🧬 biology

Joint economic and epidemiological modelling of alternative pandemic response strategies

本文介绍了一个联合经济与流行病学建模框架，用于评估大流行病应对策略，发现虽然缓解措施通常对低严重程度疾病最具成本效益，但对于高传播率的重症疾病，消除策略则更为可取，正如新西兰2020年应对新冠疫情的做法所证明的那样。

原作者： M J Plank, M Sushames, T Fisher-Taylor, A Afshari, R N Thompson, A Hurford, S C Hendy

发布于 2026-05-27

📖 1 分钟阅读☕ 轻松阅读

原作者： M J Plank, M Sushames, T Fisher-Taylor, A Afshari, R N Thompson, A Hurford, S C Hendy

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象你是一艘船（国家）的船长，正航行于风暴（一场新的大流行病）之中。你拥有有限的燃料（资金）和有限数量的救生艇（医院床位）。风暴变幻莫测，你必须决定如何掌舵，以确保全员安全抵达，同时避免燃料耗尽或船只沉没。

本文是一份数学“导航指南”，旨在帮助船长在三种不同的掌舵策略之间做出抉择：缓解（Mitigation）、压制（Suppression）和根除（Elimination）。作者构建了一个模型，用以权衡风暴本身的代价（人们患病）与掌舵机动的代价（封锁、边境关闭等）之间的利弊。

以下是他们研究发现的简要解析，辅以通俗易懂的类比：

三种掌舵策略

缓解（“压平曲线”）：
- 类比：你只需将船速减缓到一定程度，使海浪不会一次性全部拍击甲板。你并未让船停航，只是让航行更平稳，以免救生艇不堪重负。
- 目标：降低患病人数的峰值，避免医院被淹没，但接受最终会有许多人患病的事实。
- 代价：你需要承担疾病带来的费用（医疗账单、误工损失）以及部分经济放缓，但不会让船只完全停航。
压制（“强力挤压”）：
- 类比：你将船置于“慢动作”模式，让引擎保持极低的轰鸣运转。你通过控制船速（社会接触）足够低，使海浪（感染）无法积聚，从而让海浪几乎无法溅上甲板。
- 目标：将患病人数维持在极低水平，但并非零。在治愈方案（疫苗）到来之前，一直维持这种状态。
- 代价：你需要为长期让船只低速航行支付持续且高昂的代价。
根除（“隔离堡垒”）：
- 类比：你在船周围筑起一道巨大的围墙，阻止其他船只靠近。如果有一滴水（一名感染者）进入围墙内部，你立即派遣专门小组将其清除，防止其扩散。
- 目标：将患病人数降至零，并通过严格控制登船人员来维持这一状态。
- 代价：你需要为建造围墙（边境管控）支付巨额费用，并在发生泄漏时（局部封锁）支付较小但偶发的清理费用。

模型发现

作者运行了数千次模拟，以观察哪种策略能根据两个主要因素——疾病的传染性和其危险程度——节省最多的资金（或“燃料”）。

如果疾病温和（每次感染的成本较低）：
- 胜出者：缓解。
- 原因：为了阻止一场普通感冒而花费巨资是不值得的。封锁船只的成本高于少数人患病的成本。
如果疾病危险（每次感染的成本较高）但传染性不强：
- 胜出者：压制。
- 原因：通过适度的减速来保持海浪低位，比建造完美的堡垒更容易。
如果疾病既危险又极具传染性：
- 胜出者：根除。
- 原因：如果风暴是飓风，试图仅仅“减速”（缓解）或“保持低位”（压制）将过于昂贵，因为海浪终将拍击甲板。此时，建造围墙并清理泄漏点反而更划算，尽管维护围墙的费用高昂。

“新西兰”试驾

作者利用新西兰 2020 年应对新冠疫情的真实数据对其模型进行了测试。

他们估算了新西兰人患病的成本（医疗费用、工资损失等）。
他们估算了关闭边境和封锁城市的成本。
结果：他们的数据表明，对于新西兰的新冠疫情而言，患病的成本足够高，使得根除成为最具成本效益的选择。这与实际情况相符：新西兰关闭了边境，并利用严格的局部封锁消灭了病毒。模型显示，与任其传播相比，这一做法在长期内节省了资金。

“自私与明智”因素

该模型还考察了在没有政府指令的情况下人们的行为模式。

“自私”情景：如果每个人都只追求自身利益，他们就不会减速到足够的程度。他们不会意识到自己的行为会伤害邻居。结果对所有人来说都更糟。
“中央规划者”情景：如果一位明智的船长告诉每个人如何行事以最大化整体节省，船只的表现会更好。
启示：政府干预（如封锁）通常是必要的，因为人们单独行动时，并不会自然地为群体选择最佳方案。

重要局限性（“细则”）

作者谨慎地指出，这是一张简化的地图，而非完美的水晶球：

它假设了一个“完美”世界：模型假设人们确切知道自己是否患病，并能完全理性地行动。在现实生活中，人们会感到恐惧、困惑或疲惫。
它忽略了“人的代价”：模型计算的是美元，但并未充分计入错过学校的悲伤、隔离的压力或长期封锁对心理健康的损害。
它假设病毒被挡在外部：“根除”策略仅在你能将病毒拒之门外时才有效。如果病毒已经遍布船舱内部，你就无法仅仅建造一堵墙；你必须进行一场内部战争。

核心结论

本文提供了一项决策工具。它表明，对于每一种大流行病，并不存在单一的“最佳”策略。

对于温和的疾病，任其传播但减缓其速度。
对于严重的疾病，答案取决于其传播速度。如果传播迅速，你需要建造围墙（根除）；如果传播缓慢，你只需保持低速（压制）。

作者总结道，他们的框架有助于领导者在健康与资金之间权衡利弊，并以新西兰的经验为例，说明了这些计算如何在实践中发挥作用。

技术摘要：替代性大流行应对策略的联合经济与流行病学建模

问题陈述
新兴大流行病使政策制定者在不确定性和数据有限的条件下面临高风险决策。这些决策需要在疾病的健康影响与控制措施的经济成本之间进行权衡。虽然数学模型传统上侧重于直接的健康结果（例如感染峰值、死亡率），但它们往往忽视了控制措施（公共卫生和社会措施，简称 PHSMs）的经济成本以及人群的行为反应。现有文献主要集中于优化缓解策略（达到群体免疫）或在约束条件下最小化感染，而 comparatively 较少关注在不同流行病学和经济参数下，比较缓解、压制和根除策略的总体成本。

方法论
作者提出了一种新颖的数学框架，将流行病学传播动力学与经济成本函数相结合，以比较三种截然不同的应对策略：缓解、压制和根除。

传播模型：
核心流行病学部分是一个基于分室的 SIR 模型（易感者 $S$ ，感染者 $I$ ），适用于规模为 $N$ 的封闭同质人群。感染力由活动水平 $a(t) \in [0, 1]$ 调节，其中 $a(t)=1$ 代表基线活动水平。该模型采用“二次匹配”，即感染力与 $a(t)^2$ 成正比，反映了易感者和感染者双方活动水平的乘积。
成本函数：
该框架定义了一个总成本函数，包含：
- 感染成本 ( $k$ )： 与感染相关的人均成本，涵盖死亡率、发病率、医疗成本和收入损失。
- 控制成本： 减少活动的成本，建模为凸函数 $c_1(1-a(t)) + c_2(1-a(t))^2$ ，代表了更严格限制带来的边际成本递增。
- 特定策略成本：
  - 边境管控 ( $b$ )： 在根除策略中维持严格边境管控的固定每日成本。
  - 疫情爆发控制： 与检测和消除偶发的边境相关疫情相关的成本，使用检测 - 追踪 - 隔离 (TTI) 措施和临时的社区限制。
策略公式化：
- 集中式缓解： 一个最优控制问题，其中中央规划者在无限时间范围内最小化总成本。该解要求人群最终达到群体免疫阈值。
- 分散式缓解： 一种博弈论方法（纳什均衡），其中自利的个人最小化其自身成本。这捕捉了在缺乏中央指令情况下的内生行为反应（自愿社交距离）。
- 压制： 一种通过持续的社区管控和 TTI 措施将有效再生数 ( $R_{eff}$ ) 维持在 1 或以下的策略，直到时间 $T$ 出现疫苗或疗法。
- 根除： 一种依赖严格边境管控以最小化输入性感染的策略，仅在消除检测到的边境相关疫情时应用社区管控。模型假设疫情以频率 $r$ 发生，并在时间 $t_{det}$ 后被检测。
参数化：
该框架利用新西兰应对 2020 年新冠疫情的数据进行锚定。参数包括 PHSMs 的估算成本（源自新西兰财政部数据）、边境关闭成本以及感染成本（通过韩国数据的显示偏好估算及自下而上的卫生/经济计算得出）。模拟探讨了基本再生数 ( $R_0$ ) 和感染成本 ( $k$ ) 的一系列范围。

主要贡献

统一框架： 本文引入了一个比较框架，明确计算缓解、压制和根除的总体经济和健康成本，从而允许直接进行权衡分析。
内生行为反应： 该模型明确量化了“分散式”反应，展示了理性个体行为（无中央指令）与“社会最优”集中式解之间的差异。
阈值分析： 研究确定了参数空间（特别是 $R_0$ 和 $k$ ）中的特定阈值，这些阈值决定了最具成本效益的策略。
时间范围依赖性： 该框架强调，最优策略取决于有效疫苗或疗法可用之前的时间范围 ( $T$ )。

结果
模拟结果在不同传播力 ( $R_0$ ) 和感染严重程度/成本 ( $k$ ) 的场景中可视化，得出以下发现：

低严重程度/低成本 ( $k$ )： 缓解通常是最具成本效益的策略。当每例感染的成本较低时，严格管控的经济负担超过了健康收益。在极端情况下（低 $k$ ，高 $R_0$ ），无论是集中式还是分散式缓解，都不会导致任何活动减少。
高严重程度/高成本 ( $k$ )：
- 低 $R_0$ ： 压制最具成本效益。适度的活动减少结合 TTI 措施，可以在比根除更低的成本下维持 $R_{eff} \leq 1$ 。
- 高 $R_0$ ： 根除变得比压制更具成本效益。当 $R_0$ 较高时，维持社区压制以保持 $R_{eff} \leq 1$ 的成本超过了边境管控和偶发疫情管理的成本。
分散式与集中式： 分散式（纳什均衡）反应始终导致比集中式最优解更高的总成本和更低的活动减少，因为个人未将其行为对疫情动态的外部性纳入考量。
新西兰案例研究： 使用 2020 年新西兰 SARS-CoV-2 的参数估算，该模型将情景定位在接近或高于预测根除比缓解更具成本效益的阈值处。这与历史观察一致，即新西兰的根除策略在最小化健康影响的同时，允许比其他管辖区更短的严格封锁期。
敏感性： 根除的成本效益高度依赖于边境相关疫情的频率 ( $r$ )、检测时间 ( $t_{det}$ ) 以及 TTI 措施的有效性 ( $\alpha$ )。改进的监测和边境管控降低了根除的成本。

意义与主张
作者将该框架定位为决策支持工具，而非最优政策的确定性预测器。该论文声称具有以下意义：

适应性： 该模型使用相对较少的参数，这些参数可以快速估算以应对新发病原体，使其适用于大流行早期阶段的规划。
细微的合理性： 通过量化干预相对于无干预基准（考虑内生行为）的边际净收益，该框架为实施 PHSMs 提供了更细微的合理性依据。
战略指导： 它阐明了策略选择如何取决于疾病传播力、严重程度、经济成本以及预期医疗对策出现时间之间的相互作用。
局限性与未来工作： 作者谦逊地承认，该模型简化了复杂的现实，例如人群异质性、随机疫情动态以及长期限制的社会/心理影响。他们指出，该模型假设人群是同质的，未考虑全球病原体控制或变种的演变。未来的工作提议纳入人群分层和更详细的行为动态。

总之，该论文认为，虽然没有单一策略是普遍最优的，但该框架提供了一种结构化的方法来评估健康与经济结果之间的权衡，帮助政策制定者驾驭大流行应对策略的复杂格局。