欢迎加入官方 QQ 用户交流群,群号: 960855308

有任何问题或者新的计算器添加都可以提出,我们负责免费修正和实现提高你的工作效率。

在传染性为每次接触 {{ transmissibility }} 例感染,接触率为每单位时间 {{ contactRate }} 例接触,以及传染期为 {{ infectiousTime }} 单位时间的情况下,基本再生数 (R0) 为 {{ r0.toFixed(2) }}。

计算过程:

1. 使用公式:

R0 = t * c * d

2. 代入数值:

R0 = {{ transmissibility }} * {{ contactRate }} * {{ infectiousTime }}

3. 执行计算:

{{ r0.toFixed(2) }}

分享
嵌入

R0 计算器:确定传染病的基本传染数

创建者: Neo
审核人: Ming
最后更新: 2025-06-10 10:46:10
总计算次数: 1017
标签:

理解如何计算基本传染数 (R0) 对于流行病学家、公共卫生官员和研究人员控制传染病的传播至关重要。本指南探讨了 R0背后的科学原理、它在疾病建模中的重要性以及实际例子,以帮助您更好地理解其影响。


为什么R0重要:疾病传播的关键指标

基本背景

基本传染数 (R0) 代表在一个完全易感人群中,由一个个体感染者产生的平均继发感染病例数。它在以下方面起着关键作用:

  • 流行病学建模:预测疾病的传播
  • 公共卫生干预:设计减少传播的策略
  • 疫苗接种阈值:计算群体免疫水平
  • 资源分配:规划疫情期间的医疗保健能力

R0 取决于三个关键因素:

  1. 传染性:病原体从一个人传播到另一个人的容易程度。
  2. 接触率:个体之间相互作用的频率。
  3. 传染期:感染者保持传染性的时间。

精确的 R0 公式:简化复杂的流行病学模型

这些因素之间的关系可以用以下公式表示:

\[ R_0 = t \times c \times d \]

其中:

  • \( t \):传染性(每次接触的感染数)
  • \( c \):接触率(单位时间内接触次数)
  • \( d \):传染总时间(时间单位)

例如:

  • 如果 \( t = 0.75 \),\( c = 4 \),且 \( d = 6 \): \[ R_0 = 0.75 \times 4 \times 6 = 18 \]

这意味着,平均而言,每个感染者在一个完全易感人群中会将疾病传染给其他人。


实用计算示例:R0的实际应用

示例 1:麻疹爆发

情景: 发生麻疹爆发,其中:

  • 传染性 (\( t \)) = 0.9
  • 接触率 (\( c \)) = 15
  • 传染期 (\( d \)) = 7 天
  1. 计算 R0:\( R_0 = 0.9 \times 15 \times 7 = 94.5 \)
  2. 意义: 麻疹具有非常高的 R0,因此疫苗接种对于控制其传播至关重要。

示例 2:流感季节

情景: 流感季节,其中:

  • 传染性 (\( t \)) = 0.3
  • 接触率 (\( c \)) = 10
  • 传染期 (\( d \)) = 3 天
  1. 计算 R0:\( R_0 = 0.3 \times 10 \times 3 = 9 \)
  2. 意义: 与麻疹相比,流感的 R0 较低,但仍需要采取重要的公共卫生措施。

R0 常见问题解答:专家解答以了解疾病动态

问 1:R0 值大于 1 意味着什么?

R0 大于 1 表示每个感染者平均会感染不止一个人。 除非实施干预措施(例如隔离、疫苗接种),否则会导致病例数量呈指数增长。

问 2:R0 会随时间变化吗?

是的,R0 会因人口密度、行为改变和干预措施等因素而异。 例如,封锁和保持社交距离可以有效降低接触率 (\( c \)),从而降低 R0。

问 3:R0 与群体免疫有何关系?

当人群中有足够多的人具有免疫力(通过疫苗接种或先前感染)以阻止疾病传播时,就会发生群体免疫。 群体免疫的阈值取决于 R0,可以计算为:

\[ \text{群体免疫阈值} = 1 - \frac{1}{R_0} \]

对于麻疹 (\( R_0 = 94.5 \)): \[ \text{阈值} = 1 - \frac{1}{94.5} \approx 99\% \]


与 R0 相关的术语表

理解这些关键术语将增强您对疾病动态的掌握:

传染性: 在感染者和易感个体之间接触期间传播疾病的概率。

接触率: 人群中个体之间互动的频率。

传染期: 感染者可以将疾病传播给他人的持续时间。

群体免疫: 人群中有足够比例的人具有免疫力,从而降低了疾病传播的可能性。


关于 R0 的有趣事实

  1. 疾病之间的差异: 像麻疹这样的疾病具有极高的 R0 值(高达 18-20),而像埃博拉这样的疾病具有较低的 R0 值(大约 1.5-2.5)。

  2. 干预措施的影响: 公共卫生措施(如口罩、疫苗和隔离)可以大大降低有效 R0(表示为 Re 或 Rt),即使内在 R0 仍然很高。

  3. 历史意义: R0 最初是在 20 世纪初引入的,用于对疟疾等疾病的传播进行建模,此后已成为现代流行病学的基石。