《Epidemics》：Evaluating age-dependent transmission and vaccination policy in Singapore’s SARS-CoV-2 epidemic: A computational modelling approach
编辑推荐：
新加坡SARS-CoV-2大流行呈现出显著的传播与疾病严重程度的年龄特异性差异。为解析此类动态特征，研究人员开发了一种半机制贝叶斯分层模型（semi-mechanistic Bayesian hierarchical model），该模型联合估计了2021年至
新加坡SARS-CoV-2大流行呈现出显著的传播与疾病严重程度的年龄特异性差异。为解析此类动态特征，研究人员开发了一种半机制贝叶斯分层模型（semi-mechanistic Bayesian hierarchical model），该模型联合估计了2021年至2023年间七个年龄组别的传播动态。模型整合了病例与住院数据，同时纳入了疫苗接种进程及年龄组别间随时间变化的接触模式。研究采用非参数方法，直接从流行病学数据中估计接触行为的变化，避免了对其函数形式的预设假设。结果显示，0–14岁儿童的有效再生数(Rt,1)在2021年10月前围绕1波动，此后均值小于1；中间年龄组（2≤a≤6）的Rt,a值围绕1波动；而70岁及以上老年组(Rt,7)在2021年9月前围绕1波动，此后均值升至1.5。模型拟合效果良好，后验估计及95%可信区间与各年龄组的观测病例及住院数据高度吻合。这些发现强调了年龄特异性接触行为的关键作用，并凸显了在疫情演变不同阶段实施针对性干预措施的重要性。
研究背景与意义
新加坡自2020年1月报告首例SARS-CoV-2病例后，尽管通过公共卫生措施（PHMs）与接触者追踪在初期控制了大规模暴发，但随着病毒变异，2021至2023年间仍经历了持续的社区传播。现有研究虽已证实年龄是影响传播与疾病严重程度的关键因素，但多数模型未能充分考虑疫苗接种、行为适应与流动限制等多重干预措施的复合效应及其对接触模式的动态影响，且常依赖难以获取的移动数据。为此，研究人员针对新加坡这一高疫苗接种覆盖率的环境，开展了年龄分层的传播动力学建模研究，旨在量化不同年龄群体的贡献，评估疫苗政策效果，为精准防控提供科学依据。该研究发表于《Epidemics》。
关键技术方法
研究人员构建了基于贝叶斯分层框架的接触感染模型，利用新加坡卫生部2021年7月7日至2023年4月30日的每日年龄别病例与住院数据进行拟合。模型将人群划分为7个年龄组（0–14, 15–29, 30–39, 40–49, 50–59, 60–69, 70+），采用每周接触矩阵以平衡流行病学相关性与统计稳定性，并通过自回归AR(2)过程捕捉接触强度的时序变化，无需依赖外部移动数据。模型引入了离散的世代间隔分布（Gamma分布近似Delta与Omicron变体）、感染至病例及感染至住院的时间延迟分布，并设定了负二项分布似然函数以处理计数数据的过离散性。疫苗接种效应自2022年7月起引入，假设96%符合条件人群完成接种，并设定了统一的残余易感性参数。模型使用Stan语言实现，通过No-U-Turn采样器（NUTS）进行贝叶斯推断。
研究结果
3.1 年龄别有效再生数动态
模型估计显示，0–14岁组的有效再生数(Rt,1)在2021年10月前围绕1波动，此后均值降至1以下，反映了校园防控措施的有效性。15–69岁组（2≤a≤6）的Rt,a在整个研究期间基本围绕1波动。而70岁及以上组(Rt,7)在2021年9月前围绕1波动，随后均值上升至1.5，可能与老年人免疫衰退及早期接种导致的保护力减弱有关。40岁以上各组的Rt,a在2022年1月31日后介于0.3至2.5之间，全年龄段整体介于0.6至1.7之间。
3.2 感染比例与疫苗影响
模型估算的感染比例显示，疫苗接种后，50岁以上群体的感染占比下降，而15–39岁群体的感染占比上升。报告的病例占比在15–29岁组增加，在30–39岁组减少，其余组别变化不大。相对于病例估计，0–14岁、15–29岁及30–39岁组的感染攻击率有所下降，而50岁以上组别则有所上升。这表明疫苗有效保护了中老年群体，但也可能导致传播链向年轻群体转移。
3.3 接触模式与驱动因素
谷歌移动趋势在各地点相对稳定，对识别年龄特异性行为驱动作用有限。模型估计的接触矩阵显示，2022年2月9日、6月29日、7月13日及10月5日当周的平均接触强度大于1，表明接触增加加速了传播。研究指出，15–49岁人群，特别是15–39岁群体，是2021年7月至2023年4月间新加坡疫情的主要驱动者，占感染后期的57%，而0–14岁组仅占10%。
讨论与结论
本研究通过半机制贝叶斯分层框架，成功解析了新加坡疫情期间各年龄组的传播动态，其创新点在于不依赖稀缺的移动数据即可估计年龄别传播参数。研究发现，大规模疫苗接种有效控制了0–69岁组的疫情，但老年组因免疫衰减可能面临更高的传播风险。研究强调，针对15–49岁成人的干预措施（如加强接种、检测或社交距离）是控制疫情反弹的关键。此外，模型具有良好的适应性，可应用于其他东南亚国家，仅需根据当地可用的数据流（如血清学调查或综合征监测）进行调整。研究的局限性在于未考虑随时间变化的感染病死率（IFR）与确诊率，因仅凭常规监测数据无法区分观察到的病死率变化是由真实严重程度改变还是检测比例改变所致。总体而言，该研究为理解年龄分层下的传播机制及优化疫苗接种策略提供了重要的实证依据。
