呼吸道病毒到底是什么了?

9分钟阅读 2022年12月24日

- - -

像流行病一样思考:到底是怎么回事,现在呼吸道病毒和covid是因为,因为我们试图阻止covid,还是别的?

这是更复杂的比一些时髦词汇你看过。让我们一起在深挖!

每年秋天,我教疫情应对公共卫生学生。

两个关键关键教训是,并非所betway娱乐官网有情况下集群爆发疫情,并不是每一个都是相同的。

如果我们忘记这些,我们可以浪费时间用了错误的控制措施。

所以,“暴走”是什么意思?

爆发,当有更多的比我们预期的情况下特定传染病的在一个特定的时间,地点,和组。

瘟疫在纽约,一个爆发。流感在纽约,它需要很多很多更多的情况下爆发。

你可能听说过有“tripledemic呼吸道病毒正在发生:流感,covid, rsv。

案件数量全国很高。但他们是高于预期* *吗?

回答这个问题是一个至关重要的步骤,疫情应对活动。

但是回答这个问题需要首先回答另一个:

我们期望计数* *应该,对于一个给定的位置,集团和时间?

(顺便说一下,当我们说一个疾病是“流行”,我们的意思是,我们有足够的足够的年份的数据,有一个不错的主意的期望在任何特定时间特定地点或组的疾病流行)

对于流感,我们知道答案。

我们有地方、国家和全球流感监测系统在很长一段时间。我们跟踪的水平和病毒序列。我们跟踪住院和死亡。我们甚至跟踪症状看起来一样但不是流感。

有更多的流感。

这流感季节* *开始早于预期今年大约7周。

我们还看到了一个快速增长在过去几周。(最近一周显示下降但这可能是不完整的数据)

另一方面,尽管流感是本赛季早期,它实际上不是* *高于我们预期的峰值(还)。

所以我们不能确定是否当我们回首这个流感季节在夏天,我们仍然认为它是高于预期。也许只是更早。

所以,我们在流感“暴走”吗?也许是,也许不是。

我们最好的现有证据说:是的。

这意味着我们需要控制流感疫情应对因为意味着代理尽快根据我们所知道的现在,不要等到我们拥有所有的信息!

控制流感是什么样子?许多事情在很多层面上,但对于公众的工具我们知道工作是疫苗,掩蔽,洗手,咳嗽或打喷嚏卫生,生病时呆在家里,和表面清洗。betway娱乐官网

使用多个工具更好,不论你选择去做。

COVID,我们知道我们不知道多少COVID我们期望的答案。

我们不知道这因为COVID仍然是新的。

去年冬天我们期待的重复(2021)?冬天的2020 ?

我们只知道我们并不期待冬天2019 !

还有*即使*的问题我们知道什么期望从COVID情况下,“通常”在每年的这个时候,我们也知道,我们是* *做不好计算与跟踪情况。

2022线看起来很低。但这是否意味着情况下很低吗?不太可能

不知道多少COVID期待也没有多少COVID实际上是方便一些声称这不是COVID爆发。

但我们*知道*计算现在比上个月更COVID病例。

说我们应该假设暴发疫情应对原则和回应!

(顺便说一下,这一事实我们没有足够的经验COVID宣布一定水平正常和预期的冬季假期是* *为什么声称COVID流行是完全错误的。流行意味着我们知道会发生什么。)

最后,RSV呢?

如果你觉得另外两人努力,这个是更棘手的:我们知道有些事情我们也不知道。

医院显然* *不知所措。

但是因为我们有比预期更多的RSV吗?还是别的?

回答这个问题我们真的* *是否有更多的RSV比预期的情况下将是解决这一危机的关键&甚至准备明年秋季。

因为我们不能找出原因爆发可能发生,除非我们知道真的有爆发!

到目前为止,我看过或提出了11种不同的可能性与RSV是怎么回事。

大多数但并非所有的认为这是爆发。

有些是几乎肯定是假的,别人很难测试,和一些潜在的并发。

让我们先从“不rsv爆发”假说。如果不是那么爆发?

首先,这可能只是RSV的正常量,或预期的正常量的随机波动。

“但epiellie,医院是崩溃!”你说。

让我来解释一下:

首先,我们知道我们不“正常”的好主意,因为我们没有太多的历史数据对RSV住院尤其是孩子。

RSV-Net只从2018年开始收集数据对孩子!

NREVSS自90年代以来已经存在但不是住院收集实验数据。

其次,我们知道我们的卫生保健工作者和卫生保健系统和医疗供应链*了*

即使这是RSV的正常水平,我们的卫生保健系统不再能应付正常!

“预期水平”可能是太高了!

相结合,这些建议我们回应*好像*这是一个rsv爆发,即使是历史。

的点“预期”水平的一个想法是,这样我们知道系统可以处理多少。

但是大流行爆发这些系统。

但是,这只是一个假设。也很可能这个* * RSV的高于正常水平。

那假设可以解释什么?我几乎从空间在这个线程,所以请继续关注线程2号,我解释了为什么“豁免债务”不是它。

接下来,如果RSV水平高于预期,这是为什么呢?

与任何爆发是很重要的考虑“我们已经改变了我们监督”的假设。

因此,我们需要问自己是否我们可能会增加检测RSV的努力。我猜是的。

的一件事,我们设法在这个大流行是让更多的人思考* *他们不舒服的原因。更多的人正在测试covid &为RSV可能转化为更多的测试。

可以解释当前情况下水平?不!

虽然我们现在可能检测更多RSV情况下* *,我们跟踪的是RSV *住院*。

那些不应该受到轻度病人测试当他们感冒或流感的症状。

所以检测也许不是吗。

增加意识呢?可能没有任何RSV超过正常,我们只是谈论更多吗?

我们肯定* *多谈论它。

但是也有很多RSV。我不认为这只是意识!

好的,所以我们驳斥了“不爆发”假说,除了“在正常随机波动,但我们的系统太破处理”。

我们来讨论一下可能导致RSV爆发如果这是* *比我们通常期望的更多。我有几个假设!

它可能是一个一般化的“有时流行疾病暴发,我们真的不知道为什么”场景。如果是这样,没有什么我们可以学习很容易,我们必须屈服&度过它。

但是这真的是一个巧合的事发生了吗?

如果COVID部分在这个爆发,怎么可能会发生这种情况。

这里有一个简单的想法:我们都太累了感染控制在过去的3年,我们现在做的不好。也许RSV是高的,因为我们放弃了表面清洗。

我们知道RSV(&流感)可以通过污染物扩散-这些都是传染性飞沫等表面门把手和灯的开关和电梯按钮。

我们也知道COVID(不多)。很多人做了大量的表面清理2020年&然后不可避免的反弹:清洁糟透了

所以这个假设说COVID负责RSV但只是因为它让我们不太可能做正常的清洗,通常限制RSV传播。

这是真的吗?IDK如果我们有伟大的数据清洗,但一个简单的解决方案是让开始清洁&看看是否对你有帮助

更多的COVID生物作用呢?

正常传染病动力学说,如果更多的人最近都没被暴露,那么可能会有更多的易感人群。

当有更多的易感人群* *可以有更多的传播。

“感染动力学”假说依赖于两件事:

•免疫力RSV是今年低于典型年,和

•尽管RSV不诱导免疫,免疫通常*并*持续整个赛季。

这个假设说现在越来越多的人容易,但被感染的可能性给暴露易感的人从大流行前不变。

最好的解决方案如果这是真的是限制人敏感的机会接触传染性物质

所以,这两个假设表明COVID,但这两个建议:

•当生病呆在betway娱乐官网家里

•清洁表面!

我们假设什么?有3人提出的其他假设。让我们去。

首先,让我们谈谈“豁免债务”。

这个假设表面上似乎一样的“正常”感染动力学假设,但它不是!

“豁免债务”提出,去年没有RSV感染不仅使人敏感,这让他们更敏感。

上赛季,缺乏感染意味着人们更容易被感染,如果本赛季暴露!

“豁免债务”假说暗示我们需要确保我们不会经常感染,<检查笔记>常规感染。

我们知道RSV感染建议是这种情况。我们可以抛弃这个理论基于我们对生物学的理解。

漂浮的另一个假说是“免疫损害”:即COVID削弱我们的免疫系统,这样当我们与RSV感染,我们现在更有可能得到严重的病了。

这个假说表明情况下利率可能是正常的,但住院很高!

我们没有大数据来测试这个,如果我们有很好的历史数据我们可以评估我们是否看到case-hospitalization率高和更高的情况下严重程度一般,但是没有比正常情况下。

这并不符合我们的观察tho“每个人都生病”。

还有什么?第三个假设的提出是“病毒干扰”。这个说,* *在COVID RSV住院较低是因为COVID RSV竞争。

有三个问题:

1)你可以得到两个同时COVID & RSV

2)RSV医院数据没有收集在2020年我们不* *如果利率实际上是低!

3)COVID现在也是相当高!如果他们竞争,我们怎么让他们? ! !

最后一个假说,这次从我:当我们调查数据按年龄,国家,时间,等等,我们看到的是,当前的绝对大小^ ^ RSV住院不是远高于正常。

但这* *更早出现。更糟的是,* *同步!

从历史上看,RSV季节有稍微不同的时间的不同部分。

但当我们看过去的几年中,我们看到两个趋势——早些时候开始&短区域延迟。

这是为什么呢?我的假设:通过COVID措施同时* *在美国,我们无意中同步全国人民对RSV的免疫水平。

现在,没有一个地方有一个巨大的浪潮,* *国家作为一个整体是不知所措。

结合早期&同步RSV赛季不知所措和破碎的卫生保健系统,加上减少水平正常的RSV控制措施表面清洗和你有一个灾难。

国际海事组织,这是实际发生了什么。

为什么这很重要?如果我是正确的,这是我们的RSV的“新常态”。

这意味着我们可以预计明年秋季也一下子RSV无处不在。

如果这是真的,我们将永久* *需要更多的儿科ICU &住院床位。这是一个大问题。

- - -

- - -

助理教授在波士顿大学公共卫生学院的流行病学。遵循因果推论,流行病学、和科学数据。Twitter: @epiellie

Baidu