Halaman 1

1
Novel coronavirus 2019-nCoV: estimasi awal parameter epidemiologi dan
prediksi epidemi
Versi 2. Diperbarui 27 Jan 2020
Jonathan M. Read 1 , Jessica RE Bridgen 1 , Derek AT Cummings 2 , Antonia Ho 3 , Chris P.
Jewell 1
Afiliasi:
1. Pusat Informatika Kesehatan, Komputasi dan Statistik, Sekolah Kedokteran Lancaster,
Lancaster University, Lancaster, Inggris Raya.
2. Departemen Biologi dan Institut Patogen yang Berkembang, Universitas Florida,
Gainesville, Amerika Serikat.
3. Dewan Penelitian Medis-Pusat Penelitian Virus Universitas Glasgow, Glasgow,
Britania Raya.
Korespondensi : jonathan.read@lancaster.ac.uk
Perubahan ke versi sebelumnya:
● data kasus diperbarui hingga 22 Jan 2020;  kami tidak menggunakan kasus yang dilaporkan setelah ini
periode kasus dilaporkan di tingkat provinsi selanjutnya, dan kontrol skala besar
intervensi dimulai pada 23 Jan 2020;
● fungsi kemungkinan yang lebih baik, akuntansi yang lebih baik untuk 41 kasus pertama yang
dikonfirmasi, dan sekarang
menggunakan semua infeksi (bukan hanya kasus yang terdeteksi) di Wuhan untuk prediksi
infeksi pada wisatawan internasional;
● peningkatan karakterisasi ketidakpastian dalam parameter, dan perhitungan epidemi
interval kepercayaan lintasan menggunakan metode yang lebih ketat secara statistik;
● rentang periode laten yang diperpanjang dalam analisis sensitivitas untuk mencerminkan laporan
hingga 6 hari
masa inkubasi dalam cluster rumah tangga;
● menghapus analisis pembatasan perjalanan, karena pendekatan pemodelan yang berbeda (misalnya,
stokastik
transmisi, daripada transmisi deterministik) lebih sesuai untuk itu
analisis.
Abstrak
Sejak pertama kali diidentifikasi, skala epidemi dari novel coronavirus yang baru muncul (2019-
nCoV) di Wuhan, Tiongkok, telah meningkat pesat, dengan kasus-kasus yang muncul di seluruh Tiongkok
dan lainnya
negara dan wilayah. menggunakan model transmisi, kami memperkirakan angka reproduksi dasar
dari 3,11 (95% CI, 2,39–4,13); 58–76% transmisi harus dicegah agar tidak meningkat;
Penetapan kasus Wuhan 5,0% (3,6–7,4); 21022 (11090–33490) total infeksi pada
Wuhan 1 hingga 22 Januari.
Latar belakang dan situasi epidemi saat ini
Pada 29 Desember 2019, otoritas Tiongkok mengidentifikasi sekelompok kasus pneumonia serupa
etiologi yang tidak diketahui di Kota Wuhan, Provinsi Hubei, Cina (Tandkk., 2020). Ketegangan baru
Coronavirus (2019-nCoV) kemudian diisolasi dari pasien pada 7 Januari 2020
(Tan et  al. , 2020). Sebagian besar kasus dari kelompok awal memiliki hubungan epidemiologis dengan
kehidupan
pasar hewan (Pasar Makanan Laut Cina Selatan Huanan), menunjukkan kemungkinan asal zoonosis
.
Lisensi Internasional CC-BY-NC-ND 4.0
Ini tersedia di bawah a
kelangsungan.
adalah penulis / penyandang dana, yang telah memberikan lisensi kepada medRxiv untuk menampilkan pracetak
(yang tidak disertifikasi oleh tinjauan sejawat)
pracetak
Pemegang hak cipta untuk ini
versi ini diposting 28 Januari 2020.
;
https://doi.org/10.1101/2020.01.23.20018549
doi:
pracetak medRxiv
CATATAN: Pracetak ini melaporkan penelitian baru yang belum disertifikasi oleh peer review dan tidak boleh digunakan untuk memandu praktik klinis.
 Halaman 2
2
(Organisasi Kesehatan Dunia, 2020). Namun, sumber pasti dari virus tersebut tidak diketahui.
Infeksi pada setidaknya satu kelompok keluarga (Chan et al ., 2020) dan pada petugas kesehatan
dikonfirmasi
terjadinya penularan dari manusia ke manusia, meskipun sejauh ini modus ini
transmisi tidak jelas. Pada 21 Januari 2020, WHO menyatakan hal itu mungkin terjadi
penularan dari manusia ke manusia yang berkelanjutan (Organisasi Kesehatan Dunia Pasifik Barat pada
Indonesia, 2020).
Pada 1000 GMT 25 Jan 2020, 1.372 kasus telah dikonfirmasi (Munroe, 2020), di antaranya
lebih dari 700 berasal dari Provinsi Hubei (BBC News, 2020) . Kasus juga telah terjadi
dilaporkan di provinsi China lainnya, termasuk kota-kota besar seperti Beijing, Shanghai dan
Shenzhen, serta negara lain, termasuk Thailand (n = 5), Jepang (n = 2), Korea Selatan
(n = 2), Taiwan (n = 3), Malaysia (n = 1), Singapura (n = 3), Nepal (n = 1), Vietnam (n = 2), Amerika
Negara (n = 2), Australia (n = 1), dan Prancis (n = 3 ) (Pusat Pencegahan Penyakit Eropa
dan Kontrol, 2020). Dalam rangkaian kasus dari 41 kasus pertama yang dirawat di rumah sakit di Wuhan,
ditampilkan
gejala termasuk demam, batuk, mialgia dan kelelahan (Huang et al., 2020). Lebih dari setengahnya
sesak napas, dan semuanya memiliki bukti pneumonia (Huang et  al., 2020). Sampai saat ini, 41
kematian telah dilaporkan, semua kecuali dua berasal dari provinsi Hubei (Pusat Eropa untuk
Pencegahan dan Pengendalian Penyakit, 2020).
Data klinis dan epidemiologi saat ini tidak cukup untuk memahami sepenuhnya
potensi penularan epidemi. Estimasi dalam naskah ini sangat tidak pasti
ketidakpastian tentang waktu dan riwayat alami kasus, dampak perubahan
melaporkan selama wabah dan potensi dampak tanggapan terhadap kasus
di antara sumber lainnya. Wabah terjadi pada saat terjadi peningkatan substansial
volume perjalanan di dalam maupun di luar China sekitar Tahun Baru Imlek pada tanggal 25
Januari 2019. Diperkirakan lebih dari 3 miliar perjalanan penumpang untuk periode antara 10
Januari dan 18 Februari ( CGTN, 2020). Dalam upaya menahan wabah, lakukan perjalanan
pembatasan diberlakukan di Wuhan mulai 23 Januari, dan sejak itu meluas menjadi 12 lainnya
kota, dan pertemuan sosial besar dibatalkan (New York Times, 2020).
Konektivitas domestik dan internasional dari Wuhan
Wuhan adalah kota dengan lebih dari 11 juta penduduk dan terhubung dengan kota-kota lain di China
melalui kereta api berkecepatan tinggi dan penerbangan maskapai komersial yang sering. Ada 670.417
maskapai penerbangan
pemesanan penumpang yang berangkat dari Wuhan dilakukan selama Januari 2017, dengan tujuan utama
Shanghai (53.214 pemesanan), Beijing (51.066 pemesanan) dan Kunming (40.120 pemesanan)
(OAG, 2020); Gambar 1 . Sedangkan mayoritas perjalanan udara yang berangkat dari Wuhan adalah
domestik (87,2%
dari pemesanan, Jan 2017), Wuhan terhubung secara internasional baik secara langsung maupun tidak
langsung
penerbangan (Bogoch et  al., 2020).
Model transmisi
Kami memasang model penularan metapopulasi SEIR deterministik dari infeksi di dalam dan
antara kota-kota besar di China dengan jumlah harian kasus terkonfirmasi 2019-nCoV di
Kota dan kasus di China yang dilaporkan di negara / kawasan lain, menggunakan asumsi
Penambahan waktu harian terdistribusi Poisson (lihat Metode Tambahan). Kami memodelkan
periode dari 1 Januari 2020 ketika otoritas lokal menutup pasar basah yang terlibat sebagai
sumber zoonosis infeksi manusia (Organisasi Kesehatan Dunia, 2020) sampai dengan dan termasuk
.
Lisensi Internasional CC-BY-NC-ND 4.0
Ini tersedia di bawah a
kelangsungan.
adalah penulis / penyandang dana, yang telah memberikan lisensi kepada medRxiv untuk menampilkan pracetak
(yang tidak disertifikasi oleh tinjauan sejawat)
pracetak
Pemegang hak cipta untuk ini
versi ini diposting 28 Januari 2020.
;
https://doi.org/10.1101/2020.01.23.20018549
doi:
pracetak medRxiv

Halaman 3
3
22 Januari 2020. Kami hanya mempertimbangkan penularan dari manusia ke manusia dalam model kami,
dan
membuat asumsi bahwa setelah penutupan pasar, tidak ada infeksi zoonosis lebih lanjut
berkontribusi pada dinamika epidemi. Kopling antar kota mengikuti tarif yang disesuaikan setiap hari
perkiraan perjalanan dari data pemesanan penumpang rencana perjalanan lengkap bulanan
Januari 2017, diakses dari database OAG Traffic Analyzer (OAG, 2020), dengan asumsi
pelancong diambil secara acak dari populasi asal.
Kami memperkirakan tingkat penularan dan tingkat pemulihan (kebalikan dari infeksi
Titik). Kami berasumsi bahwa periode laten adalah 4 hari, berdasarkan estimasi dari
masa inkubasi SARS, virus korona terkait (Lessler et al., 2009). Ini mirip dengan
perkiraan 4,4 hari dari karakterisasi awal kasus 2019-nCoV. Kami membuat
asumsi bahwa periode laten mendekati periode inkubasi. Kami juga memperkirakan
tingkat kepastian di Wuhan, dan jumlah awal infeksi manusia yang ada di
Wuhan saat pasar tutup. Kasus yang dikonfirmasi di kota-kota China dan lainnya
negara / kawasan yang dilaporkan pada 22 Januari 2020 digunakan untuk pemasangan; dari 23 Januari
kasus tidak dilaporkan untuk Wuhan dan lokasi lain di Hubei tetapi hanya di
tingkat provinsi agregat. Pemasangan dicapai dengan memperlakukan sistem ODE sebagai representasi
jumlah rata-rata kasus baru per hari dalam periode penelitian kami, dan dengan asumsi bahwa yang diamati
jumlah kasus baru (kira-kira) didistribusikan Poisson di sekitar rata-rata ini. Mengingat
model dan data, inferensi parameter dicapai dengan menggunakan estimasi kemungkinan maksimum
Pengoptimalan Nelder-Mead seperti yang diterapkan dalam fungsi optim () di statistik R.
bahasa (R Core Team 2020); lihat https://github.com/chrism0dwk/wuhan/tree/v0.2 untuk R
kode, data kasus, dan file data yang disiapkan.
Ketidakpastian dalam estimasi parameter dieksplorasi dengan menggunakan bootstrap parametrik sesuai
dengan prosedur berikut. Pertama, 10.000 simulasi Monte Carlo dari model (ODE dan
Poisson noise) dihasilkan dengan menggunakan estimasi MLE dari parameter. Masing-masing
disimulasikan
Dataset kemudian dipasang kembali ke model untuk membangun distribusi sampling bersama dari
parameter, dan kepercayaan 95% diperkirakan sebagai kuantitas 2,5% lebih rendah dan 97,5% atas.
Sistem ODE (tanpa noise Poisson) dijalankan di atas distribusi sampling ini untuk menghasilkan
Interval kepercayaan 95% di sekitar lintasan epidemi rata-rata yang diprediksi.
Estimasi parameter epidemiologis
Kami memperkirakan tingkat penularan di Wuhan, menjadi 1,94 d -1 (95% CI, 1,25–6,71),
sementara kami menemukan periode infeksi menjadi 1,61 hari (95% CI, 0,35–3,23). Kami menghitung
angka reproduksi dasar, R 0 , dari infeksi menjadi 3,11 (95% CI, 2,39–4,13), sebanding
hingga kisaran SARS yang diperkirakan dari wabah selama epidemi 2003 ( Lipsitch et al.,
2003; Organisasi Kesehatan Dunia, 2003). Kami menyoroti bahwa angka ini sangat tidak pasti
dan bahwa sejumlah besar parameter konsisten dengan data yang diasumsikan
model kami. Perkiraan ini mencerminkan dinamika transmisi dan, secara potensial,
dinamika pelaporan kasus, dengan peningkatan pelaporan dari waktu ke waktu berpotensi meningkatkan
kami
memperkirakan. Perkiraan yang kami berikan di sini merupakan pembaruan dari laporan 23 Januari di
yang kami perkirakan R 0 lebih tinggi , dan menyoroti sensitivitas temuan kami untuk tambahan
data pada periode awal ini. Estimasi saat ini R 0 secara signifikan lebih besar dari 1, the
ambang batas epidemi, memberikan bukti bahwa penularan dari manusia ke manusia adalah
terjadi di Cina. Lebih lanjut, ini menunjukkan bahwa upaya bersama akan diperlukan untuk mengontrol
.
Lisensi Internasional CC-BY-NC-ND 4.0
Ini tersedia di bawah a
kelangsungan.
adalah penulis / penyandang dana, yang telah memberikan lisensi kepada medRxiv untuk menampilkan pracetak
(yang tidak disertifikasi oleh tinjauan sejawat)
pracetak
Pemegang hak cipta untuk ini
versi ini diposting 28 Januari 2020.
;
https://doi.org/10.1101/2020.01.23.20018549
doi:
pracetak medRxiv

Halaman 4
4
wabah, membutuhkan antara 38% dan 80% penularan untuk dicegah untuk mengendalikan
epidemi.
Kami memperkirakan bahwa tingkat kepastian rata-rata di Wuhan antara 1 dan 22 Januari adalah
5,0% (95% CI, 3,6-7,4), mencerminkan kesulitan dalam mengidentifikasi kasus patogen baru.
Mengingat aksesibilitas yang umumnya baik ke perawatan kesehatan di Cina, ini menunjukkan bahwa
mayoritas
Infeksi mungkin dari penyakit ringan dan tidak cukup serius bagi individu untuk mencari pengobatan.
Namun, perlu dicatat bahwa sejumlah kasus yang teridentifikasi telah meninggal (Center for Disease
Pengendalian dan Pencegahan 2020) dan tingkat kematian kasus yang sebenarnya masih harus
diperkirakan
akurat. Selain itu, infeksi tanpa gejala telah dilaporkan untuk 2019-nCoV (Chandkk.,
2020). Kami juga memperkirakan ukuran epidemi di Wuhan pada saat pasar
penutupan (1 Januari) menjadi 15 orang (95% CI, 5-37). Perkiraan epidemiologi kami
parameter sensitif terhadap asumsi kami terkait panjang periode laten; Lihat
Gambar 2 . Investigasi epidemiologi awal menunjukkan durasi antara 3 sampai 6 hari (Chan
dkk.  , 2020), Jika periode laten lebih lama dari 4 hari yang kami asumsikan, R 0 kami
perkiraan akan lebih tinggi dan perkiraan tingkat kepastian sedikit lebih rendah; lihat Gambar 2 .
Jika kasus dilaporkan dengan efisiensi yang meningkat dan waktu kasus tidak konsisten
dengan waktu yang diasumsikan di sini (yaitu selama terjadinya wabah, lamanya waktu antara
infeksi dan pelaporan dalam data surveilans menurun), ini mungkin cenderung menurun
perkiraan jumlah reproduksi.
Perkiraan ukuran epidemi
Menggunakan model transmisi berparameter kami, kami mensimulasikan dampak yang sedang
berlangsung
wabah di Wuhan untuk menyebarkan infeksi dan wabah di kota-kota lain di Cina, dan untuk menghasilkan
infeksi pada pelancong ke negara / kawasan lain, melalui perjalanan maskapai penerbangan yang berasal
dari Tiongkok.
Kami menekankan bahwa proyeksi ini membuat asumsi yang kuat: bahwa tidak ada intervensi
pengendalian
dihasut; bahwa variabel epidemiologis utama yang mendorong dinamika epidemi tetap ada
konstan; bahwa perilaku perjalanan di Tiongkok dan ke negara / kawasan lain terus berlanjut
perkiraan mobilitas kami; akhirnya, kami hanya mempertimbangkan perjalanan melalui udara dan tidak
termasuk darat
transportasi, khususnya melalui jaringan kereta api di China.
Kami memperkirakan pada 22 Januari, di Wuhan saat ini terdapat 1.464 orang yang terinfeksi
(interval prediksi, 6510-25095), dan total 21022 infeksi (interval prediksi, 11090–
33490) sejak awal tahun. Kami juga memperkirakan t 24 orang yang saat ini terinfeksi
(prediksi interval, 19-30) di lokasi lain di Cina pada tanggal ini. Sebagai perbandingan
tujuan, kami memperkirakan jumlah total infeksi di Wuhan dari 1 Januari hingga 18 Januari
inklusif telah 6733 (interval prediksi, 3500-10914). Estimasi total ini
Infeksi sebanding dengan perkiraan lain yang dipublikasikan berdasarkan data perjalanan dan dilaporkan
kasus yang diidentifikasi di luar Cina (diperkirakan antara 1.700 dan 7.800) (Imai et al., 2020a),
dan menyoroti perkiraan tingkat kepastian kami yang rendah, pertumbuhan epidemi yang cepat, dan
ketidakpastian dalam prediksi model.
Jika transmisi berlanjut dengan kecepatan yang sama di Wuhan, tanpa kendali atau perubahan
perilaku individu (seperti jarak sosial spontan) model kami memprediksi itu
pada 29 Januari epidemi di Wuhan akan jauh lebih besar, dengan 594 kasus diperkirakan
untuk dideteksi pada hari itu di Wuhan (interval prediksi, 446–788) dan 105077 saat ini
terinfeksi (interval prediksi, 46635–185412); lihat Gambar 3 dan Tabel 1 . Jika transmisi memiliki
.
Lisensi Internasional CC-BY-NC-ND 4.0
Ini tersedia di bawah a
kelangsungan.
adalah penulis / penyandang dana, yang telah memberikan lisensi kepada medRxiv untuk menampilkan pracetak
(yang tidak disertifikasi oleh tinjauan sejawat)
pracetak
Pemegang hak cipta untuk ini
versi ini diposting 28 Januari 2020.
;
https://doi.org/10.1101/2020.01.23.20018549
doi:
pracetak medRxiv

Halaman 5
5
dikurangi, baik melalui kontrol atau tanggapan publik spontan terhadap epidemi, ini akan terjadi
perkiraan terlalu tinggi, meskipun mungkin berguna untuk membantu mengukur keefektifan
intervensi.
Kami juga memperkirakan proyeksi epidemi untuk kota dan negara / kawasan Cina lainnya. Itu
proyeksi ukuran epidemi tunduk pada ketidakpastian model dan parameter, meskipun
besaran relatif prediksi di kota dan negara / kawasan lain mungkin informatif untuk
tujuan perencanaan dan kesiapsiagaan.Model ini memprediksi wisatawan yang terinfeksi ke China lainnya
kota-kota akan memulai wabah di kota-kota tersebut, yang terbesar pada 29 Januari berada di Shanghai,
Beijing, Guangzhou, Shenzhen, Chengdu dan Kunming; lihat Gambar 3 dan Tabel 1 . Kami
model memprediksi jumlah total individu yang terinfeksi di lokasi lain di China
237 (interval prediksi, 167-324) pada tanggal 29 Januari. Akhirnya, model tersebut memprediksi
peningkatan risiko
impor ke negara / kawasan lain, terutama ke Thailand, Jepang, Korea Selatan,
Taiwan, Hong Kong SAR, AS, Singapura, Malaysia, Australia dan Vietnam; lihat Gambar 3
dan Tabel 1 . Sekali lagi, prediksi ini mengasumsikan tidak ada perubahan dalam penularan virus
di Cina melalui kontrol atau tanggapan lain terhadap epidemi, dan kemungkinan besar meremehkan
tingkat potensi impor ke daerah-daerah dengan transportasi darat dari Cina, khususnya
Hongkong.
Perbandingan taksiran dengan laporan lain
Estimasi kami tentang R 0 secara luas konsisten dengan estimasi awal dari grup lain: 2.0–3.3
(Majumder dan Mandl, 2020); 2 .6 (kisaran ketidakpastian 1.5-3.5) (Imai et  al., 2020b); 2,92 (95%
CI 2.28, 3.67) (Liudkk., 2020); 2.2 (Interval 90%: 1.4-3.8) (Riou dan Althaus, 2020). Sumber
perbedaan mungkin karena perbedaan model dan perbedaan kontribusi
jenis data tertentu untuk perkiraan kami. Kami yakin bahwa perkiraan kami sedikit lebih tinggi
dibandingkan dengan yang lain karena masuknya kasus dari lokasi lain di China lainnya
dari Wuhan. Namun, penting untuk dicatat bahwa perkiraan poin kami konsisten dengan semua
interval ketidakpastian lainnya, semuanya menunjukkan pertumbuhan kasus yang berkelanjutan.
Perbandingan penularan dengan SARS dan MERS
Perkiraan kami tentang jumlah reproduksi dasar untuk virus korona baru ini sebanding dengan
sebagian besar perkiraan dilaporkan untuk SARS dan MERS-CoV, tetapi serupa dengan beberapa
perkiraan dari
subset data pada periode awal SARS. Untuk virus korona SARS, perkiraan
rata-rata jumlah reproduksi berkisar antara 1,1 hingga 4,2 dengan sebagian besar perkiraan antara 2 dan 3
(Bauch dkk., 2005). Perkiraan ini mewakili berbagai metode dan pengaturan. Beberapa
perkiraan berasal dari data yang menggabungkan periode waktu sebelum dan sesudah kontrol. Estimasi R 0
juga bervariasi berdasarkan interval serial yang diasumsikan (misalnya (Lipsitchdkk.  ,
2003) memperkirakan R 0
mulai dari 2,2 hingga 3,6 untuk interval serial 8 hingga 12 hari (9). Studi lain (Bauchdkk.,
2005) meninjau sumber variasi dalam jumlah reproduksi dasar SARS dan mencatatnya
lokasi di mana wabah terjadi, R 0 kira-kira 3. Perkiraan dari
MERS-CoV secara seragam lebih rendah, dengan perkiraan dari Arab Saudi memiliki rata-rata lebih
rendah
dari 1 (~ 0,5) tetapi menunjukkan variabilitas temporal yang besar dengan peningkatan dalam beberapa
periode waktu
terutama dalam pengaturan perawatan kesehatan (Cauchemezdkk., 2016).
Perbandingan efisiensi penularan pada wabah ini dan pada wabah SARS bisa
dilihat juga dalam perbandingan sederhana dari dua kali lipat waktu di setiap wabah. Dalam SARS,
.
Lisensi Internasional CC-BY-NC-ND 4.0
Ini tersedia di bawah a
kelangsungan.
adalah penulis / penyandang dana, yang telah memberikan lisensi kepada medRxiv untuk menampilkan pracetak
(yang tidak disertifikasi oleh tinjauan sejawat)
pracetak
Pemegang hak cipta untuk ini
versi ini diposting 28 Januari 2020.
;
https://doi.org/10.1101/2020.01.23.20018549
doi:
pracetak medRxiv

Halaman 6
6
waktu penggandaan bervariasi dari 4,6 hari hingga 14,2 hari tergantung pada pengaturan (waktu
penggandaan,
Td = 6.0 (1358 selama 63 hari, Singapura), Td = 4.6 (425 selama 41 hari, Hong Kong), Td = 14.2
(7919 selama 185 hari, secara keseluruhan)) (Lipsitchdkk., 2003). Menggunakan informasi kasus yang
dikonfirmasi (41
melaporkan 14 Januari; 291 melaporkan 24:00 pada 20 Januari; 1975 melaporkan 24:00 pada Januari
25) (Laporan harian NHCPRC, 2020) kami menemukan waktu penggandaan 2,1, 1,8, dan 2,0 hari. Jika
wabah telah berlangsung untuk jangka waktu yang lebih lama, ini akan meningkatkan perkiraan
menggandakan waktu. Perkiraan waktu penggandaan ini, serupa dengan perkiraan kami tentang R 0 ,
rentan
bias karena dinamika pelaporan kasus, dengan pengelompokan kasus yang teridentifikasi (karena
kasus yang dikelompokkan secara temporer) cenderung membiaskan perkiraan kami ke lebih rendah
dua kali lipat. Kami mencatat perkiraan kami tentang penggandaan waktu dalam wabah ini adalah singkat
dibandingkan dengan perkiraan dari wabah SARS di Hong Kong ( Lipsitch et al., 2003).
Batasan
Model kami harus membuat sejumlah asumsi. Estimasi dasar kami
jumlah reproduksi virus korona baru ini terikat pada periode waktu dan data tertentu
dianalisis di sini, dan ukuran ini dapat berubah secara substansial selama wabah ini
dan saat data tambahan tiba. Selain itu, komponen spasial model kami bergantung
hanya pada perjalanan penerbangan; modelnya tidak termasuk kereta api dan transportasi jalan raya, jadi
kami dapat melakukannya
meremehkan konektivitas lokal dan konektivitas Wuhan ke lokasi lain. Kami juga
jangan mencoba untuk memperhitungkan implementasi kontrol apa pun, atau dan perubahan dinamis dari
faktor yang dapat mempengaruhi transmisi (seperti jarak sosial spontan), atau
perubahan dalam upaya pengawasan dan pelaporan. Pilihan pendekatan pemodelan kami mungkin juga
menyebabkan tidak dapat diandalkannya ketepatan estimasi parameter model kami (King et al . 2015),
Namun, pendekatan kami menggunakan jumlah kasus 'mentah' agar sesuai dengan model, bukan kasus
kumulatif
informasi, dan perkiraan titik tidak akan bias (King et al . 2015).
Wabah virus korona baru (SARS dan MERS-CoV) sebelumnya menemukan bukti yang substansial
heterogenitas dalam jumlah reproduksi antar individu (Chowell et  al., 2004; Bauchet
Al., 2005; Cauchemezdkk., 2016). Dalam analisis kami, kami berasumsi bahwa hanya ada sedikit
heterogenitas dalam jumlah reproduksi dan asumsi ini dapat mengubah perkiraan kami
nomor reproduksi. Selain itu, perkiraan R 0 cenderung dikurangi sebagai informasi kasus
terakumulasi, meskipun tindakan pengendalian juga dapat diterapkan selama periode ini. Dengan adanya
benar untuk setiap analisis pemodelan data surveilans, perkiraan R 0 kami juga dapat mencerminkan
dinamika upaya surveilans dan pelaporan bukan hanya dinamika epidemi.
Ketidakpastian utama wabah ini adalah kapan dimulai. Kami telah memilih untuk memodelkan transmisi
mulai 1 Januari dan seterusnya. Pengawasan di China dan di tempat lain hanya dimulai sekali
wabah diidentifikasi di Wuhan. Apakah wabah dimulai lebih awal, dan keduanya di dalam-
China dan ekspor infeksius internasional terjadi sebelum Januari dan pada awal Januari
(sementara pengawasan ditingkatkan), perkiraan kami tentang jumlah reproduksi sebagian besar
mengurangi.
Ancaman terhadap keakuratan proyeksi ini adalah jika sebagian besar infeksi telah terjadi
karena paparan ganda terhadap hewan yang telah dibatasi dalam beberapa cara. Data ini
mungkin juga merupakan periode penularan tinggi (karena kondisi musim yang menguntungkan,
variasi stokastik atau bias seleksi dalam mendeteksi cluster transmisi yang besar) yang tidak akan terjadi
dipertahankan dalam jangka waktu yang lama.
.
Lisensi Internasional CC-BY-NC-ND 4.0
Ini tersedia di bawah a
kelangsungan.
adalah penulis / penyandang dana, yang telah memberikan lisensi kepada medRxiv untuk menampilkan pracetak
(yang tidak disertifikasi oleh tinjauan sejawat)
pracetak
Pemegang hak cipta untuk ini
versi ini diposting 28 Januari 2020.
;
https://doi.org/10.1101/2020.01.23.20018549
doi:
pracetak medRxiv

Halaman 7
7
Ringkasan
Kami masih dalam masa awal wabah ini dan ada banyak ketidakpastian dalam kedua skalanya
wabah, serta informasi epidemiologi kunci mengenai penularan. Namun,
kecepatan pertumbuhan kasus sejak pengenalan wabah jauh lebih besar dari
yang diamati pada wabah SARS atau MERS-CoV. Ini konsisten dengan kami secara luas
perkiraan yang lebih tinggi dari jumlah reproduksi untuk wabah ini dibandingkan dengan yang lain
Coronavirus yang muncul, menunjukkan bahwa penahanan atau pengendalian patogen ini mungkin
jauh lebih sulit.
Referensi
Bauch, CT dkk  .  (2005) 'Secara dinamis memodelkan SARS dan lainnya yang baru muncul
penyakit pernafasan: masa lalu, sekarang, dan masa depan ', Epidemiologi , 16 (6), hlm. 791–801.
BBC News (2020) Korban tewas meningkat saat virus corona menyebar  , berita BBC. Berita
BBC. Tersedia
di: https://www.bbc.com/news/world-asia-china-51245680 (Diakses: 26 Januari 2020).
Bogoch, II dkk  .  (2020) 'Pneumonia of Unknown Etiology di Wuhan, China: Potensi untuk
Penyebaran Internasional Melalui Perjalanan Udara Komersial ', Jurnal kedokteran perjalanan. doi:
10.1093 / jtm / taaa008 .
Cauchemez, S. dkk  .  (2016) 'Mengurai driver transmisi MERS-CoV',
Prosiding National Academy of Sciences of the United States of America, 113 (32),
hlm. 9081–9086.
CGTN (2020) Hal-hal yang perlu Anda ketahui tentang migrasi manusia terbesar di dunia. Tersedia
di: https://news.cgtn.com/news/2020-01-19/What-is-the-world-s-largest-human-migration--
Nmsd7OcJ8Y / index.html ( Diakses: 26 Januari 2020).
Chan, JF-W. dkk . (2020) 'Sekelompok keluarga pneumonia yang terkait dengan novel 2019
Coronavirus yang menunjukkan penularan dari orang ke orang: studi tentang kelompok keluarga ',  Itu
Lanset. doi: 10.1016 / s0140-6736 (20) 30154-9.
Chowell, G. dkk . (2004) 'Parameter model dan pengendalian wabah untuk SARS',Muncul
penyakit menular, 10 (7), hlm. 1258–1263.
Pusat Eropa untuk Pencegahan dan Pengendalian Penyakit (2020) Distribusi geografis
Kasus 2019-nCov , Pusat Eropa untuk Pencegahan dan Pengendalian Penyakit. Tersedia di:
https://www.ecdc.europa.eu/en/geographical-distribution-2019-ncov-cases (Diakses: 26
Januari 2020).
Huang, C. dkk . (2020) 'Gambaran klinis pasien yang terinfeksi novel coronavirus 2019 di
Wuhan, Cina ', Lancet. doi: 10.1016 / s0140-6736 (20) 30183-5.
Imai, N. dkk  .  (2020a)Memperkirakan potensi jumlah total kasus virus Corona baru di
Kota Wuhan, Cina. 2. Imperial College. Tersedia di:
https://www.imperial.ac.uk/media/imperial-college/medicine/sph/ide/gida-fellowships/2019-
nCoV-wabah-report-22-01-2020.pdf (Diakses: 27 Januari 2020).
Imai, N. dkk  .  (2020b)Transmisibilitas 2019-nCoV  . 3. Imperial College. Tersedia di:
https://www.imperial.ac.uk/media/imperial-college/medicine/sph/ide/gida-
fellowships / Imperial-2019-nCoV-transmissibility.pdf (Diakses: 27 Januari 2020).
.
Lisensi Internasional CC-BY-NC-ND 4.0
Ini tersedia di bawah a
kelangsungan.
adalah penulis / penyandang dana, yang telah memberikan lisensi kepada medRxiv untuk menampilkan pracetak
(yang tidak disertifikasi oleh tinjauan sejawat)
pracetak
Pemegang hak cipta untuk ini
versi ini diposting 28 Januari 2020.
;
https://doi.org/10.1101/2020.01.23.20018549
doi:
pracetak medRxiv

Halaman 8
8
Lessler, J. et al.  (2009) 'Masa inkubasi infeksi virus pernapasan akut: sistematis
ulasan', Penyakit menular Lancet, 9 (5), hlm. 291–300.
Lipsitch, M. dkk  .  (2003) 'Dinamika transmisi dan pengendalian pernafasan akut yang parah
sindroma', Ilmu, 300 (5627), hlm. 1966–1970.
Liu, T. dkk  .  (2020) 'Dinamika penularan 2019 novel coronavirus (2019-nCoV)',
bioRxiv. doi: 10.1101 / 2020.01.25.919787.
Majumder, M. dan Mandl, KD (2020) 'Penilaian Penularan Awal Novel
Coronavirus di Wuhan, Cina '. Tersedia di: https://papers.ssrn.com/abstract=3524675
(Diakses: 27 Januari 2020).
Munroe, T. (2020) Xi mengatakan China menghadapi 'situasi gawat' karena jumlah kematian akibat virus
mencapai 42 , DI.
Reuters. Tersedia di: https://in.reuters.com/article/us-china-health-idINKBN1ZO005
(Diakses: 26 Januari 2020).
New York Times (2020) Tol Dari Wabah Meningkat di China Saat Infeksi Mencapai Eropa
dan Australia . Tersedia di: https://www.nytimes.com/2020/01/24/world/asia/china-
coronavirus.html (Diakses: 26 Januari 2020).
Laporan harian NHCPRC (2020)Komisi Kesehatan Nasional Republik Rakyat
Cina. Tersedia di: http://www.nhc.gov.cn/xcs/yqtb/list_gzbd.shtml (Diakses: 27 Januari
2020).
OAG (2020) FAQ Penganalisis Lalu Lintas. Tersedia di: https://www.oag.com/traffic-analyser-faq
(Diakses: 26 Januari 2020).
Riou, J. dan Althaus, CL (2020) Pola penularan awal dari manusia ke manusia di Wuhan
2019-nCoV , bioRxiv 2020.01.23.917351. Tersedia di:
https://www.biorxiv.org/content/10.1101/2020.01.23.917351v1.full.pdf (Diakses: 27
Januari 2020).
Tan, W. dkk  .  (2020) 'Sebuah Novel Coronavirus Genome Teridentifikasi dalam Cluster of Pneumonia
Kasus - Wuhan, Cina 2019−2020 ', China CDC Weekly. China CDC Weekly, 2 (4), hlm. 61–
62.
Organisasi Kesehatan Dunia (2003) Dokumen konsensus tentang epidemiologi parah
sindrom pernapasan akut (SARS) . Tersedia di:
https://www.who.int/csr/sars/en/WHOconsensus.pdf (Diakses: 26 Januari 2020).
Organisasi Kesehatan Dunia (2020) 'WHO | Novel Coronavirus - China '. Kesehatan Dunia
Organisasi. Tersedia di: http://www.who.int/csr/don/12-january-2020-novel-coronavirus-
china / en / (Diakses: 26 Januari 2020).
Organisasi Kesehatan Dunia Pasifik Barat di Twitter (2020)Indonesia. Tersedia di:
https://twitter.com/WHOWPRO/status/1219478547644813312 ( Diakses: 26 Januari 2020).
.
Lisensi Internasional CC-BY-NC-ND 4.0
Ini tersedia di bawah a
kelangsungan.
adalah penulis / penyandang dana, yang telah memberikan lisensi kepada medRxiv untuk menampilkan pracetak
(yang tidak disertifikasi oleh tinjauan sejawat)
pracetak
Pemegang hak cipta untuk ini
versi ini diposting 28 Januari 2020.
;
https://doi.org/10.1101/2020.01.23.20018549
doi:
pracetak medRxiv

Halaman 9
1
Angka
Gambar 1. Konektivitas Wuhan ke kota dan provinsi lain di China daratan, berdasarkan total lalu lintas
maskapai penerbangan komersial dari Wuhan di
Januari 2017. Lalu lintas didasarkan pada jumlah pemesanan yang berangkat.

Halaman 10
2
Gambar 2. Sensitivitas estimasi parameter terhadap asumsi nilai periode laten (1 / α). Kotak mewakili
kuantitas 2,5% dan 97,5% dan hitam
menandai angka 50%.
Gambar 3. ( A ) Perbandingan kasus yang diamati dan kasus yang diperkirakan terdeteksi di Wuhan untuk
periode 12 hingga 22 Januari. Prediksi epidemi untuk
( B ) Wuhan, ( C ) kota Cina tertentu dan ( D ) negara / kawasan tertentu, hingga 29 Januari. Perkiraan
kasus yang terdeteksi juga direncanakan
Wuhan. Interval kepercayaan 95% di sekitar lintasan epidemi rata-rata ditampilkan sebagai garis putus-
putus.

Halaman 11
3
Tabel
Tabel 1. Prediksi ukuran epidemi (jumlah kasus yang terdeteksi) di kota-kota tertentu di Cina dan prediksi
impor ke negara / wilayah lain pada 29
Januari 2020, dengan asumsi tidak ada perubahan tingkat transmisi atau kepastian. Asumsi 1: tingkat
kepastian di semua kota kecuali Wuhan adalah
100%. Asumsi 2: tingkat kepastian di semua kota di Cina adalah 5,0%.