疫情暴发中的接触者追踪建模及其在埃博拉中的应用

接触者追踪是控制埃博拉疫情的重要策略。从理论视角，显式将接触者追踪与疾病动态结合存在挑战，且接触者追踪的种群水平效应难以确定。本工作中，我们公式化并分析了一个考虑接触者追踪关键特征的机制性SEIR型暴发模型，并刻画了接触者追踪对埃博拉有效再生数 $\mathcal R_e$ 的影响。特别地，我们确定了相关流行病学属性（如潜伏期、传染期和病例报告）以及变化的监测方案如何影响接触者追踪的效力。在完全监测追踪病例或完全报告所有病例的特殊情况下，我们推导出为使有效再生数 $\mathcal R_e$ 降至1以下所需追踪的接触者临界比例的简单公式。此外，在任一情况下，我们展示 $\mathcal R_e$ 可完全用可观察的报告病例/追踪量表示，即 $\mathcal R_e=k\dfrac{(1-q)}{q}+k_m$，其中 $k$ 是每个首要未追踪报告病例的继发追踪感染接触者数，$k_m$ 是每个首要追踪报告病例的继发追踪感染接触者数，$(1-q)/q$ 是报告病例不是追踪接触者的优势比。这些公式将接触者追踪量化为既影响疾病传播的干预策略，又作为种群水平当前疫情状态的探针。西非埃博拉暴发的资料被用于形成 $\mathcal R_e$ 的实时估计，并为我们关于接触者追踪及其他控制措施对疫情轨迹影响的预测提供信息。