用于 COVID-19 的数字接触追踪数据揭示了详细的流行病动态变化

使用英格兰和威尔士国家卫生服务 (National Health Service，或 NHS) COVID-19 应用程序作为示例，数字接触追踪数据以前所未有的细节揭示了流行病的动态变化。这些发现表明，除了其减少疾病传播的主要目的之外，数字接触追踪所提供的线索还具有前所未有的时间分辨率。该研究的作者写道：“鉴于其无与伦比的可扩展性以及它们为精准公共卫生提供的洞察力，数字工具很可能在下一次的疾病大流行中发挥更大的作用。”流行病是由复杂且动态的传播模式驱动的，因此要检测该过程的各个方面颇具挑战性。对于传播迅速的呼吸道病原体来说尤其如此。对这些系统的详细表征可以为公共卫生决策提供信息并可以进行靶向干预。在 COVID-19 大流行初期提出的数字接触追踪已因其在减少传播方面的效用而得到评估，但它对改善疫情监测的潜力则基本未被探索。Michelle Kendall 和同事在此报告了来自英格兰和威尔士 NHS COVID-19 应用程序的匿名数据分析，该应用程序在 2021 年至 2023 年初曾被使用。Kendall 等人发现，来自该应用程序的数据捕捉到了可反映诸如放松封锁、圣诞节假期和 2020 年欧洲杯锦标赛等事件期间的疾病接触率和传播率的显著变化。疫苗的引入以及 Delta 和 Omicron 变体的出现也会影响这些动态变化。该分析揭示了从家庭感染向短暂接触的转变，尤其是在周末和节假日期间。值得注意的是，短暂性感染会在周六达到高峰，而家庭感染则会在周日达到高峰。该应用程序在 2020 年欧洲杯期间检测到了 5 万 7000 起感染事件，凸显了全国性集会对传播的影响。季节性的节假日会显示出混合增加模式，随后则会出现处于平静期的 1 月份。此外，这些数据令 Kendall 等人能够开发出一种新的指标：R_app(t)，它能将传染增值数 R(t) 分解为接触率和传播率，这些指标颇为准确且比其他估计值的可用时间至少提前 5 天。