大流行场景下 COVID-19 的动态竞争风险建模

2019冠状病毒病（COVID-19）在美国的出现迫使联邦和地方政府实施遏制措施。此外，局势的严重性激发了研究与临床社区的参与，旨在为该疾病开发有效的治疗方法。本文提出了一个针对感染个体的具有竞争风险的时间动态预测模型，并为决策者开发了一个简单工具，以在何时实施最严格的遏制措施以及不同治疗方法如何增加或抑制感染病例方面比较不同策略。比较了两种遏制策略：（1）能够长期满足市民需求的恒定遏制策略；（2）严格程度随时间变化的自适应遏制策略。我们考虑了该疾病的有效治疗方法如何影响大流行场景中的动态。作为说明，我们考虑一个人口为280万、初始感染病例为200的地区，假设死亡率为4%，而在有新药可用时死亡率为2%。我们的结果表明，与恒定遏制策略相比，自适应遏制策略缩短了爆发持续时间并降低了最大每日病例数。这与该疾病的有效治疗计划相结合，可以最小化死亡率。