Infect Dis Ther：用贝叶斯推理分析西班牙新冠肺炎的住院动态

背景：在新冠肺炎大流行的早期阶段，最大的公共卫生问题之一是医疗资源是否足以治疗感染病例。随着病例呈指数级增长，大约10%的检测到的病例需要在重症监护病房住院，人们很快意识到，国家卫生系统很容易不堪重负。为了减缓疫情的蔓延和保护国家卫生系统，许多国家在第一波疫情期间实施了严格的封锁。更多的浪潮还迫使应用重要的非药物干预措施，降低非疾病的有效繁殖率，防止医疗保健系统崩溃。

这些模型中的一个关键因素是考虑到地区差异，而许多论文--尤其是那些专注于建模的论文--很少考虑这一点。事实上，入院率和住院时间都可能取决于患者的具体特征、人口的社会经济地位，或者取决于地方或国家政策。例如，在具有相同社会经济特征和传播动态的两个人群中，具有最大测试能力的人群的录取率将较低。同样，在住院能力较低的地区，LOS可能会更短。此外，随着政策变化，这些差异可能会随着时间的推移而演变。因此，对所研究的时期进行适当的背景分析也很重要。

方法：我们利用西班牙卫生部报告的每日新增病例和住院数据，实现了一种贝叶斯推断方法，该方法可以对该国每个自治区的新冠肺炎患者的床位占用情况做出短期预测。

结果：我们展示了如何使用每日入院和出院人数的时间序列来重现COVID-19患者的住院动态。对于阿拉贡地区的案例研究，我们估计因感染而住院治疗的概率为0.090[0.086-0.094]，(95%置信区间)，住院治疗的分布产生的中位数间隔为3.5天，IQR为7天。同样，根据住院时间的分布，中位数为12天，IQR为10天。所分析区域的模型参数之间的比较允许检测卫生当局政策的差异和变化。

图 阿拉贡地区医院每日入院人数。为了估计模型的参数，我们使用了截至2020年12月1日的信息。从12月1日起，使用估计参数和观察到的每日发现病例数，应用公式得出入院人数。(1)。实线表示估计的中值，阴影区域表示95%的C.I，而点表示观测数据。请注意，疫苗于12月28日在西班牙开始推出。

图2 阿拉贡每天新冠肺炎患者占用的床位数。为了估计模型的参数，我们使用了截至2020年12月1日的信息。从12月1日起，入住率是使用新发现的病例数量和均衡器来计算的。(1)和(5)。实线表示估计的中值，阴影区域表示其95%的C.I.，而点表示观测数据。请注意，疫苗于12月28日开始推出。

图3 预测2020-2021年圣诞节期间阿拉贡的床位使用率。点表示床位占用率的实际值，实线表示预测的中位数，其阴影区域显示从指定日期开始的一周预测的95%C.I.。在图中描述的每个日期，而不是像图2中那样使用观察到的发病率，预测算法运行在直到该日期检测到的病例的数量上，并假设R(T)的某个变化来预测占有率。

结论：我们观察到了重要的地区差异，表明要正确比较非常不同的人口，最重要的是承认文化、社会经济地位和资源可获得性方面的所有差异。为了更好地了解这一大流行的影响，应该提供更多的数据，并进行分类和适当的注释。

原文出处：Chen G,  Li N,  Dai X,et al.Safety, Tolerability, Pharmacokinetics, and Pharmacodynamics of Anti-C5a Antibody BDB-001 for Severe COVID-19: A Randomized, Double-Blind, Placebo-Controlled Phase 1 Clinical Trial in Healthy Chinese Adults.Infect Dis Ther 2023 Jan 25