![表11：按世衛區域及收入組別估計血清陽性反應率與累計發病率之比
（原表來自WHO/Bergeri I, et al.，澳門湯家耀2022年5月中譯及重排）
Bergeri I, et al. Global epidemiology of SARS-CoV-2 infection: a systematic review and meta-analysis of standardized population-based
seroprevalence studies, Jan 2020-Dec 2021. medRxiv preprint, doi: https://doi.org/10.1101/2021.12.14.21267791
估計血清陽性反應率與累計發病率之比：中位數［範圍］
收入水平 世衛區域 2020年第三季 2020第四季 2021第一季 2021第三季
高收入
美洲 3.5 [1.8-4.6] 1.5 [1.2-1.9] 1.3 [1.3-1.3] 1.2 [1.2-1.2]
西太平洋 3.8 [3.8-3.8] 4.1 [4.1-4.1]
歐洲 11.2 [5.9-14.0] 1.7 [1.5-3.6] 1.7 [1.4-2.1] 2.9 [2.0-4.8]
東地中海 10.8 [9.8-11.6] 12.4 [12.4-12.4]
低中收入
美洲 16.7 [9.8-21.7]
東南亞 42.5 [31.6-53.3] 33.5 [11.7-37.7] 7.9 [4.9-10.9] 38.9 [28.4-79.8]
歐洲 60.8 [39.7-82.3] 41.6 [31.1-46.7] 22.6 [22.6-22.6] 9.9 [9.8-10.3]
西太平洋 48.6 [34.1-338.9] 44.3 [38.7-51.6] 34.5 [31.2-37.9]
東地中海 42.2 [13.8-47.0] 56.8 [31.7-70.2] 63.3 [61.8-64.7]
非洲 82.7 [82.4-125.9] 121.5 [118.3-127.7] 149.1 [147.1-177.0] 182.7 [136.4-216.0]
所有 全球 30.1 [27.2-33] 18.6 [14.1-23.1] 12.7 [10.9-14.5] 16.7 [14.8-18.7]](https://image.slidesharecdn.com/covid-19-endgame-omicron-ppt-1of2-220616032045-7414fff5/85/Covid-19-Endgame-Omicron-ppt-1of2-pdf-92-320.jpg)
Covid-19-Endgame-Omicron-ppt-1of2.pdf
- 2. 溫馨提示 ? 問題很多！ ? 圖表很多！ ? 结论在最后一节?
- 3. 目錄 1. 终结的开始 2. 99比2 3. 怎麼知道是Ｏ波？ 4. 非洲怎麼了？ 5. 南亞怎麼了？ 6. 歐美怎麼了？ 7. 西太/東亞怎麼了？ 8. 影響評估 9. 共存之後又如何？ 10. 清零之後又如何？ 11. 結論
- 4. 终结的开始
- 5. Omicron變異株 ? 2021年11月24日南非首先報告SARS-CoV-2 變異株 B.1.1.529，樣本是在11月9日採集 ? 11月26日，世衛定名為Omicron，並列入需要關注 變異株清單 ? 後續研究確定其表型特徵 ? 傳染性增强 ? 住院和重症風險降低 ? 重複感染風險升高
- 6. Omicron變異株 ? 隨即在其餘五大洲許多國家出現 ? 迅速取代Delta，成為主導毒株 ? 2021年11月始現 ? 12月過半（超過Delta） ? 2022年1月佔90%以上 ? 2月佔99%以上 ? 3月Omicron BA.2亞變異株超過BA.1成為主導
- 8. 序列總數 Delta數 % Omicron數 % BA.2佔Omicron% 前 60 日 期 間 收 到 2021-11-02 842510 838398 99.51% 0 0.00% 2021-11-09 814165 810946 99.60% 0 0.00% 2021-11-16 799645 797174 99.69% 0 0.00% 2021-11-23 845087 842992 99.75% 0 0.00% 2021-11-30 839119 837253 99.78% 159 0.02% 2021-12-07 899935 897886 99.77% 713 0.08% 2021-12-14 879779 872876 99.22% 3755 0.43% 2021-12-21 1051598 1009253 95.97% 16988 1.62% 前 30 日 期 間 收 到 2022-01-11 357206 147887 41.40% 208870 58.47% 2022-01-18 405739 113652 28.01% 291600 71.87% 2022-01-25 372680 39804 10.68% 332155 89.13% 2022-02-01 433223 29004 6.69% 403991 93.25% 2022-02-08 426363 13972 3.28% 412265 96.69% 2022-02-15 432470 7191 1.66% 425227 98.33% 2022-02-22 495016 3841 0.78% 490519 99.09% 2022-03-01 488463 1601 0.33% 486182 99.53% 2022-03-08 428417 580 0.14% 427152 99.70% 34.20% 2022-03-15 430487 400 0.09% 429994 99.89% 2022-03-22 412982 259 0.06% 412119 99.79% 85.96% 2022-03-29 382789 175 0.05% 381824 99.75% 表1：Omicron變異株取代Delta變異株的過程 （資料來自GISAID cited by WHO，澳門湯家耀2022年5月制表）
- 10. 99比2
- 11. 101國 ? 全球人口逾1000萬及或年生產總值逾200億 美元的國家共101個 ? 截至2022年首季末，其中99國已出現顯著的 Omicron本土疫情（下稱Ｏ波），多已度過頂峰 ? 例外2國 ? 中國：持續動態清零，僅有輸入相關的局部傳播 ? 朝鮮：沒有疫情報告（據報朝鮮可能在2022年4或5月開始出現首次 疫情，但公佈資料極少，不足作任何分析和論斷）
- 13. 水晶球 ? Covid-19是至少百年才一遇的大流行，其嚴重程度僅 次於1918年H1N1流感大流行 ? 1918年醫學科學水平還很低，現在的醫學研究者和工 作者都沒有親身經歷過1918大流行，因此，從 Covid-19大流行的過程中學習非常重要和必要 ? 有一種說法：沒有水晶球，所以不知道疫情未來如何 發展。其實不然，疫情都遵循一定的規律，從各地已 經歷的過程中找出規律，便可預見未來 ? 對於尚未經歷顯著疫情的地方，尤其重要
- 14. 資料來源和指標 ? 99國＋1地（中國香港特別行政區） ? 主要資料取自 Our World in Data、WHO、 SeroTracker ? 部分圖示取自CoVariants、GISAID、Google
- 15. 資料來源和指標 ? 單日指標基本上採用七天平均值（當天與之前六天平 均） ? 單日死亡人數因間歇性報告、累積期間較長的情況較多， 唯有採用十四天平均值 ? 移動平均主要為減少因人類操作波動造成的影響，但會使 極端值變平一些，亦使指標日期，相對於所代表的事實， 有數日的滯後，請讀者自行留意 ? 以第20~80百分位數作為多數或常見範圍，兩邊超出 的視為極端，供進一步探討
- 16. 資料效度差異 ? 尤其是在大流行的條件下，各國在識別、報告 、統計上的能力和努力的差異非常大 ? 因此而產生的統計值差異，有可能大於疫情本 身造成的差異 ? 相同的統計值，在不同的國家可以有很不相同 的意義
- 17. 資料效度差異 ? 沒有簡易方法可以消除這些差異 ? 分析中，用中位數代表集中趨勢，以避免直接 將各國數值進行運算 ? 多以同一國家的數據作自我比較，而儘量避免 國家之間直接比較
- 18. 怎麼知道是Ｏ波？
- 19. Ｏ波特徵 1. 時間空間分佈 2. 典型形態 3. 爆升 4. 感染高峰／醫療系 統高壓 5. 死亡低峰 6. 自然下降 7. 持續流傳 8. 第二峰
- 20. 時間空間分佈 ? Ｏ波峰幾乎都在2021年12月至2022年3月期 間 ? Omicron傳播全球的速度非常快，六大洲出 現疫情的時間相當接近 ? 非洲最早 ? 歐洲、北美洲、南美洲、大洋洲、西亞、中亞、 南亞、東南亞等地區居中 ? 東亞較後
- 21. 11月 12月 1月 2月 3月 非洲 歐洲 北美洲 南美洲 大洋洲 亞洲 西亞中亞 南亞 東南亞 東亞 圖3：六洲99國Ｏ波峰值的時間分佈 （資料來自Our World in Data，澳門湯家耀2022年5月制圖）
- 27. D-O界限 ? Delta與Omicron疫情之間沒有截然界限 ? Ｏ波的頂點顯而易見，起點卻很難確定 ? 不可能得到所有病例的基因資料，唯有在持續波 動的病例數時間序列中，尋找主峰前由連續下行 轉向連續上行的拐點作為起點 ? 僅可作為相對的參照點，無法確定其絕對意義 ? 按此，最早的起點在2021年9月22日，最遲的在2022年 2月6日，多數在11月22日至1月1日之間
- 28. dＯ波 ? Ｏ波實質上多數是dＯ波 ? 11月22日之前的起點（Delta起點）：應全由 Delta構成，Omicron在後來才出現，並逐漸取 代Delta成為主導 ? 11月22日至1月1日之間的起點（混合起點）：較 可能由Delta與Omicron混合構成，後者漸成主 導 ? 1月1日之後的起點（Omicron起點）：較可能全 部或幾乎全部由Omicron構成，Delta已是強弩 之末，即使少量混入，無重大影響
- 29. 近前疫情 ? 約半數國家Ｏ波近前有明顯的Delta疫情 ? Ｏ波起點位置因而較高 ? 若Ｏ波與近前的波峰（Delta疫情多峰比較常見） 有較明顯的重疊，初段被遮蓋，圖示的起點可因 而變得較後和較高，緩升段或較短 ? Ｏ波近前的Delta疫情，以及早段所包含的 Delta成分，或可形成後述的背馳現象，但對 後續發展看來無重大影響
- 30. Ｏ波特徵 1. 時間空間分佈 2. 典型形態 3. 爆升 4. 感染高峰／醫療系 統高壓 5. 死亡低峰 6. 自然下降 7. 持續流傳 8. 第二峰
- 31. 典型形態 ? 99國Ｏ波結構和形態相當類同，可分解為 ? 六個拐點 ? 起點、加速點、平台點、頂點、下降點、延續點 ? 五個分段 ? 緩升段、急升段、平台段、下降段、延續段
- 32. 分組 ? 99國曲線參數有非常顯著差異 ? 試按全程累計病例構成分為三組 ? 第1組：病例較多來自Delta前疫情 （粗略以2021年3月底為界） ? 第2組：病例較多來自Delta疫情 （2021年4月至Ｏ波起點） ? 第3組：病例較多來自Omicron疫情 （Ｏ波起點至2022年3月底）
- 33. 截至2022年第一季末。有較完善可靠監測統計系統的國家多在第3組，相反的多在第1及2組，組間比較宜慎用。 表2：三組病例構成及期間發病率分佈 （資料來自Our World in Data，澳門湯家耀2022年5月制表） 病例構成 期間發病率 Delta前 Delta Omicron Delta前 Delta Omicron 全程 第1組 中位數 44.1% 29.9% 22.8% 0.24% 0.20% 0.11% 0.51% （20-80百分位數） (40.4%-55.9%) (22.1%-36.7%) (17.1%-28.5%) (0.09%-2.52%) (0.04%-1.86%) (0.04%-1.46%) (0.17%-6.01%) 第2組 中位數 27.9% 52.3% 19.0% 0.43% 0.99% 0.34% 1.81% （20-80百分位數） (20.5%-34.7%) (44.2%-60.2%) (11.2%-30.5%) (0.07%-1.82%) (0.18%-3.79%) (0.04%-1.57%) (0.31%-7.66%) 第3組 中位數 17.7% 21.0% 63.1% 3.66% 3.64% 14.49% 22.08% （20-80百分位數） (7.2%-28.7%) (8.5%-26.9%) (45.3%-74.7%) (0.24%-6.95%) (1.09%-6.46%) (4.87%-24.75%) (9.74%-33.11%)
- 34. 地域分佈 ? 組別分佈與地域分佈似乎有一定關係 ? 非洲國家多屬第1,2組 ? 亞洲國家多屬第2組 ? 大體上看似乎有由西向東的漸變模式 ? 美洲國家多屬第2,3組 ? 歐洲和大洋洲國家多屬第3組
- 35. 表3a：99國按洲和組別的分佈 （資料來自Our World in Data，澳門湯家耀2022年5月制表） 非洲 亞洲 北美洲 南美洲 歐洲 大洋洲 第1組 絕對多數 尼日利亞 加納 沙特阿拉伯 乍得 幾內亞 阿聯酋 布基納法索 科特迪瓦 南蘇丹 蘇丹 尼日爾 相對多數 塞內加爾 肯亞 巴基斯坦 多米尼加 秘魯 捷克 阿爾及利亞 埃及 墨西哥 巴西 波蘭 埃塞俄比亞 馬拉維 摩洛哥 馬達加斯加 南非 第2組 絕對多數 坦桑尼亞 柬埔寨 菲律賓 古巴 委內瑞拉 貝寧 斯里蘭卡 敘利亞 危地馬拉 盧旺達 緬甸 尼泊爾 烏干達 伊朗 哈薩克 喀麥隆 泰國 伊拉克 馬來西亞 印度 阿富汗 相對多數 索馬里 贊比亞 孟加拉 印度尼西亞 洪都拉斯 哥倫比亞 烏克蘭 突尼西亞 莫桑比克 烏茲別克 阿塞拜疆 海地 安哥拉 剛果(金) 也門 土耳其 第3組 絕對多數 韓國 加拿大 丹麥 奧地利 澳大利亞 越南 愛爾蘭 希臘 新西蘭 日本 芬蘭 瑞士 新加坡 挪威 荷蘭 以色列 法國 西班牙 葡萄牙 英國 意大利 瑞典 德國 相對多數 布隆迪 約旦 美國 智利 比利時 津巴布韋 玻利維亞 俄羅斯 馬里 阿根庭 羅馬尼亞 厄瓜多爾
- 36. 表3b：亞洲國家按區域和組別分佈 （資料來自Our World in Data，澳門湯家耀2022年5月制表） 西亞 南亞 中亞 東南亞 東亞 第1組 沙特阿拉伯 巴基斯坦 Delta前為主 阿聯酋 第2組 土耳其 印度 哈薩克 泰國 Delta為主 阿塞拜疆 孟加拉 烏茲別克 馬來西亞 也門 尼泊爾 印尼 伊朗 阿富汗 菲律賓 伊拉克 斯里蘭卡 緬甸 敘利亞 柬埔寨 第3組 以色列 越南 韓國 Omicron為主 約旦 新加坡 日本 第4組 中國 未有顯著疫情 朝鮮
- 37. 注意 ? 組間界限並非截然清楚 ? 所有國家都受全部三個階段疫情影響，只是比重各不相同 ? 許多國家僅因相對多數甚至些微的相對多數劃分 ? 組間能力差異 ? 社會經濟科學能力較強的國家多在第3組 ? 社會經濟科學能力較弱的國家多在第1,2組
- 38. 0 5 10 15 20 25 30 35 40 45 50 0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64 68 72 76 80 84 88 92 96 100 104 108 112 116 120 124 128 132 136 140 144 148 每 百 萬 人 口 日數 圖5a：第1組典型Ｏ波發病率曲線 （資料來自Our World in Data，澳門湯家耀2022年5月制圖） a b c d e f
- 39. 0 10 20 30 40 50 60 70 80 90 100 0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64 68 72 76 80 84 88 92 96 100 104 108 112 116 120 124 128 132 136 140 144 148 每 百 萬 人 口 日數 圖5b：第2組典型Ｏ波發病率曲線 （資料來自Our World in Data，澳門湯家耀2022年5月制圖） a b c d e f
- 40. 0 500 1000 1500 2000 2500 3000 3500 0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64 68 72 76 80 84 88 92 96 100 104 108 112 116 120 124 128 132 136 140 144 148 每 百 萬 人 口 日數 圖5c：第3組典型Ｏ波發病率曲線 （資料來自Our World in Data，澳門湯家耀2022年5月制圖） a b c d e f 計算截至2022年5月23日資料，第3組多個國家尚未到達延續點，僅為臨時數字。
- 41. 表4：三組Ｏ波基本參數 （資料來自Our World in Data，澳門湯家耀2022年5月制表） 拐點 起點 加速點 平台點 頂點 下降點 延續點 高度（百萬人口發病率） 第1組 中位數 1.09 4.62 36.81 46.01 30.54 4.07 （20-80百分位數） (0.27-12.44) (1.06-39.83) (12.25-311.77) (14.68-378.16) (10.71-293.43) (1.27-36.96) 第2組 中位數 2.34 6.85 75.12 94.15 73.35 8.07 （20-80百分位數） (0.40-19.76) (1.24-50.56) (12.72-349.68) (14.82-420.76) (11.68-322.04) (1.19-30.39) 第3組 中位數 56.79 523.18 2462.37 3036.87 2373.25 279.92 （20-80百分位數） (21.67-272.36) (127.64-818.61) (1042.63-4160.94) (1293.33-4985.82) (995.86-3958.14) (107.97-492.76) 分段 緩升段 急升段 平台段 下降段 延續段 主峰 寬度（日數） 第1組 中位數 14 11 10 27 49 （20-80百分位數） (8-24) (8-15) (8-15) (21-49) (42-83) 第2組 中位數 15 13 13 27 53 （20-80百分位數） (6-21) (10-20) (10-19) (20-36) (43-66) 第3組 中位數 32 17 16 44 88 （20-80百分位數） (8-51) (12-30) (11-22) (28-82) (54-123) 計算截至2022年5月23日資料，第3組多個國家尚未到達延續點，僅為臨時數字。
- 42. 參數差異 ? 第1,2組參數相當近似，僅第2組高一些，峰值 約是第1組的2倍 ? 第3組參數顯著不同 ? 峰值是第1組的66倍 ? 主峰明顯較寬 ? 多個國家未完成延續段，僅為臨時數據
- 43. Ｏ波特徵 1. 時間空間分佈 2. 典型形態 3. 爆升 4. 感染高峰／醫療系 統高壓 5. 死亡低峰 6. 自然下降 7. 持續流傳 8. 第二峰
- 44. 爆升 ? 爆升是Ｏ波的突出和必然特徵 ? 各國加速點的值（病例數和發病率）很不一致， 但都存在由緩升變為急升的加速點 ? 三組加速點在起點至頂點垂直距離下約5~10%處 ? 三組急升段的平均斜率均比緩升段增加10倍以上
- 45. 複合指標是各國先複合然後取中位數及百分位數，而非以各國中位數作複合運算。 表5：三組Ｏ波急升段參數 （資料來自Our World in Data，澳門湯家耀2022年5月制表） 加速點 急升段 平均斜率 日發病率 佔峰值% 日數 緩升段 急升段 平台升段 急緩比 第1組 中位數 4.62 7.4% 11 0.17 3.53 1.46 13.7 （20-80百分位數） (1.06-39.83) (2.6%-16.6%) (8-15) (0.09-1.27) (0.53-15.71) (0.62-12.33) 第2組 中位數 6.85 5.1% 13 0.42 4.76 2.92 10.8 （20-80百分位數） (1.24-50.56) (3.1%-14.0%) (10-20) (0.06-2.05) (1.57-21.95) (0.71-10.46) 第3組 中位數 523.18 9.9% 17 9.66 103.97 64.71 13.7 （20-80百分位數） (127.64-818.61) (2.5%-19.3%) (12-30) (3.81-20.37) (49.06-171.17) (32.72-146.32)
- 46. 動力 ? 爆升現象由病原（傳染性）、宿主（易感性） 、環境三方面因素共同形成 ? 影響爆升速度（斜率）的重要因素 ? 亞變異株 ? 先前感染、疫苗接種 ? 防控措施、生活條件、行為
- 47. 災害機制 ? 大流行可導致嚴重的健康、社會、經濟影響， 主要有三重機制 ? 病原致病性 ? 短期間內大量人口患病 ? 防控措施 ? 爆升是疫情的關鍵階段，高速的爆升可使醫療 系統崩潰、社會系統失常，從而大大加重大流 行的影響
- 48. 制動 ? 利用前述因素減低爆升速度（斜率） ? 應可減低大流行的衝擊和影響 ? 第3組國家斜率較低（制動較好，使波峰平緩） 的例子有芬蘭、日本、德國等 ? 中國香港急升段的平均斜率為全球之冠，且遠高 於其次的新西蘭、以色列等
- 50. Ｏ波特徵 1. 時間空間分佈 2. 典型形態 3. 爆升 4. 感染高峰／醫療系 統高壓 5. 死亡低峰 6. 自然下降 7. 持續流傳 8. 第二峰
- 51. Ｏ波主峰 ? 主峰＝急升段＋平台段＋下降段 ? 真實意義 ? 在2-3個月期間 ? 許多人染病 ? 對醫療系統和社會構成重大壓力
- 52. 醫療系統壓力指標 1. 確診病例數／率 2. 住院病例數／率 3. 重症監護病例數／率 4. 死亡數／率
- 53. 單日發病率峰值（七天平均值） ? 第3組日發病率峰值中位數為3037/百萬人口 （即0.30%），多數範圍是0.13%-0.50% ? 中國香港錄得最高的日發病率8764/百萬人口 （即0.88%） ? 紧随的包括以色列、丹麦、韩国、荷兰等
- 54. 主峰發病率 ? 第3組主峰發病率中位數為10.53%，多數範圍 是5.16-22.61% ? 丹麥錄得最高的主峰發病率41.93% ? 其次為奥地利、荷兰、韩国、法国等
- 55. 0 500 1000 1500 2000 2500 3000 3500 0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64 68 72 76 80 84 88 92 96 100 104 108 112 116 120 124 128 132 136 140 144 148 每 百 萬 人 口 日數 圖7：第3組日發病峰值及主峰期間發病率 （資料來自Our World in Data，澳門湯家耀2022年5月制圖） A B C D E 0.30%（0.13-0.50%） 相當於澳門 2100（900-3400）例/日 10.53%（5.16-22.61%） 相當於澳門 7.2（3.5-15.4）萬例 計算截至2022年5月23日資料，第3組多個國家尚未到達延續點，僅為臨時數字。
- 56. 表6：三組Ｏ波期間發病率 （資料來自Our World in Data，澳門湯家耀2022年5月制表） 期間發病率(%) 緩升段 急升段 平台段 下降段 延續段 主峰 第1組 中位數 0.00 0.02 0.04 0.03 0.00 0.09 （20-80百分位數） (0.00-0.05) (0.01-0.33) (0.01-0.71) (0.01-0.47) (0.00-0.08) (0.04-1.37) 第2組 中位數 0.01 0.08 0.18 0.08 0.01 0.27 （20-80百分位數） (0.00-0.06) (0.01-0.27) (0.02-0.57) (0.02-0.32) (0.00-0.04) (0.04-1.45) 第3組 中位數 0.44 2.97 4.27 3.29 0.34 10.53 （20-80百分位數） (0.13-1.55) (1.18-7.52) (1.55-7.54) (1.27-8.59) (0.10-0.60) (5.16-22.61) 計算截至2022年5月23日資料，第3組多個國家尚未到達延續點，僅為臨時數字。
- 57. 單日住院率峰值（七天平均值） ? 有提供住院數據國家日住院率峰值中位數為 294（207-412）/百萬人口 ? 恆常病床佔用率為9.5（4.9-12.2）% ? 中國香港錄得最高的日住院率1470/百萬人口 （即0.15%） ? 也錄得最高的恆常病床佔用率27.1%
- 59. 截至2022年第一季末。除標明％外均為每百萬人口。病床佔用率以疫情前恆常病床總數計算。紅色>80百分位數，藍色<20百分位數。 表7：部分國家／地區醫療系統壓力指標峰值 （資料來自Our World in Data，澳門湯家耀2022年5月制表） 洲 組別 國家/地區 日發病/人口率 住院/人口率 住院/發病率 住院/病床率 重監/人口率 死亡/人口率 亞 3 中國香港 8764 1470 16.8% 27.1% 15 36.78 亞 3 以色列 8672 382 4.4% 12.8% 38 6.48 歐 3 丹麥 7971 294 3.7% 11.8% 8 7.53 亞 3 韓國 7894 364 4.6% 3.0% 23 6.69 歐 3 荷蘭 7298 108 1.5% 3.2% 13 0.97 歐 3 葡萄牙 5484 242 4.4% 7.1% 17 4.73 歐 3 法國 5437 490 9.0% 8.2% 58 4.55 歐 3 奧地利 4986 355 7.1% 4.8% 26 4.30 歐 3 愛爾蘭 4511 311 6.9% 10.5% 18 3.64 歐 3 比利時 4482 361 8.0% 6.4% 37 4.30 洋 3 澳大利亞 4235 202 4.8% 5.3% 16 3.08 歐 3 瑞士 4170 227 5.4% 5.0% 30 2.21 歐 3 瑞典 4028 210 5.2% 9.5% 12 4.96 歐 3 挪威 3734 113 3.0% 3.1% 25 4.91 歐 1 捷克 3550 380 10.7% 5.7% 36 5.71 歐 3 希臘 3493 521 14.9% 12.4% 73 10.12 亞 3 新加坡 3360 507 15.1% 21.1% 33 1.76 歐 3 德國 3062 174 5.7% 2.2% 28 2.80 歐 3 意大利 3012 356 11.8% 11.2% 28 6.21 歐 3 英國 3011 289 9.6% 11.4% 13 4.76 歐 3 西班牙 2956 355 12.0% 12.0% 48 6.05 美 3 美國 2426 456 18.8% 16.5% 78 7.69 歐 3 芬蘭 1946 185 9.5% 5.6% 7 4.87 美 3 智利 1856 251 13.5% 11.9% 57 6.54 歐 3 羅馬尼亞 1570 647 41.2% 9.4% 59 7.18 美 3 加拿大 1089 280 25.8% 11.2% 32 4.19 美 3 玻利維亞 963 153 15.9% 13.9% 17 4.35 亞 2 馬來西亞 938 229 24.4% 12.1% 12 2.55 亞 3 日本 750 232 30.9% 1.8% 17 1.79
- 60. 時間不一致 ? 住院峰值，約有一半與病例峰值基本同時，在 平台段，另一半略為延後，在下降段 ? 多數國家重監峰亦如是，均符合常理 ? 多個歐洲國家包括德國、英國、荷蘭等，重監 率峰值是在Ｏ波起點，顯然由緊前的Delta疫 情導致
- 62. 0 10 20 30 40 50 60 70 0 500 1000 1500 2000 2500 3000 3500 2021-10-01 2021-10-06 2021-10-11 2021-10-16 2021-10-21 2021-10-26 2021-10-31 2021-11-05 2021-11-10 2021-11-15 2021-11-20 2021-11-25 2021-11-30 2021-12-05 2021-12-10 2021-12-15 2021-12-20 2021-12-25 2021-12-30 2022-01-04 2022-01-09 2022-01-14 2022-01-19 2022-01-24 2022-01-29 2022-02-03 2022-02-08 2022-02-13 2022-02-18 2022-02-23 2022-02-28 2022-03-05 2022-03-10 2022-03-15 2022-03-20 2022-03-25 2022-03-30 重 監 病 例 ／ 新 增 死 亡 新 增 病 例 ／ 住 院 病 例 日數 圖8b：德國四峰比較 （資料來自Our World in Data，澳門湯家耀2022年5月制圖） 新增病例 住院病例 重監病例 新增死亡 Delta Omicron BA.1 Omicron BA.2 背馳
- 63. 0 2 4 6 8 10 12 14 16 0 500 1000 1500 2000 2500 3000 3500 2021-10-01 2021-10-06 2021-10-11 2021-10-16 2021-10-21 2021-10-26 2021-10-31 2021-11-05 2021-11-10 2021-11-15 2021-11-20 2021-11-25 2021-11-30 2021-12-05 2021-12-10 2021-12-15 2021-12-20 2021-12-25 2021-12-30 2022-01-04 2022-01-09 2022-01-14 2022-01-19 2022-01-24 2022-01-29 2022-02-03 2022-02-08 2022-02-13 2022-02-18 2022-02-23 2022-02-28 2022-03-05 2022-03-10 2022-03-15 2022-03-20 2022-03-25 2022-03-30 重 監 病 例 ／ 新 增 死 亡 新 增 病 例 ／ 住 院 病 例 日數 圖8c：英國四峰比較 （資料來自Our World in Data，澳門湯家耀2022年5月制圖） 新增病例 住院病例 重監病例 新增死亡 Delta Omicron BA.1 Omicron BA.2 背馳
- 64. 0 5 10 15 20 25 30 35 40 0 1000 2000 3000 4000 5000 6000 7000 8000 2021-10-01 2021-10-06 2021-10-11 2021-10-16 2021-10-21 2021-10-26 2021-10-31 2021-11-05 2021-11-10 2021-11-15 2021-11-20 2021-11-25 2021-11-30 2021-12-05 2021-12-10 2021-12-15 2021-12-20 2021-12-25 2021-12-30 2022-01-04 2022-01-09 2022-01-14 2022-01-19 2022-01-24 2022-01-29 2022-02-03 2022-02-08 2022-02-13 2022-02-18 2022-02-23 2022-02-28 2022-03-05 2022-03-10 2022-03-15 2022-03-20 2022-03-25 2022-03-30 重 監 病 例 ／ 新 增 死 亡 新 增 病 例 ／ 住 院 病 例 日數 圖8d：荷蘭四峰比較 （資料來自Our World in Data，澳門湯家耀2022年5月制圖） 新增病例 住院病例 重監病例 新增死亡 Delta Omicron BA.1 Omicron BA.2 背馳
- 67. 0 5 10 15 20 25 30 35 40 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 2021-10-01 2021-10-06 2021-10-11 2021-10-16 2021-10-21 2021-10-26 2021-10-31 2021-11-05 2021-11-10 2021-11-15 2021-11-20 2021-11-25 2021-11-30 2021-12-05 2021-12-10 2021-12-15 2021-12-20 2021-12-25 2021-12-30 2022-01-04 2022-01-09 2022-01-14 2022-01-19 2022-01-24 2022-01-29 2022-02-03 2022-02-08 2022-02-13 2022-02-18 2022-02-23 2022-02-28 2022-03-05 2022-03-10 2022-03-15 2022-03-20 2022-03-25 2022-03-30 危 殆 病 例 ／ 新 增 死 亡 新 增 病 例 ／ 住 院 病 例 日數 圖8g：中國香港四峰比較 （資料來自Our World in Data及香港衛生署，澳門湯家耀2022年5月制圖） 新增病例 住院病例 危殆病例 新增死亡 Omicron 危殆與死亡 大小倒置
- 68. 背馳現象 ? 多個歐洲國家在Ｏ波初段 ? 確診病例顯著上升 ? 住院、重症監護、死亡顯著下降 ? 因此，當時有歐洲流行病學家說Omicron是 聖誕禮物
- 69. 比例不一致 ? 各國發病、住院、重症監護三率之間比例不一 致，高低參差的情況多見 ? 不排除疫情在不同國家輕重有差別，亦可由不 同的應對政策造成 ? 全檢強檢政策使發病率高，反之則低 ? 應收盡收政策使住院率高，反之則低 ? 聚焦重症政策使重監率高，反之則低
- 70. 特例 ? 發病率低，但住院、重監、死亡率高，如羅馬尼亞， 可能診斷不全；相反，如荷蘭，可能診斷過度 ? 住院率高，但發病、重監、死亡率低，如日本，可能 是病例不太多而採取盡量收治政策 ? 發病、住院、死亡率不高，但重監率高，如美國，可 能是採取聚焦重症的政策 ? 中國香港發病、住院、死亡率均為最高，但重監率偏 低，且與死亡率大小倒置，可能是重症監護不足（香港無 公佈重症監護人數，此是以公佈的危殆人數計算，可能有一定誤差，但危殆人數與死亡人數 亦不應倒置）
- 72. a)基於第3組統計作估計；b)基於有提供數據國家統計作估計。 表8：中國澳門Ｏ波醫療系統壓力指標估計 （資料來自Our World in Data，澳門湯家耀2022年5月制表） 中位數 多數範圍 極端值 單日確診 人數峰值a) 2100 900-3400 6000 主峰 發病人數a) 7.2萬 3.5-15.4萬 28.6萬 單日住院 人數峰值b) 200 140-280 1000 單日重症監護 人數峰值b) 18 10-28 54 單日死亡 人數峰值a) 3 2-4 25 Ｏ波累計 死亡人數a) 162 56-247 687
- 73. Ｏ波特徵 1. 時間空間分佈 2. 典型形態 3. 爆升 4. 感染高峰／醫療系 統高壓 5. 死亡低峰 6. 自然下降 7. 持續流傳 8. 第二峰
- 78. 單日死亡率峰值（七天平均值） ? 第3組日死亡率峰值中位數為4.4 （2.2-6.5）/ 百萬人口 ? 中国香港录得最高的日死亡率36.8/百万人口
- 80. 時間分佈 ? 死亡峰一般比住院峰和重監峰再遲一些，多數 是在病例峰的下降段，少數在平台段，少數在 延續段，符合常理 ? 俄羅斯、德國、荷蘭的死亡率峰值在病例峰的 緩升段，顯然由緊前的Delta疫情導致 ? 瑞士、越南則在病例峰的急升段，可能是由 Delta和Omicron共同構成
- 81. 悖論 ? 截至2022年3月31日 ? 99國1地Ｏ波共錄得約74萬人死亡 ? 若與假設此波疫情由Delta完成比較，避免了 約207萬人死亡
- 82. 表9：三組分階段病死率 （資料來自Our World in Data，澳門湯家耀2022年5月制表） 複合指標是各國先複合然後取中位數及百分位數，而非以各國中位數作複合運算。 病死率 死亡數 Delta前 Delta Omicron 全程 D/O比 Ｏ波錄得 比假設是Delta 第1組 122521 -442761 中位數 1.78% 2.45% 0.79% 1.93% 3.1 （20-80百分位數） (1.17%-3.58%) (1.19%-4.13%) (0.41%-1.61%) (1.07%-2.99%) (1.9-5.7) 第2組 129652 -275336 中位數 1.68% 1.96% 0.60% 1.61% 3.3 （20-80百分位數） (0.96%-3.20%) (1.26%-3.53%) (0.28%-1.05%) (1.09%-2.58%) (1.9-5.7) 第3組 485780 -1351397 中位數 2.01% 0.70% 0.20% 0.64% 4.2 （20-80百分位數） (1.13%-2.92%) (0.31%-1.98%) (0.09%-0.63%) (0.27%-1.42%) (1.9-6.7)
- 83. Ｏ波特徵 1. 時間空間分佈 2. 典型形態 3. 爆升 4. 感染高峰／醫療系 統高壓 5. 死亡低峰 6. 自然下降 7. 持續流傳 8. 第二峰
- 84. 自然下降 ? 到頂後迅速回落是Ｏ波另一突出和必然特徵 ? 所有國家皆如是，明顯不依賴於防控措施 ? 三組差異 ? 第1,2組回落非常迅速，直至很低的水平後橫行 ? 第3組下降較緩慢，可較長時間在較高的水平波 動
- 85. 群體免疫 ? Omicron病例數由持續上升轉為持續下降， 意味有效傳染數（Effective Reproduction Number, Rt）由 >1 變為 <1 ? 可能的原因，一是有效的“動態清零”，二是 傳說中的“群體免疫” ? 面對Omicron，99國明顯無能力實現動態清零
- 86. 易感者 現行感染（傳染源） 免疫（康復／接種） 傳染 易感人群 易感者多免疫者少 有效傳染數Rt > 1 疫情擴散病例增加 群體免疫 免疫者多易感者少 有效傳染數Rt < 1 疫情收斂病例減少 圖10：群體免疫 （原圖取自Covid Vaccine Facts，澳門湯家耀2022年5月更改並以中文標注） 有效傳染數（Effective Reproduction Number, Rt）：真實情況下，每一感染者平均傳染人數。
- 88. 四個重要因素 1. 檢測量 2. 亞臨床感染 3. 疫苗接種 4. 人口非同步免疫
- 89. 檢測量的影響 ? 各國檢測量差異很大 ? 試按人均檢測量校正發病率，發現 ? 假若各國人均檢測量都等於第3組的中位數，檢 出率不變，則三組全程發病率中位數和多數範圍 相當接近，約是人口的18%（10-30%）
- 90. 表10：三組按檢測指數校正的期間發病率 （資料來自Our World in Data，澳門湯家耀2022年5月制表） 複合指標是各國先複合然後取中位數及百分位數，而非以各國中位數作複合運算。 期末累計 經校正的期間發病率(%) 每百人口 檢測數 檢測指數 Delta前 Delta Omicron 全程 第1組 中位數 7.0 0.04 6.6% 4.3% 3.0% 14.3% （20-80百分位數） (3.3-76.9) (0.02-0.41) (4.8%-11.0%) (1.8%-8.9%) (1.6%-7.6%) (9.2%-27.7%) 第2組 中位數 23.5 0.12 4.4% 9.8% 4.6% 18.5% （20-80百分位數） (8.5-57.8) (0.04-0.31) (2.4%-8.3%) (6.5%-14.8%) (1.9%-6.0%) (12.2%-29.6%) 第3組 中位數 188.5 1.00 3.2% 3.9% 13.1% 18.7% （20-80百分位數） (78.7-390.4) (0.42-2.07) (0.6%-6.9%) (1.3%-6.5%) (5.3%-20.6%) (9.7%-31.3%)
- 91. 亞臨床感染的影響 ? 即使檢測量達至或高於高收入國家的正常水平，仍不 代表能發現所有感染個案，亞臨床感染仍會被遺漏 ? 亞臨床感染是指症狀很輕甚或全無、不被察覺、不尋 求檢測診治的感染個案，一般經由血清學檢測發現曾 經感染 ? 世衛研究揭示，2020年第三季至2021年第二季期間 ，血清檢測陽性率與報告發病率有很大的差距，低中 收入國家尤甚，而即使在高收入國家，差距仍可達 1.2-12.4倍
- 92. 表11：按世衛區域及收入組別估計血清陽性反應率與累計發病率之比 （原表來自WHO/Bergeri I, et al.，澳門湯家耀2022年5月中譯及重排） Bergeri I, et al. Global epidemiology of SARS-CoV-2 infection: a systematic review and meta-analysis of standardized population-based seroprevalence studies, Jan 2020-Dec 2021. medRxiv preprint, doi: https://doi.org/10.1101/2021.12.14.21267791 估計血清陽性反應率與累計發病率之比：中位數［範圍］ 收入水平 世衛區域 2020年第三季 2020第四季 2021第一季 2021第三季 高收入 美洲 3.5 [1.8-4.6] 1.5 [1.2-1.9] 1.3 [1.3-1.3] 1.2 [1.2-1.2] 西太平洋 3.8 [3.8-3.8] 4.1 [4.1-4.1] 歐洲 11.2 [5.9-14.0] 1.7 [1.5-3.6] 1.7 [1.4-2.1] 2.9 [2.0-4.8] 東地中海 10.8 [9.8-11.6] 12.4 [12.4-12.4] 低中收入 美洲 16.7 [9.8-21.7] 東南亞 42.5 [31.6-53.3] 33.5 [11.7-37.7] 7.9 [4.9-10.9] 38.9 [28.4-79.8] 歐洲 60.8 [39.7-82.3] 41.6 [31.1-46.7] 22.6 [22.6-22.6] 9.9 [9.8-10.3] 西太平洋 48.6 [34.1-338.9] 44.3 [38.7-51.6] 34.5 [31.2-37.9] 東地中海 42.2 [13.8-47.0] 56.8 [31.7-70.2] 63.3 [61.8-64.7] 非洲 82.7 [82.4-125.9] 121.5 [118.3-127.7] 149.1 [147.1-177.0] 182.7 [136.4-216.0] 所有 全球 30.1 [27.2-33] 18.6 [14.1-23.1] 12.7 [10.9-14.5] 16.7 [14.8-18.7]
- 94. 表12：部分國家Ｏ波前後血清陽性率變化及與確診病例數之比 （資料來自SeroTracker，澳門湯家耀2022年5月制表） * 核衣殼（Ｎucleocapsid）抗體陽性，代表自然感染，不受疫苗接種影響。 血清感染抗體陽性率* 推算增加 感染人數 A 同期增加 確診病例數 B A / B 洲 組別 國家 2021年第四季 2022年第一季 美 3 美國 33.50% 57.70% 80565448 26057732 3.1 美 3 加拿大 6.39% 27.54% 8051364 1503164 5.4 歐 3 芬蘭 5.20% 28.20% 1276123 409457 3.1
- 96. 圖11a：加拿大捐血者Covid-19抗體水平的變化 （原圖取自Canadian Blood Services，澳門湯家耀2022年5月加入中文標注） 自然感染或接種疫苗 自然感染 自然感染 接種疫苗
- 98. 圖11c：英國兒童按年齡組和季度血清抗體陽性率 （原圖取自Oeser C. et al，澳門湯家耀2022年5月加入中文標注） 自然感染產生抗體 接種疫苗產生抗體
- 99. 人口非同步免疫 ? 真實情況下，人口並非均等，個體的社會接觸強度和 傳染風險各不相同 ? 第一主峰，可能主要代表社會接觸強度較大、人數較 多的“中心人口”達至群體免疫的過程 ? 社會接觸強度較小、人數較少的“周邊人口”，可能 在疫情下降及或延續階段才逐漸完成 ? 兩者的數量和界限取決於當時當地的生活條件和行為 模式，甚難劃定，不同時期、不同地區很可能不相同
- 100. 圖12：加拿大各省捐血者血清感染抗體陽性率（2022年3月1-15日） （原圖取自Canadian Blood Services ，澳門湯家耀2022年5月加入中文標注） * 核衣殼（Ｎucleocapsid）抗體陽性，代表自然感染，不受疫苗接種影響。
- 101. Ｏ波特徵 1. 時間空間分佈 2. 典型形態 3. 爆升 4. 感染高峰／醫療系 統高壓 5. 死亡低峰 6. 自然下降 7. 持續流傳 8. 第二峰
- 102. 下降段遷延 ? 任意地以日發病率降至峰值的10%以下作為下降段與 持續段的分界 ? 數個國家下降段在較高位置遷延，至5月底仍未達至 持續點，可能的因素包括 ? Ｏ波前人口自然感染率低（全部） ? BA.1與BA.2形成相連的兩峰（如德、英、澳洲、新西蘭） ? 控制措施使主峰平緩（如日本、芬蘭） ? 在下降階段進行了逆操作
- 103. 逆操作 ? 部分國家在下降階段進行了逆操作，即高峰甫 過，迅即撤銷限制聚集和強制口罩等措施 ? 用意似乎是促使周邊人口及早完成免疫，減少遺 留易感人群 ? 相信在一定程度上会使下降段在较高水平迁延
- 104. 0 1000 2000 3000 4000 5000 6000 0 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 102 108 114 120 126 132 138 144 150 156 162 168 174 180 186 192 198 204 210 216 222 228 234 240 每 百 萬 人 口 日數 圖13：下降段遷延的第3組國家 （資料來自Our World in Data，澳門湯家耀2022年5月制圖） 典型 日本 德國 意大利 澳洲 葡萄牙 芬蘭 新加坡 新西蘭 計算截至2022年5月23日資料，第3組多個國家尚未到達延續點，僅為臨時數字。
- 105. 持續流傳 ? Ｏ波主峰過後，各國確診病例數降至或高或低 的水平延續，個別接近零，但暫時未見病毒自 然消失的例子或趨勢 ? 使病毒能夠持續流傳的物質基礎，包括 ? 尚未感染的周邊人口 ? 接種者的突破感染和曾感染者的再感染 ? 病毒的進一步變異（適應性進化）
- 107. Ｏ波特徵 1. 時間空間分佈 2. 典型形態 3. 爆升 4. 感染高峰／醫療系 統高壓 5. 死亡低峰 6. 自然下降 7. 持續流傳 8. 第二峰
- 108. BA.2亞變異株 ? 第二峰與BA.2亞變異株有關，不是必然特徵 ? 第3組若BA.1與BA.2出現的時間足夠分開，可形 成兩峰，如德國、英國、法國、荷蘭、澳洲等； 若兩者出現時間相近，或一開始即為BA.2，只有 一峰（或可因後來的其他亞變異株而出現） ? 第1,2組第一峰本來就很小，第二峰或更小，或幾 乎看不見
- 109. 表13：2022年世衛區域按樣本採集周BA.2佔Omicron序列百分比 （原表來自WHO，澳門湯家耀2022年5月中譯及重排） Omicron 序列 2022年按樣本收集周BA.2所佔比例 (%) 世衛區域 總數 1 2 3 4 5 6 7 8 9 10 11 12 13 東南亞 47348 52.48 57.87 47.99 58.62 78.47 82.90 82.48 79.28 86.14 85.16 94.16 93.10 非洲 8742 12.03 17.40 38.74 37.66 45.07 59.90 76.59 86.25 83.33 79.09 91.18 88.24 歐洲 1425279 3.20 8.04 12.80 17.52 22.81 32.59 46.11 60.06 74.32 82.90 90.02 94.17 94.33 東地中海 1297 30.31 33.14 32.77 12.93 16.67 45.58 44.32 40.82 50.00 100.00 西太平洋 89145 5.20 4.40 6.55 10.65 14.72 21.07 30.22 40.97 49.87 70.58 81.66 92.14 93.10 美洲 685187 0.17 0.36 0.75 1.26 1.75 2.92 5.35 9.67 17.48 32.10 48.67 65.88 65.79
- 110. 0 10 20 30 40 50 60 70 0 1000 2000 3000 4000 5000 6000 2021-10-01 2021-10-06 2021-10-11 2021-10-16 2021-10-21 2021-10-26 2021-10-31 2021-11-05 2021-11-10 2021-11-15 2021-11-20 2021-11-25 2021-11-30 2021-12-05 2021-12-10 2021-12-15 2021-12-20 2021-12-25 2021-12-30 2022-01-04 2022-01-09 2022-01-14 2022-01-19 2022-01-24 2022-01-29 2022-02-03 2022-02-08 2022-02-13 2022-02-18 2022-02-23 2022-02-28 2022-03-05 2022-03-10 2022-03-15 2022-03-20 2022-03-25 2022-03-30 重 監 病 例 ／ 新 增 死 亡 新 增 病 例 ／ 住 院 病 例 日數 圖15a：法國四峰比較 （資料來自Our World in Data，澳門湯家耀2022年5月制圖） 新增病例 住院病例 重監病例 新增死亡 Delta Omicron BA.1 Omicron BA.2
- 111. 0 5 10 15 20 25 30 0 500 1000 1500 2000 2500 3000 3500 2021-10-01 2021-10-06 2021-10-11 2021-10-16 2021-10-21 2021-10-26 2021-10-31 2021-11-05 2021-11-10 2021-11-15 2021-11-20 2021-11-25 2021-11-30 2021-12-05 2021-12-10 2021-12-15 2021-12-20 2021-12-25 2021-12-30 2022-01-04 2022-01-09 2022-01-14 2022-01-19 2022-01-24 2022-01-29 2022-02-03 2022-02-08 2022-02-13 2022-02-18 2022-02-23 2022-02-28 2022-03-05 2022-03-10 2022-03-15 2022-03-20 2022-03-25 2022-03-30 重 監 病 例 ／ 新 增 死 亡 新 增 病 例 ／ 住 院 病 例 日數 圖15b：意大利四峰比較 （資料來自Our World in Data，澳門湯家耀2022年5月制圖） 新增病例 住院病例 重監病例 新增死亡 Delta Omicron BA.1 Omicron BA.2
- 112. 0 2 4 6 8 10 12 14 16 18 0 500 1000 1500 2000 2500 3000 3500 4000 4500 2021-10-01 2021-10-06 2021-10-11 2021-10-16 2021-10-21 2021-10-26 2021-10-31 2021-11-05 2021-11-10 2021-11-15 2021-11-20 2021-11-25 2021-11-30 2021-12-05 2021-12-10 2021-12-15 2021-12-20 2021-12-25 2021-12-30 2022-01-04 2022-01-09 2022-01-14 2022-01-19 2022-01-24 2022-01-29 2022-02-03 2022-02-08 2022-02-13 2022-02-18 2022-02-23 2022-02-28 2022-03-05 2022-03-10 2022-03-15 2022-03-20 2022-03-25 2022-03-30 重 監 病 例 ／ 新 增 死 亡 新 增 病 例 ／ 住 院 病 例 日數 圖15c：澳洲四峰比較 （資料來自Our World in Data，澳門湯家耀2022年5月制圖） 新增病例 住院病例 重監病例 新增死亡 Delta Omicron BA.1 Omicron BA.2
- 113. 實質意義 ? 對於經歷過BA.1的地方，BA.2可能是機遇 ? 消除遺留的易感人群 ? 強化已免疫人群的免疫記憶 ? 第二峰疾病嚴重程度似與第一峰無明顯差異，對 醫療系統的壓力一般較小
- 115. （未完待续）