拐點到了嗎?再談鍾南山是否可信
文:格致夫
據中國官方公布,截至2月8日24時,新冠肺炎全國確診日增病患2692人,累積37290人;疑似病例日增3916人,累積28942人;治癒病例日增874人,累積2926人;死亡病例日增90人,累積813人。
為便於觀察疫情變化趨勢,下圖(來自網易)給出過去20天全國新增病患變化曲線。
分析這些變化曲線,到目前為止,有兩點值得特別注意:
1)全國確診日增病患數於2月4日逼近4000人的高峰,此後已連續4天低於該值; 2)全國疑似病例日增人數於2月5日達到5328人的高峰,至今已連續3天下降。
鍾南山院士早前對疫情持相當樂觀的態度!1月28日預估新增病患在一周或10天左右達到峰值。他當時進一步解釋說:10到14天是一個很好的隔離觀察期,潛伏期過去了,發病的及時治療,沒發病的也就沒病,不會因為春運返程出現大傳染,但排查的措施不能停。 而上面兩個峰值出現日期與鍾院士的最初研判恰恰完全吻合!據此,根據到目前為止的數據,我們似乎已經可以得出一個基本結論:盼望中的拐點已經出現!
但是,作為中共國家衛健委高級別專家組組長的鐘院士,2月3日又對此前的預估做了小幅修正:疫情蔓延可能在未來10天至兩周左右達到高峰。也就是說沒有最初預判的那麼樂觀。
那麼,面對最近幾天多少有些令人安慰的最新數據,鍾老先生又是怎麼說的呢?這位深受國人信任的84歲老人變得相當謹慎。2月6日他告訴記者:最近幾天全國確診新型冠狀病毒的病例數量仍在上升,而2月4日至6日這三天的新增確診病例在下降,但還沒有出現持續下降的情況,疫情的拐點還未到來,預計還要再等幾天。 鍾老強調:新增病例是最關鍵的指標,現在看起來,新增病例沒有繼續地明顯增高。“但是這是不是意味着拐點就來了呢?言之過早。新增病例按道理不會再升太多,但是武漢和其它地方可能不一樣。”
鍾老這番謹慎表態是不是有道理呢?在我看來,節後出現的春運返程高峰恰恰是這幾天,疫區人口的這種大規模流動,必然增加病毒的傳播機會,給全國許多地區(特別是武漢這個疫情中心,以及京、滬、廣、深等外來人口比重高的一線城市)的防疫帶來嚴峻考驗。出現超過上述兩個峰值的可能性的確不能完全排除!
重點是,鍾作為國家衛健委高級別專家組組長,除了專業判斷,必然也擔負社會責任。用謹慎的社會責任感取代樂觀的專業判斷,有助於各級政府和一線抗擊疫情隊伍避免鬆懈,力爭在後期取得更令公眾滿意的效果。
值得一提的是,有位哈佛公衛專家、WHO顧問、華裔學者丁某表示:全球正面對史上最毒的新冠病毒疫情,至少再持續 一個月才能達到高原期!他所謂的“高原期”與拐點顯然不是一個概念,他應該是這對全球感染病患累計總數而言的。這點不可混淆。
與海內外諸如此類的悲觀論調完全相反,本人甚至對鍾老先生最新的謹慎判斷也有所保留,更傾向於他最初的樂觀研判,並因此相信:出現在2月4、5兩日的兩個峰值就意味着真正的拐點——病患人數據不會再快速增加。
不難想到,對於這個判斷應該有很多人不會同意。我的基本理據有下面3條: 1)中外專家學者(包括WHO)普遍認同,新冠肺炎的潛伏期平均不到10天,最長兩周。正如鍾院士20天前的分析:“10到14天是一個很好的隔離觀察期,潛伏期過去了,發病的及時治療,沒發病的也就沒病,不會因為春運返程出現大傳染。”由此,可以合理推斷,即使在未來幾天的返程高峰期出現感染回升新狀況,變化曲線再次出現小高峰,應該也沒有理由超過目前的峰值。 2)應該對目前全國主要疫區不斷調整優化的“嚴防死守”強悍舉措有信心。特別是隨着專家學者對這種全新病毒的認識日益加深,以及一線醫生醫療經驗的迅速積累,抗擊病毒的效能必將日益提升。這是防止疫情二次惡化的最大保障。 3)鍾老在給出最新說法時,僅看到了截至2月6日的數據,而事實是,而2月7、8日兩天的數據下降更明顯了!較之峰值,全國確診日增病患數下降幅度超過30%,疑似病例日增人數也下降約25%。 順便說一句,網媒(包括萬維)今天正在流傳“大紀元”一篇文章《鍾南山:疫情拐點未到 還要觀察幾天》,該文將鍾南山2月6日回答記者的話誤傳為2月8日的最新判斷,這在客觀上容易形成誤導。
基於以上三條,本人相信:疫情蔓延高峰已經過去,疫情拐點正在呈現。
需要澄清的一點是,這裡討論的“高峰”、“拐點”,完全是針對判斷疫情最有意義的新增感染數而言的,並非疫情累計總趨勢。無疑,後者在未來一段時間還會繼續攀升。看看最上面題圖的累計趨勢圖就一目了然。只有當每天治癒出院總數超過每天新增病患總數時,這個累計趨勢才會出現拐點。
最後,作為習慣於理工思維者,為了增加說服力,我們是否還可以利用數學工具對數據曲線做進一步的解析,如曲線擬合、外推之類的工作呢?本人覺得不能這樣做。畢竟,數據變化的人為“干擾”(疫情隔離等舉措)更是決定性因素之一!再順便說一句,海外(包括香港)學者的幾個數學模型完全沒能反映中國抗擊疫情這個關鍵人為因素。他們的模型和預測數據也就根本不具備可信性。
|