截止2022年12月27日,香港疫情严重。
因为根据查询香港疫情防控中心,香港的疫情现在处于依据中高风险地区管理的情况,香港每日新增的确诊病例基本上是比较稳定。所以香港疫情严重。
香港全称香港特别行政区,是中华人民共和国的两个特别行政区之一。
香港新冠肺炎第三波疫情持续。香港卫生署卫生防护中心传染病处主任张竹君7月14日下午在疫情简报会上表示,香港今日新增48例新冠肺炎确诊个案,当中40例属于本地感染个案,8例属于输入个案。至今香港累计个案增至1570例,包括1569例确诊个案及1例疑似个案。
7月15日起香港迪士尼乐园将暂时关闭
自6月18日重新开放至今,香港迪士尼乐园恢复营业不足一个月再次因为疫情原因宣布暂时闭园。香港迪士尼乐园方面表示,香港迪士尼乐园度假区内的酒店会维持开放,服务方面会做相应调整。酒店已按照政府及卫生部门的指引,采取加强的健康与安全措施,如实行社交距离措施及加强清洁和消毒。香港海洋公园今起暂停开放7月14日,香港海洋公园宣布于7月14日至21日暂停开放,以协助遏阻疫情。
公告表示,公园已即时暂停网上预约入园系统。访客持有公园售票处或官方网站购买之受影响日期标准门票,可保留门票,作为日后由公园直接换票或退款之用。经由公园正式授权旅行社或售票平台购入之受影响门票,公园将协助提供相关换票或退票资料。
其他防疫措施
1除豁免者外,由15日起至本月28日的14天期间_,禁止在公众地方进行多于四人的群组聚集;
2食肆每桌人数缩减至最多可坐四人,并首度规定晚六朝五不准设堂食,只能外卖;
3乘坐公共交通工具人士必须佩戴口罩,司机看到乘客没有戴口罩,可拒绝上车。不戴口罩者最高罚款5000元;
4过去14天曾到访高风险地区的入境人士,需要在登机前出示病毒检测证明,显示其检测结果呈阴性才可登机,否则航空公司会受罚;新规定15日午夜0时0分起生效,暂时为期七天。
所有学校暂停校内活动
据香港特区教育局14日发布消息,要求所有学校三天内完成考试,或推迟、取消考试,学校15日起暂停所有校内活动两星期,包括所有补课及课外活动。
慢性肾脏病第五期:末期肾脏病变,出现尿毒症状Nat Med:开发出新型AI诊断工具,不需进行检测就能预测COVID-19感染风险美研究:糖尿病患者死于新冠肺炎的风险是正常人的四倍何谓伊维菌素?长庚大学:这个菌素可抑制新冠病毒
2020年5月19日讯/生物谷BIOON/—当中国香港特别行政区确诊出任何人类COVID-19病例时,有关人士会被送到医院进行治疗,而被视为“密切接触者”的家庭接触者则会在指定的中心接受隔离。患上这种疾病的宠物主人可选择由香港渔农自然护理署(AFCD)照顾和隔离他们的猫和狗。从这些动物身上采集样本,以评估它们是否感染了SARS-CoV-2,并协助确定管理隔离中动物的最佳方法,包括选择把动物送还给它们的主人的时间。截至3月27日,已有15只狗和7只猫从已知有COVID-19病例的家庭中隔离并接受了测试。在此期间,来自中国香港大学的研究人员根据病毒学检测结果,发现两只狗已被SARS-CoV-2感染。相关研究结果于2020年5月14日在线发表在Nature期刊上,论文标题为“Infection of dogs with SARS-CoV-2”。 llen i can have bro e port them
研究结果
病例一为一只17岁的绝育雄性博美犬,之前已患有多种疾病,包括II级心脏杂音、全身性和肺动脉高压、慢性肾脏疾病、甲状腺功能减退和既往肾上腺皮质亢进史。它的主人是一名60岁的女性,于2020年2月12日出现症状,2020年2月24日被诊断为COVID-19疾病。家中一名女佣于2月16日发烧,随后被确诊为感染。 2月26日,该家庭其余3名成员被送往隔离中心,其中1人于3月7日确诊为感染。
这只狗于2月26日被转送至由香港渔农自然护理署管理的收容所,并收集它的鼻腔、口腔、直肠拭子以及粪便样本。这些研究人员另外还6次从这只狗身上收集用于病毒检测的样本。 3月3日采集了它的血液样本进行血清学检测(如图1所示)。在整个隔离期间,这只狗一直保持精神抖擞,临床状况无明显变化。
图1事件时间表。(图源:生物谷)
在2月26日至3月9日期间从狗病例一身上连续采集的5个鼻腔拭子样本中,采用定量RT-PCR检测到样本中的SARS-CoV-2 RNA(表1)。直肠和粪便样本均为阴性。试图对病毒进行培养,但没有取得成功。鉴于病毒载量较低(每毫升样本的病毒载量为75102至26104个RNA拷贝),病毒培养不太可能成功,这是因为在人类COVID-19患者中,当每毫升样本中的病毒载量小于106时,病毒分离成功的可能性较小。
表1对狗的鼻腔、口腔拭子的RT-PCR检测结果以及血清学结果(图源:生物谷)
病例二为一只2岁半的雄性德国牧羊犬,健康状况良好。它的主人于2020年3月10日出现症状,于3月17日被诊断为COVID-19。在3月18日至30日期间,这些研究人员从这只狗身上5次采集了样本。前两次采集的口腔和鼻腔拭子样本均呈阳性(表1)。 3月18日采集的直肠拭子样本在六次检测中,有四次均呈阳性,其Ct值(病毒载量较低)均高于口腔和鼻腔拭子样本中的相应数值。在3月18日至30日期间,他们对这户家庭中饲养的第二只狗只进行了5次采样,病毒RNA检测均呈阴性。
在2020 年3 月3 日从病例一 身上收集血清样本,2020 年3 月19 日、23 日及30 日从病例二 中身上收集血清样本,然后利用90%蚀斑减少中和试验(PRNT90 )测试SARS-CoV-2抗体。病例一血清中的PRNT90抗体滴度为1:80,病例二的抗体滴度为<1:10(3月19日)、1:40(3月23日)和1:160(3月30日)。 3月30日,病例二所在家庭中的第二只狗的抗体仍为阴性。 20只对照狗血清测试结果为PRNT90中和抗体阴性。
讨论与结论
这些研究结果表明,这两只狗被SARS-CoV-2感染。已知ACE-2是这种病毒的进入受体,狗ACE-2与人类的ACE-2相似。在已知参与ACE-2与SARS-CoV-2刺突蛋白(S蛋白)受体结合域(RBD)之间相互作用的18个氨基酸中,有5个氨基酸在人与狗之间存在差异,但是这5个氨基酸中没有一个位于已知会破坏SARS-CoV RBD与ACE-2之间相互作用的区域。
有证据表明,SARS-CoV-2可以发生人与动物之间的传播。在这项新的研究中,这些研究人员没有关于这种病毒是否会在狗身上引起疾病的信息,但在这两只受感染的狗出现病毒脱落期间,在它们的身上都没有看到具体的临床体征。这只博美犬在结束隔离送还给主人的两天后死亡,这很可能是由于之前的基础疾病,但没有得到狗主人允许进行尸检的同意。被感染的狗是否会将这种病毒传染给其他动物或传回给人类,目前仍是未知数。这只德国牧羊犬的主人还饲养了第二只杂交狗,在第二只狗中既没有检测到病毒RNA,也没有检测到抗体反应,这说明这两只狗之间并没有发生病毒传播。
香港这两个狗病例表明在感染SARS-CoV-2的家庭中,狗也可以被感染。一项对来自人类社区传播SARS-CoV-2的地区的狗、猫和马的4000个样本进行的调查没有发现任何阳性结果,这表明这种病毒没有在宠物动物中广泛传播。该调查研究没有像这项新研究那样,专门研究来自COVID-19患者家庭的狗。一项在其他地方进行的针对5只6周大的猎犬的病毒挑战研究表明,有2只狗在病毒挑战两天后的直肠拭子中发现了血清转化,并在直肠拭子中检测到病毒RNA,有1只狗在第6天的直肠拭子中发现了病毒RNA,不过在口咽拭子中未检出病毒,鼻腔拭子未收集。这项新研究的结果表明,与口腔拭子相比,鼻腔拭子中的病毒载量更高,病毒脱落时间更长。该实验性病毒挑战研究报导了猫的鼻粘膜和其他组织中含有大量的病毒,并有足够的病毒脱落,从而允许病毒在猫与猫之间传播。最近有报导指出,在比利时有一只猫与确诊病例接触后经检测呈病毒阳性。在这项新研究截止日期之后,在香港特别行政区的一只猫体内检测到SARS-CoV-2病毒RNA。这只猫来自一个有确诊COVID-19病例的家庭。
这些研究结果以及2003年非典型肺炎(SARS)疫情爆发期间的动物测试结果,对管理SARS-CoV-2感染者所饲养的哺乳动物宠物带来潜在的影响。没有证据显示家养动物对SARS疫情传播有任何影响。然而,从预防的角度来看,COVID-19病例饲养的宠物可以被隔离,并进行病毒学检测,就像香港正在做的那样。
这些发现也对未来SARS-CoV-2前体病毒的人畜共患病传播事件有影响。菊头蝠被认为是SARS-CoV-2的前体病毒的天然宿主。根据应对冠状病毒SARS-CoV的经验,中间宿主很可能是病毒在蝙蝠与人类之间传播的桥梁。狗、其他犬科动物和猫科动物在野生动物动物市场内或附近出售或发现,而这些动物可能是SARS-CoV-2病毒最初的人畜共患传染源。在调查这种病毒的来源时,应对它们进行检测,以确定它们是否在病毒溢出事件中起作用。
生活不易,小编叹气。只能写写资讯聊以自慰了。今天天气不错,正适合读读最新资讯放松一下。
近来,一个关于美国和欧洲疫情数据的神预测的日更博客,在网上火了。
到底有多神呢?略举二三,如下:
- 3月27日起的连续10天里,该博客对美国感染人数的预测准确率都在90%以上,其中在4月4日准确率接近100%。
- 3月31日,该博客预测美国疫情将在8-10天内当检测人数超过200万的时候出现断崖式下跌;7天之后,也就是4月6日,美国疫情数据出现断崖式下跌,增幅从1243%降为813%这篇文章引起了巨大反响,阅读量超过134万。
- 3月27日以来,该博客对欧洲感染人数的每日预测平均准确率达到97%,其中在4月份的前五天,预测准确率接近100%。
李志斌对美国感染人数的预测,准确率高达90%
对此,有网友评论称:大神,病毒都听你的,绝了。
要知道,新冠肺炎疫情的爆发是一个涉及到政治、经济、地理等诸多复杂因素的全球性重大公共事件,对具体人数的预测听起来就像是天方夜谭,准确率更是一门玄学所以,能够实现上述的预测成绩,这个博客背后的博主堪称是当代神算子了。
那么,这位神算子是怎么炼成的?
清华大学毕业+8年市场预测经验
这个博客背后的博主,也就是神算子本人,名为李志斌。
李志斌,1980到1985年就读于清华大学计算机系,1985到1994年,他就读并就职于中科院,三十岁担任副研究员、产品部主任、所长助理,1994年移居新西兰,后定居香港至今,现任香港致佳物流软件有限公司、香港易经科技有限公司总经理。
李志斌博客截图
在李志斌所在的这两家公司中,前者的主营业务是物流系统开发;后者有香港中文大学背景,主要业务是市场需求预测,也就是为企业提供在未来3到6个月内特定区域的产品需求、价格波动等方面的数据分析和预测。
李志斌表示,他从2012年开始进入数据分析和预测领域,由于易经公司的香港中文大学背景,李志斌也从教授们那里耳濡目染学了不少东西。
另外,从技术层面来说,李志斌在清华大学计算机系的学习经历,也让他在软件建模、大数据分析等方面已经形成一个完备的知识体系;同时,清华大学的理工科学风和背景,也让他更加重数据、重证据、重例举,而不是重结论。
所有这些加起来,让李志斌对数据非常敏感。
去年底今年初,武汉开始报告病例,香港也出现疑似新冠病毒患者,这让长期身在香港的李志斌颇为警惕;到了2020年1月7日,香港特别行政区政府宣布新冠肺炎为法定传染病,并开始向公众通报疫情数据,由此,李志斌开始了对新冠肺炎相关数据的追踪。
从那时开始,李志斌每天早上起来进行集中数据采集,一开始只是武汉、湖北、香港的数据,后来是内地其他地区数据,到了1月下旬,开始收集海外数据,并整理成Excel表,同时开始利用自己的专业知识进行数据建模,并结合新闻中的数据对官方通报数据进行分析和判断。
最初,李志斌只是在清华的同学群里分享数据和观点,后来也每天花出30分钟的时间来博文,并发表在新浪博客上。如今,这已经形成了每天的习惯。
当然,对于李志斌而言,除了对常规的数据进行收集、整理和分析之外,他也在不断结合自己的专业知识来构建一个数据模型,并且不断对这个模型进行参数补充和验证,使之达到预期中的效果。
到了3月27日,李志斌在数据模型已经趋于稳定的基础上,第一次给出了针对美国感染情况的预测数据;3月28日,他又给出了针对欧洲感染情况的预测数据。
李志斌对欧洲感染人数的预测,平均准确率高达97%
在他的预测中,不仅仅包含感染病例数量,还包括感染增速、峰值时间、总感染人数、总死亡人数、死亡率等数据当然,感染人数是他用来衡量预测准确率的最为重要的指标。
就连李志斌自己都没有想到,自己的预测数据会那么准。
但是李志斌强调,没有人可以100%准确预测未来,一定要滚动预测。
他表示: 预测是一个动态过程,因为好多即时措施、事件等突发因素,是无法预测的,这个时候需要把这些突发事件和决定等因素变成对参数的调整,反馈到预测模型中,使之运行更加准确。我的预测模型、预测参数也在不断完善过程中。
再好的软件也不能100%预测准确
李志斌的预测,离不开两个核心要素:数据,和预测模型。
首先是数据的可信度问题。在采访中,李志斌表示,自己从1月份开始每天收集数据,一开始只有武汉和香港有数据,一直到现在,每天收集上百个国家和地区的数据。
李志斌强调,在数据收集和分析的过程中,一定需要甄别数据冲突的出现;尤其是在官方通报的数据量比较大的情况下,会用好多方法包括新闻数据去检查不同地区的数据之间可能存在的数据冲突,数据冲突点越多,数据的可信度越低。
同时,在判断数据真实性的过程中,要看数据发布的速度;数据发布频率越高,那么可信度就会更高一些而南亚、东南亚地区发布的数据比较少、比较慢,可信度就会打折扣。
来自美国CDC官网的疫情情况
另外,在对数据的可信度进行判断时,还可以借用新闻数据来做对比。李志斌告诉雷锋网,比如说,医生和病人之间的比例是比较稳定的,那就可以用新闻中报道的医疗人员数量,来反推病人数量。
他表示,其实,所有的数据都可能存在一些人为的误差或者统计误差,没有任何地区的可信度是百分之百;但是相对来说,美国的数据冲突比较少,在可信度上高一些,欧洲的数据可信度次于美国,因为西欧与东欧之间的不平衡,所以会取平均值。但印度、东南亚、日本等地区的数据就似乎存在一些问题,数据发布慢、数据冲突点较多,影响了数据可信度的设置。
到二月底,在之前以国内数据为基础建模、验证的基础上,李志斌开始对美国、欧洲两个地区进行疫情数据预测。于是,在数据的基础之上,李志斌打造了一个预测模型实际上,这是一个极为复杂的模型,加起来有上百个参数,其中重要的参数有二三十个,分为以下三类:
第一类是疫情参数不同地区/国家/城市确诊人数、人口、每日新增确诊人数、疑似人数、每日检测人数、死亡人数、治愈人数、在诊人数、入院人数。
第二类参数与地区/城市/国家特征相关城市类型、人口密度、气温、天气、城市60岁以上老年人口比例、城市平均年龄、城市建设情况。
第三类参数是关于资源和管治能力医疗资源、病床数量、社会组织能力、信息透明度、管理方式等等。
李志斌表示,在实际的操作过程中,一般是先用Excel收集数据,然后导入到后台数据库中,在用自己开发的软件模型来得出三个结论,最后自己会再人为地就结果进行判断他强调,有很多参数是不能量化的,比如说社会情绪;所以需要人为参与。
他还表示:再好的软件也不能百分之百预测准确。
当大船和小船同时遇见冰山
毕业于清华大学的李志斌,有着超越数据分析之外的超前洞见和思维。
比如说,在建模过程中,李志斌是从国内的数据开始的,这些数据不仅对李志斌的建模过程产生了重要影响,也让他得出了一些观察。于是,武汉封城前一天,他就在自己所在的清华80同学群里和同学们分享了两个想法:
一是武汉应当立即封城,因为数据上升太吓人;
二是在湖北尤其是武汉地区快速建立二三十个网格式野战医院,作为隔离救治中心,所谓野战医院,也就是后来的方舱医院,因为疫情发展太猛,隔离病人是比治疗更为关键的防控措施。
这些想法在同学群里引起了很多讨论,当然也有质疑和反对,但更多的是同学们的积极参与,并提出了好多更好的想法和建议,获益良多。后来的事实证明,这些想法都是中肯的,并且也被官方后续采取的措施所印证其中关于野战医院等想法更是超前了两周。
除了上述建议,李志斌还在数据分析和模型构建的过程中发现,成为疫情爆发点的城市往往具备几个特征:
老城区;
气候潮湿;
气温5-15度;
下水系统老化;
老年人比例高。
值得一提的是,在不同国家的疫情爆发城市,如中国武汉、韩国大邱、意大利米兰、伊朗德黑兰、美国纽约等,都大致符合这些特征。
对于这些特征的归因,李志斌强调,其中夹杂了个人的主观合理猜测,但也经过一系列的结果验证,最终才体现在预测结果中。
他还表示,实际上,在参数中,还涉及到社会组织方式、管理模式、社会信息透明度等问题,所以他在预测中也会把结果设定为悲观或乐观。
如果按照李志斌在在4月4日给出的悲观预测结果,他对美国感染人数的总体预测准确率高达96%。
李志斌对美国感染人数的预测,准确率高达96%
不过,在专访中,尽管有人为参与,但李志斌还是强调了数据在决策中的绝对地位。他表示,即使是抛开疫情不谈,在一个日常的决策过程中,数据的重要性可以说是百分之百的;这些数据不仅仅要真实,而且要全面,还要透明,即使在后续过程中有人的参与,也是要基于这些数据判断而来的数据,正是决策的基础。
那么,基于数据的决策,有多大的覆盖面呢?
李志斌认为,即使是新冠肺炎疫情这样的颇具偶然性、又包含政治、经济等复杂社会因素的群体性公共事件,也是可以预测的。
他表示,类似于传染病的情况,它的发展存在着一种特定的模式,偶然之中有规律在,我们也许无法掌握100%准确的规律,但是在一定的规律占比下,我们依然可以做出一些判断和决策当然前提是巨大的有效数据量。
由此,李志斌还谈到了一个有趣的比喻:
一只大船和一只小船,在突然遇到冰山时,它们势必要拐弯;但相对来说,大船的结局显然更具有可预测性。小船一下子就改过来了,但大船的体量太大,有一个惯性,因此它有更大的可能性撞上冰山这个惯性就是规律,而船的体量本身,就是数据量。
数据量越大、数据越准确、相关信息越透明,这种群体性事件发生的时候就越容易预测、且预测越准确李志斌最后如是说。
欲要知晓更多《准确率一度100%!清华校友神预测美国疫情》的更多资讯,请持续关注深空的科技资讯栏目,深空小编将持续为您更新更多的科技新闻。
本文来源:深空游戏 责任编辑:佚名王者之心2点击试玩
香港特区政府卫生署卫生防护中心传染病处主任张竹君表示,截至今天凌晨零时,香港新增113例新冠肺炎确诊病例,包括105例本地确诊病例和8例输入性病例,创疫情以来单日新高。有42例本地确诊病例与之前的病例相关,有63例源头不明。累计确诊病例增加至2132例。
鉴于目前香港的新冠肺炎疫情形势,港府今天下午宣布进一步收紧防疫措施:
1、香港通关隔离规定:延长若干到港人士强制检疫安排至9月7日;
2、关于疫情“限聚令”的有效期限延长至全年,“限聚令”生效期延长至12月31日。
3、从07月23日起在公共交通工具转乘处及总站,以及任何的室内公共场所,都需要强制戴口罩,相关新措施为期14日,直至8月5日
4、过去14日曾身处孟加拉、印度、印尼、尼泊尔、哈萨克斯坦、巴基斯坦、菲律宾、南非和美国,以上9个地区的抵港人士必须提供72小时内新冠病毒核酸检测结果,以及到港预订酒店证明,规定将于7月29日生效。
未来一至两周是疫情发展关键,政府不排除采取更严厉防疫措施,呼吁市民尽量留在家中,避免不必要的社会活动。
欢迎分享,转载请注明来源:浪漫分享网
评论列表(0条)