澎湃Logo
下载客户端

登录

  • +1

全球抗疫观|220万人死于新冠?特朗普说的最坏结局靠谱吗

高翔
2020-03-31 07:39
来源:澎湃新闻
澎湃商学院 >
字号

本地时间3月28日晚,美国国家过敏和传染病研究院主任福奇博士(Anthony Fauci)接受CNN的采访。在被问及美国新冠可能的病例数和死亡数的时候,他说大概会有上百万的人被感染,而死亡人数可能在10万-20万。

此言一出,立刻登上各大媒体头条。福奇博士被誉为“美国钟南山”,是这次美国新冠防疫卫生政策的主要智囊。由于他坚持科学原则,独立于党派之争,在美国备受尊敬。

次日(3月29日)下午,在白宫的新冠疫情新闻发布会中,美国总统特朗普告诉记者,如果政府不作为(do noting),美国新冠肺炎死亡人数,可能高达220万。据《华盛顿邮报》统计,在这场发布会中,特朗普把“220万”这个数字总共重复了16次。

这一数字,比福奇博士估计死亡人数高了十余倍。如果属实,将远远超过1918年流感大流行(美国死亡55万人)和第二次世界大战中美国死亡人数(约40万)。

那么,特朗普和福奇博士所推测的死亡数据哪个更可信呢?

他们的所估计的死亡数据,都是基于数学预测模型。不过这些模型构建过程中前提条件(如是否进行干预)和计算参数不同,从而造成了预测数据的大相径庭。特朗普提到的220万新冠死亡人数,是指政府听任新冠病毒肆虐的情况下的最坏结局。而如果进行干预,美国应该能把死亡人数控制在10万左右,即如福奇博士所预测的数字。

特朗普在新闻发布会中提及的220万死亡的数据,主要来自英国帝国理工学院COVID-19团队两周前(3月16日)在线发表的一篇科研论文。他们通过数学模型,预测在没有任何干预措施下,英国会有51万新冠死亡。而在美国,死亡人数将高达220万。在这个数学模型中,R0(基本传染数)设置为2.4。R0是传染流行病学中的一个术语,指在没有外力干预下,一个感染者平均能传染的人数。其他一些参数,比如每个年龄段的新冠死亡率,主要基于中国1月份的数据。在接受《纽约时报》的采访中,该研究团队告诉记者,他们已经在报告发表前一周,将其提交给了白宫新冠特别工作组(White House Task Force)。而这个特别工作组的组长,是美国副总统彭斯。

在这篇科研论文中,作者还提到了不同干预措施情况下的预测结果。他们发现,如果同时采取:1.隔离病人;2.隔离潜在感染者14天;3.关闭学校;4.全社会实行“社交距离”(social distancing)这四项措施,那么新冠死亡人数会大幅下降。以英国为例,大概能降低87%,即从51万人减少到3.9万人。但在这篇论文中,并没有提及美国在实行不同干预措施后的预测死亡数。而美国从3月中旬开始,一直在采取以上四项措施。

福奇博士没有明确其预测数据的来源。不过,在华盛顿大学健康计量与评估研究所(IHME)3月25日发表的一篇研究报告中,预测美国未来4个月内可能会有81114人(范围38242至162106人)死于新冠肺炎。疫情的拐点大约在4月的第二周。在预测模型中,死亡率等参数除了使用美国已有数据之外,还参考了中国、意大利、韩国等国数据。另外,这个预测模型考虑到了美国现有的相关政策。

特朗普告诉记者,如果最终美国新冠死亡人数控制在10万到20万之间,那意味着他所领导的政府防疫工作非常成功(a very good job)。

需要强调,以上的预测模型都是建立在非常多的假设的基础上的。因此经常会出现预测数据和未来真实数据不符的情况。2014年埃博拉流行期间,美国预测将有100万人感染,但实际感染人数约3万。

有很多原因可能导致这次新冠数学模型预测结果迥异于实际死亡数据。比如,由于中美医疗条件不同,中国数据是否能够直接用于美国疫情评估?另外,同样的干预措施,在不同地区由于执行者的力度不同,也会有不同效果。因此,预测数据只是参考,实际新冠患病人数和死亡人数,会因时、因地、因势而变化。而且,抗疫政策会随着模型预测的结果而不断进行调整。

(作者高翔为美国宾州州立大学教师,流行病学家)

    责任编辑:蔡军剑
    图片编辑:蒋立冬
    校对:丁晓
    澎湃新闻报料:021-962866
    澎湃新闻,未经授权不得转载
    +1
    收藏
    我要举报
            查看更多

            扫码下载澎湃新闻客户端

            沪ICP备14003370号

            沪公网安备31010602000299号

            互联网新闻信息服务许可证:31120170006

            增值电信业务经营许可证:沪B2-2017116

            © 2014-2024 上海东方报业有限公司

            反馈