传染：为什么疾病、金融危机和社会行为会流行-读书笔记
作者亚当·库哈尔斯基，伦敦卫生与热带医学院传染病流行病学系副教授，致力于使用数学模型研究传染病和社会行为的传播。他曾参与过对西非埃博拉病毒、南美寨卡病毒等疫情的流行病学研究，研究结果被BBC、《华盛顿邮报》等世界著名媒体广泛报道。
在2020年的新型冠状病毒疫情期间，库哈尔斯基的团队是全球流行病学领域最活跃的研究团队之一，目前已在《柳叶刀》《自然–医学》等世界顶级医学期刊发表多篇论文。此外，他还为英国政府制定疫情防控政策提供专家建议。
用模型思维破译疾病传染
我们都知道，不管是现在我们全球面临的新型冠状病毒还是2003年的SARS，都给我们留下了惨痛的记忆。在过去的一百多年里，世界各地的联系越来越紧密，出现了更多重大的全球疫情，比如艾滋病、大流感等等。但是，很长时间以来，面对疫情人类能做的事情都很有限。每次新的疫情情况都不一样，病毒会变异、暴发的程度也都不同。
每次我们总结的经验，并不足以应对突然发生的疫情。所以，作者认为清楚传染病的特征，分析传播模型和数据，追溯传染病的源头，这些都对传染病的预防和控制至关重要。那我们还能怎么办呢？流行病学研究，也就从这里开始的 。
20世纪以前一直困扰人类的一种疾病，叫做疟疾。在温带地区，疟疾一直是常见的流行病。在20世纪以前，人们还不知道疟疾的病因，更不知道疟疾为什么会传染。一旦疫情暴发，除了治疗已经中招的病人，人们唯一能做的，就是等待它过去。但19世纪末，英国有一位军医，叫罗纳德·罗斯，他下定决心，要破解疟疾传染的秘密。罗斯首先证明了疟疾传播的媒介是蚊子，还因此获得了诺贝尔奖。但罗斯没有止步于此。他还要证明疟疾的传播是可以阻断的，阻断的方法，就是控制蚊子的数量。
可当时人们普遍的反应，居然是嘲笑罗斯。在他们看来，蚊子不可能消灭到一只不剩，既然不能，疟疾就还是会传播。但罗斯坚信，用不着消灭所有蚊子，只要控制蚊子的数量，就能防控疟疾。他是怎么证明的呢？
他说服一家机构在埃及的一座城市采取控蚊措施。那里每年都会暴发疟疾，大约会有2000人感染。结果，控蚊措施的效果不错，当年感染的人数下降到了100人以下。虽然有了现实的证据，但还是有同行质疑罗斯。他们会说，就算疫情控制住了，也不能说明就是因为控蚊，没准是因为气候变了。那么如何证明这种干预是有效的？如果预测到会发生疫情，我们肯定会做各种干预，努力避免灾难发生。最终灾难没有发生，到底是预测错了，还是干预有效呢？
蚊子定理
面对这道难题，罗斯决定求助数学。他设计了一个数学模型，用模型来模拟疫情。首先，他要计算出特定地理区域内每个月的疟疾平均感染人数，这意味着将疟疾传播过程分解成不同的基本构成要素。比如这个地区有多少人，有多少只蚊子，你就得到了一个重要的指标“蚊子密度”。然后，你可以设定其他参数，包括已经感染疟疾的人数，能够成功叮咬病人的蚊子占多大比例，还有能够再次传播疾病的蚊子占多大比例。这样，就能算出“蚊子密度”和感染人数，也就是疫情规模的关系。罗斯给自己的模型起了个名字，叫“蚊子定理”。
SIR模型
后来一个叫麦肯德里克的年轻科学家，他非常认同罗斯的思路，决心用这个思路，探索疾病传染更普遍的规律。他给自己设定的问题是：疫情结束的原因到底是什么？当时，对这个问题有两种常见的解释，有人说是易感人群逐渐减少直到没有了，也人说是病原体的传染性越来越弱。麦肯德里克和同伴一起设计了一个数学模型，叫作SIR模型。SIR这三个字母，分别代表易感者、传染者和康复者。麦肯德里克发现，当易感者在人群中占的比例足够小的时候，疫情就会开始逆转。这才是疫情结束的真正原因。换句话说，疫情会在所有易感者都被感染之前就结束。一个很有争议的概念，“群体免疫”，就是在这个研究的基础上得到的。SIR模型展现了疾病传染的普遍规律，但还无法解决疫情，那我们如何防患于未然呢？
R值和超级传播者
在有关疫情的新闻报道中，我们听过这两个概念：一个是R值，也就是再生数；另一个是超级传播者。这两个概念，就是如今流行病研究领域最核心的概念。它们揭示了传染发生的原因。
R值表示1个感染者平均能再感染几个人。比如R值为2，就是说1个初始病例平均会再传染2个人。R值大于1的时候，疾病才会持续传染。R值越大，传染的速度就越快，规模也越大。R值为2的疾病，暴发到第5代会有32起新病例；如果R值是3，第5代时就会出现243起病例。一般流感R值在1到2之间，影响相对比较小。2003年的SARS病毒，R值在2到3之间，所以会暴发疫情。很显然，R值最大的优点就是直观。一种传染病会不会暴发，暴发的速度有多快，规模有多大，一目了然。它还能帮我们评估应该怎么办，比如需要多少人接种疫苗才能阻断疫情。如果R值为20，比如麻疹，每20个人中就需要至少接种19个人，或者说，接种率超过95%，才能阻断疾病暴发。那R值是怎么算出来的呢？
影响R值的关键因素有4个，分别是传染期、传染机会数、传染概率和易感性。假设一个人得了流感，传染期就是说他在多长时间内会传染给别人；传染机会数是他每天有多大概率会传染给别人；传染概率是他接触到其他人的时候，发生传染的概率；易感性，就是其他人被传染的可能性。这样，我们就得到了R值公式：R=DOTS。DOTS就是那四个因素的首字母。 有了R值公式，我们就能明确应该如何防控传染病。流感暴发后，确诊病例和接触者要隔离一段时间，就是要错开传染期；流感期间最好少出门，是为了减少传染机会数；戴口罩是为了降低传染概率。易感性的问题因人而异，不过有些疾病，比如艾滋病，我们可以通过药物来降低人群的易感性。当然，R值描述的不是现实情况，而是整体趋势。在现实中，感染人数并不是2个变4个、4个变8个，而是遵循“二八法则”。在很多传染病疫情中，都是20%的病例引发了约80%的传播。如果单个病例传染的人远远大于平均数，这个病例就是刚才说到的“超级传播者”。
比如，天花这种病的R值大约是5，也就是说1个初始病例能传染5个人左右。但1972年3月，一名塞尔维亚教师得了天花，随后有38起病例都跟他相关。这位教师就是“超级传播者”。
罗斯开创的模型，帮助人类找到了应对疟疾、寨卡、艾滋病、埃博拉等各种疫情的方法，惠及全世界所有的人。但遗憾的是，当年罗斯提出用控蚊措施来阻止疟疾的想法，直到很多年后才被广泛采纳。到了1975年，疟疾才从欧洲大陆消失。
传染的规律应用的领域
突然爆发的金融危机、效果显著的网络营销、广泛传播的政治谣言、劫持电脑并勒索高额赎金的电脑病毒，这些现象看似彼此无关，但却拥有一个共同的特 点：它们都是传染性事件。这并不只是一种通俗化的比喻，实际上，如果隐去标签，金融泡沫和麻疹的传播曲线几乎别无二致。
无论是疾病还是社会现象，传染的前提都是人际网络，而模型方法的核心正是对网络的深入理解和调控。如今的我们身处在一个个复杂并相互影响的人际网络中，如果传染规律能解决流行病的难题，它应该也能解决其他领域的难题。今天，越来越多的人认同罗斯的思路。他们尝试用传染规律解决各种问题，包括降低金融危机的风险，制造流行现象，减少暴力行为等等。
金融危机
金融危机的原因当然非常复杂，但是它蔓延的原因，大多是人的贪婪和恐惧导致的。所以交易行为，不管是买入还是卖出，也会传染。
比如，2008年的金融危机跟房贷衍生的金融产品有直接关系。在那之前，美国人对房价非常乐观。2005年的时候，有人问后来的美联储主席伯南特：全国房价都下跌会发生什么？伯南特的回答是：那几乎不可能，从来没有发生过全国范围内的房价同时下跌的情况。这种“对于上涨的错觉”是会传染的。这就是所谓的“博傻理论”：人们虽然知道花高价买下某件物品是愚蠢的，但是却相信有一个更大的笨蛋，会花更高的价格从他们那儿把它买走。随着房价泡沫破裂，“对于下跌的恐惧”也同样会传染。
2008年金融危机爆发后，《金融时报》的一位记者担心银行会倒闭，就来到曼哈顿的一家银行，想从账户中取些现金。他发现，银行里等候的人已经排成了长龙。这些衣着得体的华尔街精英，都是来取现金的。
现实的教训告诉我们，在金融网络中，交易行为会传染。从传染的视角来看，金融危机和传染病疫情遵循相同的规律。从曲线的形状上看，金融资产价格的上涨和接下来的暴跌，跟麻疹或其他传染病病例的出现和消退，几乎完全相同。
这个视角，彻底改变了人们思考金融危机的方式，也为应对金融危机提供了新的思路。2008年以后，各国央行都开始研究“网络结构如何扩大传播”。这个理论是性传播疾病研究者在20世纪末提出的。银行也开始借鉴传染规律来预防金融危机。如果把金融危机看作“疫情”，我们就可以像防控疫情一样，通过控制公式里的变量，降低危机暴发的速度和规模。比如，如果让银行持有足够的资金，就可以降低它对危机的“易感性”。但作者说，金融危机并没有完全可以预测。首先，因为数据有限，在研究危机发生的概率时，数据有微小的偏差，都会导致结果有巨大的误差。还有就是人类行为和想法太过复杂。
观念和行为
观念和行为到底是如何传染的呢？日常生活中，我们每一次购买产品、每一次转发消息，其实都可以看成一次传染。那么，有关增长和流行到底是怎么回事呢？罗斯在研究疟疾传染的时候发现，传染现象有相通的趋势，会表现为一根拉长的S曲线。一般情况下，刚开始的时候，被传染的人会呈指数级增长，增长速度不断加快，随后，增长会逐渐慢下来，直到最终停止。到了20世纪60年代，S曲线被应用到社会学领域，研究传播现象，而且大受欢迎。
《创新的扩散》提出了一个观点：新理念和新产品在接受早期，普遍符合S曲线的趋势。随后，一位营销专家拓展了这个理论，并且成功预测了新产品的销售趋势。1966年，彩色电视机的销售大量增长。当时，整个行业对销售预期都很乐观，觉得销量会持续增长。但这位专家预测，销量会在1968年达到顶峰，然后呈下降趋势。事实证明，他的预测更接近现实情况。2018年，研究者用同样的规律，分析了《纽约时报》畅销榜中的畅销书。他们发现，畅销书也会遵循固定模式。大多数畅销书的销量都是一开始增长很快，在出版后大约10周内达到顶峰，然后下降到很低的水平。平均而言，95%的销量都集中在出版后的第一年。
而其他书籍绝大多数，根本不会流行。微软团队发现，在推特上，大约95%的推文根本就没人转发。剩下的推文，大多数也只是被转发了一次。其他在线平台的情况也基本如此。用传染规律来看，网络上的大多数内容R值都不到1，没有传染性。另一项研究指出，从2014年到2016年，脸书上那些最流行的内容，R值也就在2左右。但也不要灰心，作者说想让传染性不那么高的内容流行，也是有办法的。
比如，可以引入更多的“传染源”，也就是所谓的“广撒种营销”。如果给很多人都发一条传染性不高的内容，在随后的小规模传播中，它就会引起更多的关注。美国的新闻聚合网站BuzzFeed早期的许多内容，都是通过这种方式流行起来的。2013年，BuzzFeed已被评为脸书上“社交性”最强的发布者，它拥有评论、赞和转发分享，比其他任何组织都多。
无论是疾病还是社会现象，传染的前提都是人际网络，而模型方法的核心正是对网络的深入理解和调控。如今的我们身处在一个个复杂并相互影响的人际网络中，从传染的角度去审视和应对各类问题，或许能为我们提供全新的启示。
