基于有效再生数的低成本策略以降低COVID-19死亡人数

在流行病学中，有效再生数 $R_e$ 用于刻画传染病暴发时的增长率。本文中，我们研究了对美国得克萨斯州休斯顿市COVID-19修正SEIR模型中 $R_e$ 的性质，该模型将人群划分为低风险与高风险两个子群体。我们刻画了 $R_e$ 对施加于两个不同子群体的两类控制措施（检测与保持距离）的响应。控制措施采用非线性成本模型，以纳入收益递减效应。我们提出三种针对降低 $R_e$ 的缓解COVID-19启发式策略，并展示了策略实施成本与死亡人数之间的权衡。我们还考虑了每类策略的两个变体：基本策略，仅考虑控制对 $R_e$ 的影响而不区分子群体；以及高风险优先策略，最大化对高风险子群体的控制。结果表明，在三类启发式策略中，最具成本效益的是设定 $R_e$ 目标值并施加足够控制以达到该目标值。该启发式导致的策略为：起初对整个群体严格保持距离，随后增加检测。最大化对高风险个体控制的策略不如强调降低疾病传播速率的基本策略具成本效益。模型显示，将控制措施启动时间延迟超过某一点会严重恶化策略结果。我们得出结论：有效再生数可作为确定成本效益控制策略的有价值实时指标。