最近，在针对covi危机研究中，博科尼大学的教授emanuele borgonovo和博科尼统计学博士、现任爱丁堡大学的助理教授lu xuefei的新研究使用敏感性分析技术证明，政策变量比传染病内在特征在感染者数量方面的相关影响力更大。
标准流行病学模型seir
他们使用截止到2020年4月20日的有关公开可用数据，结合标准流行病学模型seir，推论出6个关键变量：
protection rate 保护率：由于实施公共距离政策或戴口罩规定，引入接触者追踪应用等公共卫生政策而使易感人群变得不敏感的比率
infection rate 感染率
average latent time 平均潜伏时间
quarantine rate 隔离率
number of initially infecte iniviuals 最初感染的人数
time of intervention 干预发生的日期
敏感性分析强调指出，诸如干预时间和检疫率之类的政策变量比控制变量的内在特征更为重要。
学者们还估计出发布封锁政策与措施完全生效之间的时间间隔：5天，这些结果也符合当前经济研究的讨论。
emanuele borgonov总结说：“这项研究证实了敏感性分析对决策者制定措施有建设性的意义，它不仅表明政策变量是大流行遏制的关键驱动因素，而且还表明变量之间没有太多的相互作用，即，其中一个变量的变化显示出自己的作用，而与另一个变量的变化无关。”
文转自留意风向标
