目前，新冠肺炎（COVID-19）潛伏期幾何，我們的了解仍然有限。2020年5月，美國(guó)和德國(guó)學(xué)者發(fā)表在《Ann Intern Med》的一項(xiàng)研究，從公開(kāi)報(bào)告的確診病例，再次考察了COVID-19的潛伏期。
2019年12月，中國(guó)識(shí)別出新型人類(lèi)冠狀病毒，即嚴(yán)重急性呼吸綜合征冠狀病毒2（SARS-CoV-2）。但直至目前，對(duì)其諸多關(guān)鍵流行病學(xué)特征的了解，仍然有限，包括潛伏期。洞悉新冠的流行病學(xué)特征，對(duì)監(jiān)測(cè)和控制活躍度則具有重要意義。
傳染病的潛伏期有多長(zhǎng)，為很多公衛(wèi)活動(dòng)的重要依據(jù)，包括主動(dòng)監(jiān)測(cè)、疫情監(jiān)督、控制和建模。主動(dòng)監(jiān)測(cè)措施要求潛在暴露者每日與當(dāng)?shù)匦l(wèi)生當(dāng)局聯(lián)系，報(bào)告其健康狀況。了解主動(dòng)監(jiān)測(cè)所需時(shí)間，對(duì)于衛(wèi)生部門(mén)有效利用有限資源，有效控制COVID-19感染風(fēng)險(xiǎn)很有必要。
發(fā)表在《Ann Intern Med》的該研究，評(píng)估了COVID-19的潛伏期的天數(shù)，描述了其對(duì)公共衛(wèi)生的影響。
對(duì)2020年1月4日~2020年2月24日?qǐng)?bào)告的COVID-19確診病例，研究者進(jìn)行了匯總分析。數(shù)據(jù)來(lái)源于除湖北省武漢市之外50個(gè)省、區(qū)、縣的新聞報(bào)道。
測(cè)量指標(biāo)為患者的人口統(tǒng)計(jì)學(xué)特征和可能暴露、癥狀發(fā)作、開(kāi)始發(fā)燒和住院的日期和時(shí)間。
共有181例確診病例有可以識(shí)別的暴露和癥狀發(fā)作窗口期，可用來(lái)評(píng)估COVID-19的潛伏期。
結(jié)果顯示，中位潛伏期估計(jì)為5.1天（95% CI，4.5~5.8），出現(xiàn)癥狀的病例97.5%在感染后的11.5天內(nèi)（8.2~15.6）出現(xiàn)癥狀。
這些估計(jì)值意味著，保守猜測(cè)，每10000個(gè)病例就有101個(gè)（第99百分位數(shù)，482）將在主動(dòng)監(jiān)測(cè)或隔離后的14天后發(fā)生癥狀。
本研究的局限性在于，公開(kāi)報(bào)告的病例可能多于重癥病例，重癥病例的潛伏期與輕型病例可能有所不同。
總之，COVID-19中位潛伏期約為5天，與SARS相似，是該研究的一個(gè)重要發(fā)現(xiàn)。當(dāng)前對(duì)可能COVID-19暴露者隔離或主動(dòng)監(jiān)測(cè)時(shí)間的建議，本研究進(jìn)一步給予了支持，但極端病例可能需要更長(zhǎng)的監(jiān)測(cè)時(shí)間。
研究者估計(jì)，COVID-19的中位潛伏期為5.1天，并預(yù)計(jì)97.5%有癥狀的感染者，都會(huì)在感染后約12天內(nèi)出現(xiàn)癥狀。這意味著，雖然現(xiàn)在隔離或積極監(jiān)測(cè)14天的舉措是合理的，但也需要注意到，有極少一部分人（1/100）會(huì)成為漏網(wǎng)之魚(yú)。當(dāng)然，是否需要延長(zhǎng)主動(dòng)監(jiān)測(cè)的時(shí)間，需要權(quán)衡延長(zhǎng)時(shí)間的成本與可能面臨的感染風(fēng)險(xiǎn)（例如，醫(yī)護(hù)人員在不穿戴個(gè)人防護(hù)設(shè)備的情況下護(hù)理COVID-19患者）。
另外一個(gè)發(fā)現(xiàn)是，重癥病例的潛伏期可能不同于輕癥或亞臨床病例。輕癥和無(wú)癥狀者的潛伏期略短于本研究的估計(jì)值，這對(duì)傳播動(dòng)力學(xué)有重要意義。
（選題審校：門(mén)鵬 編輯：丁好奇）
（本文由北京大學(xué)第三醫(yī)院藥劑科翟所迪教授及其團(tuán)隊(duì)選題并審校，環(huán)球醫(yī)學(xué)資訊編輯完成。）
參考資料：
Ann Intern Med. 2020 May 5;172(9):577-582.
The Incubation Period of Coronavirus Disease 2019 (COVID-19) From Publicly Reported Confirmed Cases: Estimation and Application
https://pubmed.ncbi.nlm.nih.gov/32150748
聯(lián)系客服
