聪明的封控：权衡疫情防控与经济的智能封锁模型

摘要

面对新冠疫情，大多数国家都采用了不同程度的隔离封锁措施。但封锁会破坏正常的生产和贸易模式，因此需要确定优化经济生产的防控策略。为了研究新冠大流行期间经济、社会和健康之间的权衡，近日一项发表于 Nature Computational Science 的研究将疫情传播的动态流行病学模型与多部门经济模型相结合，提出了一种智能封锁模型 DEADALUS。

该模型确定了一些缓解策略，在优化经济生产的同时，限制感染使得不超过医院容量，但使包括教育部门在内的许多基本服务保持活跃。模型对是否关闭不同经济部门进行了区分，让那些对疫情传播影响不大、但对经济产出贡献很大的部门保持开放。在一个对英国63个行业的示例应用中，相比于对非必要活动实行为期6个月的全面封锁，该模型实现的经济增长达到24-29%。

研究领域：流行病传播，智能防控

Aditya Goenka, Lin Liu | 作者

胡聪 | 译者

梁金 | 审校

邓一雪 | 编辑

论文题目：

Optimizing social and economic activity while containing SARS-CoV-2 transmission using DAEDALUS

论文链接：

https://www.nature.com/articles/s43588-022-00233-0#MOESM1

面对新冠疫情，大多数国家都采用了非药物干预措施的组合，例如隔离感染者、追踪接触者、限制旅行和封锁等措施。大多数国家没有足够的检测和追踪能力来控制新冠大流行，只能通过封控应对新冠疫情。但是，封锁会破坏正常的生产和贸易模式，从而产生经济后果。实现精准防控，关闭随后感染风险高且对经济运行“非必要”的行业似乎是可取的。因此需要确定优化经济生产的防控策略，保持教育部门部分的运转，同时要避免感染人数超出医院的容量。

近日一项发表于 Nature Computational Science 的最新研究提出了DEADALUS模型，并用该模型研究了能否仅封锁部分部门，从而以最小的经济损失控制新冠大流行。该模型的主要目的为围绕这些选择的实际政策制定提供指导。

1. 如何权衡疫情防控与经济生产？

当涉及到像COVID-19这样的传染病的传播时，必须考虑到传播的差异。不同的年龄组有不同的社交模式；例如，儿童主要与他们的父母和其他儿童互动，而不是与其他成年人互动。另外，不同的环境有不同的社交模式：在工作场所，同事们在一段时间内有一定的接触，传播率取决于工作的性质和工作场所的密度。工作场所内的感染是否会传播到外面，取决于工作场所的感染程度以及与人群的互动情况。有些部门与公众有交集，如酒店和娱乐业，可能会有三种类型的传播：部门内员工之间的传播、员工向其家人及其联系人的传播、以及向使用该行业服务的公众的传播。这类部门的员工平均年龄较小，他们更有可能无症状，因此，更有可能传播感染。另一方面，屠宰场的第一种（部门员工间）和第二种（员工及其家属）的传播率非常高，但第三种（使用服务的公众）的传播率会很低。因此，从公共卫生角度来看，需要采取细致的方法来控制传播，关闭那些后续感染风险高但是对经济运行 “并非必需 “的行业似乎是可取的。

这种公共卫生观点必须与关闭一些部门的经济后果相平衡。从经济角度来看，关闭某个特定部门取决于它与其他部门的相互联系，以及它对GDP贡献的重要性。事实证明，经济学文献通常没有使用足够详细的经济和联系结构模型来指导细微的政策决定，而公共卫生和流行病学文献也没有建立经济成本模型。丹麦使用了一个简易模型来指导他们的政策，但英国并没有类似的举动。因此，英国在2020年推出了“Eat out to help out”计划，通过补贴在符合条件的场所就餐来帮助餐馆和酒店业，因为政府担心企业主会破产，而且其他为帮助大型企业雇员而制定的计划也没有充分覆盖小型和业主经营的场所的工人收入。然而，随着“Eat out to help out”计划的实施，感染病例明显增加：该计划在这一时期感染人数占所有病例的8-17%，但GDP没有明显增加。因此，需要一个非常详细地整合了流行病学和经济制约因素的模型。

2. 智能封锁模型DAEDALUS

在这个意义上，DAEDALUS模型是一项重要的应用政策研究，它将流行病学和经济模型结合起来。该模型有两个组成部分。首先是一个年龄结构的SEIR模型，其中不同年龄段的人口有不同的风险特征（易感性）和不同的社交模式（图1a）。每个人可以处于四种状态之一：健康并对COVID易感（状态S）；暴露于感染环境中，但尚未感染，并能够传播疾病（状态E）；被感染（状态I），在这种状态下，无论有症状还是无症状，都可以传播疾病；以及从疾病中恢复，对后续感染免疫（状态R）。一部分有症状的人要住院治疗，其中一部分人病死。

模型的第二个组成部分是一个详细的经济生产网络模型，以研究某种干预措施的经济后果。这通过使用诺贝尔经济学奖得主 Wassily Leontief 介绍的投入-产出模型（input–output economic model，图1b）来完成。这是一种模拟经济中不同部门之间相互作用的标准方式。如果我们考虑两个部门的简单情况，如铁和煤，铁使用煤作为投入，但其产出也用于生产煤；煤也是如此，它使用铁作为投入，但煤的产出也用于生产铁。在这种情况下，两个部门之间的相互作用可以用一个2×2的矩阵A来表示，其中每个元素a_ij代表i部门被j部门使用的投入量。由于它是一个固定的矩阵，假定生产中使用的投入比例是固定的，两者之间没有替代关系。这在非常短的时间内（也许是几个月）是有效的，并用于经济的详细建模。大多数经济体的投入产出表都是可获得的。

图1. 整合流行病学‍与经济学‍模型。（a）SEIR流行病学模型。（b）投入产出经济模型的一个例子，a_ij是i行业产出被j行业使用的份额；例如，a₁₂是农业产出被电信行业使用的份额，可能为零。（c）疾病传播和经济活动之间的互动；感染地用蓝色描述，经济部门用绿色描述，非药物干预措施和封锁用粉色描述。

‍

DAEDALUS 模型的主要贡献是将投入-产出和流行病学模型细致地进行匹配，其中不同群体之间的接触率在每个行业层面都被使用（图1c）。从投入产出表中，也可以计算出对每个行业的GDP有贡献的增加值。因此，该组合模型可以用来研究，如何在投入产出表给出的生产约束、COVID-19动态、医院能力、大流行病得到控制的约束条件（通过要求干预结束时的感染数量为Rend≤1来表示）和其他理想目标（如保持学校开放）下，使GDP最大化（图2）。该问题可简化为一个编程问题，由于疾病动力学，一些约束条件是非凸的。

该模型很灵活，可以根据不同的经济体进行调整，并且反映在各国可能有所不同的流行病学假设。例如，关于英国的模型使用了63个经济部门的数据，工人与工人的接触率是基于法国的数据，而流行病学参数基于英国的数据进行校准。研究模拟了不同场景。与全面封锁所有非必要活动相比，预计通过智能封锁，六个月内GDP可能会增加 24-29%，结果随着教育部门与其他部门开放程度不同而有所不同。对经济运行”至关重要”或高附加值，同时被认为是低传染风险的部门，应被被允许经营。

图2. 教育部门完全关闭情况下，GDP最大化、医院容量为18,000张床位下的最佳经济配置。（a）预计患病率和医院入住率。（b）63 个行业的经济配置。该情境下教育部门与其他部门一样可以被完全关闭。在 6 个月的干预期内，通过每两个月连续开放和关闭 63 个部门来实现 GDP 最大化。垂直轴上列出了行业划分，水平轴上列出了月份。LD 是 2020 年 3 月至 2020 年 5 月在英国的第一次封锁。第 1 阶段是 9 月到 10 月，第 2 阶段是 11 月到 12 月，第 3 阶段是 1 月到 2 月。黄色（1.0）表示完全开放，蓝色（0）表示关闭。

3. 扩展的空间

这里提出的DEADALUS模型是整合流行病学和经济模型的重要一步，并有扩展的空间。医院承载量对于确定封锁的程度很重要。原则上，人们可以确定一个额外的医院床位的隐藏价值，即略微放松床位数量限制，以提高被优化目标（在这种情况下为GDP）的最大值。放宽其他约束的隐藏价值也可以被估计出来，这对计划未来爆发的COVID-19或其他大流行病很有价值。感染直接或间接地导致了死亡，因为医疗资源被用于处理COVID-19。死亡率是政策反应的一大考虑因素。因此，优化目标应该包括死亡率，因为这将使人们更全面地了解实际政策制定中的权衡问题。