據衛健委最新資料，1 月 28 日 0-24 時，全國範圍內的 31 個省（區、市）報告新增確診病例 1459 例，新增疑似病例 3248 例。
截至 1 月 28 日 24 時，國內 31 個省（區、市）累計報告確診病例 5974 例。現有疑似病例 9239 例。
隨著全國乃至世界範圍內確診人數的持續增長，人們最擔心的問題不外乎幾個：
1、疫情會在很長一段時間仍處於快速蔓延的狀態嗎？何時能達到峰值？
2、無症狀感染該如何預防？
3、新型冠狀病毒何時能有疫苗？
昨日，鍾南山院士接受媒體採訪時表示：「疫情什麼時候達到高峰，很難絕對地估計。不過我想應該在一週或者十天左右達到高峰，不會大規模地增加了。」
與此同時，在昨晚的《新聞 1+1》欄目主持人白巖松與李蘭娟院士的對話中，我們也得知，浙江的國家重點實驗室分離出了 3 株新型冠狀病毒的病毒株，已經開始製備疫苗。
值得肯定的是，隨著限制措施的進一步加強和對新型冠狀病毒的研究逐漸深入，我們會找到抗擊疫情更有效的方法。
近日， 機器之心曾在文章中介紹了國內外高校研究團隊關於本次疫情傳染速率及峰值等預測的傳播動力學模型 。透過建模去評估、預測病毒的傳播路徑、速率，對於瞭解並控制疫情的發展具有重要意義，而通常用來反映傳染病爆發的潛力和嚴重程度的 R0 值（數值越高表示疫情越嚴重），近幾天來也經歷了一個變化。
英美團隊研究者再次更新 R0 值：3.11
來自英國蘭開斯特大學等高校的團隊在最初預測版本中得出的 R0 值為 3.8，之後，論文作者結合諸多不確定性因素更新了這一數字，為 2.5%。
今日，論文作者再次在個人推特上放出更新結果。重新評估後的 R0 值是：3.11
最新版論文地址：
https://www.medrxiv.org/content/10.1101/2020.01.23.20018549v2
這一版本有五處更新：
1、案例資料更新至 1 月 22 日。沒有使用這一日期之後資料的原因是，自這日起，武漢市衛健委不再發布全市新型冠狀病毒感染的肺炎情況，全省感染資料情況由湖北省衛健委統一發布；且該日後中國採取了更廣泛的防控手段；
2、進一步完善了 似然函式，更好地解釋了最早確診的 41 個病例。現在可以使用所有武漢確診感染病例（而不只是疑似病例）來預測國際旅客的感染傳播情況；
3、改進了 引數不確定性的表徵，並使用更加嚴謹的統計方法計算了流行病軌跡的 置信區間；
4、在 敏感性分析中延長潛伏期的時間，以反映家庭群集中長達 6 天的潛伏期報告；
5、移除了旅行行程的限制，因為不同的建模方法（例如隨機傳輸，而不是確定性傳輸）更適合於這種情況的分析。
可以說，雖然目前疫情已經引起了足夠的重視，相關阻斷措施也在不斷加碼中，但疫情的發展仍然存在著很多的不確定。
除此之外，來自美國約翰霍普金斯大學和香港大學的兩個研究團隊也釋出了相關傳播預測研究。
需要注意的是，後兩項傳播預測研究結論是基於 1 月 25 日甚至更早時所公佈的統計資料，而且研究者也在說明中指出了研究存在的一系列侷限性，但我們仍可以從中得到一些啟示。
港大學者：不採取措施的情況下， R0 值為 2.13
國內，香港大學學者 Gabriel Leung 教授和 Joseph Wu 教授近日也對新型冠狀病毒的爆發程度、國內外傳播情況進行了分析和預測。
早在 1 月 21 日，兩位教授已經就本次新型冠狀病毒肺炎釋出過相關研究報告（當時結論取自 21 日之前的案例資料），事實上，疫情在後來的每一天都面臨著非常多的變化。
21 日所釋出報告地址如下，可對比閱讀：
https://www.med.hku.hk/f/news/3543/7406/presentation_wuhan_20200121_final_1033.pdf
1 月 27 日，兩位教授在此前研究的基礎上，結合更新的案例資料，釋出了最新傳播預測報告，新增了 R0 值等重要評判維度。
27 日報告連結：
https://www.med.hku.hk/f/news/3549/7418/Wuhan-coronavirus-outbreak_AN-UPDATE_20200127.pdf
基於截止到 1 月 25 的上報案例資料，27 日報告得出以下結論：
1、本次新型冠狀病毒肺炎的 R0 值為 2.13，浮動範圍是 1.92 到 2.31 之間；
2、感染人數將在 6.2 天內翻倍。
需要注意的是，該報告基於的假設是「在不採取任何防護措施的情況下」，同時兩位學者也提到：「一些感染者處於潛伏期，因此研究所使用的案例數低於實際感染數量。」
香港大學 Gabriel Leung 教授和 Joseph Wu 教授在 1 月 27 日的媒體釋出會上。
同時，新型冠狀病毒的擴散與航空、鐵路、客運等運輸工具有著很大關係，大部分城市的主要擴散方式都是鐵路。例如北京，總體在 1 月 25 號預測為 150 例，其中箱線圖的最小與最大分別為 72 與 260。之所以要做這樣的「當前預測」，是為了檢測模型對後期預測的可信度，就像 ML 中的 驗證集一樣。
現在我們看看向後的預測是什麼樣的，港科大表示，隔離交通的影響有限。如下所示武漢從 1 月 23 日開始隔離或不隔離的效果差不多，差不多日常感染會在 4、5 月份達到最高。
在報告的最後，給出了一些結論和建議：
1、新型冠狀病毒將成為全球性的流行病；
2、在中國的一些重點城市中，已經存在當地社群中的自發傳播；
3、應立即採取嚴格限制人口流動的措施，比如取消聚集型活動、關閉學校（可以看到，目前全國範圍內已落實）；
4、一些之前重大疫情爆發時的措施可以借鑑，比如非典、中東呼吸綜合症和大型流感。
5、與中國主要交通港口有緊密聯絡的區域，要儘早做好準備。
美國約翰霍普金斯大學疫情控制最新研究
此前，來自約翰霍普金斯大學的研究團隊曾結合實時資料製作「冠狀病毒擴散地圖」，資料來自世界衛生組織（WHO）、美國疾病預防控制中心 （ECDC）、中國疾病預防控制中心（CCDC）、中國衛生應急辦公室（NHC）和丁香園，將疫情進展透過視覺化的方式向公眾展示。
圖中資料截止到北京時間 1 月 29 日 13 時。
地址：
https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6
1 月 26 日，團隊在約翰霍普金斯大學系統科學與工程中心部落格中進一步介紹了這項研究。
研究由約翰霍普金斯大學系統科學與工程中心的 Lauren Gardner 領銜，團隊成員還包括新南威爾士大學的 Aleksa Zlojutro 和 David Rey，以及同在約翰霍普金斯大學系統科學與工程中心的 Ensheng Dong。
模型
研究團隊基於去年 12 月釋出的模型「疫情邊界控制決策支援框架」做出新的分析，該模型將此次新型冠狀病毒肺炎的疫情動態和疫情控制整合至決策支援工具中，以便於在疫情爆發前期透過邊境控制從而減輕疫情進一步擴散。
團隊採用隨機集合種群流行病模擬工具模擬疫情動態，並且在建模過程中考慮邊境防範機制（入境檢查），其主要用於識別感染者或高危人群。
模型詳情：
https://systems.jhu.edu/wp-content/uploads/2020/01/Gardner-JHU_nCoV-Modeling-Report_Jan-26.pdf
集合種群模型主要根據人口網路來構建，其中網路分為市內和城際等部分，網路的邊為不同城市之間的航空線。在此網路的每個節點上，研究者使用一個離散時間的 Susceptible-Exposed-Infected-Recovered（SEIR）模型來模擬疫情爆發動態變化。再透過一系列 引數的設定，包括有效傳播率 R0=2（基本傳染數）、2019-nCoV 的初始病例只存在於武漢等，研究者完成了建模。
結論
模型模擬是從疫情開始直至 1 月 25 日，研究者可以從模擬結果中觀察到很多有意思的資訊。具體而言，研究者估計截止 1 月 25 日，已有 40 例 2019-nCoV 病例從中國內向海外流出。同時，研究團隊預估中國國內 2019-nCoV 病例數可能已遠遠高於整個一月份報告的數量。
團隊預估截止 1 月 25 日國內大約有 20000 例 2019-nCoV 病例（當時所報告出的數量為近 2000 例）。研究者還估計在 12 月初武漢就已有數百人感染病毒。
圖 1 介紹了在 1 月份的預估病例，此模型預估數略高於另外兩個模型，其中一個即帝國理工學院所報告的於 1 月 18 日在中國大陸大約有 4000 位病例，而另一個則是美國東北大學所報告的於 1 月 24 日約有 12700 位病例。同時在這段時間裡，海外的地區所報告的病例也有所增加，可能會導致病例數量超過此次研究所預估數。
預估數 vs. 全球報告 2019 n-CoV 病例數
此次模擬提供了直至 1 月 25 日全球每個機場的預估病例進入數（基於乘客的最終旅遊目的地）。透過這些資料彙總至以一個國家/地區為單位的所有機場，可以推出每個國家預估的病例進入總數。
圖 2 展示了團隊預估抵達每個國家/地區的病例數量於截止至 1 月 26 日 2019-nCoV 報告病例數的對比，同時研究者所確定風險最高的 13 個國家/地區都報告出了至少一例病例。
圖 2:新型冠狀病毒輸入型風險最高的國家/地區列表。
團隊進一步在機場角度去提供預測結果（基於乘客最終旅行的目的地），為了確定中國境內和境外病例進入的一些高風險城市集合。中國境內和境外的前 50 個高風險機場分別如圖 3 和圖 4，可以看出感染風險最高的城市一般是從武漢能夠直接或間接到達的。同時，已有許多中國以外的高風險城市已報告了病例，但這些城市更應該注意在 1 月 23 日武漢封城前離開的乘客，以防更多感染病例。在美國，這些高風險城市已經被疾控中心定點篩查（LAX，JFK，SFO，ATL，ORD）。透過完整的旅行路線分析（包括中途所停留的機場），研究人員還確定其他可能接觸到感染者的機場，並對這些國際機場做出了建議。
圖 3:中國大陸範圍內新型冠狀病毒感染風險最高的 50 個機場
圖 4:中國大陸以外新型冠狀病毒感染風險最高的 50 個機場
侷限性說明
與此同時，團隊也在部落格中說明了這項研究可能會存在的侷限性。
1、在本次分析完成的第二天，所報告的旅行類感染病例數量從 40 人變為 56 人，上漲了 40%。因此，本次分析所用的資料很可能是最保守估計的數量。
2、新型冠狀病毒的傳播仍然存在不確定性，尤其是基本再生數（R0 值）和潛伏期。1 月下旬以來報告病例數量的大幅增長顯示了分析資料可能還是相對保守了。
3、沒有涵蓋無症狀感染的情況。如果無症狀感染傳播被證實，那麼事實上的風險比這次分析的還會更高。
4、模型只包括旅客的航空出行情況，不包括城市內部及城際間的其他交通方式，因此可能低估了其他出行方式下的區域分佈風險。（這一點最需要注意，事實上，鐵路、區域長途客運、市內公共交通等運輸方式在中國佔據了更高的比例。）
5、本次分析中用來模擬每座城市疫情爆發的 SEIR 引數是確定的，但真實情況中感染旅客在城市之間流動的傳播情況是不確定性的。
6、雖然本次分析未考慮到 1 月 23 日武漢所實施的封城措施和機場的旅客檢測措施，但這些措施不會太影響現有的分析結果，目前的結果是基於疫情爆發到 1 月 25 日的資料和情況得出的。
受多方面因素的限制，傳播預測模型可能會與後續的實際情況有所出入。接下來，團隊將專注於兩個方面的預測：
一是在中國各地都在爆發疫情的前提下，假如旅客不再是直接從武漢出發，那麼該如何確定全球範圍內哪些旅行路線可能會繼續擴散新型冠狀病毒？
二是給予一些決策上的直接支援，比如判定全球範圍內的哪些機場應該優先對旅客進行檢測。
北大團隊以深度學習演算法分析病毒基因序列，水貂或為中間宿主
自疫情爆發後，新型冠狀病毒的傳染源一直懸而未知。1 月 24 日，北京大學工學院生物醫學工程系朱懷球團隊在論文預印本平臺 bioRxiv 上釋出了一篇論文，利用 深度學習演算法分析了新型冠狀病毒與其他冠狀病毒的基因序列，來預測潛在的病毒宿主。
分析結果表明，蝙蝠和水貂可能為新型冠狀病毒的的兩個潛在宿主，水貂則可能為病毒的中間宿主。
論文地址：
https://www.biorxiv.org/content/10.1101/2020.01.21.914044v2
研究表明，新型冠狀病毒與人類的其他冠狀病毒具有相似的感染模式，尤其是嚴重急性呼吸綜合症冠狀病毒 (SARS-CoV)、蝙蝠 SARS 樣冠狀病毒（Bat SARS-like CoV）、中東呼吸綜合症冠狀病毒 (MERS-CoV)。
在與其他脊椎動物的冠狀病毒對比之後，研究發現，蝙蝠冠狀病毒與新型冠狀病毒的感染模式最為相似；而在對比了其他脊椎動物冠狀病毒宿主的感染模式以後，發現水貂病毒的傳染模式與新型冠狀病毒的感染模式最為接近。
這項研究對於之後的病毒分析和病毒病原體的早期預防和控制具有重要意義。