近期，北京大学北京国际数学中心、北京大学大数据分析与应用技术国家工程实验室的周晓华教授团队就非药物干预措施和新冠病毒对抗等在季节性流感传播中的作用在《中国工程院院刊》(Engineering)发表长文(Research Article)，题目为(Influenza’s Plummeting during the COVID-19 Pandemic: The Roles of Mask-Wearing, Mobility Change, and SARS-CoV-2 Interference)。

季节性流感活动通常在冬季达到高峰，但在新冠大流行期间急剧下降。分析比较单个新冠非药物干预措施和SARS-CoV-2干扰在季节性流感活动中的作用，对未来的季节性流感以及感冒大流行防控意义重大。

周晓华教授团队研发基于国家/地区的估计模型，以研究戴口罩、限制人口流动性（包括国际旅行限制和国内人口流动限制）等非药物干预措施以及新冠病毒(SARS-CoV-2)对流感病毒对抗性在季节性流感流行降低中的作用。研究发现，相比限制国际旅行和国内人口流动，戴口罩对流感防控效果更好，且在有效药物和疫苗的前提下，更符合降低疾病负担目标。戴口罩干预增加一周可使流感活动降低11.3%–35.2%，而为期一周的国际和国内人口流动限制对流感病毒传播影响较小，分别为国际(1.7%–6.5%)和国内社区(1.6%–2.8%)。在2020-2021流感季中，戴口罩干预措施减少13.3–19.8流感阳性率。限制人口流动措施减少5.2–14.0流感阳性率，其中79.8–98.2%归功于国际旅行限制。此外，研究提示存在新冠病毒对流感病毒的病毒对抗性，但其统计显著性依赖于新冠病毒和流感病毒在人群范围内的流行强度。在中国北部和英国，新冠病毒的对抗特性在2019–2020年分别减少7.6(2.4–14.4)和10.2 (7.2–13.6)流感阳性率。

Fig. 1. Estimated influenza activities under the mask-wearing order alone and no intervention as well as the observed activity. (a) Weekly percent positivity in 2019–2020 season for northern China. (b) As (a), but for southern China. (c) As (a), but for England. (d) As (a), but for the United States. (e) As (a), but in 2020–2021. (f) As (e), but for southern China. (g) As (e), but for England. (h) As (e), but for the United States. Shaded area refers to 95%CI.

Fig. 2. Estimated influenza activities under the mobility change alone and no intervention as well as the observed activity. (a) Weekly percent positivity in 2019–2020 season for northern China. (b) As (a), but for southern China. (c) As (a), but for England. (d) As (a), but for the United States. (e) As (a), but in 2020–2021. (f) As (e), but for southern China. (g) As (e), but for England. (h) As (e), but for the United States. Shaded area refers to 95%CI.

Fig. 3. Estimated influenza activities under the scenarios with no SARS-COV-2 transmission and with SARS-COV-2 transmission, both without COVID-19 NPIs. (a) Weekly percent positivity in 2019–2020 season for northern China. (b) As (a), but for southern China. (c) As (a), but for England. (d) As (a), but for the United States. (e) As (a), but in 2020–2021. (f) As (e), but for southern China. (g) As (e), but for England. (h) As (e), but for the United States. Shaded area refers to 95%CI.

周晓华教授

北京大学讲席教授、北京大学大数据分析与应用技术国家工程实验室数据预处理及统计分析中心主任、北京大学生物统计系主任，北京大学国家药品医疗器械监管科学研究院副院长，北京大学北京国际数学研究中心生物统计及生物信息实验室主任，北京大数据研究院中医大数据中心主任。先后担任美国印第安纳大学生物统计助理教授，副教授，美国华盛顿大学生物统计系教授，美国国家阿尔茨海默病协调中心副主任，国际生物统计学会中国分会(IBS-China)理事长，中国现场统计研究会生物医学统计学会会长，美国科学促进会会士(Fellow)，美国统计学会会士(Fellow)，数理统计研究院会士（Fellow）。美国联邦政府食品和药物管理局（FDA）医疗器械和放射健康顾问委员会委员。荣获美国联邦政府授予的研究生涯科学家奖、中国国家自然科学基金委海外杰青，中国教育部高层次文教专家，中国教育部海外名师等荣誉称号，获美国统计学会贝叶斯分析科学分会及国际贝叶斯统计科学学会Mitchell奖，中国产学研合作创新奖，SCIENCE CHINA-Mathematics评选的年度优秀论文奖。研究方向主要集中于医学诊断学的统计方法，随机临床试验中的设计及统计方法，因果推断分析方法,医疗大数据，缺失数据，新兴传染病的数学和统计建模，脑科学，卫生经济，卫生服务，中医药研究等领域发展新的统计方法，做出了许多重要贡献，在国际顶尖的统计和生物统计期刊J.R.Statist.Soc.B、JASA、Biometrika、Annals of Statistics、Biometrics、Statistics in Medicine等发表SCI学术论文260余篇，其中130余篇是第一或通信作者。先后任生物统计学顶尖期刊Biometrics, Statistics in Medicine, Journal of American Statistical Association - Theory and Method副编辑，也是国际生物统计学会中国分会会刊Biostatistics & Epidemiology主编。

转载本网文章请注明出处