美国约翰斯·霍普金斯大学的实时数据，截至北京时间 4 月 17 日 2 点 30 分，全球新冠肺炎累计确诊病例超 210 万，累计死亡病例逾 14 万。
日益增长的死亡数字让人实在难以置信，有网友也直呼，我们什么时候才能恢复正常，我们还能等到疫情结束吗？
这个答案谁都不知道。不过，最近，哈佛大学 T.H.Chan 公共卫生学院的研究者基于美国数据进行建模研究，探究了未来数年时间里，保持社交隔离对疫情发展的影响，模型结果显示，在无其他干预措施的情况下，重症患者将超过重症监护能，如果没有特效药或疫苗出现，那么，可能要到 2022 年都需要长期或者间歇性的社会疏远。
同时，该研究还指出，疫情可能会在呼吸道病毒流行的秋冬季出现，甚至是比当下更为严重的暴发。研究者基于数据建模提出预测，在缺少疫苗或其他有效治疗手段的前提下，疫情甚至最晚在 2025 年前还有复发的可能性。
网友也评论称：
这是迄今为止见过的对疫情最悲观的预期了。
但流行病模型的目的并不是给出正确的答案。这样的模型并不在于精准预测未来，更重要的是提出一系列的可能性。
利用美国的时间序列数据对新冠病毒的季节性、免疫性和交叉免疫性进行计算，研究人员建立了新冠病毒传播模型。
研究人员指出， SARS-CoV-2 大流行和大流行后的传播动态将取决于以下因素：传播的季节性变化程度、免疫持续时间、SARS-CoV-2 与其他冠状病毒的交叉免疫程度，以及控制措施的强度和时间。
而要想知道病毒的传播动态，就要对新冠病毒的传染路径有所了解，所以研究人员首先对新冠病毒的家族做了梳理对比。
新型冠状病毒为单股正链 RNA 套病毒目冠状病毒科冠状病毒属，其家族分 4 个群（α，β，γ和δ）。
其中，SARS-CoV-2 属于 β 冠状病毒。β 冠状病毒的其他成员，既包括致死率高但传播有限的非典SARS-CoV-1 病毒、中东呼吸综合征 MERS 病毒，也包括威胁较少但经常带来感冒困扰的 HCoV-OC43 和 HCoV-HKU1 病毒。
通过目前已知的数据可知，新冠肺炎病例死亡率估计在 0.6%~3.5% 之间，严重程度远低于 SARS-CoV-1病毒（9％）和 MERS 冠状病毒（36%），但高于上述两种 HCoV 病毒。
而 SARS-CoV-1 感染后能产生更持久的免疫力。但可怕的是这些 β 冠状病毒可以诱导相互之间的免疫反应：SARS-CoV-1 感染可以产生针对 HCoV-OC43 的中和抗体，而 HCoV-OC43 感染可以生成针对 SARS-CoV-1 的交叉反应抗体。
紧接着，研究人员使用来自美国的数据模拟温带地区 β 冠状病毒的传播，对两种 HCoV 病毒进行测试，并建立了与它们的流行率相匹配的流行病学模型。
该模型显示，感染率将在 5 月到 10 月之间达到峰值。秋季的到来导致了该高峰的开始，而缺乏易感个体致使该季节结束时感染率下降，原因是很大一部分人口已经在春季被感染。
的确，夏天的确会让病毒传播速度变慢，但由于疫情还在不断蔓延，因此夏季因素仅能一定程度减少病毒的传播速度。
红色HCoV-HKU1发病率、蓝色为HCoV-OC43发病率，金色为季节性强迫
就像普通季节性流感和其他呈现明显季节性的冠状病毒在冬季结束后感染率下降，这是季节和人类免疫力之间共同合作的结果。
而一个更头疼的问题是：人们对新冠治愈者产生免疫力的水平以及持续时间知之甚少，而且预测长期动态是不可能的。
因此，研究人员预测了到 2025 年 SARS-CoV-2 的感染率等数值，并将大流行后 SARS-CoV-2 的动态概括为每年爆发、两年爆发一次、零星爆发、基本消除。
但总体而言，与其他 β 冠状病毒相比，免疫持续时间较短和交叉免疫程度较小，与 SARS-CoV-2 引起的总感染发生率较高相关，秋季传播能力和传播率较小的季节性波动与大流行的高峰相关。
由此，他们做出了两个假设：
如果对 SARS-CoV-2 的免疫力不是永久性的，则很可能像其他 β 冠状病毒一样进入常规循环。比如在接下来的 5 年中，以每年、每两年或零星的频率出现。如果免疫的持续时间少于一年，可能每年爆发一次；如果时间更长，则可能每两年爆发一次。
传播的高季节性变化导致在最初的大流行波期间发病率峰值较小，但冬季反复爆发的发病率较大。较强的季节性强迫会导致夏季低传播期间易感个体的积累增多，从而导致大流行后时期的反复暴发和高峰。
如果对 SARS-CoV-2 的免疫力是永久的，则该病毒可能在造成重大疫情后，消失五年或更长时间。长期免疫力始终导致有效消除 SARS-CoV-2 并降低总体感染率。如果 SARS-CoV-2 能诱导针对感冒病毒的交叉免疫，则所有 β 冠状病毒的发生率都可能下降甚至几乎消失；如果 SARS-CoV-2 对它们产生 70％ 的交叉免疫力，则足以有效消除两种 HCoV 病毒的传播。
但总体而言，新冠病毒将长期存在。
既然，新冠病毒将长期存在，那么我们要一直被隔离吗？借此，研究人员也分析了一次性隔离措施和间接性隔离措施对疫情的影响程度。
研究人员假设最坏的情况是两种 HCoV 病毒没有针对 SARS-CoV-2 的交叉免疫，这使得 SARS-CoV-2 模型不受那些病毒的传播动态影响。
根据传播模型的拟合，他们假定潜伏期为 4.6 天，传染期为 5 天，不需要重症监护的患者，平均非重症住院时间为 8 天；需要重症监护的患者为 6 天，重症监护的平均时间为 10 天。
以 HCoV-OC43 和 HCoV-HKU1 的季节性强迫推定为指导，研究人员将峰值（冬季）R0 值设置在 2.2-2.6 之间变化，并允许夏季 R0 值在 60%（即相对强的季节性）~100%（即无季节性）之间变化。通过将 R0 减小 0~60% 的固定比例来模拟社交距离，评估了一次性社会隔离干预措施和间歇性社会隔离措施。
模型结果显示，当传播不受季节影响时，一次性社会隔离措施减少了疫情高峰。
蓝色阴影区域表示社交隔离，A~E的社交隔离时间分别为4周、8周、12周、20周、无限期；R0值恒为2.2，每个患病率图旁边显示了累积感染的规模（F到J）
如果对病毒的行为增加季节性影响，无论是在高峰流行率方面还是在感染总数方面，干预后的二次疫情高峰，都可能超过从未尝试过社交隔离措施的疫情规模。
严格的社交隔离措施使得人群中易感人群比例较高，当 R0 在深秋和冬季上升时，容易引发严重流行病，没有一项一次性干预措施能够有效地将重症患者的患病率保持在重症监护能力范围内。
而间歇性社交隔离措施可以防止疫情规模超出重症监护能力。社交距离开始的时间和重症监护需求高峰之间大约有 3 周的间隔，当传播是季节性的，夏季的社会距离可能比 R0 在全年最大冬季值保持不变时更少。
A和C无季节性影响，B和D有季节性影响，蓝色阴影区域表示间歇性社交隔离，黑色曲线表示SARS-Cov-2患病率，红色曲线表示SARS-Cov-2危重病例，黑色实心横线表示重症监护能力，水平虚线表示社交隔离的开/关阈值
模型结果显示，不管新冠病毒是否呈现季节性，在未来超过 2 年时间里间歇性保持社交隔离都是一个更好的结果。
但疫情发展还有很强不确定性，目前并不能确定间歇性隔离需要持续到 2022 年，不过更广泛的病毒测试将有助于我们更加准确判断各个地区的疫情进展，并采取更加细化和适合当地的隔离措施。
因此，在缺少疫苗和治疗能力的情况下，最终控制疫情需要依靠群体免疫力逐步提升，因此保持社交隔离一方面要能够控制患病人数缓慢上升，另一方面也不能让所有人都将病毒隔离在外，因为这就无法获得对新冠病毒的免疫能力。
论文的作者之一马克·利普希奇（Marc Lipsitch）也指出，通过允许病毒传播期达到比其他传播期更高的流行率，大概率能加速获得群体免疫。目前无法确定治愈后是否会产生免疫力，且免疫力的持久性会不会长久，只能根据相关病例推测，新冠病毒免疫力应该可持续一年。
但几乎可以肯定的是，新冠状病毒不会像 2002 年至 2003 年暴发的非典病毒（SARS）那样，永久消失，也不会强大到让病毒一轮席卷后消退。
当务之急是开展血清学的纵向研究，能帮助确定个人对新冠病毒免疫力的程度和持续时长。即便这次的疫情结束，也必须持续跟踪和检测病毒。因此，在有效的疫苗和治疗手段面世前，我们要做好和病毒长期抗击的准备。
哈佛大学团队的这项研究，显然与各国的美好期盼背道而驰，那么，专家对此又是怎么看的呢？
爱丁堡大学传染病流行病学教授马克·伍尔豪斯（Mark Woolhouse）认为，这是一项出色的研究，它使用数字模型探索了新冠疫情在未来几年内的动态，而不只是关注于未来的几周或几个月。不过，伍尔豪斯也指出，这些模型仍基于一系列假设，因此该模型展示出的是一项可能的情景，而不是一项预测。
约翰斯·霍普金斯大学流行病学家凯特琳·里弗斯（Caitlin Rivers）认为，该研究对试图规划如何应对病毒的卫生官员和医疗专家来说是有用的。
这份研究指出，新冠病毒将在 2022 年前与我们同在。我认为这有助于思考哪些干预措施是可持续并且有效的。
总之，在疫苗和更好的治疗方法出现之前，采取必要的隔离措施是非常必要的。
雷锋网雷锋网雷锋网
参考来源：
[1]https://science.sciencemag.org/content/early/2020/04/14/science.abb5793
[2]https://science.sciencemag.org/content/sci/early/2020/04/14/science.abb5793.full.pdf
[4]https://www.technologyreview.com/2020/04/15/999618/2022-social-distancing-science-lipsitch/
正在生成分享图...
吴彤