏制疫情的反弹，而无需大范围限制人口流动。然而，人口密度较高的城市则需要尽快开展大范围疫苗接种，并保持较高强度的减少人际接触措施，直至实现“群体免疫”，以防止未来出现较大规模的疫情反弹。此外，研究结果表明，在控制疫情方面，短时间内实施强有力的非药物干预措施，比温和、长期的干预更为有效，并且保持社交距离的作用在很大程度上取决于措施的强度、人口的密度以及疫苗接种在不同地域和时间上的可及性。

图3. 不同人口密度和防控情形下控制新冠疫情反弹的效果估计

(A) - (D) 以武汉为例，模拟不同人口密度、流动性、增加人际距离措施（无、轻度、中度、强）下，控制疫情所需的天数（DCR）。

图4. 不同疫苗接种和增加人际距离措施对新冠疫情的控制效果估计。

尽管该论文是基于中国的数据和情形，但相关结果为世界各地人口密度和人群接触模式相似城市的新冠疫情防控提供了科学证据。此外，该研究建立的基于大数据的人群接触指数（SCI）和建模方法，有助于相关机构和人员，建立适用于本地的疫情流行风险动态分析系统，评估和及时调整干预策略，从而减低新冠疫情反弹的风险。

参考文献：

  1. B. Huang, J. Wang, J. Cai, etal. Integrated vaccination and physical distancing interventions to preventfuture COVID-19 waves in Chinese cities. Nature Human Behaviour 2021.

  2. S. Lai, N.W. Ruktanonchai, L. Zhou,et al. Effect of non-pharmaceutical interventions to contain COVID-19 in China.Nature 2020.

  3. N.W. Ruktanonchai, J.R. Floyd,S. Lai, et al. Assessing the impact of coordinated COVID-19 exit strategiesacross Europe. Science 2020.

  4. M. Hu, H. Lin, J. Wang, et al.The risk of COVID-19 transmission in train passengers: an epidemiological andmodelling study. Clinical Infectious Diseases 2020.

  5. J. Yang, J. Li, S. Lai, et al.Uncovering two phases of early intercontinental COVID-19 transmission dynamics.Journal of Travel Medicine 2020.

本期编辑：左脑