收集江苏省南京市卫生健康委员会收集的三角洲型病例流行病学接触者追踪资料[j]。 16]及扬州市卫生委员会[ 17]，从2021年7月至8月。我们提取了每个病例的人口学和临床信息，包括年龄、性别、家庭住址、暴露和接触史、COVID-19诊断日期，以及根据中华人民共和国国家卫生健康委员会提出的标准(即无症状、轻度、中度、重度和危重)对临床严重程度进行分类。在估计潜伏期时，排除了无症状病例和没有任何接触信息的病例。

2021年7月27日，南京市疾病预防控制中心通报，根据全基因组测序结果，本次疫情为SARS-CoV-2 δ型变异种[ 18]。本研究纳入的所有病例均通过实时逆转录聚合酶链反应或鼻咽拭子抗原检测进行实验室确诊。潜伏期是指从感染之日到出现症状之日之间的时间延迟。如果2例确诊病例具有明确的流行病学联系(通过官方发布的流行病报告确认的数据集中的接触史明确确定谁被谁感染)，则确定为传播对。感染日期是根据官方报告的流行病学调查报告中每个感染-感染传播对之间的接触史确定的。症状出现时间根据官方报告的流行病学调查报告中每个感染者的症状出现时间确定。对于没有确切感染日期信息的病例，根据接触轨迹和持续时间确定暴露窗口(确切暴露日期有下限和上限)。

我们假设了潜伏期 T的δ情况是一个随机变量，服从伽马分布。为例 我感染日期已知 E以及症状的出现 年代，似然函数为:

在这里, f(.)为gamma分布的概率密度函数，参数表示为 θ。对于有暴露窗口( E_李 ， E_国际扶轮 )，因此潜伏期被间隔剔除，并以( T_李T_国际扶轮 ）=（ 年代_我 - - - - - - E_国际扶轮,年代_我 - - - - - - E_李 )。将总似然函数表示为:

在这里, F(.)表示累积分布函数 ω _我 表示指标变量。我们有 ω _我 ＝1 .如果潜伏期是间隔剔除的 ω _我 ＝如果观察到确切的潜伏期，则为0。采用均匀先验分布的马尔可夫链蒙特卡罗(MCMC)方法对参数进行估计 U (0100)。10000次迭代得到边际后验分布，其中前5000次迭代作为老化期丢弃。95%可信区间(CrI)由边际后验分布获得。我们估计了总体病例和不同分层病例的潜伏期分布，包括年龄组(0-18岁、19-39岁、40-59岁、60-79岁和80岁以上)、性别、临床严重程度和地理区域(南京和扬州)。

采用多变量logistic回归模型检验潜伏期与疾病严重程度之间的关系感染了德尔塔病毒变种的病例自变量包括年龄( 一个)、性别( 年代)，以及潜伏期( T)纳入模型。为例 我已知感染日期，概率 P这个病例的症状是严重和危急的。 Y_我 = 1)为:

对于有暴露窗口的病例，概率 P为:

此外，我们定义。因此，似然函数构造为:

我们估计了系数向量正态先验分布的MCMC。10万次迭代得到参数的边际后验分布，其中前5万次迭代被丢弃，用于burn-in期。95% CrI由未知参数的边际后验分布获得。

根据中华人民共和国国家卫生健康委员会《2019冠状病毒病防控方案》的规定，采集sars - cov -2感染者及其密切接触者的标本以及流行病学和临床数据是COVID-19疫情持续公共卫生调查的一部分，无需伦理审批(即机构审查委员会评估)。本研究中使用的所有数据均通过公共领域收集，没有个人身份;因此，放弃了机构伦理审查。

在本研究中，采用基于均匀先验分布的间隔截尾数据的MCMC方法估计Delta变异的平均潜伏期为6.64天(95% CrI为6.27-7.00) U (0100)。我们发现，Delta变异的潜伏期增加1天，在调整年龄和性别后，严重疾病的概率降低12% (OR=0.88, 95% CI 0.71-1.07)。

表征SARS-CoV-2变体的流行病学特征可以为了解COVID-19的传播潜力提供见解。基于详细的接触者追踪数据，我们估计了SARS-CoV-2 Delta变体的潜伏期，并检查了潜伏期与疾病严重程度之间的关联。并进行亚组分析，探讨不同年龄、性别、疾病严重程度和2个地理区域间潜伏期分布的差异。

我们对整个三角洲病例的潜伏期估计的平均值(6.64天)和中位数(6.63天)略长于综合点估计(平均值:6.3天;中位数:5.4天)，来自先前对COVID-19历史野生型毒株潜伏期的荟萃分析[ 19]。平均潜伏期估计比Grant等人的估计要长[ 20.(6.64天vs 4.3天)。平均潜伏期估计值也大于此前中国广东省的调查结果，平均估计值范围为3.9至5.8天[ 21， 22]。此外，平均潜伏期估计比Ogata等人的估计要长[ 23(6.64天vs 3.7天)。这些差异可能不仅归因于SARS-CoV-2菌株之间的生物学差异，还归因于感染日期和症状发作日期的定义以及估计方法。

潜伏期被认为是初始感染剂量、病原体在宿主内复制速率和宿主内防御机制的函数[ 24， 25]。据估计，平均潜伏期的结果显示，严重德尔塔病毒病例比非严重德尔塔病毒病例短(5.73天对6.78天)，女性病例比男性病例长(7.10天对6.36天)，这与早期使用更大样本量的研究结果一致[ 15]。多变量logistic回归模型也表明，即使在年龄和性别控制后，疾病严重程度与潜伏期之间也存在负相关。早期研究表明，潜伏期越短，初始感染的病毒载量越高，这可能导致病原体复制速度更快，超过适应性免疫系统，从而导致疾病更严重[ 26， 27]。虽然目前尚不清楚COVID-19潜伏期和临床严重程度背后的生物学途径，但潜伏期越短，患者的结局可能越严重。除此之外，两性之间潜伏期估计的差异可能是由于女性病例比男性病例表现出更强的先天和适应性免疫反应，这可能导致更快地清除宿主内病原体[ 28]。

在2019冠状病毒病大流行期间，估计当地疫情背景下的潜伏期分布，对于为当地的检疫隔离期等公共卫生干预措施提供信息至关重要[ 29]。根据最近的数据，潜伏期估计分布的第95和97.5%可以为政策制定者提供提示，说明如何调整和改进当前的控制措施，以有效利用有限的公共卫生资源，同时最大限度地减少允许感染者进入社区的风险。因此，为了减轻当前的疫情并预防未来的疫情爆发，根据更多最新的SARS-CoV-2新变体的流行病学数据获得潜伏期估计至关重要[ 30.]。根据病例的人口统计学和临床特征对德尔塔型变异的潜伏期进行估计，为现有证据增加了额外的信息，这可能会改善政策制定过程。

本研究有一定的局限性。首先，流行病学接触者追踪数据存在回忆偏倚。当确诊病例回忆其暴露窗口时，由于记忆不清，可能会遗漏一些活动，这可能导致潜伏期估计出现额外的不确定性或偏差。其次，潜伏期分布可能因疫苗接种状态(即是否接种疫苗)而异，这可能是逻辑回归模型中的潜在混杂因素。然而，由于无法获得有关疫苗接种的完整信息，因此未将其纳入模型。未来有更多数据的研究可以进一步研究疫苗对新变体潜伏期的影响，并通过更多亚组分析探索影响SARS-CoV-2潜伏期的其他因素。最后，重症病例明显少于非重症病例。这种不平衡可能会偏离系数估计值。

在未来，有必要进一步研究传播动力学和病毒脱落，特别是接种了德尔塔病毒感染的病例。鉴于当前大流行以SARS-CoV-2欧米克隆变体为主，有必要继续监测欧米克隆变体的流行病学特征。

鉴于本研究的新颖之处，我们采用了最先进的统计方法来研究Delta变异的潜伏期与潜在因素(包括性别、年龄和COVID-19疾病的临床严重程度)之间的关系。潜伏期观察样本采集自中国东部最大的新冠肺炎疫情，该疫情由Delta变异播种，具有每个实验室确诊病例的良好追踪和个人层面信息。在基于似然的统计推断框架中调整潜伏期观测值的区间剔除，以接近潜伏期的内在特征。因此，病例特征与潜伏期之间的估计关联反映了COVID-19固有特征的证据，而不是由于观察或抽样偏差而不真实。

综上所述，本研究根据中国东部地区详细的COVID-19病例接触者追踪数据估算了Delta变异体的潜伏期分布。潜伏期因性别、年龄和病情严重程度而异。据报道，Delta变异的潜伏期与COVID-19的临床严重程度之间存在轻度负相关。这些发现提供了关于Delta变体潜伏期的额外信息，并强调了在新出现的SARS-CoV-2变体演变过程中继续监测和监测其流行病学特征的重要性。

这项研究揭示了Delta型变异患者的年龄、性别和严重程度之间的潜伏期差异，并将帮助研究人员揭示许多研究人员无法探索的SARS-CoV-2 Delta型变异的潜伏期与疾病严重程度相结合的关键领域。因此，可能会得出一种预防不同变体SARS-CoV-2传播的新理论。