解析印度COVID-19疫情三波浪潮中Ct值的动态变化：性别、年龄与疾病严重度的关联分析及其流行病学意义

《Immunity, Inflammation and Disease》：Cycle Threshold (Ct) Value Trends in COVID-19: Analyzing Gender, Age, and Severity Factors Across Major Waves in India

【字体：大中小】 时间：2026年02月26日 来源：Immunity, Inflammation and Disease 2.7

编辑推荐：

　　作为编辑，我们推荐这篇综述：研究利用印度53485例确诊数据，系统分析RT-PCR循环阈值（Ct）在疫情不同阶段、年龄与性别群体中的变化规律。结果显示，Ct值（与病毒载量负相关）在第二波（Delta变异主导）最低，第一波最高，第三波（Omicron）居中；儿童Ct值高于老年，女性低于男性；Ct值与病例数、死亡数呈显著负相关。这些发现提示Ct值可作为预测病毒传播力与疾病严重度的有用标志物，为公共卫生策略提供数据支持。

1 引言

COVID-19大流行由SARS-CoV-2病毒引发，对全球公共卫生与社会经济造成深远影响。病毒主要通过呼吸道飞沫与接触传播，而RT-PCR（反转录聚合酶链反应）因其高灵敏度成为检测的金标准。其中，循环阈值（Ct）是RT-PCR检测中的关键指标，它代表荧光信号达到可检测水平所需的循环数，与病毒载量呈反比关系：Ct值越低，表明病毒RNA浓度越高，通常Ct值低于40被视为阳性。

Ct值在监测感染动态、指导公共卫生干预（如接触者追踪、隔离）以及评估疫苗效果方面具有重要意义。然而，Ct值与不同变异株（如Alpha、Delta、Omicron）、人口学因素（年龄、性别）以及流行病学指标之间的关联仍存在不一致的结果。因此，本研究利用印度53485例确诊数据，旨在全面探索Ct值随时间、疫情浪潮、年龄、性别等因素的变化，以阐明病毒载量进展及其与疾病严重度和传播力的关联。

2 材料与方法

数据来源于印度医学研究理事会（ICMR），包含患者人口统计学（年龄、性别）、样本采集日期以及E基因、RdRp、ORF1b的Ct值。流行病学数据来自Our World in Data（截至2025年2月1日）。纳入标准为RT-PCR确诊、至少包含一个检测靶点的数值型Ct值、有采集日期及至少一个关键协变量（年龄或性别）。排除缺失日期、非数值Ct值、质控失败或重复的记录。主要分析采用E基因Ct值以保证一致性。

统计分析前使用Tukey四分位距法去除异常值。因数据偏离正态分布，采用非参数检验（Kruskal-Wallis与Mann-Whitney U），事后使用Dunn检验进行两两比较，并以线性回归分析Ct值与流行病学变量的关联。显著性阈值设为p?

3 结果

3.1 不同COVID-19浪潮间的Ct值比较

Ct值在三波疫情中存在显著差异（p?

将Ct值分为低（?30）三类，全印度低Ct值病例比例最高（57.4%），中、高Ct值分别占29.2%与13.4%。各波次中低Ct值比例均最高，其中第二波低Ct值比例最高（59.0%），第一波最低（46.1%），第三波（56.5%）较第二波有所下降，印证了上述趋势。

3.2 各浪潮内的时间趋势

将每波疫情进一步分为峰前、峰时、峰后三个阶段，共九组。Ct值在九组间差异显著（p?

3.3 基于年龄的Ct值差异

按年龄分为儿童（0–9岁）、青少年（10–19岁）、青壮年（20–39岁）、中年（40–59岁）、老年（≥?60岁）五组。Ct值在组间差异显著（p?

在各波疫情中分析各年龄组的Ct值，除儿童组外，其余年龄组在三波间均呈现显著差异，趋势与总体一致：第一波Ct值最高，第二波最低，第三波回升。

3.4 性别间的Ct值差异

男性与女性间的Ct值存在显著差异（p?

3.5 与流行病学变量的关联

线性回归分析显示，Ct值与多项COVID-19流行病学指标呈显著负相关（p?

4 讨论

印度经历了三波主要的COVID-19疫情，每波均由不同变异株主导，传播力与严重度各异。本研究证实Ct值在三波间存在显著差异。第一波Ct值最高，可能与野生型病毒传播力较低、严格的封锁与社交隔离政策有关。第二波Ct值最低，对应Delta变异株的高传播力与高病毒载量，以及相对宽松的防控。第三波Ct值回升，可能归因于Omicron变异株的致病性相对较弱、大规模疫苗接种以及前期感染获得的免疫力。

按疫情阶段细分后，Ct值在九组间差异显著，呈现从疫情初期高值，到第二波达谷底，第三波再回升的动态过程，反映了病毒载量随防控措施、变异株特性及人群免疫状态的变化。

年龄分析显示，儿童Ct值最高，老年最低。这可能源于儿童更强的先天免疫、更轻的症状或不同的病毒动力学，而老年人因免疫衰老与共病负担，往往病毒载量更高、病情更重。性别分析发现女性Ct值显著低于男性，表明女性病毒载量更高，可能与激素、遗传等因素导致的免疫反应差异有关，但具体机制需进一步研究。

全数据集中低Ct值病例比例最高，且该模式在所有浪潮、年龄组和性别中均一致，表明高病毒载量感染在印度占主导。最后，Ct值与病例数、死亡数的显著负相关，强有力地支持了Ct值可作为预测疫情传播强度与疾病严重度的有用生物学标志物。

5 结论

本研究系统揭示了印度COVID-19大流行期间Ct值的动态变化规律。病毒载量随时间波动显著，第一波最低，第二波（Delta）最高，第三波（Omicron）居中。年龄与性别是影响Ct值的重要协变量，儿童病毒载量低于老年，女性高于男性。Ct值与流行病学结局的稳定负相关关系，凸显了其作为预测工具在疫情监测与公共卫生决策中的潜在价值。持续监测Ct值有助于优化资源分配、制定针对性干预措施，并为未来大流行防范提供科学依据。

热点排行

新闻专题

联系信箱：