実際のCOVID-19の症例数は、公式の数の6倍になる可能性があります
実際のCOVID-19の症例数は、公式の数の6倍になる可能性があります
(図 流行 Pixabay) (Fig.) アーティクル・イメージ
COVID-19(a)感染者数の本当の数は多分、世界中の多くの高所得国で報告されている数よりも遙かに多いでしょう。
- (a) What Is a Coronavirus? | Science alert
米国(United States)、オーストラリア(Australia)、カナダ(Canada)、韓国(South Korea)、およびヨーロッパ(Europe)の11か国から新たにモデル化された推定値はこう提示します、公式の数は、アウトブレイク[発生]を全体に捉えるのに苦心している可能性があります。
オーストラリアの科学者達による新しいモデルは、「バックキャスティング(backcasting)[ 未来を予測する際、目標となるような状態を想定し、そこを起点に現在を振り返って今何をすべきかを考える方法]」モデルを採用しています。これは、死亡の時から感染の時まで、新しい毎日の死亡者数(fatalities)を逆に投影します。 これにより、科学者達は、検査の制限を伴う疫学的(epidemiological)や血清学的(serological)なデータの使用を避けることを許されます。
新しい推定値を公式に確認された症例数と比較することで、チームは各国の「本当の(true)」感染率を予測できました。 彼らの結果によれば、8月末の人口感染率(population infection rate)は、平均して報告された症例数の6倍でした。
「RNA検査に基づいて報告された感染症とは異なり、バックキャスティングは、検査の管理体制の適用範囲や効果に依存しません。これは、管轄区域や時間経過で、とても違ってくる可能性があります」と、著者は書いて(b)います。
- (b) Robust estimates of the true (population) infection rate for COVID-19: a backcasting approach | Royal Society Publishing
だと言うことは、他の方法よりも、地域、国、もしくは国際レベルでさえも使用が遥かに簡単です。 そのうえ、広範囲にわたるテストを行っている国に依存していないので、それは公衆衛生の専門家が、検査能力が限られている地域で準備をするのに役に立ちます。
「簡単に言えば、私達は、特定の国でのCOVID-19で死亡した人の数に関する統計を分析しました、そうして、その死亡者数に到達するために、何人の人が感染していなければならないかを理解するために、逆方向に作業しました」と、オーストラリアの生き甲斐研究(Ikigai Research)の、データ・サイエンティストのスティーブン・フィップス(Steven Phipps)氏は述べます(c)。
「私達の方法は、COVID-19に起因する死亡者数に関しての信頼できるデータがあるところならどこでも、真の感染率(infection rate)を推定するための斬新で使いやすい方法です。」
一部の国は、他の国よりもこれらの感染の報告をするのに優れていました。 韓国で実際の感染数は、報告された数値の2.6倍高いことがわかりました、ところがイタリアで「バックキャストされた」症例数は、驚くべき 17.5倍高かったです。
一般的に3月以来、世界の国々は、COVID-19検査を展開し、症状に関して大衆を教育し、感染を検出して追跡するためにますます正確な方法を考え出すことで、良くなりました。
その改善にもかかわらず、国際的な数字は、見込みのある現実に遅れを取り続けています。 研究した15ヶ国総ての中で最高レベルの検出の1つであるオーストラリアでさえも、研究者達はこう述べます、感染率(rate of infection)はまだ、報告されていることのほぼ5倍になる可能性があります。
「私達はこれが分かりました、COVID-19感染は多くの国で確認された症例よりもはるかに高いですし、コントロールと感染の可能性の両方に対して重要な含意があります」と、オーストラリア国立大学(Australian National University)のエコノミスト、クエンティン・グラフトン(Quentin Grafton)氏は述べます(c)。
「これらの調査結果は、次のことについて深刻な疑問を提起します。感染した人々に対する継続的な病的状態(morbidity)と生涯にわたる健康への影響、封鎖の手段と管理の方法、そしてより露骨に私達がこのパンデミックの頂点にいることを確認する方法を含めて、コロナウイルス(coronavirus)のパンデミック(pandemic)(d)のあらゆる面にどのように私達が対処するのかです。
- (d) What Is a Pandemic? | Science alert
次のことは初めてではありません。科学者達は、実際のCOVID-19症例と報告された感染症との間に不一致があることを発見しました。 かなり最初から、専門家達はこう警告しています、ウイルスの拡散の真の範囲を過小評価していそうです。
新型コロナウイルスによる死因の特定は、検査が限られているとき簡単なことではありません(e)、症状が他の病気と重なることが頻繁にあり、そして、最も脆弱な方達は、前から存在する病状[基礎疾患]を持っています。
- (e) How Many People Have Died From Coronavirus? | Science alert
これまでの多くの推定は、2020年の総死亡率(total death rate)を、他の特定の年の普通の総死亡率と比較しました。または、彼らは遡るために抗体(f)検査(antibody testing)を使用して、最初の症例数に含まれていなかった個人を特定しました。何故ならばおそらく、彼らは、ほとんどないかまたは全く症状を示さなかったからです。
- (f) What Is an Antibody? | Science alert
たいていの疫学(epidemiological)モデルはこう同意します、実際の感染者数は確認された症例数を遥かに数が勝っていますが、しかし、正確にどの程度、そしてそれが時間経過でどのように変わるかは、あまり明確ではありません。
疫学データは、国の検査のレベルによって制限されますし、そして抗体検査には一部の偽陽性(false positives)と偽陰性(false negatives,)があります。つまりこう意味します、もしも症例数が少ないのならば、人口のレベルでは、ほんの一握りの誤った結果でさえもデータを歪める(skew)[斜めの/曲がった]られます。
米国での異なる研究による推定(h)は、4月の感染数は確認された症例数よりも3〜20倍高かったことを発見しました、そしてそのほとんどは、不完全なテストと、程度は低いものの、不完全なテスト精度によるものでした。そしてそのほとんどは、不備な検査と、より小さい範囲での、:欠点のある検査精度によるものでした。
米国の抗体データを使用した別の推定(i)ではこの発見をしました、5月に報告されたよりも SARS-CoV-2(a) 感染は10倍以上ありました。
- (i) Seroprevalence of Antibodies to SARS-CoV-2 in 10 Sites in the United States, March 23-May 12, 2020 | JAMA
新しいモデルは、比較的広範な検査体制のある高所得国のみに基づいています。 しかしながら、たいてい国は、彼らの人口の中で遥かに少ないテストを受けました、これは次の提示をします。COVID-19に感染した世界の人々の数は、公式の数字の数倍のようです。
ベルギー(Belgium)、フランス(France)、イタリア(Italy)、イギリス(United Kingdom)などの一部の国々は、真の検出率(detection rates)がとても低いことが発見されました。 2020年8月31日現在、新たな分析によれば、これらの国の公式の数字は実際のCOVID-19症例全体のわずか10％を表しました。
しかしながら、この時点で、完璧な推定はありませんし、この新しい方法は、既存の方法を置き換えるべきではありませんし、それは単にそれら(既存の方法)を捕捉して完全にするものでなければなりません。
疫学モデルは、バックキャスティング法よりも、未来の入院予測で依然として遥かに優れています、そして著者はこれを完全に認めています。
次のことに注意することも重要です。バックキャスティングを正確に行うためには、COVID-19に感染した方達の年齢分布が露骨に類似していなければなりません、何故ならば高齢者はひとたび感染すると死亡する可能性が高くなるからです。 これはオーストラリアのような場所で結果を歪めるかもしれません、そこでは、死亡者数の約75％が高齢者介護で発生(j)しています。
過去、現在、未来のCOVID-19症例を推定する最良の方法を見つけるのは、時間がかかりますし、そしてある時点まで、現在のパンデミックによって何人の人々が病気になるかを正確に知ることは不可能かもしれません。現在のパンデミックにより、何人の人が病気になるのかを正確に知ることは不可能かもしれません。
そうは言っても、実際のCOVID-19の負担の正確な推定は、私達の手にある世界的な悲劇への対応方法の決定で、重要になります。
この研究は、王立学会オープン・サイエン(Royal Society Open Science)誌(b)に掲載されました。
----- 出典 -----
www.sciencealert.comwww.deccanherald.comwww.statnews.comwww.ibtimes.com
----- 2020/11/19公開の記事を読んで -----
パンデミックになって、この先の感染拡大がどのようになるかを予測することは、政府や国民が生活を決め、生活を守って行く方法を模索する上で重要です。
日本の結果は示されていませんが、ステルス感染者が相当数いるという論説もあります。仮に、ざっくり6倍ならば、1000人/日の感染確認がされたとすると、本当は1日あたり6000人が感染していると見積もることを意味します。未検査の方(潜伏感染者、ステルス感染者)や、検査結果が偽陰性の方が多いということでしょうか。
蛇足になりますが、感染者数が増えるということは、感染致死率(感染死亡率)の分母が大きくなることで、感染致死率はますます小さくなります。
予測にはさまざまなパラメーターがあって、例えば、ロックダウンをしたとか、ワクチン接種が始まったとか、治療薬や治療方法が確立したとか、ウイルスが変異したとか、その他の諸々の因子により、未来予測が変化します。
計算機を使った外挿計算のシュート・アンド・ヒットを未来から現在へ向かって行い、もっともらしい結果を探すシミュレーションが、バックキャスティング法のようです。本文にある通り、感染者の年齢分布がフラットでなければいけないようです。この課題を今後どのようにチューニングしていくかなのでしょう。
----- パズルのピース -----
zzak.hatenablog.jpzzak.hatenablog.jpzzak.hatenablog.jpzzak.hatenablog.jpzzak.hatenablog.jp
