(艺术设计。 Jean-Dominique Lavoix-Carli)

Long COVID可能是我们在对抗COVID-19大流行病的斗争中必须打赢的下一场战斗。

因此,在这篇文章中,我们试图在COVID-19大流行病的第五波框架内评估长COVID。这也将为我们提供可能的迹象,说明在当前的浪潮之后,长COVID在未来会如何发展。我们的目的是获得一个关于长COVID当前和未来影响的想法。这种早期评估反过来将有助于制定应对措施和战略,以应对这种大流行病的这一方面,迄今为止,这种情况一直被忽视。

首先,我们解释我们的方法。这样做,我们发现在为数不多的关于长期COVID的严肃的现有数据中存在一些不连贯性。为了我们的目的,我们提出了克服这些问题的方法,即战略预见和早期预警。然后,我们提出了我们的评估结果,即 三个简短的方案 为Long COVID和第五波。"恢复我们的理智“, “乐观主义",以及"无知的代价“.

本系列文章的第一篇关于Long COVID的文章回顾了截至2021年11月底的现有知识(Helene Lavoix,"Long COVID和第五波--隐藏的大流行病“, The Red Team Analysis Society,2021年11月22日)。它为我们对该疾病的理解奠定了基础。必要时,我们还使用了我们关于第五波大流行的其他文章中所确立的内容。Helene Lavoix,"第五波COVID-19大流行和致死率",2021年11月9日,以及"迈向Covid-19第五波",2021年10月27日。 The Red Team Analysis Society).

估算第五波的Long COVID

目标和限制

目标

正如导言中所强调的,我们的目标是了解Long COVID的当前和未来影响。

为此,我们需要的不仅仅是对所有曾经遭受和遭受Long COVID的人的全球估计,如我们在《中国的未来》中发现的那样。 上一篇文章,特别要感谢陈晨等人("全球COVID-19(PASC)或长COVID急性后遗症的发生率:一个元分析和系统回顾“, 医学研究中心(MedRxiv) [尚未经过同行评议],2021年11月16日。 ǞǞǞ: 10.1101/2021.11.15.21266377).

我们需要对每天经历Long COVID的人进行全球估计。我们还需要知道这些人中每天有多少人可以进行或不进行他们的活动。此外,由于我们的目标是为准备和应对提供预见性和战略,我们需要能够进行预测,无论如何是暂定的。因此,我们使用迄今为止对Long COVID的理解,这似乎主要取决于感染,因此我们考虑在传染方面有利于或限制大流行病的因素(见 迈向Covid-19第五波“).

有了这些估计,我们应该开始能够设想出全球的集体影响。

限制条件

考虑到高度的不确定性以及我们必须依赖的许多近似值和估计值,我们将得到的主要是可能的粗略趋势和迹象(关于什么是 "迹象 "的解释,请参见我们的开创性的 "中国"。地平线扫描和早期预警的监测。定义和实践.“, The Red Team Analysis Society,修订版,2019年)。

此外,我们进行的一个主要的近似计算是将英国特有的比率适用于整个世界。然而,由于英国的调查是关于Long COVID的唯一国家和历史数据 我们没有太多的选择。正如下文所解释的,我们在这里还将遇到一个重大问题,即数据的不连贯性。

希望随着各国开始考虑到Long COVID,更好的评估将成为可能。

方法论

估计每天的Long COVID病例

考虑到所面临的局限性,我们将Chen Chen等人(同上)的全球集合流行率43%用于世界每日感染病例。这给了我们一个估计的Long COVID的每日数量。

对于过去,我们使用每日感染病例的真实统计数据,或者更准确地说,每日COVID-19检测的阳性病例,这是感染人数的一个近似指示(我们的数据世界 使用 约翰霍普金斯大学系统科学与工程中心(CSSE)的COVID-19数据存储库).请注意,即使是过去的数据,由于对数据集进行了修正,数字每天都在变化。有时,重要的感染病例会被添加进来。 后天,一个多月后。这再次增加了另一个不确定性的措施。

对于未来,使用我们的文章"迈向Covid-19第五波",我们对全球每日感染浪潮的可能形态做了三个假设或设想,下面在每个设想的开头详细说明。

对于所有这些情况,我们认为与Omicron变体相关的Long COVID的流行率与我们在以前的变体中观察到的情况相同 (WHO,"Omicron(B.1.1.529)的分类。关注SARS-CoV-2变体" - 2021年11月26日).然而,我们必须强调,这是个未知数。Omicron变体可能会导致更多、更少、没有或更多的长COVID病例。由Omicron--或其他未来的关注变体(VoC)--导致的长COVID的强度和各种特征也可能改变。新的症状可能只是几周的疲惫,或者在另一端是更严重的Long COVID。这应该被监测。即使有监测,我们也需要几个月甚至可能几年的时间才能开始了解变体Omicron或其他VoC对Long COVID的影响。

根据长线COVID的长度,每日长线COVID的数量

下一步的目的是,最初,实现起来相对简单。事实证明,它比计划的要难得多。

根据时间长短,找到长COVID的比率

最初的想法是 "简单地 "根据持续时间将长期COVID的比例应用于估计每天会经历长期COVID的人数,而这是我们在上一步骤中获得的。

英国国家统计局的历史月度数据集将提供每个病程的长COVID的比例(英国国家统计局--表1--自我报告的长期COVID和相关活动限制的流行率估计,使用 英国冠状病毒(COVID-19)感染调查数据--每月数据集).自2021年3月以来,该比率的演变情况见下图,该图显示了 在英国,Long COVID的演变贯穿始终。

自第一次(疑似)冠状病毒感染以来的长COVID时间
(资料来源:英国国家统计局-表1-使用英国冠状病毒(COVID-19)感染调查数据对自我报告的长COVID和相关活动限制的估计。英国国家统计局--表1--使用英国冠状病毒(COVID-19)感染调查数据,对自我报告的长COVID和相关活动限制的流行率进行估计。)

例如,在某月,最浅的褐色部分代表新的长COVID病例,因为新的一波开始,然后减弱。下个月,这些新病例的一部分已经进入下一个类别(持续12至26周的Long COVID),因此被描述为一个稍深的棕色段。一个区段的新 "入口 "与前几个月的Long COVID病例一起仍然属于这个类别,而一些Long COVID病例结束,其他Long COVID病例则进入下一个类别(26至39周)。因此,每个月,Long COVID病例从一栏移到下一栏,每次都会上升一个类别。

然而,我们不能直接从每月的英国表格中提取百分比。事实上,一个月的病例数和比例涉及到所有这些在特定月份(或在调查期间)进行Long COVID实验的人。然而,正如上一段所解释的,就触发事件--感染而言,每个部分事实上都与不同的时间段相联系。例如,2021年10月31日的结果涉及到2020年11月1日之后被感染的人(持续52周以上的长期COVID),而对于这些持续39至52周的长期COVID,则涉及到2020年11月8日至2021年1月31日之间被感染的人,而对于其他各段则涉及到在其他时期被感染的人。

由于我们希望能够从感染开始进行评估,所以我们不能直接采用英国的表格。我们首先要根据感染的时间重新制作表格,然后推导出每个长度的Long COVID的暂定比率,然后应用于我们每天的Long COVID数量。

揭示有问题的不连贯性
- 持续时间超过一年的长期COVID:当长期COVID的数量超过了检测到的阳性病例的数量。

我们从最长的Long COVID开始,即对英国持续52周以上的Long COVID的真实估计。这些Long COVID对应的是在调查前至少52周被有意或无意地感染的人。因此,举例来说,在2021年3月6日宣布长期COVID超过52周的人必须在2020年3月7日之前被感染,也就是在大流行的最开始。

然而,当我们对不同的统计数据进行汇编时,我们发现了一个令人惊讶的结果。如果我们使用英国长COVID的历史序列,以及报告的COVID阳性病例的官方统计数据,我们看到,如下面的曲线所示,直到2021年8月,持续时间超过一年的长COVID的数量(棕色曲线)优于曾检测出COVID阳性的累计人数(黄色曲线)。因此,我们有更多的人患有长期COVID,而不是被检测出感染的人。这种不连贯性一直持续到2021年8月。

比较宣布的超过52周的长期COVID、感染和估计的长期COVID流行率(来源:文本中)。

这种统计上的不一致性可能源于错误的申报(人们错误地估计了他们感染的开始时间)和大部分未报告的感染病例,因为人们被感染了,注意到或没有注意到,没有报告,但还是发展成了长COVID。这两个原因并不相互排斥。在任何情况下,我们都可以推断,很大一部分无症状的病例是没有报告的,但他们还是发展成了长COVID。

随着时间的推移,随着更多的测试的完成,以及人们可能习惯于报告他们的长COVID,偏见就会减少。然而,我们仍然有大量持续超过52周的长线COVID,甚至在过去两个月的报告中也是如此。

此外,根据英国的调查,Chen Chen等人(43%)发现的流行率不能适用于持续一年以上的长COVID。事实上Chen Chen等人(同上)只研究了 "指数日期后30、60、90和120天的流行率",即4到17,2周。因此,英国调查中的三个半段没有包括在 Chen Chen等人的meta review。我们仍然可以暂时使用Chen Chen等人的全球集合流行率,但只是出于没有其他选择。在这种情况下--43%的长COVID患病率--英国最后的数字将意味着所有宣布的长COVID将持续52周以上。这可能是真的吗?必须要知道。

- 潜在的意义和后果

如果英国调查给出的数字具有代表性,那么我们可以有不同的解释 允许克服明显的不连贯性。

英国的数字可能意味着非常多的感染SARS-CoV2的人永远不会完全康复,即使最初他们没有感到任何症状。这是最坏的情况,因为随着感染的蔓延,那么一年以上的长COVID病例也将强烈增加。

另外,这些数字也可能意味着,那些最初拥有很长的长COVID的人是最脆弱的,或者最容易得到长COVID,因此他们的长COVID持续时间更长。随着时间的推移,随着感染的增加,这些容易得到很长的长COVID的人可能会按比例减少。在这种情况下,持续时间超过52周的比率将继续下降,并可能稳定下来。

实际上,从根本上说,我们不知道。

有鉴于此,英国的做法是合理的。通过考察Long COVID与英国总体人口的比例,英国的统计人员克服了检测无症状病例的障碍,以及检测政策变化的挑战。然而,他们也使预测变得困难,甚至不可能。因此,他们有很好的指征来管理现在,但他们不能为未来做准备。

- 在战略预见和预警框架内处理此案的方法

就预见性而言,这意味着从已确定的感染数量开始,要估计未来有多少人可能发展成超过52周的长COVID,确实会非常困难。

由于我们希望能够预测,考虑到数据的匮乏,我们可以做出假设,英国给出的最后一次实验统计的最终结果(2021年10月31日)具有一定的代表性。 尽管可能还有偏见。就利率而言,这可能是一种最坏的情况。

为了让大家了解我们面临的巨大不确定性,我们在下面展示了两条曲线,显示了Long COVID优于52周的两个估计值(棕色虚线):第一个估计值是用英国2021年10月2日的统计数据完成的,第二个是用2021年10月31日的统计数据完成的。

从这两条曲线可以明显看出,结果随着我们的推移,对于2022年5月底,从超过375万的Long COVID持续一年多的时间到大约150万的时间,差异很大。

如果我们对英国调查得出的Long COVID的每个最小持续时间进行类似的计算,我们会发现曲线都有变化,如下图所示。Long COVID的曲线或多或少地遵循了感染的曲线,以一种扁平的方式,但没有简单的线性一致性的比率。因此,很难辨别简单的趋势,而且我们的知识到目前为止还很有限,无法建立一个更连贯的模型。仍有许多研究需要做。

在这种难以预测的情况下,特别是就长达52周的COVID案例而言,考虑到所涉及的潜在数字,我们需要使用场景来增加预警,并随着知识的增加而调整场景。

在此,我们将只关注一种情况。我们将考虑每一个长期COVID的比率都对应于2021年10月31日英国调查的重新计算的比率(在撰写本文时的最新数据)。

这些比率将适用于Long COVID的全球每日比率(尽管我们知道陈晨等人的元审查并不包括3,5段),对于每个相应长度的Long COVID。对于超过52周的Long COVID,我们将保守地认为,疾病的长度只有这52周。同样,这也是一个主要的近似值。在这里,还需要考虑各种不同长度的这种长COVID的情况,例如,1年(这种情况),2年,或永远(艾滋病毒类型的情况)。

我们要再次强调,即使是这里选择的方案,其结果显然也只是大致上的指示性。

所有这些步骤完成后,我们现在有了一个粗略的迹象,表明世界上每天有多少人在遭受长COVID。

长期COVID的严重性

最后,我们需要知道Long COVID对日常活动的影响。换句话说,每一天,我们要粗略估计有多少长COVID患者会完全无法进行活动,会在某种程度上限制其活动,以及完全不受限制。

始终使用英国国家统计局的月度调查,就活动的限制而言,各月的比率差异不大,如下图所示。我们将采用最新的比率,即2021年10月31日的比率,进行评估。这次我们可以对我们的评估稍有信心,除了我们将英国的条件适用于整个世界的事实,而很可能,各国的比率有巨大的差异。


居住在私人家庭的人中,有自我报告的长COVID的估计人数,按随后的活动限制计算 (来源:英国国家统计局-表9-使用英国冠状病毒(COVID-19)感染调查数据对自我报告的长COVID和相关活动限制的估计。英国国家统计局--表9--使用英国冠状病毒(COVID-19)感染调查数据,对自我报告的长COVID和相关活动限制的流行率的估计--每月数据集 )

长线COVID和第五波的三种情况

根据我们的模型*,我们现在有一个粗略的每日人数,估计到2022年2月底,在全球范围内患有龙氏COVID的人数,并进一步根据活动限制进行分类。利用我们早期关于传染病的工作(迈向Covid-19第五波"),我们创造了三种情况,以设想第五波的三种可能的形状**。

我们提出这些结果 首先是并排的,以便进行比较,然后是一个接一个的场景。 我们对情景2和3的叙述比情景1的叙述更详细。

首先,我们看到的是,Long COVID几乎不遵循波浪。相反,波浪可以被观察到,但被转化为对每日长线COVID的更高数字的波动。只有第二种情况似乎显示了在一个非常高的水平上的稳定。最后一种情况将导致我们每天有1.4亿人遭受Long COVID的困扰。

同样,世界人口中相对较大且缓慢上升的份额在其日常活动中受到限制,要么是轻微的限制,要么是很大的限制,这一份额在第三种情况下加速上升。

情景1:恢复我们的理智

第一种情况认为,全球第五波感染将遵循与第二波类似的模式。

与第三波和第四波相比,边界重新开放的程度更高,非药物干预以及谨慎的态度也有所放松,主要是考虑到对当前疫苗接种的错误理解以及愿意回到大流行前的世界。尽管如此,随着感染率的上升,各种措施被重新引入。在这一过程中 新的Omicron变体最终被发现具有高度的传染性,正如最初所怀疑的那样;"再感染的风险增加 "也随着时间的推移而被证实(世卫组织,"Omicron的分类(B.1.1.529)。SARS-CoV-2变体的关注"- 2021年11月26日朱丽叶-R.C.普利安等人,"。与南非出现的Omicron变体有关的SARS-CoV-2再感染的风险增加“, medRxiv [not yet peer-reviewed], 2021年12月2日, 2021.11.11.21266068。 ǞǞǞ).

因此,第五浪的模式 "看起来 "像第二浪,由于暂时的自满和Omicron的变体,水平略高。

情景1:恢复我们的理智 - 在COVID-19第五波大流行结束之前,世界上每天遭受长期COVID折磨的人数估计值

每天,在2021年12月底,世界上有1.1亿人患有长寿症。对于那些完全不能从事日常活动的2100万人和他们的家人来说,这尤其艰难。

以前开始出现的个人、家庭、公司、部门和国家的成本并没有减少。相反,它们还在继续并增加。

情景2:乐观主义

这是最乐观的情况。第五浪的模式看起来像第四浪的模式。

可能导致这种情况的因素是,在全世界范围内变得更加普遍的疫苗接种,同时它减少了一些感染。我们还对那些迄今为止在很大程度上推动了感染和致死率的国家的第三剂或加强剂的感染产生了非常积极的影响。 (Tal Patalon等人,"接受3剂与2剂BNT162b2 mRNA疫苗后,SARS-CoV-2检测阳性的几率“, JAMA Intern Med. 2021年11月30日在线发表,doi:10.1001/jamainternmed.2021.7382)。最后,Omicron变体尽管具有很强的传染性,但导致在各种政策和行为中恢复了更多的理性和常识。因此,我们现在的情况与第四波期间的情况更为相似。

情景2中的第五波看起来非常像第四波。它只是稍微强一些,以说明Omicron的变体。

情景2:乐观主义 - 在COVID-19第五波大流行结束之前,世界上每天遭受长期COVID折磨的人数估计值

每天,在2021年12月底,世界上患有长COVID的人数似乎趋于稳定,甚至在1.07亿例左右变得非常低。这个数字仍然巨大,但至少不再增加。对于这2000万人和他们的家人来说,生活仍然特别艰难,他们根本无法承担他们的日常活动。

以前开始出现的对个人、家庭、公司、部门和国家的代价继续存在。然而,即使是高水平的稳定,也允许有一定程度的适应。诚然,那些被打乱的部门将不能真正立即回到大流行之前的状态,但想象中的替代解决方案可能是足够的。当然,这意味着这些解决方案至少要再持续几个月。

情景三。 无知的代价

这种情况可能是最令人担忧的。第五波感染的模式将看起来像第一波:全球感染率将上升,达到一个新的更高的高原。

这种情况的基础是优先事项的改变,在世界范围内,主要关注的是恢复一个类似于或尽可能类似于大流行病之前的经济体系。疫苗接种大大降低了需要住院治疗的COVID-19严重病例的数量以及死亡率。因此,尽管每天都有大量的死亡和痛苦,但为了维护现有的社会政治经济体系,那些仍然存在的COVID-19病例被认为是可以接受的。因此,在大多数国家,政策和行为的目的是尽可能地忽视仍然持续的大流行病。因此,感染率上升,但并没有引发阻止全球传染所需的反应类型。

欧米茄变种的到来,经过最初几个星期的谨慎回归,并没有改变政策和行为。在联合国机构和各种行为者的压力下,旅行的障碍和暂时恢复的少数边界关闭被放弃了。甚至在我们能够确定地评估由Omicron变体引发的COVID-19形式的严重性之前,以及在能够理解与Long COVID的任何联系或不联系之前,就已经这样做了。尽管Omicron变体的强大感染力已被证实,但还是这样做了。

因此,第五浪看起来像第一浪,但在一个更高的水平。在我们的时间框架内(四个月),它不会停止上升。也许,它将继续上升,直到新的更充分的政策被设计出来,或者直到SARS-CoV-2和COVID-19消失或变得良性。

情景3:无知的代价 - 在COVID-19第五波大流行结束之前,世界上每天遭受长期COVID折磨的人数估计值

世界上每天遭受长期COVID的人数似乎从未停止上升。它的增长速度确实没有感染那么快,但它每天都达到新的高度,到2022年2月底几乎达到1.4亿例。对于那些完全无法承担日常活动的2600万人和他们的家人来说,生活仍然特别艰难。

之前开始出现的个人、家庭、公司、部门和国家的成本继续上升。部分源于Long COVID的破坏加剧。由于Long COVID没有被监控,并且在没有意识和关心的情况下一直在上升,破坏性事件胡乱地爆发并堆积起来。生产、物流、服务受到冲击,必须找到新的解决方案。级联效应不能总是被阻止。相反,随着越来越多的人成为Long Covid的猎物,多米诺骨牌效应会增加。

消费也会带来损失。事实上,正在挣扎和受苦的人以及他们的家人,不仅可支配收入减少,而且还修改了他们的优先事项,不愿意消费(例如。 Patrick W. Watson"漫长的COVID "经济“, 福布斯》杂志2021年6月14日,使用David R. Kotok的评论,""。M2速度,美联储和寿命损失年数(YLL)。",坎伯兰顾问公司,2021年4月27日)。

中国现在完全得益于其坚持的零COVID政策,相对而言,几乎没有长期COVID的可怕影响(例如Helene Lavoix,"中国如何赢得对抗Covid-19大流行病的战争“, The Red Team Analysis Society,2021年1月18日)。那些像澳大利亚或新西兰这样的国家也长期关闭边界,从其谨慎的政策中获得了好处。

在国际上正在发生的大国斗争和竞争的严酷背景下,没有Long COVID负担的中国享有非常大的相对优势,因为它可以直接和间接地展示其远见和敏锐。另一方面,欧洲和美国现在必须承担越来越重的Long COVID的重量。在最坏的情况下,从长远来看,如果欧洲和美国不采取行动,从而继续让传染病蔓延和Long COVID统治,中国将在国际竞争中获胜,只是因为其对手的默认。

总结

尽管强调了许多不确定性和局限性,但很明显,COVID-19大流行病的真正影响肯定和必须考虑到Long COVID。整个世界,特别是一个国家,越是面临感染,其在以下方面的负担就越大 苦难。 经济和金融成本,以及干扰。对国家来说,除了这些已经很巨大的负担之外,我们必须加上绝对和相对的权力损失。

需要进一步研究,以更精细地估计可能的影响,包括通过与以前的大流行病进行比较。当面对这种磨人的重量时,我们生活在其中的各种系统有多大的复原力?

Long COVID从根本上说是颠覆性的,包括因为我们面临的数据匮乏和缺乏理解。必须收集数据,必须积累知识,必须找到治疗方法,在等待这些的同时,必须想象出解决方案。必须设计和实施考虑长期COVID的政策。

如果不考虑Long COVID,而与COVID-19一起生活,所付出的代价很可能太高,无法支付。

笔记

*我们使用了2021年11月30日的数据集(我们的数据世界 使用 约翰霍普金斯大学系统科学与工程中心(CSSE)的COVID-19数据存储库.).全球感染率在期末的轻微下降很可能是由于美国和感恩节期间没有测试和数据,即从周四到周日。

**考虑到关于长期COVID的知识和数据的匮乏,估计和近似的数量,同时也没有忘记所发现的不连贯性,我们没有为每一种情况提供概率,在这个阶段,这些概率仅仅是旨在构建这个问题的指示。

发布者:Dr Helene Lavoix (MSc PhD Lond)

Helene Lavoix博士 是 Red Team Analysis Society 的总裁兼创始人。她拥有伦敦大学亚非学院(SOAS)政治学博士学位和亚洲国际政治硕士学位(优异成绩),以及金融学硕士学位(法国大学校毕业)。 她是战略展望和预警专家,尤其是国家和国际安全问题方面的专家,拥有超过 25 年的国际关系经验和 15 年的战略展望和预警经验。Lavoix 博士曾在五个国家生活和工作过,在另外 15 个国家执行过任务,并在世界各地培训过高级官员,例如在新加坡和作为欧洲项目的一部分在突尼斯。 她在新加坡的 RSIS、SciencesPo-PSIA 或突尼斯的 ESFSI 等著名机构教授战略展望和预警的方法与实践。她定期发表关于地缘政治问题、铀安全、人工智能、国际秩序、中国崛起和其他国际安全主题的文章。 拉沃瓦博士致力于不断改进预测和预警方法,将学术专长和实地经验相结合,预测未来的全球挑战。

留下评论

您的电子邮箱地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据

ZH