【引 言】
時間進入四月份，經過全國人民和廣大醫護人員的付出和犧牲，我國已經取得抗疫的階段性成果，在謹防輸入性病例和嚴控無症狀感染者的前提下，社會經濟事業也在逐步恢復當中。反觀國際社會，在大流行的背景下，歐美主要國家都進入了抗擊疫情的關鍵階段，都根據自身的實際情況，制定和採取了相關的措施。在抗疫措施中，「群體免疫」(Herd Immunity)和「壓平曲線」(Flatten the Curve)，這兩個概念引起了國內媒體和廣大網友的討論。究竟這兩個概念是什麼意思？採取這樣措施的原因是什麼？又會有什麼可能的後果？帶著這樣的問題，鹽巴帶大家來探究下歐美國家的抗疫之路。
首先我們要問，什麼是「群體免疫」？其實，它並不是一個新概念。
群體免疫，是一種間接的傳染病保護形式，當很大比例的人口通過無論是以前的感染，還是接種疫苗，對感染產生免疫力，從而為沒有免疫力的人群提供一定程度的保護。從定義我們可以得出，群體免疫的獲得，主要通過自然感染並康復和廣泛疫苗接種來實現。由此可見，群體免疫和疫苗接種二者並不是對立的概念，而是包含與被包含的關係。疫苗接種的目的，也是為了實現廣大群體的群體免疫，從而起到抑制疫情擴散，最終結束疫情的作用。
群體免疫可以在一定程度上保護未獲得免疫力的群體。某一年齡群體在獲得較高水平的免疫後所產生的群體免疫會保護其他年齡階段的人群。例如流感病毒，流感對老年人群體危害比在年輕群體中更嚴重，但流感疫苗對老年人群的免疫效果並不好，因為隨著年齡的增長，免疫系統會減弱。然而，有研究已證明優先考慮學齡兒童進行季節性流感免疫接種比給老年人接種疫苗更有效，從而為老年人創造了一定程度的保護。特別是在家庭成員內部，如果青壯年通過疫苗或自然免疫途徑獲得了流感病毒的抗體，就不會再感染流感，從而不會傳染家庭中的年長者，由此實現了青年群體對於老年群體的保護。
實際上，群體免疫不是要暴露弱勢人群，恰恰相反，是通過身體條件較好的群體普遍獲得免疫力，來保護免疫力低下和沒有免疫力的人。
除了保護特定人群，通過維持足夠人群和時間段的群體免疫，還可以消滅某些特定的疾病。我們大家耳熟能詳的琴納用牛痘接種的故事，就是現代天花疫苗技術的起源。琴納研究出牛痘接種技術，並且無償地公開給社會，這種善舉令人尊敬，他本人被尊為「免疫學之父」。到目前為止，使用群體免疫和疫苗接種已經根除了兩種疾病：牛瘟和天花。此外，我們小時候吃的「糖丸」，也是依賴群體免疫來消除脊髓灰質炎的努力。但是，由於一些國家國內動亂和特定原因對現代醫學的不信任，使這一工作變得困難。例如，梅琳達-蓋茨基金會推行的疫苗計劃，在非洲遭遇了巨大的阻力，有興趣的同學可以去八卦一下《The Moment of Lift》這本書，在這裡不多言。
群體免疫有效，但並不是一勞永逸的。有些疾病並不像天花，得過一次以後便可終身免疫。群體免疫在一定程度上也扮演著病毒「進化壓力」(evolutionary pressure)的角色，選擇出新的變異病毒種類，導致先前免疫力的喪失，從而引發一波又一波的新感染。這也是為什麼流感疫苗年年打，但流感還是年年得的主要原因。
既然群體免疫對於抗疫有顯著作用，那我們尋求方法來建立起群體免疫不就可以了。然而，願望是好的，現實是嚴峻的。首先，從積極免疫來看，也就是廣泛疫苗接種，目前沒有針對COVID-19的疫苗和特效治療藥品獲準上市。儘管全世界的科研人員都在努力，但目前預測的研製周期在12-18個月。既然遠水解不了近渴，那麼我們看消極免疫，也就是自然感染病康復，這也是被廣大網友吐槽的一個方法。它源自英國的一段採訪，3月13日，英國首席科學顧問派屈克·瓦蘭斯在接受媒體採訪的時候表示，目前採取的防疫措施中，包括需要約60%英國人感染輕症新冠肺炎，來獲得群體免疫，從而達到保護全體英國人的目的。他的這一言論，基本假設是，絕大多數人感染會是輕症，可以康復，由此獲得群體免疫來保護免疫力低的人。那麼，他的這個60%是如何算出來的呢？
為了解釋這個問題，我們要引入一個概念叫「基本傳播數」，也就是一些科普文裡說的R0，它是指在自然的情況下，一個病患可以傳染人數的平均數。R0是一個給定數，科學家通過相關的測試和評估，來計算某個特定病毒的R0。
由此公式，我們可以計算出某一個地區，全人口獲得群體免疫的閾值，也就是說自然狀態下要有多少人感染，才可以起到控制疫情。由這個公式，我們可以看出，R0越高，疾病的傳染性就越高，由此需要的群體免疫閾值也就越高。科研人員基於醫學實踐和相關研究，計算出主要傳染病的R0極其相對應的閾值，如下表所示。
數據來源見參考文獻
需要注意的是，R0所假設的前提是全體人口為易感人群；其次，人群之間無差異，也就是說人與人接觸和互動的模式是一樣的。但在現實中，有些個體「神奇的」對某一病毒具有天然的免疫力。並且，病毒對不同年齡階段，不同性別的人影響可能存在差異。此外，不同社會的互動模式是不同的，通常是以社會網絡的形式表現出來。（從人口學角度理解新冠肺炎疫情傳播趨勢與死亡率）面對這些差異性，在實際的操作中，科研人員會根據當地的情況做出相關的調整。
明白了群體免疫的閾值，我們就要考慮在現實中會付出什麼代價。通過自然感染病康復獲得群體免疫理論上講的過去，但如果不加控制的放任自然感染，可能會造成較為嚴重的社會後果。首先，大面積感染會增加大量死亡的病例，這一點從人道主義和醫學倫理的角度看，是不人道的和殘忍的，這相當於把人交給自然選擇過程，聽天由命。自身資源和社會支持的缺乏的社會底層和健康狀況差的人，就會成為最主要的受害者。其次，不加控制的感染，會導致病例數量的激增，產生醫療資源的擠兌，導致情況惡化。根據中國的疫情數據，1月底曾經發生醫療資源嚴重擠兌、大量患者無法及時確診治療的武漢市，其病死率超過了4%，遠遠超過了湖北以外的中國其他省份。在義大利，當前病死率甚至超過了12%。事實也表明，新冠病毒具有較強的傳染性，沒有明確的輕症、重症感染群體的區分，並不是年輕人都是輕症，實際統計中有很多20-45歲因重症導致死亡的病例。由此，放任疫情自由發展的「群體免疫」方案是危險的、不可靠的。
既然這條路不通，那麼為什麼歐美國家不通過嚴格的限制流動和封城的方式來控制疫情的蔓延呢？這是由於歐美國家的體制和現實因素決定的。首先，通過嚴格的封城來控制疫情傳播，需要強大的政府干預能力和社會動員能力，這一點在歐美主要國家比較難實現。
其次，如果讓目前實施的各類禁令繼續下去，會對歐美國家的經濟、社會、教育以及醫療體系產生重大負面影響。經濟上，中小企業倒閉、失業潮導致依靠日薪來生活的人，失去收入來源，生活將難以為繼。由於沒有足夠的財力，他們也無法購買充足食物宅在家裡，最壞的情況就是在感染肺炎而死與餓死之間做選擇，因此他們還是要被迫選擇工作。疫情加劇了社會的不平的，帶來社會危機，底層群體是最大的受害者。為了防止社會危機，部分國家出臺救濟計劃，給工薪階層經濟支持，如加拿大的CERB計劃，為符合條件者每月提供2000加元，為期4個月，幫助他們度過難關。但經濟停滯的前提下，這樣的措施不可能長久執行，並且可能會引發更嚴重的經濟危機。
醫療上，政府在新冠疫情上投入巨大，但由於醫療資源短缺，許多包括身患癌症、糖尿病、精神病等非新冠肺炎類病人無法得到及時有效和全面的救治。而且，醫療領域的人工費用和購買醫療設備的資金都需要一個正常運轉的經濟體系所維持。當前的做法可能對於新冠病毒患者說是好的，但所付出的代價是讓其它醫療領域的保障明顯變得更差。
因此，歐美主要國家目前抗疫的指導思想是：既然病毒擴散無法阻擋，那麼當前工作的重點就要轉移到儘可能拖延疫情的蔓延速度，從而避免患病高峰過早、過強，為醫療系統贏得充分準備的時間。待疫情緩和時，部分的恢復經濟，儘量避免經濟和社會危機的爆發，例如德國，就表明要與病毒「長期共存」。這就是西方主流媒體所說的「壓平曲線」措施。
具體來看，如圖所示，深藍色表示的是不加控制的感染過程，如圖所示，放任病毒傳染會很快迎來疫情爆發的高峰，並且是一個極高的值，這遠遠超出了醫療系統的能力(紅色虛線所示)，由此會導致災難性的後果。為了防止災難的發生，必須要在峰值到達之前，儘早的採取幹預措施，來減緩疫情對於醫療系統的衝擊，使其一直在醫療資源可控的範圍內。這樣做的目的不是在短時間內完全消除疫情，而是控制疫情蔓延的速度，逐步實現群體免疫，更理想的狀態是疫苗或特效藥的出現，從而消除疫情。由此可見，雖然歐美國家的主流媒體不怎麼宣傳群體免疫，但實際上，各個國家採取的措施，大同小異，通過不嚴厲的封城(lock down)，宅家令(stay home order)，保持社交距離(social distance)，感染者自我隔離等措施，來延緩疫情的發展，等待群體免疫。
美國CNN主播，紐約州長弟弟，「媽媽第二愛的兒子」，克裡斯·科莫在確診後，沒有去醫院而是居家隔離，並且還沒耽誤主持他的黃金時段節目Cuomo Prime Time。
總結來看，目前歐美國家主要通過廣泛宣傳告知最壞可能，疫情最高感染比例，如國民60%感染，來警示民眾減少聚集，保持社交距離，降低感染病例，延緩疫情的傳播。針對感染者，輕症者居家吃泰諾、維C逐步恢復，重症者入院治療；同時政府加大醫療資源投入，採購醫療物資，保證醫療系統的正常運轉。由此可見，「壓平曲線」的策略，是歐美國家基於自身的現狀，做出的現實選擇。但目前的問題是，需要多久才能獲得群體免疫？獲得免疫後，可以維持多久？如果沒有獲得群體，疫情將持續多久？
正如張文宏教授所言，「一個合理的抗疫策略需要時間去證明，實踐是檢驗真理的唯一標準。」不同國家基於自身的制度、文化和傳統的考慮，並結合其他國家的抗疫實踐，再加上人類社會大家庭的團結協作，會早日控制新冠疫情，走出危機。
參考文獻
1. Biggerstaff, M., Cauchemez, S., Reed, C., Gambhir, M., & Finelli, L. (2014). Estimates of the reproduction number for seasonal, pandemic, and zoonotic influenza: a systematic review of the literature. BMC infectious diseases, 14(1), 480.
2. Fine, P., Eames, K., & Heymann, D. L. (2011). 「Herd immunity」: a rough guide. Clinical infectious diseases, 52(7), 911-916.
3. Gordis, L. (2013). Epidemiology. pennsylvania. USA: Saunders. pp. 26–27.
4. Kim, T. H., Johnstone, J., & Loeb, M. (2011). Vaccine herd effect. Scandinavian journal of infectious diseases, 43(9), 683-689.
5. Kim, T. H. (2014). Seasonal influenza and vaccine herd effect. Clinical and experimental vaccine research, 3(2), 128-132.
6. Merrill, R. M. (2013). Introduction to Epidemiology. Jones & Bartlett Publishers. pp. 68–71.
7. Riou, J., & Althaus, C. L. (2020). Pattern of early human-to-human transmission of Wuhan 2019 novel coronavirus (2019-nCoV), December 2019 to January 2020. Eurosurveillance, 25(4).
本期作者
王 涵
加拿大薩斯喀徹溫大學 社會學博士生
本期責編
中國人民大學社會與人口學院副教授 李婷
本期編輯
中國人民大學社會與人口學院碩士研究生 溫馨
稿件首發於「嚴肅的人口學八卦」微信公眾號，轉載請註明出處「嚴肅的人口學八卦」、作者名以及「發自澎湃新聞湃客頻道」。轉載和合作事宜請聯繫yansurenkou8gua@163.com