实时再生数（Rt）估计方法的挑战与未来路线图：一项协作研究愿景

《Epidemics》：A vision for estimation of the instantaneous reproductive number

本文针对COVID-19大流行期间瞬时再生数（Rt）估计方法及软件工具激增带来的挑战，报道了2024年9月举办的“协作马拉松”研讨会成果。研究人员系统总结了现有Rt估计方法，识别了在方法开发、软件实现、评估比较及公共卫生决策应用中的关键问题，并提出了未来发展的路线图，旨在推动Rt估计领域的标准化、规范化，以更好地服务于传染病监测与公共卫生决策。

　　

在全球化与人口流动日益频繁的今天，传染病暴发对公共卫生构成持续威胁，COVID-19大流行便是明证。有效监测传染病传播动态，特别是实时评估其传播能力，对于预警、干预和资源调配至关重要。瞬时再生数（R_t）正是这样一个关键指标，它描述了在特定时间点t，一个典型感染者在其传染期内预期会直接感染的人数。当R_t> 1时，疫情呈增长趋势；R_t< 1时，疫情则趋于消退。因此，准确、及时地估计R_t，如同为决策者提供了疫情的“晴雨表”和“方向盘”。

然而，理想很丰满，现实却很骨感。R_t是一个无法直接观测的潜变量，必须通过报告病例数等观测数据来间接估计。COVID-19大流行期间，为了应对迫切的监测需求，研究人员开发了众多的R_t估计方法和相应的软件工具，呈现出“百花齐放”的局面。这种方法的繁荣虽然提供了更多选择，但也带来了“选择困难症”和“比较困境”。不同的方法基于不同的统计模型和假设，对输入数据的要求和处理方式各异，其软件实现的质量、文档的完备性、维护的可持续性也参差不齐。这导致公共卫生从业者、研究人员和决策者在选择、使用、比较和解释不同方法得出的R_t估计值时面临巨大挑战。试想，如果不同天气预报模型给出的结果差异巨大，公众该如何判断是否要带伞？同样，不一致的R_t估计也可能误导公共卫生决策。因此，对现有R_t估计方法进行系统梳理，识别共性挑战，并规划未来发展路径，显得尤为迫切。

在此背景下，由美国疾控中心（CDC）Epistorm Center of Insight Net资助，于2024年9月24日至26日举办了一场为期三天的“R_t估计协作马拉松”研讨会。这项研究正是基于此次研讨会以及会前对从业者的调查，旨在总结当前R_t估计方法的现状，深入剖析从方法开发到决策应用全链条中存在的挑战，并最终提出一个面向未来的发展路线图。

为了系统评估R_t估计的现状与挑战，本研究综合运用了多种方法。首先，研究人员在会前对领域内的从业者和研究者进行了问卷调查，以识别优先发展领域和关键挑战。其次，通过举办协作马拉松研讨会，汇聚了来自美国和英国等地的研究人员、公共卫生从业者、决策者和学生，通过小组讨论和实践活动，深入探讨了现有工具的使用体验、局限性以及未来发展方向。在技术方法层面，研究重点回顾和比较了基于R语言的主要软件包（如EpiEstim, EpiNow2, epinowcast等），这些方法大多基于更新方程（renewal equation），并需要输入病例时间序列数据和生成间隔（generation interval）或序列间隔（serial interval）的分布估计。高级方法还涉及了贝叶斯层次模型、现在casting（nowcasting，用于校正报告延迟）、时间平滑技术（如样条平滑、随机游走）以及将感染到报告的多重延迟分布整合进生成模型（generative models）中以反推感染时间。研究还探讨了使用替代数据源（如废水监测数据、电子健康记录）进行估计的可能性。

2. 当前方法总结

研究指出，当前R_t估计方法的核心是基于更新方程，将t时刻的新增感染数I_t与过去感染数及R_t联系起来。然而，实际应用中面临五大挑战：病例报告不完整、报告延迟导致右删失、日报告数波动大、数据聚合时间尺度与生成间隔不匹配、使用症状出现或报告日期等感染替代指标存在滞后。现有的软件包旨在解决其中一个或多个问题，主要方法包括：基于滑动窗口和解析解的EpiEstim、引入病例再生数概念的EpiInvert、使用负二项分布和P样条平滑的EpiLPS、完全生成式贝叶斯模型EpiNow2和epinowcast、以及结合LOESS平滑和反卷积的estimateR等。这些方法在处理不确定性、平滑方式和模型假设上存在显著差异。

3. 挑战

研讨会识别了R_t估计在四个主要环节面临的挑战：

• •
  开发环节： 存在统计挑战（如不确定性量化）；学术激励机制不足以支持专业的软件开发实践，导致文档不全、测试不足；缺乏对软件持续维护的资金支持；用户群体异质性强，难以满足所有需求。
• •
  使用与实施环节： 不同软件包在数据输入格式、时间索引定义（如疫情第一天、延迟分布索引）、 temporal smoothing（时间平滑）方法的透明度和一致性方面存在差异，给用户带来困扰，并影响结果的可比性。
• •
  评估环节： 缺乏公认的评估指标来比较不同方法的实时准确性和性能；由于真实R_t值未知，且真实数据存在报告质量问题，评估难度大；不同方法可能估计的是不同的量（如瞬时再生数与病例再生数），直接比较存在概念障碍。
• •
  决策环节： 将连续的R_t估计值离散化为易于公众理解的趋势类别（如增长、稳定、下降）需要方法支持；报告延迟和意外中断影响估计的及时性和准确性；融合多数据源（如废水、急诊数据）和采用层次模型联合估计多地区R_t是提高鲁棒性的有前景方向。

4. 路线图

基于以上挑战，研究提出了一个全面的未来发展路线图：

• •
  凝聚社区力量： 倡导建立涵盖方法开发者、软件工程师和公共卫生终端用户的持续社区，促进知识交流、标准制定和协作创新。
• •
  建立评估体系： 迫切需要开发一套标准化的方法来评估R_t估计方法，包括实时性能、方法间一致性和可用性（如计算速度、易用性）等指标。探索使用预测评分规则间接评估R_t的方法是一个潜在方向。
• •
  认可科学软件贡献： 推动学术界认可科学软件开发是重要的学术贡献，以激励更好的文档、用户支持和软件质量。
• •
  确保软件的可用性和可持续性： 建议制定R_t估计软件功能清单和标准输出格式，促进软件的可比性和易用性。鼓励软件包含参数采样、疫情模拟和投影功能，并改善文档。
• •
  正式比较现有方法： 在建立评估标准和改善文档的基础上，对现有方法进行正式、系统的比较，明确各自的优缺点和适用场景。
• •
  最大化转化影响： 加强建模者、软件开发者和公共卫生决策者之间的伙伴关系，确保工具开发响应实际应用需求。
• •
  长期愿景： 借鉴传染病预测社区的成功经验，建立可持续的协作平台和资源，并与预测社区加强合作，因为R_t估计与预测密切相关。

结论与意义

本研究通过系统总结R_t估计的现状、深刻剖析其面临的跨领域挑战、并提出前瞻性的发展路线图，为这一重要公共卫生指标的未来发展指明了方向。瞬时再生数R_t作为传染病传播动态的“指挥棒”，其估计的准确性、及时性和可解释性直接关系到公共卫生决策的有效性。该研究强调，克服当前挑战不仅需要方法学上的创新，更需要社区建设、标准制定、软件工程实践改善以及跨学科合作的共同努力。推动R_t估计领域的规范化、标准化和可持续发展，将极大增强全球应对未来传染病威胁的能力，为实现更精准、更高效的公共卫生监测和干预奠定坚实基础。这项发表在《Epidemics》杂志上的工作，是朝着构建更健全、更可靠的传染病预警与响应系统迈出的重要一步。