譚新強:大流行40%至70%感染率預測 是從HIT計算出來的
本來今周值得討論的事情極多,包括沙特阿拉伯與俄羅斯油價戰、美國10年債息首次歷史性跌穿1厘、美國道指跌至11年來首次熊市,和美國大選的選情幻變。但最值得關注的仍然是COVID-19疫情的急速蔓延,世衛終於正式宣布這次為一場Global Pandemic(全球大流行病)!
大流行沒有一個非常正式的定義,理論上最重要因素為某傳染病的廣泛性和宗數,但就跟某病症的嚴重性和死亡率沒甚關係。世衛有頗大的主動決定權,雖不少世界各地的醫學專家已呼籲了好幾周,但明顯世衛一直拖泥帶水,不太願意作出正式宣布。直至近日全球COVID-19確診宗數急升超過12萬,波及超過100個國家,尤其意大利疫情實在已到失控地步,醫療系統崩潰,歐洲其他國家個案亦以幾何級數上升,美國確診個案也升至1000宗以上,世衛才無可奈何地作此大流行宣布。
世衛拖延宣布 或有兩大原因
我相信世衛拖延有兩個主要原因。第一肯定出自對全球經濟考慮,根據IMF估計,大流行的標籤可導致全球GDP增長降低1%,亦即全球衰退的機會大大上升(一般定義為低於3%)。例如很多企業和機構,或將借此提出"Force Majeure"(不可抗力條款),提前取消大量商業合約。
拖延的第二個原因是宣布大流行,亦即等如承認人類跟COVID-19的這場戰爭已「失敗」,將無法消滅此病毒。世衛總幹事譚德塞提到多國的"alarming inactions"(驚人的不行動),有些缺乏資源,有些則缺乏決心!沒點名,但請各位對號入座吧!
當一個疫症到了大流行階段,理論上全球處理方法應有所改變,從containment(圍堵)轉向所謂mitigation(紓緩)。意思是可能各種國際旅遊限制(international travel bans)已對控制疫情無效,但就對經濟有極大傷害,所以應考慮逐步解封。更重要和更有效的應對手段變為"social distancing"(社交隔離)和提升個人衛生。
但理論歸理論,這做法或者合理和具科學理據,但現實歸現實,政治上,在大流行宣布後,誰敢不加強邊境控制,反而大膽放鬆旅遊限制?美國總統特朗普在周三晚就馬上宣布針對英國以外歐洲的30日旅遊禁令!但他亦有提到隨着中國和韓國的疫情改善,將考慮放鬆旅遊限制,但尚未宣布細節。中國疫情終於算得上受控,但近日又見一些從外國輸入個案,辛苦得來的成果,怎會輕易冒險放鬆旅遊限制!
大流行的另一意思是全球人類的一個頗高比例將受到感染。在2009年的H1N1流感,受感染比例約11%至21%,1918年的西班牙流感(亦是H1N1豬流感),受感染比例更可能高達27%。2009年那次的全球總死亡人數約15萬至60萬;1918年那一次,正值第一次世界大戰,當年醫療比現代當然差很多,所以雖只是流感,但死亡率估計高達10%,總死亡人數可能高達5000萬!特朗普自稱不認識任何死於流感的人,可能忘記了他的祖父,正是死於1918年的大流感!
周三,德國總理默克爾向國民說,COVID-19或將感染到60%至70%的德國人,大家必須阻慢疫情,爭取時間為此作好免疫和醫療系統準備。她本身是一位量子化學博士,懂和相信科學,所以有勇氣成為第一個主要國家元首說出這句話!她說這個驚人預測已成為頂尖專家的共識,即包括我多次提過的世衛顧問Ira Longini、哈佛教授Marc Lipsitch和Imperial College教授Neil Ferguson等。
他們預測,全球40%至70%人口將在今年內受到感染。如這個非常驚人的預期成真,即是最高感染人數高達55億,如按現在確診死亡率(CFR)約3.7%來計算,死亡人數可超過2億人!如果感染人數那麼多,一切mitigation手段都必徒然,肯定全球醫療系統將快速崩潰,死亡率必飈升,輕易高至10%以上(意大利已經是7%),即總死亡人數更可超過5億!即使CFR跌至懷疑較低的感染死亡率(IFR),譬如約1%,總死亡人數也已將是非常嚴重的3000萬至5000萬!
倘2億人感染死亡成真 醫療系統崩潰
我明白這些專家的出發點應該是「好意」的,警告全球政府作出最積極準備。但如此驚人的預測,其實他們也必定有責任舉出證據,解釋他們的假設,和這是否他們的唯一結論,或只是一個worst case scenario(最壞情境),概率又多少呢?
失望地,他們似乎完全沒有對公眾交代過任何證據,令到全球人民和各國政府更加迷惘和惶恐。如果他們的講法是對的,一切的旅遊限制,甚至社交隔離措施,到最後都是沒有用的。那麼即使不是坐着等被感染,不如索性繼續外出旅遊,跟朋友聚會,再過正常生活(多渴望)?
既然所謂專家不解釋,唯有靠自己做些研究,在這裏跟大家分享,但我確不是專家,所以不可擔保分析的準確性,請見諒。
上周我已解釋過R0和R的概念,R0是病毒本身的基本傳染度,R是在採取各種隔離措施後的較低傳染度。我現在將介紹傳染病學上的另一概念——Herd Immunity(群體免疫),當一個population(群組)內的某一比例的人得到免疫力,身體產生了抗體,可以是經過感染,也可以是經過vaccination(注射疫苗),剩下來的人口,即使沒有個人免疫力,亦會享受到間接免疫的保護。基本上,這就是我上周提過的pox party(疫症派對)概念。道理很簡單,就是當很大比例的人已有免疫力,病毒就不能再經他們傳給更多其他人,所以疫情就將熄滅。這就是上周刊出感染曲線有自然頂峰的原因。
這個關鍵的人口比例稱為Herd Immunity Threshold(HIT,群體免疫臨界點),原來是可以用很簡單的方程式計算出來的:
HIT=1-1/R0
HIT就是這個需要受感染而達到群體免疫效果的人口比例臨界點。R0當然就是我們的老朋友:Basic Reproduction Number,病毒基本傳染度,即平均每個病人將傳染給多少個其他人。流感(influenza)的R0約為1.3至1.8,COVID-19是全新病毒,數據尚未很準確,估計R0約為1.4至3.9。
以流感為例,如用R0=1.3:
HIT=1-1/1.3=23%
以COVID-19為例,如用R0=3:
HIT=1-1/3=66%
雖然專家沒有解釋,明顯他們的COVID-19的HIT為40%至70%。全球感染率預測,是來自這個基本方程式的,但可能加上其他的一些假設。流感的計算結果,也符合HIN1和西班牙大流感的經驗。
但我仍有多個重要的疑問。首先這基本方程式用的是R0而並非R,那麼隔離措施,到底是有效還是無效呢?如果有效,如有能力把原來R0=3降至較低的R=1.3,那麼COVID-19的HIT也可降至如流感的23%,已可最少挽救數千萬條人命!還是如我上周的附圖顯示,即使能用隔離措施把感染曲線壓扁,但其實兩條曲線的"area under the curve"(曲線下面積)仍然差不多,較低的R只能把整個過程拖長,和減低頂峰發病期對醫療系統的壓力?理論上,如隔離措施百分百有效,密不透風,當然可把原來的一個群組分割為多個隔絕的群組,壓低R必定有效,這就是中國針對湖北的手段,亦見成效。但這種極端的封關措施在多少地方可以執行?意大利正在嘗試,但恐怕為時已晚。况且即使湖北也不是完全密封,也有很多案例流出,亦不可能永遠封關下去,當重開時,從外再傳入的機會也極高。
我的第二個疑問是這個高達70%感染率預測,需時多久,有沒有把夏天的可能消滅病毒效果,計算在內?假設R0為較低的1.6,另假設serial interval(平均每代傳染需時)為專家估計的4.6天,約今年6至7月初夏,或已將達到40%的HIT。
我見過不少專家如美國NIH的Anthony Fauci醫生,當被問到天氣回暖會否加速消滅COVID-19的病毒時,他的答案是按過去流感病毒的經驗,較高溫度和濕度,似乎對遏抑病毒傳播有幫助,但因為此病毒是全新的,所以不能肯定。
無藥根治 夏天回暖成唯一希望
此答案聽似合理,但其實並不科學化。如果不知道,為何不馬上做實驗,在實驗室內模擬夏天環境,包括溫度、濕度,甚至陽光時間和角度等,培植病毒,或在試管內,或把病毒打進動物身上,然後放進一個群組內,不就加速解答這個超重要的疑問嗎?因為請記住,到現時為止,我們沒有任何免疫針和已經驗證有效的藥物,所以如萬一containment真的控制不了疫情,那麼夏天的消減病毒功能,可說是我們的唯一希望!
按照我的研究,曾有人做過針對SARS的夏天模擬實驗,亦證明較高溫度和濕度,確對壓抑SARS病毒有效。但暫時仍未發現類似針對COVID-19的研究,或者最少尚未完成和對公眾宣布結果。疫情非常嚴重,時間非常寶貴,實在刻不容緩,我確對醫學界有點失望。
除此,近日很多專家都告訴我們,在12至18個月內,將可成功研發出有效疫苗,如屬實,當然是天大喜訊。當然遠水不能救近火,即使如期成功,對今年疫情亦沒有幫助;但大家都應該有準備COVID-19將成為endemic,可能每年會捲土重來的風土病(但將不停出現基因變異),所以如明年已有疫苗,進度已算神速!但這些專家也沒有告訴我們為何有此信心。從前我已指出過,感染人類的7種冠狀病毒,包括SARS,到現時為止仍沒有任何疫苗,亦沒有特別的抗病毒藥!當年SARS也是頭等大事,應不乏人和資源去研究疫苗和藥物,但到現在仍未成功。是否因為SARS在2004年後沒有再出現案例,所以沒有人再研究下去,有可能但不肯定。為何其他冠狀病毒,包括導致傷風的兩種,亦沒有疫苗,但流感就有?是否冠狀病毒有些特別結構和特徵,令到發展疫苗和藥物特別困難?如果是的話,為何又有信心在一至一年半內,即可研發出COVID-19的疫苗?此病毒較簡單?現在有迫切性、資源充分、研發技術突飛猛進,加快過程(希望是)?還是專家也沒有把握,在總統和公眾壓力下,信口開河,忽悠大家(希望不是)?我渴望他們用科學解釋一下希望的來源。
除此,我當然也失望仍未看到以隨機測試統計學來計算出來的感染率和IFR。最接近的應該是韓國的數據,他們不斷進行大量接近隨機測試,應該超過20萬人次,確診人數近8000,死亡人數67,CFR約0.8%,接近全球最低。既可能韓國醫療系統比意大利好,中間年齡較低,但明顯亦跟大量測試,擴大CFR分母有關。所以最少這給我們一點希望,神秘的IFR,理論上應可以低於0.8%,如韓國的真正宗數比確診多一倍,那麼IFR就只有0.4%。雖仍遠高於流感的0.03%至0.1%,但總比現在CFR的3.7%好得多。
我們極需要準確一點的IFR估計,因為即使不幸中招,也可安心一點。
中環資產投資行政總裁
[譚新強 中環新譚]
「現代統計學解答」的推薦目錄:
- 關於現代統計學解答 在 Eddie Tam 譚新強 Facebook 的最佳貼文
- 關於現代統計學解答 在 蒼藍鴿的醫學天地 Facebook 的最佳解答
- 關於現代統計學解答 在 政變後的寧靜夏午 Facebook 的最佳貼文
- 關於現代統計學解答 在 網路上關於全華統計學解答-在PTT/MOBILE01/Dcard上的升學 ... 的評價
- 關於現代統計學解答 在 網路上關於全華統計學解答-在PTT/MOBILE01/Dcard上的升學 ... 的評價
- 關於現代統計學解答 在 網路上關於全華統計學解答-在PTT/MOBILE01/Dcard上的升學 ... 的評價
- 關於現代統計學解答 在 現代統計學第二版解答PDF - 博碩士論文下載網 的評價
- 關於現代統計學解答 在 一夜。統計學:如何找出每一個題項都回答相同答案的樣本 的評價
現代統計學解答 在 蒼藍鴿的醫學天地 Facebook 的最佳解答
"從秀場天王談癌症迷思"這部影片的下方
有觀眾問了如下問題
Q: 之前有報導過有一位離癌的患者靠改變飲食與生活型態可以完全治療癌症,請問大大覺得這是有可能的嗎?
並且,報導文中提出,癌症是在表示身體哪部分出了狀況需要改善,文章強調並非想讓世人視癌症為毒瘤,而是一種身體在告訴我們要改變現況的警訊。
不知道您是什麼看法想請教。
我的回答:
其實您說的這類報導非常的多
試著套入以下的句型
"罹癌者的誠心告白: 服用了____ 癌症竟然不藥而癒!? 快分享出去造福更多人!"
有沒有覺得突然熟悉了起來 這根本就是農場文的起手勢啊...
這些報導在我們的眼裡 只能稱之為"個案"
什麼叫做個案?
就是在A的身上 這樣的事情發生了(例如A改變生活型態->A康復了)
但是同樣的方法複製到B身上卻沒有用(B學A改變生活型態->對B無效 B死亡)
你所看到的這些報導 宣稱做了什麼什麼就可以治癒癌症
我敢保證100%全部都是個案 在其他人身上沒有參考價值
原因如我影片所提 如果治療癌症這麼簡單
那個癌症患者可以拿諾本爾獎了
人人都尊崇他的飲食跟生活型態 人人的癌症都痊癒
癌症治療中心也全都關門了...
現代醫學 講求的就是科學證據 而不會以"個案"為依歸
例如人人聞之色變的化療為什麼屬於正規治療?
就是因為化療通過科學的檢驗
例如100位接受化療的癌症病人
超過95位癌細胞都顯著縮小或消失 生命因此得以延長
因此化療得到了"統計學上的顯著意義"對癌症有效
現代醫學幾乎所有療程都是有所依據的
療效一定要達到"統計學上的顯著意義"才會被列為正規治療方式 非常的嚴謹
也因此"個案"對我們完全不具參考價值
也就是我在影片裡不斷強調的
不管什麼疾病 請一定要去接受正規治療
這些療法才是被科學真正驗證有效的方式
以上 希望有解答到你的問題~
影片連結:
https://youtu.be/erGfIoX_6Jg
#Youtube留言區分享
現代統計學解答 在 政變後的寧靜夏午 Facebook 的最佳貼文
如今,科學家發現基因的流動是雙向的。在《自然》雜誌(Nature)周三發佈的一篇研究論文中,一組科學家提交的案例表明,混種繁殖使得西伯利亞的尼安德特人帶有部分人類DNA。
這群科學家得出結論,這種交融發生在約10萬年前。這一日期令人困惑,因為大量證據顯示,直到5萬到6萬年前,如今不在非洲的人類的祖先才走出了非洲大陸。
那麼,這些尼安德特人有可能是從一群早期的神秘人類遷徙群體身上獲得了DNA。
「我認為,現在我們已經讓所有人信服,我們的觀測結果是真實的,」來自美國冷泉港實驗室(Cold Spring Harbor Laboratory)的遺傳學家亞當·西佩爾(Adam Siepel)表示。他是這項新研究的共同作者。「但觀測結果背後的解釋,依然爭議重重。」
在大約60萬年前,擁有非洲共同祖先的人類和尼安德特人分道揚鑣。此後的某個時刻,尼安德特人的祖先擴散到歐洲、中東和中亞地區。
遷徙途中,尼安德特人演化出矮壯而有力的獨特體型,並成為狩獵大型動物的佼佼者。最後一代尼安德特人似乎在大約4萬年前滅亡。
2010年,德國萊比錫馬克斯·普朗克演化人類學研究所(Max Planck Institute for Evolutionary Anthropology)提取了尼安德特人的一個大約60%的基因組,所用樣本來自克羅地亞一處洞穴中發掘出的化石。科學家發現,尼安德特人和如今的歐亞人共享一定的基因突變,但與現代非洲人並無共通之處。科學家得出結論,人類一定是在離開非洲大陸後和尼安德特人進行了混種繁殖。
三年後,馬克斯·普朗克的研究團隊重構了一名男性尼安德特人的完整基因組。這些基因來自西伯利亞阿爾泰山脈發掘的一塊距今至少5萬年的趾骨。通過比較阿爾泰山脈尼安德特人的基因組和現代人類的DNA,確認了混種繁殖的存在。
近期,研究者從歐洲尼安德特人化石上收穫了更多DNA信息,重構出非常詳盡的單條染色體——第21號染色體。
馬克斯·普朗克研究所的遺傳學家塞爾吉·卡斯特利亞諾(Sergi Castellano)着手比較了歐洲尼安德特人的DNA和西伯利亞尼安德特人的基因。讓他感興趣的是,尼安德特人群體相互隔離的程度,以及他們與當今人類的關聯。
他邀請了西佩爾博士加入。在過去數年裡,西佩爾構建出強大的統計學模型來追蹤DNA如何隨時間而演化。於是,他和同事能夠比較這些基因組,推斷他們共同的歷史:比如,他們的祖先是如何分化的,祖先的人口規模又有多大。
西佩爾、卡斯特利亞諾及同事利用這些模型分析了尼安德特人和人類的DNA。他們的分析結果證實了之前的研究:尼安德特人的DNA片段的確出現在了現代歐亞人的身上。
不過,他們還發現了「基因流動」的又一個例子,而且是個出人意料的例子:具體來說,是阿爾泰山脈的尼安德特人與今天的非洲人有一些同樣的突變,而不是歐亞人。
這意味着,有一支非洲人類,在阿爾泰山脈尼安德特人的祖先與其他尼安德特人分開之後,與其進行過混種繁殖。
卡斯特利亞諾和西佩爾起初以為是自己的分析出了錯,於是回頭去修正。但他們卻沒有找到問題。
「我們這裡看看,那裡瞧瞧,就是沒有辦法讓它消失,」西佩爾說。
一旦科學家們接受了混種繁殖的情況真實存在,他們就開始估算它發生的時間。DNA在代際遺傳的時候,會進行重組,而這就可以用來建立某種時間表。
基於這種基因重組,科學家們估算出,人類與阿爾泰山脈尼安德特人的祖先在大約10萬年前進行過混種繁殖——遠在普遍認為的人類離開非洲的時間之前。「這一觀測結果給我們的工作造成了很大的麻煩,」西佩爾說。
同為這項新研究作者的多倫多大學(University of Toronto)古生物學家本斯·維奧拉(Bence Viola)表示,剛聽到這些基因數據的消息時,他本人滿腹狐疑。「實在是奇怪,這就是我的主要印象,」他說。
不過,卡斯特利亞諾最終說服他相信數據是可靠的。於是維奧拉博士查看了或許可以解釋這一混種繁殖的化石記錄。
比方說,上世紀30年代,科學家們在以色列發現了一批12萬年前的化石,與現代人類有諸多相似之處。許多科學家認為,它們代表了人類走出非洲的一次失敗嘗試,與今天的人類沒有基因聯繫。
去年10月,中國研究者在一處洞穴發現了另一個有意思的線索:47顆牙齒。這些科學家估算牙齒有8到12萬年曆史,並提出它們屬於現代人類。
中國科學家的研究並未完全說服維奧拉。他認為,能與證據吻合得最好的情景是,擴散到中東地區的人類與當地的尼安德特人進行了混種繁殖。然後尼安德特人東遷到西伯利亞地區,身上帶着人類的DNA。
「看起來很有說服力,」沒有參與這項研究的斯坦福大學(Stanford University)遺傳學家喬納森·K·普里乍得(Jonathan K. Pritchard)這樣評價道。「總體而言,他們提出的這套說辭比較條理分明。」
普里乍得博士表示,對古DNA的更多研究將有助於解答這項新研究提出的許多問題,並幫助科學家理解尼安德特人與人類之間親密的相互來往的範圍。
現代統計學解答 在 網路上關於全華統計學解答-在PTT/MOBILE01/Dcard上的升學 ... 的推薦與評價
全台葬儀社評價,現代統計學修訂版解答,現代統計學第二版解答,應用統計學林惠玲, ... $280.,博客來搜尋,作者,關鍵字:林惠玲,陳正倉,分類:全館,統計學:問題與解答三版, ... ... <看更多>
現代統計學解答 在 網路上關於全華統計學解答-在PTT/MOBILE01/Dcard上的升學 ... 的推薦與評價
全台葬儀社評價,現代統計學修訂版解答,現代統計學第二版解答,應用統計學林惠玲, ... $280.,博客來搜尋,作者,關鍵字:林惠玲,陳正倉,分類:全館,統計學:問題與解答三版,&nbsp;... ... <看更多>
現代統計學解答 在 網路上關於全華統計學解答-在PTT/MOBILE01/Dcard上的升學 ... 的推薦與評價
全台葬儀社評價,現代統計學修訂版解答,現代統計學第二版解答,應用統計學林惠玲, ... $280.,博客來搜尋,作者,關鍵字:林惠玲,陳正倉,分類:全館,統計學:問題與解答三版, ... ... <看更多>