致死率、R0和群体免疫 豆瓣 扫码直接下载 · 致死率、R0和群体免疫 2020-03-15 05:23:08 排版更好的一版 2020年3月24日发在大象公会公众号上，可以自行搜索《 概念陷阱：病死率、R0和群体免疫 》 一个搞数据的人，如果不问数据来源、数据质量、数据产生过程（data generating process），拿到数据，就直接跑模型，那TA一定不是一个好的数据科学家。
 与此同时，跑模型还要意识到模型的假设是什么，和现实可能差的多远，包含了哪些参数，没有考虑到的参数有哪些等等等等。
总的来说，就是George Box的那句名言——和现实的复杂程度相比，“所有模型都是错的，但是有些模型是有用的。
” Essentially, all models are wrong, but some are useful COVID-19全球大流行，新闻报道、各种公众号和评论都开始频繁提到各种流行病学名词，引用这样那样的数据，这篇文章主要写写估算致死率、R0和群体免疫三个测量数值的难度和误差。
 致死率 首先来看致死率（Case fatality rate），我觉得更合适的叫法应该是case fatality ratio。
死亡率（death rate）的分母单位是（person-years）就是一个固定区域内的所有人乘以时间（大部分以年作为时间单位）， 因为所有人都是有死亡风险的，分子是在这个风险人群和风险时间段内死亡的人数。
 R0 (基本传染数 - Basic reproduction number ) 再来看R0，首先发音应该是R-naught，是病原体传染性（contagiousness）强弱的一个指标, 估算的是在传染病爆发初期（所有人都没有免疫的时候）一个被感染者平均可以直接传染多少人。
我们为什么关心R0呢？因为当R0大于1的时候， 传染病会变得流行，迅速传播开， 如果不防控，就会指数增长；R0等于1的时候，传染病是地方性的（endemic), 可控的，与人群长期存在；而只有R0小于1的时候，传染病才会因为无法传播开而逐渐消失。
极端的抗疫措施的背后，有哪些看不见的人在为此付出代价？疫情当下，没有一个决策是容易的，在资源有限的前提下，天平的一头是人命，另一头也是人命。
 群体免疫（Herd immunity） 群体免疫是和R0联系非常紧密的一个概念。
为什么大规模注射疫苗对于大部分传染病是最有效的方式？因为易感人群比例大幅下降了，而免疫人群又切断了部分到易感者的传播链，有一部分易感者就被保护起来了。
我们用R*来表示有 免疫之后人群中 平均一个被感染者的平均传染人数，这个人数大致是R0乘以（1-H)。
我们由此可以来推断，要彻底告别该传染病流行 (即R* 小于1)，需要多少人群具有免疫 。
 红色：有传染性的已感染者 黄色：易感者 绿色：有免疫者 群体免疫的计算，完全依赖对于R0的估算。
以上已经提到R0估算的各种问题，因为模型不同，算出的R0差别会很大，例如麻疹的传染性极强，通常R0的估算范围在12-18左右，但17年一篇 回顾 发现，麻疹的R0范围在不同地区差别极大3.7–203.3。
因此估算群体免疫，对于不同国家和地区，根据R0的估值不同，也会差别很大。
 在目前COVID-19是全新的病毒、没有疫苗的情况下，大部分人都是易感人群。
估算群体免疫还要考虑，痊愈人群的免疫持续时间有多久？对于不同病株（ 病毒变异）的有效性如何？目前的经验还无法对这些问题下定论。
 在疫苗出来之前，COVID-19流行结束靠群体免疫，实在是闷死病毒无望至今的无奈之举。
这里不得不提，对于大部分传染病，都需要大部分人注射疫苗才能形成群体免疫，因此及时注射疫苗既是保护自己和家人，也是保护其他人。
千万不要依赖群体免疫，抱有侥幸，如果大家都这么想，群体免疫就没了。