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 Negara wilayah lainnya menggunakan model transmisi.
Kami memperkirakan angka reproduksi dasar dari 3,11 (95% CI, 2,39–4,13); 58–76% dari
transmisi, harus dapat dicegah agar tidak meningkat;
Penetapan kasus Wuhan sekitar 5,0% (3,6–7,4); 21022 (11090–33490) total infeksi pada
tanggal 22 Januari.
Latar belakang dan situasi epidemi saat ini
Pada 29 Desember 2019, otoritas Tiongkok mengidentifikasi sekelompok kasus
pneumonia serupa dengan etiologi yang tidak diketahui di Kota Wuhan, Provinsi Hubei,
Cina (Tandkk., 2020). Pasien dengan Coronavirus (2019-nCoV) kemudian diisolasi 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), yang menunjukkan
kemungkinan asal zoonosis. (Organisasi Kesehatan Dunia, 2020). Namun, sumber pasti dari
virus tersebut tidak diketahui.
Infeksi pada satu kelompok keluarga (Chan et al ., 2020) dan pada petugas kesehatan
dikonfirmasi terjadi penularan dari manusia ke manusia. Meskipun sejauh ini modus
transmisi belum jelas. Pada 21 Januari 2020, WHO menyatakan bahwa 2019-nCoV menular
dari manusia ke manusia. Pada 25 Jan 2020, 1.372 kasus telah dikonfirmasi,  di antaranya
lebih dari 700 berasal dari Provinsi Hubei. 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 (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 2 orang yang 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 ini. Estimasi dalam naskah ini sangat tidak pasti tentang waktu dan
riwayat alami kasus. 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   lakukan perjalanan dan sejak itu meluas menjadi 12 kota lainnya.
Pembatasan diberlakukan di Wuhan mulai 23 Januari dan pertemuan sosial berskala besar
diterapkan.
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). 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 secara 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 di Kota
dan kasus di China yang dilaporkan menggunakan asumsi Penambahan waktu harian
terdistribusi Poisson. Kami memodelkan periode dari 1 Januari 2020 ketika otoritas lokal
menutup pasar basah yang terlibat sebagai sumber zoonosis infeksi manusia sampai dengan
dan termasuk 22 Januari 2020. Kami hanya mempertimbangkan penularan dari manusia ke
manusia dalam dan membuat asumsi bahwa setelah penutupan pasar, tidak ada infeksi
zoonosis lebih lanjut berkontribusi pada dinamika epidemi ini.  Setiap hari perkiraan
perjalanan dari data pemesanan penumpang rencana perjalanan lengkap pada Januari 2017,
diakses dari database OAG Traffic Analyzer (OAG, 2020), dengan asumsi
Akan diambil secara acak dari populasi asal.
Kami memperkirakan tingkat penularan dan tingkat pemulihan (kebalikan dari
infeksi). Kami berasumsi bahwa periode laten adalah 4 hari, berdasarkan estimasi dari
masa inkubasi SARS, virus korona terkait (Lessler et al., 2009).  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 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. 
Kami memperhatikan jumlah rata-rata kasus baru per hari dalam periode penelitian kami, dan
dengan jumlah kasus baru yang diamati. Mengingat model dan data, inferensi parameter
dicapai dengan menggunakan estimasi kemungkinan maksimum Pengoptimalan Nelder-
Mead seperti yang diterapkan dalam fungsi optim () di statistik R. 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. 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, dari ambang batas epidemi, memberikan bukti
bahwa penularan dari manusia ke manusia terjadi di Cina. Lebih lanjut, ini menunjukkan
bahwa upaya bersama akan diperlukan untuk mengontrol 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 dan tingkat kematian kasus
yang sebenarnya masih harus diperkirakan akurat. Selain itu, infeksi tanpa gejala telah
dilaporkan untuk 2019-nCoV. 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;  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;  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 berlangsungdi Wuhan untuk menyebarkan infeksi dan wabah di kota-kota lain di
Cina, dan untuk menghasilkan infeksi 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 bahwa variabel epidemiologis utama yang mendorong dinamika
epidemi tetap ada 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 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);  Jika transmisi memiliki 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. 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 Kami
model ini 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 yang 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. Beberapaperkiraan berasal dari data yang menggabungkan
periode waktu sebelum dan sesudah kontrol. Estimasi R 0juga 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, 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 analisis pemodelan data surveilans, 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.

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).
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).