R = 1 门槛可能误判流行病稳定性

为何“稳定”的感染数仍可能是警示信号

全球的公共卫生官员常依赖一个单一的指标，即再生数 R，来判断疫情是在扩散还是受控。许多人已知当 R 小于 1 时，疫情在收缩；当 R 大于 1 时，疫情在扩张。本文表明，当基于对许多不同地点或群体的平均值时，这一简单规则可能严重具有误导性。即便整体 R 看起来安全地接近 1，某些社区可能已走上重新快速传播的道路，而这种局部复燃在被更难且更昂贵地制止之前会被掩盖。

常用的 R 如何掩盖问题区域

作者首先考察了通常如何从病例计数中计算 R。实际上，管理机构常常将多个地区的数据合并为一条总体时间序列，然后估计反映平均传播的单一 R。这种做法方便，但隐含假设是所有群体行为大致相同。研究在数学上证明，“R 等于 1”这一条件可以对应极为多样的潜在情形，其中包括若干群体已出现强烈增长的情况。换言之，即使总体曲线看似平坦，某些子群体可能正处于复燃阶段，而常用的 R 值仍会自信地暗示稳定。

为何更精细的方法会对噪声反应过度

为应对这一问题，一些方法更复杂，考虑群体差异。流行的一类方法构建一种网格或矩阵，描述感染如何在不同人群或地点间流动，然后关注该矩阵中最“危险”的部分。基于极大值的方法确实能防止真正增长的子群被平均掉，但它又会走向另一个极端。由于它只关注单一最活跃的群体，便会对小样本或噪声数据中的随机波动产生剧烈反应。论文表明，这类方法常常在总体上并无实质性增长时仍发出危险信号。

一种折衷路径：风险厌恶再生数

为寻求更好的平衡，作者将常用的 R 与基于极大值的度量放在单一的群体平均尺度上。尺度一端是标准的 R，它对所有情况进行平滑；另一端是严格的极大值，它放大所有波动。借用试验设计中的思想，他们确定了一个中间选择——称为风险厌恶再生数，记为 E。该统计量对传播率较高的群体赋予更大权重，但不足以使随机噪声淹没信号。作者通过理论与计算实验表明，将稳定阈值设为 E 等于 1 能显著缩小那些能够伪装成“安全”的情形范围，同时仍对噪声病例计数保持鲁棒。

新指标在实际暴发中的揭示

研究团队随后在真实疫情数据上测试这些想法。在跨两地区划分的模拟埃博拉式暴发中，存在若干时期总体病例数看似平坦且常用 R 接近 1、置信区间狭窄，但其中一地区明显处于重新增长之中。在这些时期，风险厌恶数 E 却升至 1 以上且不确定性增大，恰当地提示整体状况比头条数字显示的更脆弱。在来自意大利省份和美国县域的 COVID-19 数据中也出现类似模式：当总体 R 在 1 附近徘徊时，某些较小地区在悄然加速，E 能通过升至 1 以上来捕捉到这些局部复燃，并提示总体感染很可能即将上升的更高概率。

这对卫生决策与公众信息意味着什么

对公众而言，这些发现意味着报告的 R 为 1 并不总应被解读为“安全且稳定”。由于标准计算常常掩盖地点与群体之间的差异，它们可能错过复燃的早期警示，直到更多人被感染。所提出的风险厌恶数 E 提供了一个更为谨慎且信息量更大的阈值：当 E 等于 1 时，绝大多数群体更可能确实稳定；当 E 超过 1 时，即便总体曲线尚未上升，它也指出值得关注的局部火花。作者建议，在有详细区域数据可用的情况下，卫生机构应补充或以 E 代替常用的 R，以指导更及时、更有针对性的应对措施。

引用: Parag, K.V., Santillana, M., Cori, A. et al. The R = 1 threshold can misclassify epidemic stability. Commun Phys 9, 185 (2026). https://doi.org/10.1038/s42005-026-02631-6

关键词: 流行病稳定性, 再生数, 疾病复燃, COVID-19 建模, 公共卫生指标