新发传染病流行中的估计：偏差与修正

在分析新发传染病暴发时，通常只能在有限时间内获得观测数据，并需估计多个参数，如增长率、R0、代际间隔或序列间隔分布、潜伏与潜伏期、或病死率。描述症状出现、报告、死亡与康复/出院之间时间关系的参数也同样重要。这些参数构成了预测未来暴发、规划预防措施和监测疾病进展的基础。我们研究在暴发新兴阶段进行推断的问题，并指出与接触者追踪、以序列间隔替代代际时间、多个潜在传染者或指数增长放大的截断效应相关的潜在偏差来源。这些偏差直接影响代际时间分布和病死率等的估计，并可能传播到其他估计，例如 R0 和增长率。许多传统上用于疾病流行病学的估计方法在应用于新发疾病暴发情境时可能受这些偏差影响。我们展示了如何基于恰当的统计建模避免这些偏差。我们以基于近期 2014–15 年埃博拉暴发的数值例子和模拟来说明该理论，以量化可能的估计偏差：若对观测数据拟合流行增长率，R0 可能被低估多达 20%；反之，若使用正确的 R0 并结合 Euler-Lotka 方程，增长率可能被高估多达 62%。