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！