cover

疫情以来,哪个国家的表现最好?

A


https://ssimg.frontenduse.top/image/2020/03/25/a5fdbd8f5426954153ca5dfb487ee416.png
上周,我们推送了一篇关于伦敦帝国理工学院弗格森团队研究报告的文章(很不幸,弗格森本人近日也确诊了新冠病毒),他的报告不仅仅把英美两国政府吓到了,也把我们中国的读者吓到了。
这篇综述文章《一份报告,直接改变了英美两国的防疫对策》发布两天后,有370万+的读者阅读,读者们在文章评论区还展开了很激烈的争论。
争论的主要焦点,说白了,就是这次抗疫中,哪个国家表现得好。
但这种话题,如果不引入更客观的标准,很难只凭情感或立场说清楚。
所以,我们今天要跟大家综述介绍两篇非常重要的文章,都是同一个作者托马斯·普约(Tomas Pueyo)写的。文章把如何理解疫情的严重性,各国应该如何抗疫,以及如何才算抗疫效果比较好,解释得无比清晰。
其中一篇文章名为《新冠病毒:为什么你必须得马上行动》(Coronavirus: Why You Must Act Now),3月10日发布后,一周内浏览量达到4000万,这还只算英语版本的阅读量。同时,这篇文章已经被热心的网友翻译成30多个语言版本(也有中文版本,两个版本,简体版与繁体版),在全球广泛传播。
https://ssimg.frontenduse.top/image/2020/03/25/d287eb3929f932b5ec40fe495714bf94.png
| Thomas Pueyo的文章标题及简要介绍。我们将原文和中译本文做成了PDF,后台留言「指数」即可获得电子版

图片来源:Medium

各国网友为什么这么热情翻译这篇文章,原因跟我们写今天这篇文章的理由是一样的:因为道理讲得好。托马斯·普约的文章,数据翔实,论述清晰,实在值得所有关心疫情的人认真读一遍。


01 致死率:疫情控制好坏的标准之一


判断各国抗疫,第一个简单的标准,就是致死率。
我们先来分析致死率。
先给个托马斯·普约的结论:
致死率达到3-5%的国家,在抗疫上表现相对较差,而致死率在1%以下的国家,表现相对较好。
当然,不管是3-5%,还是1%,带来的都是让人悲伤的死亡。而且,如果感染基数大,哪怕只有1%的致死率,死亡人数也是触目惊心。
致死率并不是一成不变的。不同时间下计算的致死率会有不同。但关于致死率,我们首先需要了解,存在两种算法。我们暂且称为致死率(T,total)和致死率(C,closed):
(1)致死率(T)=死亡病例数(Deaths)/ 总病例数(Total Cases)。
这种算法可能会低估致死率,因为总的病例数中包含已确诊病例数,病例从确诊到病例结案有一个周期,计算时无法预计病例尚未结案但最后发生死亡的人数。这种算法下的致死率,数据波动相对缓和。
(2)致死率(C)=死亡病例数(Deaths)/ 病例结案数(Closed Cases)。
这种算法下,因为感染者死亡结案发生的周期要比其他确诊但康复者的病例要短,所以致死率波动很大。刚开始会很高,然后随着时间推移才会慢慢回落。
有意思的是,尽管两种算法有差异,致死率也随时间波动,但随着时间的推移,在确诊病人都结案后,两种算法的致死率曲线会汇集,趋于相同。
趋同的这个数值,按照不同地区致死率曲线的归纳,大部分情况下,最终这个死亡率趋近于4%左右。
普约据此算出了几个国家的致死率:
https://ssimg.frontenduse.top/image/2020/03/25/3348ddff58e20c98ba41154104fdb133.png

以致死率为标准,韩国在疫情控制方面是做得比较好的国家,意大利的疫情几乎崩溃。
https://ssimg.frontenduse.top/image/2020/03/25/bfad55c04fba194c76c767452410d0df.png
| 意大利疫情情况(2月26日-3月11日)。
图片来源:Franciscan Health

中国的表现呢?
整体看,以致死率来说,不算好,比意大利还差,比韩国更是差距极大。
但这里有一个特殊情况要注意,那就是湖北省和湖北省外的致死率有显著不同。
普约在文中也特别强调了这一点,如果我们将湖北省和非湖北省之外的地区分开来看,可能会更符合我们的直观感受:
(1)湖北省致死率:约4.8%;
https://ssimg.frontenduse.top/image/2020/03/25/506b335848f916e713af499d39ee1b21.png
| 图片来源:Thomas Pueyo,Coronavirus: Why You Must Act Now.

(2)非湖北省的致死率:约0.9%。
https://ssimg.frontenduse.top/image/2020/03/25/15485d52fd9b91c0301be35cedc4d954.png
| 图片来源:Thomas Pueyo,Coronavirus: Why You Must Act Now.


换句话说,国内在抗疫上,非湖北省的表现要比湖北省的表现相对较好。
不过,我们都知道,这背后付出的代价十分巨大,包括经济上的、个人权利上的。而且,在全世界进入疫情高发期后,中国会不会出现二度疫情高发,依然难以确定。只要疫情一天不稳定,中国要支付的代价就不会停止。

02 抗疫关键:拉平病例曲线


致死率之外,判断各国抗疫表现的第二个标准,病例曲线被拉平的程度。
撇开天气、年龄等因素的影响,影响致死率的重要因素为一国之内的医疗服务能力。
医疗服务能力涉及医院病床、特殊医疗设备、一线医护人员、医护人员防护装备,以及检测试剂等方面。
简单说,即使目前医学界尚未研制出疫苗,未能找出「解药」,但只要传染的病人能得到医疗体系的悉心照料,那么死亡的概率也会大大降低,尽管会遭些罪。
可是,疫情高发的时候,任何一个国家,不管是一线发达国家还是二三线相对不发达国家,医疗服务能力都统统不够。
以本次疫情来说,环顾全球,没有例外。
医疗服务不足,是非常致命的。这不仅是因为直接感染的病人死亡概率增大,而且原来与疫情无关但严重依赖医疗服务续命的病人,在疫情冲击之下,也会由于没有及时的医疗照顾而增大死亡概率。
https://ssimg.frontenduse.top/image/2020/03/25/c85941d9044b43170ad2e8c6c9383c02.png
图片来源:PBS关于新冠病毒的讲解视频,What This Chart Actually Means for COVID-19.

为了方便大家理解,上图是一个直观示意。
红色区域和黄色区域均表示每日感染人数,两者的面积一样,也即感染人数一致,区别在于红色区域更为陡峭,最高峰及两侧大部分区域都超出了医疗服务能力水平线,这些超出部分的病例,危险程度大大增加。
而黄色区域曲线更为平缓,最高峰没越过医疗服务能力水平线,因此所有病例都可以得到医疗照顾。
总结起来就是:在总病例一样的条件下,病例以不同曲线爆发,对医疗服务能力的挑战不同,对于致死率的影响也不同。病例曲线越平缓,致死率就能控制的越低。反之,病例曲线越陡峭,致死率就会越高。
这就是疫情爆发之后,一个地区能否接纳救治病人的关键。
再重复一遍:倘若一个地方的医疗资源充足,能有效的收治病人,那么病人发生死亡的概率就会降低,反之,当医疗系统不堪重负时,不仅医院无法收治这么多的病人,使得死亡率上升,还有可能造成原本用于治疗其他类型疾病的医疗资源被挤占,一些没有感染新冠病毒的病人因此受到影响,严重的会间接造成这些人的死亡。
不仅如此,超过医疗服务能力之后,一线的医护人员,不但将高负荷工作,也随时面临着医疗防护设备不足而暴露在高感染风险环境。一旦发生医护感染,又会降低医疗系统的服务能力,陷入死循环当中。
普约在文章中有一个基本数据:遭受新冠病毒感染后,「约20%的病人需要住院治疗;5%的病人需要住ICU病房进行接受照看;2.5%的病人需要高度医疗看护,同时需要配合呼吸机或体外膜肺氧合(ECMO)治疗。

可呼吸机和ECMO这样的医疗设备,不是随随便便就能生产得出的:

「几年前,美国的ECMO加起来也不过250台。」
(A few years ago, the US had a total of 250 ECMO machines, for example.)
我们可以据此计算一下,现在美国感染病例41,511例,那么,其中就有8302例病人需要住院,2076人需要进入ICU,而1038例病人需要呼吸机和ECMO,连美国现存的机器也无法担保极度重症患者能够用得上。
考虑到病床数量,更是如此。
以每千人所匹配的病床数来计,日韩两国的床位相对充裕,每千人分别有14个、12个床位;而美国和英国约为每千人有3个床位。
在另一篇文章《新冠病毒:铁锤与舞蹈》(Coronavirus, The Hammer and the Dance)中,普约绘制了美国的病人与病床情况。
https://ssimg.frontenduse.top/image/2020/03/25/52ad895131a3a443e2b9d8a70d4b90be.png
| 图片来源:Thomas Pueyo,Coronavirus, The Hammer and the Dance.

上图中,红色虚线是美国目前的ICU病床情况,约有5万张,虚线以上的ICU病人有300万,也就是说,即便临时改造床位,哪怕十倍于现在的床位数,也将有200多万ICU病人得不到相应的床位照顾。
这就是为什么此前伦敦帝国学院弗格森团队在研究报告中预测,在非药物干预的情况下,就算是英美两国采取手段控制,英国将会有25万人死亡,美国将有110万人死亡的原因。
此外,根据世界卫生组织官方建模统计:「为应对2019冠状病毒病,每月估计需要8900万个医用口罩,多达7600万双医检手套,而护目镜的国际需求每月为160万副。
这些对各国的医疗服务能力都是巨大的挑战,我们不难理解,为什么有的国家/地区致死率相对较高,有的相对较低。
因此,评价各国抗疫表现的另外一个判断标准就是:病例增长曲线的拉平程度。
想要降低致死率降低,就要设法拉平病例增长曲线,也就是在没办法消灭新冠病毒的前提下,延缓每日病例的增长(即便在一段时间内,延缓和放任不管策略下的感染人数相同),这样能够减缓医疗资源的巨大压力,争取出时间,等待科学家研制出临床抑制药物以及疫苗。
https://ssimg.frontenduse.top/image/2020/03/25/9a64463f089cd38aa6858d9bb6dda845.png
| 图片来源:《金融时报》关于各国/地区的新冠案例曲线图。

那么,各国在拉平疫情曲线上的表现如何呢?
上面这张图,一目了然。
以此评价,目前在拉平疫情曲线上,绝大多数国家都做得不够合格。
表现得比较抢眼的国家与地区是:日本、新加坡、中国香港、韩国。
韩国、日本、新加坡,以及中国香港地区的疫情曲线较为平缓,与世界上其他地区的表现相比,有较大的差异。因此,相应的这些国家与地区在致死率上也控制得比较好。
到目前为止,以死亡人数/总病例数来算,这几个地方的致死率都在1%左右。可以预测的是,就算疫情继续推演,更长期来看,它们的致死率曲线还是会汇集在1%以下。
其中,尤其应该说说韩国。如果不是因为新天地教会事件的影响,韩国的整体抗疫表现会更佳。
拉平疫情曲线的一个重要做法是早期及时排查检测。越早排查,检测的越多,就越能及时介入,以避免更多人受感染,或是轻症转重症,重症转死亡。
在这方面,韩国的表现是惊人的:韩国的检测率非常高。
https://ssimg.frontenduse.top/image/2020/03/25/2a5948d9a5f863687e152b8eb9a39a58.png


从上表不难看出,美国抗疫之初的表现为何饱受批评。韩国每百万人有2138人排查检测,而美国才有1个。英国也不高,只有199个。
早期如果排查不积极,疫情曲线必然一路爆发,而疫情曲线的爆发形态,乃是指数型的,只要让疫情的指数型曲线成型,哪怕你是英国、美国这样的发达国家,在指数型的疫情曲线面前,医疗服务能力都是不够看的。那么,传染规模与死亡人数,也就能预估出来。
这是冷冰冰的规律与理性。也是为什么弗格森的预测模型出来之后,英国美国吓坏的原因。
在疫情的指数型增长上,没法掩耳盗铃。

03 一定要理解疫情病例的「指数型增长」


要理解疫情的严重性,就一定要理解什么是「指数型增长」。
如下图所示,全球的疫情确诊情况,病例曲线呈明显、剧烈上升的态势。
用更精准的语言来说,它应该叫做「指数型增长」(Exponential Growth)。
https://ssimg.frontenduse.top/image/2020/03/25/bdc29559e81048845c3e4772fbaa5dca.png

当病毒无药可解时,偏偏又以指数级方式剧烈传播,带来的结果就是极度致命了。
什么是指数型增长呢?
举个例子:有一片池塘,池塘上有一张荷叶,它每天繁殖一倍,也就是说,第二天池塘上会有两片荷叶,第三天会有四片,以此类推。现如果我们知道荷叶铺满池塘需要60天的时间,那么荷叶覆盖池塘的一半需要多长时间呢?
答案是59天。
荷叶从池塘一半蔓延至整个池塘,只需要一天。
如果只覆盖池塘1%的面积呢?
要花54天。
这就是指数级增长的特征。一开始,它增长缓慢,不会引起人们的注意,但增长到一定程度时,就猛烈爆发。
不幸的是,这次的新冠病毒的爆发和传播就是指数型增长模式。
https://ssimg.frontenduse.top/image/2020/03/25/f7da799db623dd208f3f33cb5f23c01d.png
| 图片来源:Thomas Pueyo,Coronavirus: Why You Must Act Now.

疫情从中国开始爆发,到全球范围内爆发,呈明显的爬升趋势,尤其是从2月12日开始,感染病例曲线猛然变得陡直,之后增长略为平缓,但从2月底开始,曲线又往上攀升,没有放缓的迹象。
https://ssimg.frontenduse.top/image/2020/03/25/b0164b10dc2b092cdf4afb7227c9ddc0.png
| 图片来源:Thomas Pueyo,Coronavirus: Why You Must Act Now.

对比全球除中国大陆以外国家和地区的病例曲线,我们也可以明显地看到,从2月底开始,原本平缓的曲线突然爆发式增长。
这波疫情如此凶狠,最重要的特征,就是指数级别增长的传染力量。
新冠病毒可以指数级别传播的原因,乃在于它不仅传染力强,还非常隐蔽。
当一个人最初感染时,由于病毒有潜伏期,他可能并没有意识到自己已经染上病毒,或者意识到自己生病但没有及时去就医诊断。就这样,从感染到确诊之间,存在一定的时间差。
还有很多人染病之后并无症状,或者要过了很多天才会出现症状,而等到出现症状时,已经传染给其他人。
所以,理解这波疫情的凶狠,一定要牢牢记住一点:确诊病例有时间上的滞后性。
因为滞后性,所以当我们看到各国政府公布的确认病症数字时,这个数字只是代表了那个时刻点的部分疫情,这个时刻点的全部疫情,实际上要到病情潜伏期全部过去后,倒过来回顾才能知晓。
这点偏差是非常致命的。
实际疫情要远远超出各国政府当时能掌握的情况,但公众容易被公布出来的相对较小的确诊数字迷惑,以为不算严重,在主观上不容易引起足够重视。等到重视的时候,疫情已经结束了指数增长的早期阶段,进入了凶猛发展的时期。
为了说清楚这个道理,我们来回顾下湖北的病例。
我们这些分析的方法、数据,都来自托马斯·普约的文章,原文和中译本文我们做成了PDF,大家到公号后台留言「指数」即可获得。
https://ssimg.frontenduse.top/image/2020/03/25/be82450d1af29a9bd928d3afbdd229b1.png
| 图片来源:Thomas Pueyo,Coronavirus: Why You Must Act Now.

上面这张图,是普约在文章中提到的最重要的一张图表,展示了从去年12月8号到今年2月11号湖北新冠疫情的发展态势。
请注意,这张柱状图表,在每一个日期点上,都有两种颜色的条柱。
橙色代表官方发布的每日确诊病例数,也就是那个时间点政府能掌握的数据。
灰色显示的是每日实际病例数。也就是当时已经染病,但因为没有症状,没被发现的病例数。这些病例数,要等患者确诊后,通过医生们的询问,知道患者最早出现病症的时间,才能被推断出来。
很显然,在每一个时点上,灰色条都要远远大于橙色条。
也就是说,当你在某个时点上看到政府公布的橙色条的数据,其实只是实际疫情的一小部分。
以这张图上的湖北为例,1月21日,政府宣布新增不到100个病例(橙色)时,实际当日新增感染的病例超过1500个(灰色条)。
1月22日,武汉封城前一天,湖北当日的新增确诊病例为444例(橙色条),实际当天新增病例应该为2000例(灰色条)。
此时,湖北省内实际累计的确诊病例是多少呢?
我们只要1月22日之前的所有灰色条累加起来就可以得到数字:12000例。
所以,当我们看到政府公布数字444例,实际上应该是2000例,而实际累计更是12000例。
但是,回顾下,1月22日那天,公众的印象里,肯定没有病例已经破万的恐怖感知。
这就是前面所说的这波疫情的凶狠之处。潜伏期+无症状+指数增长,使得我们对于疫情发展,在直观感受上滞后了。
新冠病毒,太狡猾了。
当然,从上面这张图也能看出,1月23日武汉封城举措的重要性。封城之后,灰色条代表的实际疫情,很快就开始下降。
图表里的数据清晰的表现出这一点。
1月23日武汉封城,紧接着,湖北其他15个城市也相继封闭,整个灰色条从原先的显著式增长开始变得平缓,并逐渐降低,也就意味着实际感染病例数的下降。当然,2月1日灰色条又突增,这是因为之前受到感染而没有及时检测的患者,在不知情的情况下传播了病毒,而病毒经过潜伏期后,约一周的时间开始爆发。
尽管到2月4日,橙色条还在不断上升,但这时确诊病例数的增加并不意味着疫情的爆发,只是越来越多早前被感染的患者得到了确诊。
如果不考虑社会经济代价,只从控制疫情的角度说,武汉封城是正确的举措。
而其他国家,意大利、美国、德国、法国,疫情增长迅速,吃亏也是吃亏在这一点上。只要没有意识到疫情发展的灰色条与橙色条之差异,都会遭遇疫情的突然高速爆发的危险。
当然,封城并非唯一可以采用的举措(封城是一种硬着陆手段,代价过于巨大)。早期广泛的检测,是另外一种很好的、能控制疫情的替代手段。
韩国是杰出的代表。越是在早期广泛覆盖式的检测,就越是能发现灰色条与橙色条的差别,就越能意识到问题严重性,也越有机会采取对应隔离措施,从而降低损害。
无论如何,理解这波疫情的可怕,一定要理解每一个时点上,灰色条与橙色条的差异。
病毒的隐蔽性、潜伏期,共同造就了这样一个危机,每个时间点上,我们确诊的病例永远只是冰山一角。
为了让大家加深印象,我们换个角度,再解释下这个差异的可怕。
从这个问题开始:
当我们听到一个死亡病例时,外面实际应该有多少感染者?

一个病人,从生到死,经历了以下几个阶段:

感染 →(潜伏) 确诊  死亡。

前面提过,按照不同的疫情控制水平,致死率有两个数字,控制得好,致死率为1%;控制得不好,致死率为4%。
如果致死率为1%,那么这位病人得病的那个初始时刻,应该共有100人被感染。
因为病毒的高传染性,到这位病人最终死亡的时刻,这100人又会传染很多人。这个数值被称为有效传染数(Re),数值在不同的阶段有变化。比如,在武汉封城前,疫情不加控制的时候,中位数一般估计为2.38(95% 可信区间: 2.04-2.77)。
封城后,1月24日至2月3日,有效传染数一般估计为1.36(95%可信区间:1.14-1.63),1月24日至2月8日的有效传染数为0.99(95%可信区间:0.76-1.33)。
为了简化说明,我们用一个更简单的概念「倍率」来说明:即多少天整体病例翻一倍。
倍率当然也跟各个政府采取隔离控制的力度有关。力度越低,倍率越低,感染数翻倍的时间越短,病毒的传播速度越快。
因此,为了回答上面这个问题,需要以下数据:
潜伏期时间长短、确诊-死亡的时间周期、倍率。
这些数据,我们用托马斯·普约在文章里的估算。
(1)潜伏期:约为5天;
https://ssimg.frontenduse.top/image/2020/03/25/f13d81b8cf3340f1d0e7e258edb33dc1.png
| 数据来源:
github.com/midas-network/COVID-19/tree/master/parameter_estimates/2019_novel_coronavirus

(2)从确诊到死亡的周期约为15天;
https://ssimg.frontenduse.top/image/2020/03/25/f629258d43bbe83c7109f347dff67302.png
| 数据来源:
github.com/midas-network/COVID-19/tree/master/parameter_estimates/2019_novel_coronavirus

所以,一个人从感染病毒到死亡的周期算下来是5+15=20天。
这20天,最初的100名感染者会翻几番?
(3)倍率:很不幸,如果以湖北为例的话,湖北开始的控制力度很差,所以倍率要比其他地区低。按照下表的估算,倍率的时间范围在【3天-9.3天】之间,中位值为4.6天,我们粗略计算,就用5天这个数值。
https://ssimg.frontenduse.top/image/2020/03/25/acb98ec3165a515aba1a44ac445bf5bd.png
| 数据来源:
github.com/midas-network/COVID-19/tree/master/parameter_estimates/2019_novel_coronavirus

5天翻一倍,20天就是翻四番。100个感染者变成了1600个感染者。
说的再具体点。
假设我们前面说的这个病人在2月19日不幸去世,那么他确诊的时间应该是2月4日,染病的时间应该是1月31日。
致死率为1%的时候,1月31日这天有100人受感染,这位病人确诊的2月4日,感染人数翻倍为200人,到2月19日他去世的时候,感染人数达到1600人。
https://ssimg.frontenduse.top/image/2020/03/25/f11d27aa59a47e87b99db140b749b51c.png

所以,当我们听说有1例死亡的时候,其实已经有了1600个感染者。
这就是指数型增长的可怕之处,一开始人们对一两例死亡或者确诊病例并不在意,直到荷叶长满池塘,出现爆发式增长,才开始采取措施抗疫。
当然,荷叶中的池塘不会一直无限制的长下去,遍布我们的整个星球。
因为病毒传播同样需要一定的条件,离开宿主之后,病毒会死亡;而且当受感染的患者被隔离起来,无法向外传播时,病毒的威力就那么强大,病例增长速度会逐渐趋缓。说的极端一点,就算啥都不做,新增病例也会逐渐放缓。最终,就像下图中的黄色曲线所示,形成一条「S」型曲线。
https://ssimg.frontenduse.top/image/2020/03/25/3e06541d4059bcdd0ee6692ff6eaa85e.png
| 图片来源:PBS关于新冠病毒的讲解视频,What This Chart Actually Means for COVID-19.

上图中的这条S型曲线代表总病例数,过曲线上某点的切线的斜率,代表当日的新增病例数。
可以看到,随时间变化,曲线的斜率开始逐渐增大,但在经过某个「拐点」之后,曲线的斜率越来越小。
我们把切线的斜率也用曲线表示出来,就像上图的红色曲线那样。
图中的白色虚线代表医疗系统的防疫水平,如果红色曲线位于白线之上,意味着医疗系统无法应付新增病例的窘境,这就是我们前面提到的,当新增病例曲线超过医疗服务能力时,致死率会受到直接影响。
各个政府在抗疫过程中的种种措施,最终都体现为对红色曲线的影响,以及对白色曲线的提高。越积极干预,就越能缩小红色曲线与白色医疗服务线的差距。

04 「拉平曲线」,该怎么办?


显然,所有衡量政府抗疫表现的标准中,最重要的就是我们一开始谈到的致死率。只要不死人,总是能慢慢熬过去。但一旦会死人,事情就可以坏的不可收拾。

而要想降低致死率,无非就是上面提及的两种方式:

(1)抬高医疗服务水平,提升医疗水平和医疗系统的容载能力。不过短时间内,想要大幅提高显然是不太可能的,我们跑不赢病毒的传播速度。

(2)「拉平曲线」,降低新增病例的增长速度。

如果新增病例增长得足够慢,现有医疗系统就能保持正常的运转,控制死亡率,更好地应对疫情,也能为疫苗研制争取更多时间。
通俗来说,我们无法消灭冠状病毒,只能延迟感染病毒的机会,直到人类成功研制出疫苗,彻底解决病毒。
https://ssimg.frontenduse.top/image/2020/03/25/1a06548a1b7be76eea9d4f8dff3e7ca1.png
| 越早采取行动,越能将感染病例曲线拉平。
图片来源:Thomas Pueyo,Coronavirus: Why You Must Act Now.

那么,应该如何做,才能尽可能「拉平」这条曲线呢?
答案也显而易见。我们无法掌控病毒,但能控制我们自己:扩大社交距离(Social Distancing)。
我们中国人两个多月以来做的就是这件事儿,待在家,尽量不外出,减少与他人接触,实在要出门必须带上口罩。
各地都加大了对流动车辆及人口的监督排查,封城封路封小区,学校停课,企业推迟复工,关闭一切非必要营业场所......
效果也是显而易见的。我们上文提到,湖北几乎从封城一开始,实际感染病例的数量就开始下降。截至目前,湖北的新增病例已经降至零,中国的疫情基本得到控制。
当然,我们所付出的经济和社会成本相当大。
那是不是抗疫就这样一种模式呢?
也不尽然。
就像前面说到的,韩国、日本、新加坡很早出现了感染病例,但曲线整体平缓,同时致死率相对其他国家要低。
这几个国家,普遍采取了「抑制」策略:运用强力措施,确保所有的病例得到检测、控制和隔离,有效降低病毒的流动性,阻断病毒的传播。
相应的经济牺牲和社会代价要小一些。
不过,小的代价也是代价,这也是为什么很多国家迟迟不采取严格措施的原因,抑制成本过高,会对经济造成打击。他们选择了另外一种「缓解」的策略。
缓解策略并不强制限制人们的出行或活动,关闭公共场所,而仅仅「建议」那些患病或体弱易感的人隔离。最具代表性的是英美两国。
但随着帝国理工学院的报告,英美两国已经改变主意,转向抑制策略。
普约在《新冠病毒:铁锤与舞蹈》中,将抑制措施形容为「铁锤」(Hammer ),它可以带来新增病例和死亡率的迅速下降,为进一步的防疫工作提供准备时间。
中国的措施,更是铁锤中的铁锤。
铁锤策略如果能生效,之后,就会是相对宽松的「舞蹈」(Dance)过程。只要能在「铁锤期」控制住疫情,「舞蹈期」只需要基本的手段就可以稳定并实现好转。
「铁锤期」越有力 ,「舞蹈期」就越轻松。
国际比较的话,有些国家措施得当,「有效的检测、有效的追踪、旅行禁令、有效的隔离与检疫」,比如日本、韩国和新加坡,甚至没有经历「铁锤」阶段,就迎来了「舞蹈期」。
中国,全球这波疫情爆发地,最初应对有迟滞,之后抡起「大铁锤」,在付出巨大社会经济代价之后,湖北之外,疫情控制尚算良好,但最终能不能迎来「舞蹈期」,还有考验。
英国,美国,欧洲其他一些国家,开始舍不得「铁锤」,最终还是不得不抡起「铁锤」,目前正处在最可怕的高爆发阶段,能不能以比较小的代价过渡到「舞蹈期」,还有待观察。
总体而言,不管情愿不情愿,最终大部分国家都要抡起「铁锤」。

正如普约在文章说的:「铁锤」什么时候开始落下呢?现在。越早越好。因为——

「这是一个指数级的威胁,每一天对于我们都很重要。」

(This is an exponential threat. Every day counts. )

我们特地为大家找到这两份指数报告的英文原文和中译版,在「明白知识」公众号后台回复关键词「指数」,即可获得这两份指数报告的电子版~
▽更多精彩内容
https://ssimg.frontenduse.top/image/2020/03/25/0c780e38a796be66f721668f79b98a28.pnghttps://ssimg.frontenduse.top/image/2020/03/25/69d6267ad3fc224336b0a6365ab86fbe.pnghttps://ssimg.frontenduse.top/image/2020/03/25/65a9cc045596d4c232a0a14e2615f3ce.png
https://ssimg.frontenduse.top/image/2020/03/25/c16e3f643aa70df5a3d5b582c71300bd.png▽▽明白推出的通识教育APP知鸦已经上线啦,扫描下方海报二维码或点击文末的阅读原文即可下载!
https://ssimg.frontenduse.top/image/2020/03/25/694d2c305408b4f1078a1156b0718e10.png

来源链接:https://mp.weixin.qq.com/s/ozAMLYAWG2wbzoncsjnz8A

This article was posted on Instant Matataki,

Disclaimer: This article was uploaded and posted by user "NewsMatataki", and the content is the author's independent opinion. It does not represent Instant Matataki's position, does not constitute investment advice, please treat it with caution.

喜欢就打赏Fan票吧~

0/500
评论0 打赏0