拐点到了吗?再谈钟南山是否可信
文:格致夫
据中国官方公布,截至2月8日24时,新冠肺炎全国确诊日增病患2692人,累积37290人;疑似病例日增3916人,累积28942人;治愈病例日增874人,累积2926人;死亡病例日增90人,累积813人。
为便于观察疫情变化趋势,下图(来自网易)给出过去20天全国新增病患变化曲线。
分析这些变化曲线,到目前为止,有两点值得特别注意:
1)全国确诊日增病患数于2月4日逼近4000人的高峰,此后已连续4天低于该值; 2)全国疑似病例日增人数于2月5日达到5328人的高峰,至今已连续3天下降。
钟南山院士早前对疫情持相当乐观的态度!1月28日预估新增病患在一周或10天左右达到峰值。他当时进一步解释说:10到14天是一个很好的隔离观察期,潜伏期过去了,发病的及时治疗,没发病的也就没病,不会因为春运返程出现大传染,但排查的措施不能停。 而上面两个峰值出现日期与钟院士的最初研判恰恰完全吻合!据此,根据到目前为止的数据,我们似乎已经可以得出一个基本结论:盼望中的拐点已经出现!
但是,作为中共国家卫健委高级别专家组组长的钟院士,2月3日又对此前的预估做了小幅修正:疫情蔓延可能在未来10天至两周左右达到高峰。也就是说没有最初预判的那么乐观。
那么,面对最近几天多少有些令人安慰的最新数据,钟老先生又是怎么说的呢?这位深受国人信任的84岁老人变得相当谨慎。2月6日他告诉记者:最近几天全国确诊新型冠状病毒的病例数量仍在上升,而2月4日至6日这三天的新增确诊病例在下降,但还没有出现持续下降的情况,疫情的拐点还未到来,预计还要再等几天。 钟老强调:新增病例是最关键的指标,现在看起来,新增病例没有继续地明显增高。“但是这是不是意味着拐点就来了呢?言之过早。新增病例按道理不会再升太多,但是武汉和其它地方可能不一样。”
钟老这番谨慎表态是不是有道理呢?在我看来,节后出现的春运返程高峰恰恰是这几天,疫区人口的这种大规模流动,必然增加病毒的传播机会,给全国许多地区(特别是武汉这个疫情中心,以及京、沪、广、深等外来人口比重高的一线城市)的防疫带来严峻考验。出现超过上述两个峰值的可能性的确不能完全排除!
重点是,钟作为国家卫健委高级别专家组组长,除了专业判断,必然也担负社会责任。用谨慎的社会责任感取代乐观的专业判断,有助于各级政府和一线抗击疫情队伍避免松懈,力争在后期取得更令公众满意的效果。
值得一提的是,有位哈佛公卫专家、WHO顾问、华裔学者丁某表示:全球正面对史上最毒的新冠病毒疫情,至少再持续 一个月才能达到高原期!他所谓的“高原期”与拐点显然不是一个概念,他应该是这对全球感染病患累计总数而言的。这点不可混淆。
与海内外诸如此类的悲观论调完全相反,本人甚至对钟老先生最新的谨慎判断也有所保留,更倾向于他最初的乐观研判,并因此相信:出现在2月4、5两日的两个峰值就意味着真正的拐点——病患人数据不会再快速增加。
不难想到,对于这个判断应该有很多人不会同意。我的基本理据有下面3条: 1)中外专家学者(包括WHO)普遍认同,新冠肺炎的潜伏期平均不到10天,最长两周。正如钟院士20天前的分析:“10到14天是一个很好的隔离观察期,潜伏期过去了,发病的及时治疗,没发病的也就没病,不会因为春运返程出现大传染。”由此,可以合理推断,即使在未来几天的返程高峰期出现感染回升新状况,变化曲线再次出现小高峰,应该也没有理由超过目前的峰值。 2)应该对目前全国主要疫区不断调整优化的“严防死守”强悍举措有信心。特别是随着专家学者对这种全新病毒的认识日益加深,以及一线医生医疗经验的迅速积累,抗击病毒的效能必将日益提升。这是防止疫情二次恶化的最大保障。 3)钟老在给出最新说法时,仅看到了截至2月6日的数据,而事实是,而2月7、8日两天的数据下降更明显了!较之峰值,全国确诊日增病患数下降幅度超过30%,疑似病例日增人数也下降约25%。 顺便说一句,网媒(包括万维)今天正在流传“大纪元”一篇文章《钟南山:疫情拐点未到 还要观察几天》,该文将钟南山2月6日回答记者的话误传为2月8日的最新判断,这在客观上容易形成误导。
基于以上三条,本人相信:疫情蔓延高峰已经过去,疫情拐点正在呈现。
需要澄清的一点是,这里讨论的“高峰”、“拐点”,完全是针对判断疫情最有意义的新增感染数而言的,并非疫情累计总趋势。无疑,后者在未来一段时间还会继续攀升。看看最上面题图的累计趋势图就一目了然。只有当每天治愈出院总数超过每天新增病患总数时,这个累计趋势才会出现拐点。
最后,作为习惯于理工思维者,为了增加说服力,我们是否还可以利用数学工具对数据曲线做进一步的解析,如曲线拟合、外推之类的工作呢?本人觉得不能这样做。毕竟,数据变化的人为“干扰”(疫情隔离等举措)更是决定性因素之一!再顺便说一句,海外(包括香港)学者的几个数学模型完全没能反映中国抗击疫情这个关键人为因素。他们的模型和预测数据也就根本不具备可信性。
|