哈佛大学陈曾熙公共卫生学院的Hay等开发了一种方法，使用聚合病毒载量数据更准确地监测流行病。

通过qPCR检测到的病原体数量的统计模型，来估计归因于每种病原体的人口水平的发作比例。类似的应用已被用于将重症肺炎和急性发热性疾病的病因归因于疟疾。

病原体检测主要用于诊断感染。流行病学家在病例报告中积累这些检测结果以进行疾病监测，这是公共卫生的基石。在新冠肺炎大流行期间，世界各地的卫生机构和媒体已经发布了这些数据。不过这些数据也可能因检测方式变化而产生误导。病例计数的时间序列也是用于生成它们的原始数据的主要简化；现代诊断提供的不仅仅是二元（阳性或阴性）结果，他们还估计病毒载量，这可以指示感染的阶段。哈佛大学陈曾熙公共卫生学院的Hay等开发了一种方法，使用聚合病毒载量数据更准确地监测流行病。

对于大多数病毒，当前的标准检测方法是定量（或实时）聚合酶链反应（qPCR）。当放大器处于足以产生可检测信号的水平时，反应的循环次数为循环阈值（cycle threshold, Ct）。由于较高的病毒载量在较少的反应循环次数产生信号，Ct与样本中的病毒量成反比。由于急性病毒感染遵循一种模式，即病毒载量在暴露后数天至数周达到峰值，然后下降，因此qPCR的Ct值可以指示个人感染的阶段。低Ct表明病毒载量高，因此是疾病的急性期；恢复期出现较高的Ct值（即较低的病毒载量）。但由于感染刚开始时病毒载量也很低，且个体间存在异质性，因此Ct值通常不适用于告知个体的治疗。

然而，在总体水平上，可以通过Ct值了解更多信息。为了理解这种方法，考虑一种地方性传染病，平均每个病例只感染一个人。在任何时候都趋于稳定，因为有些人正处于疾病的开始阶段，而有些人正处于疾病的末期。因此，在不断增强的流行病中，更多的病例将处于疾病急性期，而在不断减弱的流行病中，更多的病例将处于疾病末期，从而在人口水平上分别产生较高和较低的平均病毒载量（图1）。这是Hay等计算COVID-19随着时间变化的（time-varying）繁殖数（Rt）的前提。

通过qPCR进行病原体定量已被用于传染病流行病学的各个方面。结合病原体数量提高了确定传染病病因的能力。对于由一种以上病原体引起的疾病并非不重要，尤其是当它们经常导致无症状感染时。在临床样本中经常检测到多种病原体的高发病率环境中，这是最具挑战性的。例如，由于在资源匮乏的环境中，导致儿童腹泻的20多种病原体也经常在没有腹泻的情况下携带，因此检测腹泻粪便中的病原体不足以确定病因。但是，由于与腹泻的相关性随着许多肠道病原体数量的增加而增加，因此可以使用比较腹泻病例和对照组之间，通过qPCR检测到的病原体数量的统计模型，来估计归因于每种病原体的人口水平的发作比例。类似的应用已被用于将重症肺炎和急性发热性疾病的病因归因于疟疾。

人口聚集的病原体数量也在控制艾滋病病毒（HIV）方面发挥了作用。接受抗逆转录病毒治疗的个体很少传播，因此社区病毒载量已被用于量化HIV传播的风险，并监测检测和治疗（test-and-treat）控制策略。社区病毒载量通常计算为特定时间和地点所有受感染个体的平均病毒载量，可与HIV发病率相关，并具有基于HIV流行特征的可预测动态。

环境中病原体数量的监测也被用于跟踪疾病负担和干预措施。现在用于COVID-19，环境监测在根除脊髓灰质炎过程中非常重要。在污水中检测到的脊髓灰质炎病毒可在急性弛缓性麻痹病例发生之前，为病毒在社区中再次出现提供早期预警，检测到的数量已用于估计当地的感染流行率。

Hay等利用横断面调查中的病原体量化提供了一种快速、有效的方法来跟踪疾病动态。在检测能力有限的情况下，应用此方法具有特殊价值。与对有症状的个体进行不加选择的检测相比，随机抽样可以节省资源，提供更多信息。然而，存在一些限制和现实障碍。其中之一是，对于某些感染，Ct是感染阶段（如HIV）和/或症状状态（如诺沃克病毒）的不可靠指标。此外，Ct值仅代表病原体数量。实验室协议和样本取样程序的可变性在病原体负荷测量中产生干扰。此外，尽管广泛使用的qPCR平台更加标准化，但商用试剂盒往往会掩盖定量过程，只报告二元结果。用结构化随机抽样取代或补充基于症状的检测，需要在公共卫生实验室如何概念化qPCR的使用方面进行范式转换。尽管如此，利用世界各地诊断实验室已经产生的大量信息，可以成为监测COVID-19大流行和未来新发感染的重要工具。

参考文献：Perkel JM. Single-cell analysis enters the multiomics age[J]. Nature,2021, 595:614-616.