利用现代电子定位技术控制疫情是一种自然的考虑。但如何使用，如何确定它产生的效果，同时还要照顾到民众对隐私的顾虑，等等，科学研究在这里发挥了作用。英国牛津大学的一项涉及手机App的研究让德罗斯滕教授“着了迷”。德国目前使用的Corona Warn App（新冠报警App）正是按照这一原则产生的。

⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃

新冠动态/第二十七期/2020-04-03

安雅·马提尼（Anja Martini）/NDR播客主持人（简称：主持人）

克里斯蒂安·德罗斯滕 (Christian Drosten)/病毒学教授（简称：教授）

主持人： 关于使用手机App，德国人的观点存在分歧。德罗斯滕先生，我记得在播客开始的时候，我们曾经非常简短地谈了一下中国和韩国的手机App。这些App可以分析手机用户的运动数据，从而找到可能的感染者。您当时说，在德国使用这种东西很可能会有困难，我也同意您的看法。但现在情况已经发生了改变。就是说，现在说的App是通过蓝牙匿名工作的，而且是在自愿的基础上进行。同时，还有一份研究来自牛津大学，欧洲各国的科学家参与了其中的工作。您怎么看？

教授：这是克里斯托弗·弗雷瑟（Christophe Fraser）团队的一项研究。他们当然是世界上最好的流行病学模型构建者之一。这是一项非常有意思的研究，已经发表在《科学》杂志上了。

研究的实质上是用一个更好、更准确的流行病学模型进行计算。这个模型有非常多的精细组成部分。可以对他们输入非常多的信息，甚至比人们在此之前知道的还要多。目前的情况是，科学文献提供了越来越多的数据。人们可以对这些数据进行评估，然后喂给这样的模型。

这个研究刚开始的时候，其实还只是基于观察。现在文献里关于传播之间关系的描述越来越多，从中可以比较准确地确定感染的倍增时间。就是说，从症状到症状，或者说，从感染到感染需要多长时间。症状到症状叫做倍增时间，另一个感染到感染称为序列长度。其实有用的是序列长度，但这个很难准确确定。所以，可以通过倍增时间来做一个比较好的近似。然后可以再推导出来，也就是基于文献报道的数据推导出来。这里就是做了这样事。

这个研究对文献中40个传播对进行了评估，然后把这些数据输进一个实际上之前已经存在的数学模型里，从中推导出了总传播活动中的某些参数和比例。其中，基本传染数R0，这里重新计算了一下，得出结果为2。这个值比之前其它分析结果低一些。那些结果里有一部分更接近2.5。

主持人： 一个人接着传染了其它两个人。

教授： 是的。现在自然还可以把这个传染数向下分解。首先向这个数学模型提出的问题是：症状前传播、有症状传播、环境传播和无症状传播所占的比例是多少？无症状是指传播人永远不会出现症状。而症状前当然是指传播者在出现症状之前就开始传播了。这个传播者之后是可以找的，因为他会出现症状，自然也可以识别出与他有过接触的人。这是这个研究随后进行讨论时考虑的一个因素。

这里给出了一些值：前期无症状0.9，R0值2之中的0.9；有症状传播0.8；环境传播0.2；无症状传播0.1。把这四个值相加，又得到了2。如果现在把这些数字多想两次，会发现，症状前的传播占总传播活动的46%。几天前我们从香港那个工作团队的论文里也得到了这个数值。

主持人： 被感染的人在生病之前就已经传播病毒了，而且根本没注意到它。

教授： 对，就是这样。很明显，传播者将近一半的传播活动发生在症状之前。这些都是平均值，是许多传播者平均后，用在了一个数学模型的分析里。这里有两件事值得考虑。其实，R0为2看起来像是个好的消息。如果R0为2，为了使R0低于1，从而让疫情停下来，我们需要减少的传播就少了。但是，如果现在发现46%的传播活动发生在症状之前，减少传播当然就又得变困难了。因为我们只能隔离有症状的患者。现在，这些考虑因素被纳入到了一个有趣的计算中，目的是想通过计算弄清楚，通过什么样特定的干预措施能够识别感染者？需要多长时间去识别？在这段时间里，感染者又感染了多少人，因为46%的传播在症状开始前就发生了。而且，到症状被诊断出来，接触者被识别出来，也要持续一段时间。

这里有一个非常重要的条件在起作用，就是事后计算出的感染倍增时间。它实际上告诉我们：即使在症状出现时立即隔离，就是立即将一个出现症状的人从传播环境中剔除出去，这时，这个人不仅已经感染了别人，而且后面的被感染者在第一个开始出现症状的时候，也可以去感染别人了。

主持人： 也许已经感染了别人。

教授： 他们带着刚开始的感染性开始去感染别人，别人又开始感染别人。事实上，我们在慕尼黑病例跟踪研究中也观察到了这种现象。我们当时就感到非常惊讶。现在，原则上有了一个量化的证明，真正用数字和比率支撑起了整个事情的发生。而这项研究对干预的可能性做了一个非常有趣的计算。实际上研究得出来的结果是，简单的病例识别和接触追踪已经太晚了，因为整个事情都取决于无症状患者的识别。它确实取决于这个人被检测出来之前。

一个有症状的人并不是在整个时间里一直有症状。测试结果来了，一连串报告环节才动起来。卫生局的人过来问：您都和谁有过接触？接触人然后到了某个时候被找到。这一切需要的时间太长了。根据最新的计算，期望把患者从传播中找出来所需要的大部分时间已经失去。换句话说，这项研究用一种正式的形式，一种非常正确的方法，同时根据最新的数字进行了非常稳定可靠的计算。其结论是，从疫情的某个时间点开始，通过有针对性的诊断，加上病例追踪，再加上隔离接触者，是根本无法阻止传播发生的。这已经不可能了。要想阻止疫情，这里能做的，只有简单地封城。也不用去追踪病例了，大家都待在家里。当然，也可以采取各种措施的组合，比如温和一点的封城，比如禁止集会这类东西。

主持人： 就像我们德国现在。

教授： 是的，我们还要加上了病例追踪措施。这里面也有计算，给出了一定的效率性。就是说可以把传播率降下来多少。但是，这些措施的效率始终是有限的。即使把所有的都算进来，这种有限性一样存在。得出的结论就是，这种综合性措施确实没法阻止疫情传播。在此之后，这个研究做了其它的事情，把其它的也计算了进来。这就是使用App来实现另一种时间进程。

研究全面考虑了一个使用App的假设。这个App可以记录症状开始的时间。你可以在手机上简单写进去，我现在有症状了。然后App说：好的，我已经把你的数据发到实验室了。就是说，App已经把做实验室诊断的登记过程做完了。原则上，你可以立刻前去就诊。这个App自身就启动了这个诊断过程。如果诊断结果为阳性的话，这个信息就进入了手机。这个时候，App就开始往回追溯，检查有哪些手机曾经靠近过你。当然也可以知道有多长的接触时间等等。这正是这些App的作用。从时间上往回追踪，与那个手机携带者有过接触。然后，这些手机携带者被告知：你接触过一个在传染期内的患者。

主持人： 这说明，如果没有App，对科学家来说，这个病毒的蔓延速度实在太快。如果他们有这么一个App的话，是不是就能更快地追踪到病毒的传播情况？

教授： 这正是这个研究提出的问题，假如我们具有了这样的速度会怎么样。在这样的数学模型里，还可以把这些都作为参数加进去。这里也是这样做的。假设你有这样一个App的话, 要多久可以开始进行诊断？要多久可以从诊断到通知可能的接触人：您现在必须待在家里。原则上，所有这些都是卫生局要做的事情。现在把卫生局的部分任务转移给了App，就是那些卫生局承担的纯信息收发工作。所有这些参数都被送进了数学模型。

简单地说，如果疫情以这么个速度蔓延，就像一开始在武汉那样，如果60%的病例能够通过App成功鉴定，也就是说，必须明确，如果有60%的人会安装这样的APP，然后再有60%左右的人，在被告知要待在家里的时候，确实是在家待着，那么就可以把R0降低到1以下了。这真是太神奇了。现在有一些限制。有人说，实际上，现在欧洲的传播速度已经比当初在武汉的时候快了。这其中当然有几个原因，人口的密度、人们的行为方式、还有感染的发展程度，等等。这样一来，难度就更大了。所以，对民众的配合度要求更高了。

主持人： 要超过60%的人参与。

教授： 没错，六成以上。但这是可以实现的。通过这样的App来弥补那种不可避免的上报时间延迟。这是一个可实现的目标。要传达的基本信息是：你已经接触到了感染者，你现在就应该接受检测了。这个数学模型计算出, 这样做实际上能够赢得的时间比真正的封城还要多，或者说几乎一样。随后还有一些后续效应和一些可能的玩法。比如说，有一种可能，在 “高发事件”的情况下，就是一个地方正在发生非常密集的疫情，或者在一定时间里，感染潮控制了整个地区，这时我们把整个有关测试的一套东西先放在一边，把更高的速度带入整个系统。我们让这个程序换一种方式运行。如果我勾选了这个框，有症状，App不会告诉我：“好的，我已经给你在实验室做检测报名了”，而是会说：“好的，我们现在就考虑你是阳性”。

主持人： 然后我就待在家里。

教授：是的。从这个时候开始，任何有症状都会被定义为阳性，不需要检测。当然，这是一种干预性措施，标准这里被收紧了。这里还有一个有趣的后续效应，与这个感染者在这几天内接触过的所有人，马上都被定义为真正的接触者。这个App并没有首先设置条件，要求实验室检测必须是阳性，然后再告诉所有的接触者：小心症状。所有这一切都是立刻发生的。就是说，这里还可以对那些接触人采取更严格的标准。如果这时他们输入“现在我有症状了”，就是说，我之前被警告过了，现在我真的出现症状了。App就不会再说：“请去做实验室检测”，相反，App会说：“我们现在认为你是阳性，你要进入家庭隔离”。

这意味着，这里甚至有了一种像卫生局一样的干预可能, 用来做时间上或地点上的控制。改变App的反应方式，实际上会产生一种干预措施的效果。这就类似于，目前有时在公开讨论中听到的，通过对封城措施的增强或减弱，作为应对长期疫情的管理。同样，这也是这篇研究所引发的思路，就是也可以简单地通过修改这种App的灵敏度，让干预措施时强时弱。

当然，这样的App还可以与其它常规措施结合起来使用，以达到减少感染传播的目的。比如戴口罩等等。当然，这个没有计算进去。因为我们还没法定量的知道，如果人人都戴口罩的话，能从总体上减少多少传播，目前也没有具体的数字估计。但可以想象，通过戴口罩这种组合，就是说，如果我们社会上人人戴口罩，并且能产生效果的话，这种效果会加在这个如此精细化控制的App产生的效果之上。这是一个真实现实的视角。特别是目前，我们社会上有一些带有绝望的讨论：我们该如何摆脱目前实施的这些措施？

接下来我们该做什么？我对使用App这个想法很着迷。特别是如果有很多人都加入进来，这样的App会给你提供一个工具，让你在另一种精细度上实现完全不同的控制力。可以这么说，正常的生活可以继续下去，不再有一般性地封城，公司可以工作，学校可以教学，什么都可以。但不是任何时候任何人。而是在某些时候，你的手机上会有这样的信息：请回家免疫隔离。如果你把这个拿出来，你的老板会说：“嗯，就这样吧，本周在家隔离”。我觉得这至少是一个很有意思的思维模式，不应该拒绝。

主持人： 总理可能会说：“是的”。您可能会说：“是的”。到目前为止，大约47%的德国人会说：“是的”。他们会用这样的App，因为在德国这是用匿名方式建立的。让我们拭目以待，看看未来几天或几周这个App会出现什么情况。

••• •••

主持人： 说到保护，我们现在说的是有关药物的, 有关疫苗的, 还有有关不出门的。但很多人一直在问：还能再做点别的什么吗？比如说，我们能不能为自己的免疫力做些什么事情，把免疫力培养起来？也许吃点维生素C、维生素D。您有什么意见吗？这样可以吗？或者去跑步？

教授： 有个好的免疫力当然总是件好事, 有个健康的身体总是好的。不是说在公园里跑步的时候，只是遇到了人，立刻就被感染了。到外面去, 跑步的时候, 完全不用为这个担心。这是可以推荐的。但也就到此为止了。吃什么东西，某种维生素，可能在某个地方已经有了什么科学依据，但这不是我的研究领域，我对这方面一无所知。我从来没有听说过，什么地方有个什么东西可以产生过硬的效果，以致于在这种持续的传染病背景下值得特别推荐。

现在能说的只有：远离感染者。他们可能是，比如在购物或者见面时遇到的任何一个人。美国有这样一个衡量标准：六尺，六秒。说的是六英尺的距离和六秒钟的接触, 并且把这句话当作一个衡量准则。应该保持这个最小距离，不要长时间近距离接触。这可能是在正常公共场所活动的一个很好的思维方式。如果想远离那些感染者，那么就遵从这个准则。

⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃⁃

本文作者申明：这里的文字介绍，对话翻译，背景说明或评论完全基于个人兴趣，与德国北德广播公司NDR没有任何关系。