斯坦福大學研究團隊剛剛開發了一個互動式網站，其允許用戶構建自定義模型，以評估不同的社會疏導干預措施，是如何影響COVID-19疫情是在一段時間內傳播的。從歷史經驗來看，防治工作向來是宜早不宜遲，初次封鎖對疫情的持續時間和病毒的複發程度都有相當深遠的影響。

（來自：Standford University，傳送門：GitHub）

該校生物學家Erin Mordecai 解釋稱，該模型探索了相關疫情干預措施是如何隨時間而變化的。

舉個例子，如果我們多等了一個星期才發出就地庇護的行政命令，那後續會是怎樣的場景？

或者至少要減少多少百分比的社交活動，才能在一段時間內看到新增病例的下降？

以及在追踪住院收治病例的過程中，主動啟用或放棄干預措施，將帶來怎樣的變化？

顯然，這套交互式模型並未強調基於位置的預測，而是根據分階段的干預策略而給出的通用性評估。

用戶可選擇輸入自己的數據，繪製出兩條干預措施的起止日期，以及社交疏離期的持續長度。

模型提供了線性和對數尺度下的輸出數據，繪製從感染/ 住院總人數、到康復/ 死亡總人數在內的一切數據圖表。

其給出的一個重要啟示，莫過於早期不積極的社交疏離措施，對第二波疫情有多大的助推作用。

我們可以一個燈泡來描述社會疏離措施的開關，預測怎樣才能控制當地社區的COVID-19 疫情傳播，以至於醫療資源不會面臨崩潰。

從模擬結果來看，如果早期措施得當，那我們完全不需要一年或更長的封城隔離時間。