Pinned post

大家都饭串我也来记一些撸铁人の饭 

9.20
早饭:蛋白粉+奶粉冷水冲,蛋白棒一根
午饭:轻食咖啡店的自选套餐,里面是牛肉+鸡肉+迷你微微小土豆+生菜底,还点了杯半份奶的拿铁
晚饭:牛排+黄瓜
刚刚又吃了个橘子,睡前应该还会再来一杯蛋白粉。
无趣的一天。

Pinned post
Pinned post
Pinned post

我就是精神邱尼!精神邱尼就是我!

Pinned post

羊驼会用毛象说这些话: 

喜欢阿宝,喜欢鸭鸭,喜欢喜欢鸭鸭的阿宝,喜欢喜欢阿宝的鸭鸭,喜欢喜欢鸭鸭的阿宝和喜欢阿宝的鸭鸭扭打在一起,喜欢喜欢鸭鸭的阿宝把喜欢阿宝的鸭鸭弄得脏兮兮。

羊驼拼胶,羊驼买胶,羊驼辱骂万代和倒狗。

羊驼的猫,羊驼的狗,羊驼的乱七八糟东西。

变壮 boosted

《爱糙笔的进》
进去一看:粗糙G笔,粗糙毛笔,粗糙铅笔。

变壮 boosted

脑子突然有巧对咖喱说 

我吃过的几把比你吃过的苦都多………,

变壮 boosted

什么时候人类才可以理解小猫视频只需要原片直出就好了,不用帮它们说话也不用配tiktok音乐还有特效,让小猫视频回归小猫谢谢大家

:blobcateyes: 有一种童年真的结束的感觉。(三旬老妪说啥呢)

:blobcateyes: 妈的,怎么我的课就是25号才结课啊啊啊啊啊我想放假

因为一些事情打电话找学生家长,对面:
“除非是找我收尸不然不要找我。”
我:????

妈的这姨妈多得安心裤都兜不住

这次姨妈怎么这么多……紧急买了安心裤换上了……

变壮 boosted

更正一下,这篇文章是今年5月就出来的,所以推特上大家重新开始的讨论真的是因为关注到了国内的抗议。然后又看了一遍,有一些信息想分享。因为并不是学epi的,所以我对这些模型和计算本身并不太懂,只能试图解读一下结果。写得比较急,如果有错误的地方欢迎指出。 

【太长不看的请直接拉到💡处,虽然还是希望有兴趣的朋友可以完整地看一下_(:з」∠)_】

如上条嘟文所说,这篇论文是基于上海今年三月初的地域性omicron流行爆发的数据而建立的模型,用以在当时预测omicron在全中国流行的情况。

它先设置了一个baseline condition,模拟中国在放开清零政策后的六个月内(从文中的时间点出发则为2022.3-2022.9)新冠流行的情况以及相应造成的医疗/死亡情况。在此基础上,模型又预测了当植入不同政策(封控、抗病毒药物、加强针、为老人接种疫苗,etc.)时,会造成什么样的后果。

以下为此模型的baseline condition:1)20个omicron感染者进入中国,2)起始R值=3.9 ,3)灭活加强针以每天五百万的速度派发,4)90%的已接种完疫苗六个月的人去打加强针(非混打),5)按照香港与巴西的omicron wave所计算的疫苗效果,6)没有抗病毒药物。

模型显示,在没有严格NPI(非药物性干预,指封控)的情况下,baseline condition在六个月之内将出现1.12亿的有症状感染者,510万非ICU住院需求,270万ICU住院需求。(论文于2022年3月投稿,此模型模拟的是2022年3月到9月的情况,预测main wave是在5月-7月发生。)

还按照不同年龄模拟了不同地区的住院情况。这里也不详细重述了,放一些我觉得重要的点:
💡90%以上ICU需求将来自于60岁以上人群,而74.7%的死亡将来自未接种疫苗人群中的60岁以上人群。
💡全中国拥有的呼吸科床位比模拟的呼吸科住院需求峰值要高,但是模拟的ICU住院需求峰值是现有的中国ICU床位的15.6倍,预计会造成大约44天的ICU床位短缺。

以上是较为乐观的估计。如果考虑到omicron的免疫逃逸能力,情况会更严重。

接下来是我认为比较值得思考的数据。

Fig.3 模拟了在较为乐观的疫苗效果的情况下,六个月内中国在不同政策下会经历的床位与ICU短缺。我们重点来看panel b中ICU的情况:
最底下的淡绿色线是中国的ICU床位。可以看到的是最低的curve是淡紫色的线,也就是预测了「100%的有症状感染者服用抗病毒药物,且药物降低重症风险的有效率为89%」这个情况会造成的ICU住院人数,这是最接近现有ICU床位数值的。其它任何情况(包括停学停工,以及可以让R值达到3.0或2.0的NPI)都远超中国ICU的承受能力。

Fig.4 用bar graph 更直观地看一下累计结果,也可以看出抗病毒药物的服用与有效率大概是最有可能降低医疗挤兑风险的。(make sense,但个人觉得实际情况下抗病毒药物的效果不好说)

比较不懂的是文章说停工停学与R=2的NPI可以delay wave半年,虽然看出来是flatten the curve了,但是它还是超过ICU床位很多啊……然后文章也直接说不评估它们的最后效果了,emmm🤔

💡总之很明显,任何单个的策略都不足以对抗omicron wave造成的ICU短缺。

所以接下来看看不同政策叠加起来的Fig.5,重点还是panel b 的ICU床位情况:

全国有63527个ICU床位,齿轮外侧的数字显示了模型中各策略组合下ICU床位的需求,橙色的是未超出ICU承受能力的策略组合。其中可以看到,在结合了加强针(混打)、给老人接种疫苗、让所有有症状感染者服用防重症效率为89%的抗病毒药物这三个策略时,哪怕R值是3.9,ICU都不会过载。
在加强针(非混打)、给老人接种疫苗、使用维持R=3的NPI时,即使所有有症状感染者服用的抗病毒药物的防重症效率为80% ,ICU也不会过载。

💡总体就是,在对抗omicron wave导致的医疗资源挤兑时,给老人接种疫苗&广泛提供有效的抗病毒药物是最重要的。如果这两个条件无法达成,那么就需要用封控来达到小于2的R值,以控制医疗资源挤兑。

关于R值:(我不是学公卫的所以我真的懂得很有限,只能说一下我个人的认知,希望懂的人赐教……)
R=2意思就是如果100个人感染那就传给200个人,然后这200个人再传给另外400个人……以此类推。R>1代表感染正在爆发,R<1一般说明感染被控制住了。但R值也只是一个parameter,并不能绝对地代表什么。如果想对模型预测中的R值大概有个概念,可以参考文中提到的一些,包括:2021年冬天英国与印度的omicron wave的R值都小于等于3(虽然查原文献发现当时英国好像R=4?浅查了一下英国当时的lockdown policy是戴口罩+建议wfh+出入大型活动需出示covid pass…一会儿去看看印度的),上海今年3月初的情况为R=3.4,而上图看到的停工停学的curve和R=2的curve差不多。当然了肯定是不能把R值和封控的严格程度直接关联起来,但就是稍微作个参考?毕竟封控到底多有效还是蛮难评估的……

Note:模型和现实总归有偏差,只能作为参考,且这是今年三月提交的论文,这期间政策的执行、病毒的传播、毒株的变种等等都出现了新变化。抗病毒药物的可靠性也值得进一步考证。这些在解读时都需要注意。

再次,如果这篇嘟文因为我的疏忽或者无知而出现一些错误信息或者对原论文的误读,我先在此一并道歉🙇欢迎大家指出我的错误或者和我讨论!

Show thread
变壮 boosted

穷鬼来问问象友全年可支配收入 

*这里的收入姑且包括学生党的生活费、津贴与奖学金等。
*以防万一有人不安:本人对投票结果不做任何分析研究与传播使用。
*以下数值单位是人民币。

感谢后勤师傅过来把空调暂时捣鼓好了……(但是好像有个东西还是得换不过要找厂商但是现在学校财务马上要封账找外面人来修没法及时给维修费。)

说到进球庆祝动作……三次元蹴鞠球场上激素作用下一帮直男真的什么都做得出来当着几万人和全世界直播的面滚草皮简直可以说是家常便饭。

好冷啊……还赶上姨妈超级加倍这逼办公室是一天都待不下去了

Show older
呜呜 w(> ʌ <)w

一个 泛ACGN 实例,讨论主题不限 ~