奥古斯塔大学：新数学模型显示全球只有1/5的COVID病例被计算在内

这些数字已经将COVID-19提升到包括美国在内的一些国家的头号杀手的位置–紧随心脏病和癌症之后。

然而根据研究人员在《Current Science》上的报告，数学模型显示，总体而言，病例的漏报率为1/1.2到1/4.7。这种漏报导致世界范围内的大流行病估计从6亿到24亿例不等。

奥古斯塔大学乔治亚医学院传染病科理论和数学建模实验室主任Arni S.R. Srinivasa Rao博士表示：“我们都承认对我们个人、国家和世界的巨大影响，但真正的病例数量很可能比我们意识到的要高得多。我们正试图了解报告不足的病例的程度。”

Rao和密苏里州圣路易斯华盛顿大学的数学教授Steven G. Krantz博士以及加州大学河滨分校社会学系Edward A. Dickson名誉教授David A. Swanson博士指出，他们的模型产生的估计病例的范围很广，这表明报告数字的准确性存在问题，其中包括数据篡改、无法进行准确的病例追踪及病例报告方式缺乏统一性。

Rao称，信息的匮乏和病例报告的不一致一直是获得大流行病影响的真实情况的一个主要问题。

数学模型使用任何可用的信息及相关因素如全球传播率和世界上的人口数量则包含了29个月时间框架内的平均人口。Rao表示，这个平均数被称为有效人口，它更好地考虑了那些因任何原因出生和死亡的人，因此提供了一个更现实的可能被感染的人数。

“你必须知道病人和他们的家庭、医院和护理人员、经济和政府的真正负担，”Rao说道。另外，他还指出，更准确的数字也有助于评估间接影响如对潜在的长期神经和精神疾病的诊断不足，现在已知这些疾病跟感染存在直接关系。

数学专家曾在2020年大流行的早期为八个国家发表过类似的基于模型的估计，从而为他们当时所说的明显的报告不足提供更多视角。他们的模型预测，像意大利这样的国家，尽管他们在报告方面很勤奋但可能只捕捉到1/4的实际病例，而在人口数量巨大的中国，他们计算出了一个巨大的潜在漏报范围，从149%到1104%的病例。

导致漏报的其他因素包括：每个感染了COVID-19的人都没有经过测试。另外，相当大比例的人甚至是接种过疫苗和强化过的人都不止一次被感染，他们可能只在第一次去看医生进行PCR休息，而在随后的疾病中可能使用家庭测试甚至不进行测试。像最近发表在《JAMA》上的一份关于冰岛在奥密克戎变异波前74天的再感染率的报告表明，根据PCR测试，对于那些接受了两剂或更多剂量疫苗的人来说，再感染率在10.9%–在那些18-29岁的人中最高达到15.1%。

据报道，在他们29个月的研究时间框架结束时，全球完全接种疫苗的人数达到了51亿。

美CDC报告称，从8月到9月，美国的新病例、住院和死亡人数呈下降趋势。