研究表明，更多人患有冠状病毒而不是先前估计
许多人怀疑他们现在已经感染了Covid-19，尽管只有英国人口的只有0.5％的人口实际上是诊断出来。在其他国家/地区报道了类似的数字。然而，有多少人实际上有它，但是，尚不清楚。由于许多型号假设大约1％，因此也有什么比例的人们获得了围绕的人的不确定性。
我们相信对感染患病率的报告有过度信心死亡达到Covid-19时的统计数据。此类统计数据未能考虑到数据的数据和解释中的不确定性。在我们的新文章，已被同行评审和接受的出版物风险研究杂志，我们开发了一个计算机模型估计Covid-19死亡率时，这考虑了这些不确定性。我们看到了一个非常不同的图片。
我们的模型，称为贝叶斯网络，允许我们组合多个数据源，并评估感染患病率和死亡率的敏感性是两个主导的不确定性来源。
一种是血清学（抗体）测试的准确性，这是至关重要的，这依赖于我们准确测量个体是否具有抗体的能力。我们考虑了制造商测试套件的误报或负率等因素。
我们还考虑到死亡数据的可靠性。这是重要的，因为死亡率，Covid-19感染患者的死亡可能性被定义为群体中受感染者的死亡数。如果这些变量中的任何一个不确定，任何基于所产生的死亡率的政策决策本身都是不可靠的，或潜在的危险。
这些因素的两种因素都比被报告更不确定。当我们在模型中占据他们的时候，我们在全球许多地区发现了高社区感染率。对于日本神户，我们的模型建议超过800倍人们已经遇到了Covid-19。对于英格兰和威尔士，这个数字是28次。
至于死亡率，团队来自英国帝国学院向英国政府提供建议的，此前估计该号码为1％。但这是不确定的。该团队指出其模型“依赖于某些流行病学参数的固定估计，例如感染死亡率”，同时也承认“在持续的大流行中，我们依赖于不完整的死亡数据，报告中的系统偏见和主题未来的整合。“
当我们调整这些不确定性时，我们发现死亡率估算最有可能在我们考虑的国家/地区的0.3％-0.5％的范围内。
虽然我们的研究没有涵盖，但我们也将我们的模型应用于纽约市数据。这里，“实际”NYC致命计数标明为23,430，估计死亡率为1.4％。但是，当数据输入到我们的模型中时，可能会降低死亡率的估计到官方人物的一半至1.3％的范围。
死亡人数的不确定性
那么我们如何考虑这些不确定性？每个国家都有不同的方式计算死亡 - 这是一个开始的问题。并且，在许多国家，通过添加确认的死亡估计了“实际”死亡计数，其中Covid-19与积极的Covid-19测试结果一起出现在死亡证明，Covid-19在死亡证书上的死亡人数，但没有进行测试，统计估计“过度死亡”（相信它有多于正常的死亡人数）。
例如，在纽约市，“实际”死亡计数是确认的13,156人死亡的总和，Covid-19随着积极的Covid-19试验结果而出现在死亡证明，5,126人死亡人员在Covid-19上死亡证明但没有测试的情况下，5,148次死亡。但我们实际上并不知道这些人是否死于“与”或“与”covid-19“中的”或“。这些死亡中的许多人在其实际上非常不确定时被标记为“实际”。
更重要的是，通过与前五年来的，不包括“糟糕”流感季节 - 这是一个问题，通常通过与前五年进行比较来计算过多的死亡。此外，Covid-19可能正在加速迫在眉睫的死亡。如果锁定的影响阻止了具有严重条件的人，例如加入医疗保健和死亡，那么由于Covid-19由于Covid-19而导致的“过度死亡”，这是有助于严重高估的风险。
牧群免疫力？
如果我们靠近畜群免疫，或者是否可能是病毒的“第二波”，则值得考虑这种研究。以瑞典为例，抗体研究表明Covid-19更普遍，在几周前的7％比当时建议的确认案例更为普遍。然而，这仍然远远超过65％以保证畜群免疫力。如果瑞典尚未达到牧群免疫力，而且没有授权锁定，为什么他们的死亡号码不增加？
我们没有考虑到我们研究的一个有争议的解释是存在“抗体暗物质”，其在抗体测试中没有出现，但仍然对病毒提供了一些保护。
免疫系统涉及两种类型的白细胞：T细胞和B细胞。但只有B细胞产生抗体。研究表明免疫力可能更快从先前的感染中发展“与Covid-19类似”，例如SARS-V1，通过免疫“T细胞”而不是B细胞。这意味着许多人可能已经新冠病毒但没有开发抗体 - 导致低估了感染的数量，包括我们的模型。
因此，虽然最近一项研究索赔大约10％的人口England和威尔士实际上可能被感染了，实际上可能会更高。
显然，我们无法完全信任统计数据死亡在我们获得更准确的数据之前和感染率并将其包含到诸如我们的型号之前。
用户评论