發表在《自然-通訊》上的一項新研究重建了COVID-19的區域發病概況，強調了非藥物干預（NPI）和不同檢測策略的影響。 COVID-19新病例的每日計數仍然是評估該大流行病狀況的基礎，對於作出公共干預的知情決定至關重要。 然而，這些病例數是基於陽性的診斷測試結果，因此高度依賴於基本的測試策略。

但是，檢測策略因地區而異，並且隨著時間的推移發生了巨大的變化，使得醫療機構對每天新診斷的數量的精確影響難以預測。 因此，對於大流行病監測來說，對新感染者的數量進行更有力的估計是必要的。

為了更好地估計新的感染率，研究人員開發並測試了一種新的計算方法，該方法純粹從基因組序列及其採樣日期推斷病毒發病率的時間分佈。 因為病毒基因組是一個穩定的突變過程的基礎，其序列隨時間的變化也跟蹤其在人群中的傳播。

MPI-SHH潮汐研究小組負責人、該研究的共同作者Denise Kühnert說：”病毒基因組中出現的突變留下了一個信號，使我們能夠將遺傳多樣性與病毒種群規模聯繫起來，在這種情況下，也與發病率聯繫起來。 通過計算非藥物干預措施的重大變化之間的有效繁殖數量的片斷常數估計，該研究強調了公共措施對COVID-19傳播的潛在影響。

許多歐洲國家採取的封鎖措施就是一個有說服力的例子。 2020年春季，在歐洲實施嚴格的封鎖措施后，基本傳染數急劇下降到1以下。 當大多數國家在2020年夏季開始時取消這些措施時，數據增加到大於1。

該團隊使用來自四個不同地區（丹麥、蘇格蘭、瑞士和澳大利亞維多利亞州）的SARS-CoV-2基因組進行了廣泛的最先進的系統動力學分析，以驗證新方法。

潮汐研究小組的博士生、該研究的共同作者Ariane Weber說：”通過將我們的結果與報告的病例數進行比較，我們能夠發現報告不足的時期。 這些包括蘇格蘭和維多利亞州的第一波感染，以及2020年夏天歐洲的小規模流行，這些在診斷病例數中是看不到的，”Weber補充說。 通過使用新方法產生的發病率關聯和關於部署的檢測策略的公共數據，研究人員還能夠計算出不同時期的病例檢測率。 這些數據表明，檢測能力的增加通常會導致更高比例的檢出病例。 然而，令人驚訝的是，當檢測標準放寬時，檢測概率就會下降。 這為2020年夏季在歐洲觀察到的病例檢測不足提供了潛在的解釋，當時更寬鬆的檢測標準與不變的檢測能力相結合。