chenqin，数据帝 2022 虎年春节过后，中国开始应对奥密克戎变异的挑战。从 1 月的安阳、天津津南疫情，到 2 月的深圳、东莞、防城港、呼和浩特疫情，再到 3 月的上海、吉林、山东以及全国各地渐渐展开的疫情，我们不难发现，奥密克戎变异导致的疫情，与之前的疫情有着很大不同。以前行之有效的防控方式，似乎失效了。 在 2021 年和之前的每一次疫情中，我们的应对手段其实归根结底就是三条——发现与监测；流调与溯源；管控与重点人群核酸。当发现和监测落后于病例传播，流调与溯源手段也无法穷尽病例时，立刻停止整个城市或者城市部分高风险区域的运作，开展全员核酸，就成了最后一道，也是最行之有效的一道防线。 「封城」对疫情控制的作用 在奥密克戎变异之前，「封城」对疫情的控制能够起到什么样的效果？使用国家卫健委公布的每天各城市的本土病例数量和本土无症状感染者数量，以及每个城市从 2020 年至今每天的人流量数据，我们可以完成一个简单的计算。下图是我们使用的各城市疫情数据来源。 图表 1：每日新增本土病例 我们的人流量是通过当地商圈的人流量监测和到店消费分天数据综合计算得到的。下图列出了西安市从 2020 年 2 月至今的每日人流量指数。可以看到，西安曾经有过四个因疫情造成的凹陷，前三次分别是 2021 年 1 月的石家庄疫情，2021 年 8 月南京疫情，2021 年 10 月兰州疫情导致的输入病例。这几次疫情都没有出现大规模的本土感染，但西安都做了一些预防性的防疫工作，例如为了应对南京疫情可能造成的输入，在 2021 年 7 月 30 日关闭了华清池和兵马俑。但西安的最大考验出现在图中的第四个凹陷，也就是 2021 年 12 月的西安本地疫情中。 图表 2：西安市人流量 我们将西安的人流量数据聚焦于 2021 年 12 月 1 日到 2022 年 1 月 31 日。西安本轮疫情的第一例本土病例出现在 12 月 9 日，但西安并没有立刻做出反馈，而是在 12 月 16 日左右开始进行较大规模的防控。而最后西安的疫情也较为严重，一直到 1 月底时，西安市人流量也只恢复到疫情前的 70%。 图表 3：西安疫情期间人流量 在和西安疫情几乎相同的时刻，12 月 5 日在宁波市出现了 3 例阳性病例。宁波的反应非常快，12 月 6 日便暂停了疫情出现地点镇海区的所有文旅体活动，镇海区停课停学。下图列出了宁波市的人流量指数变化情况。可以看到，宁波通过快速的反馈和封控控制了疫情，当地人流量在 10 天后即达到谷底，随后回升。宁波市此次疫情最后仅有 76 个病例，用时一个月不到，当地人流量就达到了疫情前的水平。 图表 4：宁波市疫情期间人流量 从这样两个例子的比较看，「及时封城」，确实是对「控制疫情」有比较好的作用。我们可以试着从统计上证明这一点。 首先，用 T 表示用天计算的时间。如果一座城市从 T-5 到 T-1 这五天内均没有出现病例，而在 T 时刻出现了本土病例，那么我们将疫情的「爆发」定义在 T 时间点。在这种定义下，一些城市会出现多段疫情，我们将每一段疫情的爆发起始点均算作一个数据点。 其次，将「封控强度」定义为一个城市的人流量的变化。用 T+4、T+5、T+6 时刻的当地人流量平均值，除以 T-1 时刻的当地人流量，定义为一个地区「封控强度」。T+4、T+5、T+6 时刻的人流量相比疫情前下降得越多，说明该地区的封控越快，越严格。对西安 12 月 9 日的疫情来说，这个数字接近 1，也就是没有在五天内采取任何封城措施；对宁波 12 月 5 日的疫情来说，这个数字大约是 0.87，即人流量因封控下降了 13%。 再次，将「控制疫情」定义为一个城市 T+14、T+15、T+16 三天的新增病例与 T+4、T+5、T+6 三天的新增病例的比值。这里的病例包括了确诊病例和无症状感染者。如果疫情爆发半个月后的当日新增病例比起疫情爆发第四到六时的新增病例要少，说明疫情得到了控制。这个数字越低，说明疫情控制得越好。 最后，将「封控强度」和「控制疫情」取对数， 在非奥密克戎变异疫情，和奥密克戎变异疫情下，分别用「封城」去解释「控制疫情」。两者相关性越高，越能够说明及时、快速的「封城」可以快速控制疫情。 非奥密克戎变异疫情 图表 5：Omicron 之前的疫情 上图列出了在奥密克戎变异前的历次疫情中疫情后人流量（横坐标）和病例增长速度（纵坐标）的关系。可以看到，两者之间存在着显著的相关性，其中越靠右的点，代表其封控强度更轻，靠左边的点则有更加严格且快速的封城行动。靠上的点表示疫情衰减越慢（0 以下）或者增长越快（0 以上）。两者的拟合显示，当封控强度（即人流量减少程度）增加 1%时，病例增长速度会减少 2.55%，在 1%的水平上显著。 在上图中，西安是最靠右上角的点，代表在这次疫情中，西安确实在封城上反应更慢，且半个月后的病例增速增长越快。石家庄则是最靠左下的点之一，其疫情后人流量的对数值为 -0.75，即疫情前的 47%，而病例增长速度的对数值等于 -2，代表其半个月后的新增病例是疫情爆发后 5 天新增病例的 13.5%。 在上图中，75%的疫情出现在红线下方，代表四分之三的城市 15 天之后的新增病例已经比 5 天时的新增病例要更少。如果这个城市对疫情进行了一定防控，即疫情之后人流量变化低于 0，则该城市在半个月后继续出现病例增长的概率就只有 10%。 奥密克戎变异疫情 图表 6：Omicron 变异疫情 上图列出了奥密克戎变异疫情下的历次疫情中疫情后人流量（横坐标）和病例增长速度（纵坐标）的关系。两者之间仍然存在显著的正相关， 当封城的程度（即人流量减少程度）增加 1%时，病例增长速度会减少 2.78%，在 1%的水平上显著。 不难注意到，在这张图中，最右边出现了深圳。读者也许会问，深圳的疫情明明已经控制住了，为什么会出现在疫情半个月后病例上升的区间呢？其实只要仔细阅读深圳的病例就知道，深圳的首个本土病例，并不是 3 月出现的，而是 2 月 12 日出现的。从 2 月 16 日到 2 月 18 日时，深圳分别有 8、3、3 个本土病例。半个月后，2 月 26 日到 2 月 28 日的深圳本土病例猛增至 30、36、28 个本土病例，病例不仅没有衰减，反而大幅度上升了。深圳采取比较严格的封城措施，已经是三月初的时候。从 2 月中旬到 3 月初，深圳的人流量下降并不明显，幸运的是，深圳在这个阶段也没有出现病例的大规模传播，给 3 月初才开始进行的大规模封控提供了条件。在奥密克戎变异疫情下，有一半以上的城市出现在了红线上方，即疫情爆发半个月后病例还在继续增长。 在奥密克戎变异疫情中，如果一个城市对疫情进行了一定防控，即疫情之后人流量变化低于 0，则该城市在半个月后继续出现病例增长的概率仍然高达 51%。 防控的效果出现了什么变化？ 非奥密克戎疫情，封城程度每提升 1%可以降低 2.55%的病例增长速度；在奥密克戎变异疫情下，封城程度每提升 1%可以降低 2.78%的病例增长速度。从这个对比看，封城依然是有效的，而且在奥密克戎变异下效果更好。 那么为什么在奥密克戎前的疫情只要做了一些防控，就可以将疫情扩散的概率控制在 10%，而在奥密克戎变异下，同样程度的防控，疫情扩散概率却增长到了 51%呢？我们将前两张图合并在一起，就能看出问题所在——两者的截距有极大差异。： 图表 7：所有疫情的防控效果非奥密克戎疫情下，我们用国内各城市疫情拟合出的直线表达式是： 而在奥密克戎变异疫情下，该表达式变成了： 两者的斜率类似，但两者的截距，一个是 -0.502，一个是 1.259，也就是说，在同样的防控力度下，奥密克戎变异疫情的病例增长对数，将比非奥密克戎变异疫情的病例增长对数高出 1.761。 将自然对数作为底数计算，这意味着在同样的初始爆发条件和同样的防控力度下，奥密克戎变异疫情在半个月后的每日新增病例，将比非奥密克戎疫情在半个月后的每日新增病例高出 5.82 倍。 换一种表述，如果要让疫情得到控制，那么奥密克戎变异疫情后的人流量对数，需要比非奥密克戎疫情后的人流量对数，低 0.648。将自然对数作为底数计算，这意味着要将半个月后的疫情控制在同样的程度下，奥密克戎变异需要比非奥密克戎变异，压低额外的 52%的人流量。 2021 年时将人流量减少到 80%可以控制的疫情，现在需要将人流量减少到 38.2%（即 80%×（1-52%）=38.2%）才能达到同样的效果。 举个例子：长春 我们在之前的一个视频【透过数据看世界】 * 疫情之下 * 哪些城市经济更扛“造”？中曾经提到，长春是一个能够从疫情中快速恢复的好例子。 2021 年 1 月 15 日到 2021 年 2 月 16 日，长春爆发了一次 105 个病例的中等规模疫情。第一个病例于 2021 年 1 月 16 日报告，长春市立刻定位至疫情原发地公主岭市，1 月 18 日开展第一轮长春下辖的公主岭市的全员核酸，要求「所有居民居家隔离，严禁出户，生活必需品由村屯、社区、小区值守人员代买」，并且对相关区域封城封区。第一轮核酸完毕后，长春将包围圈缩小至范家屯镇，在范家屯镇连续进行了 4 轮全员核酸。此时长春疫情已经得到了有效控制。再过一周，长春在 1 月 30 在公主岭市进行了第二轮全员核酸。接下来的所有新增病例都在隔离管控中发现。 在 2021 年这一轮疫情中，长春市用雷霆手段，精准对个别区域进行全员核酸，实施严格封控，疫情一周就得到控制，两周就实现了社会面清零，后续经济也就快速恢复了。 从线上、线下人流量数据中可以看到，长春的线上消费用了 29 天恢复到疫情前水平，线下人流量只用了 35 天就恢复到了疫情前水平。从下图的病例和人流量指数可以看到，长春整体的人流量下降并不明显，防控措施在 1 月 26 日左右达到顶峰时，当地的人流量也只是下降到了疫情前的 76%，却也成功控制住了疫情。 图表 8：长春非奥密克戎变异疫情病例与人流量指数 那么，在这一轮奥密克戎变异疫情中，长春又呈现了怎样的变化呢？ 图表 9：长春奥密克戎变异疫情病例与人流量指数 从图中可以看到，本次长春疫情，3 月 4 号出现第一例病例，3 月 5 日长春的人流量就开始下降，一直下降到 3 月 16 日，长春的人流量已经降低到疫情前的 4%，无论从速度、下降幅度还是持续时间上，长春本轮疫情的封控强度都已经远远超过了 2021 年 1 月时的疫情。但从结果看，每日病例仍然在继续上升。4 月 2 日，长春新增确诊病例和无症状感染者合计 3823 人，再次创下奥密克戎变异疫情以来的当地最高峰。 写在最后 从武汉疫情之后，中国一共出现了 124 次非奥密克戎疫情以及 215 次奥密克戎疫情，匹配人口流量数据后，我们可以获得其中55 次非奥密克戎疫情和70 次奥密克戎疫情的防控程度和疫情扩散率，从中可以得出两点结论： 一， 在相同防控程度下，奥密克戎变异疫情的扩散速度要比非奥密克戎疫情快 5.82 倍。 二， 要控制住疫情的扩散，奥密克戎变异袭击的城市需要在原有封控强度上再额外减少 52%的人流量，才能取得非奥密克戎疫情下相同水平的防控成果。 奥密克戎变异的高传播性使得以往行之有效的防控手段失去了作用。 那么，我们应该做到什么程度，才能够防控奥密克戎变异呢？如果只是去看个别数据，可能会让我们得到偏颇的结论。 要是只看深圳，你可能会成为一个乐观主义者，认为即使疫情已经发展了半个月，仍有机会用「长痛不如短痛」的封控来解决疫情。 要是盯着长春，你又会成为一个悲观主义者，认为只要疫情一旦扩散，就再也无法通过封控的手段来解决，一个月的封城也无法阻止病例的继续上升。 这也是为什么我们需要去看更多的数据点。从我们的数据观察，有 62 个地区在奥密克戎变异疫情出现后采取了一定的防控手段。 这些防控手段如果用在奥密克戎变异之前的疫情中，可以有92%的可能控制住疫情，即使病例继续上升，也极少出现爆发性增长的状况。 但在奥密克戎疫情中，同样程度的防控措施，控制住疫情的概率只剩下 51%。在那些没有控制住疫情的地区，更是有一部分出现了病例的爆发式的指数增长和传播。 因此，若要用较大把握防控奥密克戎变异疫情，我们不得不采取更加严格的措施，唯一能够百分之百保证疫情不出现大规模扩散的方法，出现在上文图 7 的左边——在第一例病例出现后，立刻采取最为严格的封控。图 7 左方的天津津南、河南安阳、山东威海，都是通过异常严格的手段，短期内大幅度降低人流量，才换来了新增病例的下降。 如今，越来越多的城市也意识到了这一点。4 月 2 日，海南三亚报告了 1 例确诊病例和 4 例无症状感染者，这是三亚市一个月以来第一次出现确诊病例。同日，4 月 2 日晚上 17:00，三亚便暂停了整个城市的客运、公交、出租车、游船运营。 这，也许才是我们防控奥密克戎变异疫情时，唯一能够保证成功的手段。 阅读原文
