前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >病毒传播模拟实验2-清零还是共存?

病毒传播模拟实验2-清零还是共存?

作者头像
Crossin先生
发布2022-06-08 19:17:50
4610
发布2022-06-08 19:17:50
举报

大家好,这里是crossin

两年前,我曾经用python写过一个病毒传播的模拟器,用一个简化的数学模型来演示病毒的传播,并用模拟实验解释了为什么做好个人防护、减少出行和对感染者集中隔离可以有效阻断病毒的传播。

具体模拟逻辑和参数说明详见:

【实验模拟】对疫情,我们可以放松警惕了吗?

现在模拟一个传播性更强但致病性大减的病毒2号,看看不同的防疫模式会带来什么样的结果。

详细内容见视频:

病毒2号具有更强的传播性,但是致病性大幅降低。

除此之外还要2个重要的变化:

  1. 假设我们模拟的区域是一个非封闭城市,会不断有新增输入病例产生
  2. 被感染后康复的人,同样有可能再度被感染

调整之后进行模拟:(红色曲线为感染病例数,绿色为康复人数)

感染数 56297 病亡数 13

策略同之前一样,当病例到达一定数量就进行全面防控,清零后再解除。但因为有新增输入,所以疫情会出现反复。相比之前的病毒,同样策略下,感染人数要多出很多,但病亡人数却大大减少。

如果不采取防控措施呢?

感染数 89975 病亡数 1313

因为设定了重复感染的可能。即便所有人都感染了一遍,疫情也不会结束。由于感染人数太多,且不断重复感染,即便病亡率很小,最终造成的绝对病亡人数也很多。而这还只是我们限定的时间段内的结果。

从以上实验对比来看,对于这个病毒2号,启用全面防控的效果依旧要远远好过放任不管。

所以,清零要优于共存了吗?

要知道,良好的防疫措施是需要投入人力物力成本的。而对于很多人来说,不出门工作就意味着没有收入,整个社会的产出也随之减少。

将以上设定也加入到这个模拟实验中,抽象出资源总量这样一个数值:

  1. 每个人每天出行,可以产出1点资源
  2. 每个人每天消耗 0.5 点资源,如果进入发病期,再多消耗 0.1 点,重症多消耗 0.5 点
  3. 进入方舱每天额外消耗 0.1 点资源,入院消耗 0.3 点
  4. 另外,因为防控和检测都需要成本,所以从进入防控状态开始,每天每人消耗 0.1 点资源

然后,再来对比下上述两种模式。(浅绿浅红色的柱状图表示“资源总量”的变化)

正常时资源总量持续上升,在防控状态下,模型中资源总量会不断减少。疫情反复出现,曲线就反复的下降。

如果放弃管控限制,能出门工作的都照常出门,除非出现重症或进了医院。的确是可以在很大程度上缩小对资源增长的影响。但与无疫情时的增速还是不能比,而且如前面所说,这种方式带来的影响是会长期持续的。

经济发展虽不能和人的生命相提并论,但如果没有足够的经济实力作为后盾,高标准的防控也难以持续。况且,这里说的资源,还不仅仅是经济,也包括医疗资源、民生资源等等,过度的消耗一样可能带来次生伤害。

所以全面防控也不能说没有问题。

那有没有更好的防疫方式呢?还真有。就是现在很多城市在使用的方式:精准防控。

之前模拟时,一旦疫情达到一定规模,就限制所有人的出行。现在我把它优化一下,只隔离病例接触过的密接人群。

现实中,这个操作被称为流调。流调和检测难免出现遗漏,所以这里加一个概率参数,流调准确度。

感染数 13015 病亡数 3

在新的机制下,模拟出的效果要好很多,不但将疫情控制住了,对于资源的消耗也大幅降低。即使反复出现输入病例也在可控范围之内。

但是,又来但是了……这一操作的前提是,流调的准确度足够高,且效率足够快。

感染数 81078 病亡数 30

这里将流调准确率下调一点,一旦不能做到及时隔离被感染人群,漏洞就会越来越大,疫情越来越严重。

现在,你能不能告诉我,这样一个纯模拟的实验环境中,使用怎样一种策略才是最优解?

我不知道你们怎么想,至少我是无法给出一个完美的结论。

而如果放在现实中,这道题就更加复杂了。我们需要面对更多、更复杂的参数。你选择什么指标,采信哪种数据,决定了你将得出什么结论。就连我这个实验模型,如果微调几个参数,也有可能得出大相径庭的结果。

在这种情况下,我不是很理解为什么有些键盘前的 非专业人士可以很笃定说出一种方案胜过另一种方案。

病毒在变异,防疫的措施也需要不断更新,需要根据实际情况做科学的调整。过去全面清零未必等于将来一直要全面清零,假如将来要共存也不等于此刻就要共存。不应该把防疫问题变成一个站队的问题。

就我这个虚拟世界中的模拟实验中来说:

  • 任何一种极端的方案都不是一个好选择。
  • 无论采用合种方案,执行是否到位直接影响结果
  • 提高疫苗接种率,尤其是高危人群的接种率,就相当于降低了传播性和重症率,这不管对于哪种方案都是有效的。

另外,虽然没有在我们这个模型中体现,但同样很重要的一点就是对基本民生的保障。模拟程序中的“人”只是不用吃喝拉撒的数据,但放到现实中,这就是我们每个人的生活。

最后,虽然我没能给大家展示一个完美的解决方案,但是跑出了一个很糟糕的情况:

感染数 67608 病亡数 55

一开始,因为某些原因产生了大量病例,流调效率跟不上,却还依然不实事求是调整策略,把名义上的精准防控做成了实际上的不精准防控。后来实在严重了之后,仓促转为全面防控,却漏洞百出,时不时有阳性外溢,加上没有解决好基本生活保障,产生过多计划外的接触。

最终的结果就是:既消耗大量的资源,也没能控制住疫情,还让区域内的人不停受罪。若做成这样,那真的不如躺平算了,地球上有些国家和地区的确也是这么选择的。可你说,这是防疫策略本身的问题吗?

以上就是我个人基于这个病毒传播模型做的模拟实验和一些思考,程序是python写的,已经开源,你可以拿去自己调整参数运行。

视频中的所有结果和推论都只针对程序中的虚拟模型,不作为对现实情况的仿真。但希望能引起大家一些思考,可以更理性地去看待疫情和防疫,当然更希望疫情可以早日彻底结束,我们不需要再来讨论这事。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2022-04-20,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Crossin的编程教室 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档