专家预测2023年疫情能彻底结束

〖壹〗 、其一 ，存在专家预测2023年11月左右疫情结束的情况，但有前提条件我国中科院院士兰建平教授及其团队通过全球前端的预测系统得出结论
，称新冠疫情或会在2023年11月份左右结束，不过这一预测的前提是病毒未出现变异。

〖贰〗、兰州大学黄建平院士团队预测新冠疫情将于2023年11月左右结束 ，依据是每天新增病例数将降至约3000例
，可认为大流行结束 。具体分析如下：预测背景与核心结论黄建平院士团队基于全球疫情数据及传播模型分析，认为Omicron变异株将在2022年持续影响全球疫情走势。

〖叁〗
、023年疫情彻底结束的可能性较低尽管风险降低 ，专家普遍认为2023年疫情难以完全结束
。原因包括：病毒变异存在不确定性
，可能产生免疫逃逸能力更强的毒株；全球疫情未平息，境外输入风险持续存在；部分人群免疫水平下降后需补种疫苗 ，防控体系仍需维持。因此
，疫情可能进入“低水平流行”阶段，而非彻底消失 。

〖肆〗、023年全球新冠疫情是否走向终结尚无定论 ，但多位专家认为在特定条件下疫情有终结可能
，同时需关注病毒变异 、疫苗接种及个人防护等因素
。 以下是具体分析：专家观点张文宏（国家传染病医学中心主任）针对老年人的建议：营养摄入与加强：一天摄入2 - 3个鸡蛋，保证蛋白质摄入 ，增强身体抵抗力。

〖伍〗
、兰州大学黄建平院士团队在Cell子刊《创新》发表文章预测新冠大流行将于2023年底（11月左右）结束，此时全球每天COVID-19病例将降至约3000例
，确诊病例总数预计至少达5亿 。

〖陆〗、疫情预计将于2023年年底结束，但存在不确定性
。具体分析如下：专家预测依据：兰州大学黄建平院士团队在Cell旗下期刊The Innovation发表文章 ，基于全球疫情数据
，通过反复演练预测新冠大流行将于2023年底结束。该预测以当前疫情不出现重大变化为前提，若病毒变异或传播规律改变 ，结果可能调整 。

兰大教授预测2023年疫情结束

兰州大学黄建平院士团队预测新冠疫情将于2023年11月左右结束
，依据是每天新增病例数将降至约3000例，可认为大流行结束
。具体分析如下：预测背景与核心结论黄建平院士团队基于全球疫情数据及传播模型分析 ，认为Omicron变异株将在2022年持续影响全球疫情走势。受季节性因素影响
，2022年4月全球每天新增病例可能出现小幅上升，但此后将快速下降 。

三年了 ，疫情真的会变成流感吗？何时才能结束？疫情是否会变成流感
，近来尚无法确定；疫情结束时间也难以精确预测，但兰大黄建平院士预测新冠疫情可能于2023年11月左右结束 ，或变成和普通流感一样的存在
。疫情是否会变成流感 在探讨疫情是否会变成流感这一问题时，我们需要回顾历史并考虑当前形势。

第二轮新冠2023年结束 。大量专家预测将会在2023年结束。最迟不超过2024年
。中国兰大黄建平院士曾经发表过一篇名为奥密克戎大流行是否将终结
，黄建平院士预测新冠疫情将于2023年11月左右得到结束。

其四，兰大黄建平院士预测中国疫情或于2023年11月全面结束 ，这一长期趋势为春节期间的防控提供了信心 。但需注意
，当前病毒变异仍存在不确定性，需持续关注疫情动态
。关于2021年疫情期间能否回家过年 2021年春节期间 ，全国24个省份倡议“就地过年 ”
，以减少人员流动带来的传播风险。

兰大黄建平院士预测，新冠疫情将于2023年11月左右结束 。黄建平院士所指的“结束”并非病毒完全消失 ，而是病毒将与人类共存
，像流感一样成为一种常态化的病毒
。 近来，根据相关资料信息 ，中国疫情预计在2023年11月左右结束。

病毒完全消失了
，我们还是需要做好个人防护 。新冠疫情大概到什么时候结束呢，我国兰大黄建平院士发表了一篇题为《奥密克戎大流行是否将终结》的文章 ，他预测新冠疫情将于2023年11月左右结束
。黄建平院士说的消失并不是真的消失不见，而是病毒和正常一样和人们存在。

疫情到底啥时候能结束?专家回应

疫情预计将于2023年年底结束
，但存在不确定性 。具体分析如下：专家预测依据：兰州大学黄建平院士团队在Cell旗下期刊The Innovation发表文章，基于全球疫情数据 ，通过反复演练预测新冠大流行将于2023年底结束
。该预测以当前疫情不出现重大变化为前提
，若病毒变异或传播规律改变，结果可能调整。

新冠疫情结束时间尚无定论 ，但整体趋势向好
，部分预测认为大流行将于2022年年初结束，国内专家对恢复疫情前状态持乐观态度 。 具体如下：世卫组织相关预测与观点大流行结束时间预测：世界卫生组织欧洲区域办事处主任汉斯？克鲁格表示 ，新冠大流行将于2022年年初结束。

新冠疫情的结束时间难以精确预测
，但可能呈现长期共存 、区域化差异或逐步弱化的趋势，具体取决于病毒变异
、防控措施及世界合作等多重因素
。

近来无法确定疫情具体结束时间 ，专家认为可能还需数年
，且病毒不会在短期内消失。具体分析如下：全球疫情数据持续上升：根据世卫组织最新数据，全球累计确诊病例已超过3亿例 ，死亡病例超过630万例，且每天新增病例仍达数十万例 。这表明病毒仍在全球范围内广泛传播
，疫情形势依然严峻
。

专家预测2023年疫情 。准不准?

对于2023年的全球疫情，即使是经验丰富的科学家也无法给出准确的预测
。到近来为止 ，世界上确诊的新冠肺炎病例。超过5亿
，死亡人数还在上升 。从新冠状病毒开始到现在，也在不断变异 ，所以谁也不能确定未来的病毒会变异成什么样
。他们都希望快点结束
，不想传播高等病毒，危害人民健康。专家预测2023年疫情 。

关注科学信息：对于气候、疫情等重大问题 ，应借鉴权威科学机构的研究成果
，而非个人预言
。总之，曾仕强对2023年的预言不可信 ，应保持理性态度
，避免被未经证实的预测误导。

疫情预计将于2023年年底结束，但存在不确定性 。具体分析如下：专家预测依据：兰州大学黄建平院士团队在Cell旗下期刊The Innovation发表文章 ，基于全球疫情数据，通过反复演练预测新冠大流行将于2023年底结束。该预测以当前疫情不出现重大变化为前提
，若病毒变异或传播规律改变，结果可能调整
。

专家预测2023年疫情

〖壹〗 、专家对2023年疫情的预测可归纳为以下要点：2023年国内疫情风险将大幅降低专家分析指出 ，随着疫苗接种率的提升
、防控措施的优化以及病毒变异趋缓
，2023年国内疫情传播风险可能显著下降。单日新增病例数或降至百例以下，局部地区可能出现零星散发 ，但大规模暴发的概率较低 。

〖贰〗、023年全球新冠疫情是否走向终结尚无定论
，但多位专家认为在特定条件下疫情有终结可能，同时需关注病毒变异 、疫苗接种及个人防护等因素
。 以下是具体分析：专家观点张文宏（国家传染病医学中心主任）针对老年人的建议：营养摄入与加强：一天摄入2 - 3个鸡蛋 ，保证蛋白质摄入
，增强身体抵抗力。

〖叁〗
、钟南山院士在2023大湾区科学论坛生物医药与健康分论坛上表示，基于SEIRS模型的预测 ，2023年新冠第二波疫情高峰预计发生在6月底
，感染人数约6500万/周 。

〖肆〗、兰州大学黄建平院士团队预测新冠疫情将于2023年11月左右结束，依据是每天新增病例数将降至约3000例 ，可认为大流行结束
。具体分析如下：预测背景与核心结论黄建平院士团队基于全球疫情数据及传播模型分析，认为Omicron变异株将在2022年持续影响全球疫情走势。

钟南山:6月底或是今年新冠第二波高峰

钟南山院士在2023大湾区科学论坛生物医药与健康分论坛上表示
，基于SEIRS模型的预测，2023年新冠第二波疫情高峰预计发生在6月底 ，感染人数约6500万/周 。以下是关键信息梳理：疫情高峰预测依据模型预测SEIRS模型（考虑免疫衰减的传染病传播模型）显示
，6月底可能迎来第二波高峰，主要因人体对XBB变异株的抗体保护力减弱
。

关注疫情动态 ，科学认知风险借鉴模型预测与专家提醒：根据SEIRS模型预测
，本轮疫情于4月中旬起峰，5月底出现小高峰（约4000万/周感染人数） ，6月底可能达到高峰（约6500万/周感染人数）。钟南山院士指出
，模型预测存在不确定性，但病毒变异快 、抗体衰减快是客观事实 ，需警惕二次感染风险 。

钟南山院士基于seirs模型的预测显示
，2023年新冠第二波疫情高峰发生在6月底，约6500万每周
。钟南山认为 ，一个奥密克戎感染者可传染30多人，疫情防控战略已从过去的预防感染调整为现在的预防重症
，因为感染很难预防。

第二波疫情高峰时间虽未完全明确，但感染风险上升 ，中老年人需做好以下6件事以降低感染风险、预防重症：接种新冠疫苗接种疫苗是预防重症和死亡的关键措施 。中老年人
，尤其是有基础疾病者，感染后重症风险更高。若符合接种条件 ，应及时完成全程接种或加强针
，以增强免疫保护
。

钟南山院士指出约12亿中国人感染过新冠，透露的危险信号是感染后抗体随时间减弱 ，可能引发感染者数量增加
，第二波疫情高峰有抬头趋势。具体分析如下：抗体减弱与感染风险：钟南山院士称我国大概约12亿中国人感染过新冠，根据研究 ，感染新冠恢复后
，身体内的抗体会存在4-6个月，之后抗体水平会逐渐减弱 。

钟南山院士表示估计国内疫情不会出现第二波高峰 ，原因如下：群防群控基础稳固：中国采取的群防群控措施为疫情防控奠定了坚实基础
。通过广泛动员社会力量，从社区到基层
，形成了全方位
、多层次的防控网络。这种全民参与的防控模式，有效阻断了病毒的传播链条 ，使得疫情难以大规模扩散 。