感染人数期望值估计及新增确诊人数趋势预测的概率模型

新型冠状病毒肺炎自2019年12月初出现在武汉后,2020年1月中下旬开始暴发并迅速在全国肆虐,2020年2月中旬后又在几十个国家和地区蔓延,科学有效地掌握疫情发展对于疫情管控至关重要.感染人数是评估疫情形势的重要指标,可以辅助决策者及时制定疫情管控措施.现利用新增确诊人数和新增感染人数存在互相推算的关系,采用极大似然估计方法求解得到全国(除湖北省)每日新增感染人数期望值的估计值,并引入Bootstrap方法给出相应的置信区间,进一步推算现有感染(未确诊)人数并预测新增确诊人数变化趋势,为返城复工提供数据分析支撑.     

新型冠状病毒肺炎疫情下武汉及周边地区何时复工?数据驱动的网络模型分析

基于全国和湖北省新型冠状病毒肺炎(COVID-19)疫情报告数据以及百度人口迁徙与分布大数据,本文构建武汉及周边15个疫情严重城市的COVID-19传播复杂网络模型,重点分析武汉及周边地区复工的可能时间节点和复工对二次暴发风险的影响.首先基于各个城市的累计病例数估计1月23日武汉的累计病例数,得到不同时期湖北省16个主要城市控制再生数的估计值,揭示了早期的传播风险较大和目前的传播风险小(控制再生数的值小于1).本文基于2019年同期的流动网络结构和流动量模拟整个网络模型,给出2020年2月17日、2月24日和3月2日的复工对各个城市疫情的影响.主要结论显示,在较强的防控措施和自我防护下,2020年3月2日复工将在一段时间内不会引起疫情的二次暴发.     

新型冠状病毒肺炎疫情数据挖掘与离散随机传播动力学模型分析

新型冠状病毒肺炎(COVID-19)疫情已经蔓延至全国各地,包括陕西省在内很多省份的早期疫情均以输入病例为主,后期的疫情在严格的防控措施下也已呈下降趋势.评价防控措施的有效性、分析人口流动对疫情的影响对于研究陕西省(或其他以输入病例为主的地区)疫情和未来应对突发性传染病有着重要的意义.根据陕西省卫生健康委员会(简称卫健委)公布的详实数据信息可以挖掘传播链(感染树),得到从发病到首诊、入院、确诊的中位持续时间,每日潜伏者类、感染者类、治疗者类的具体人数和感染者状态转移的空间分布.本文计算确定COVID-19疫情的控制再生数(1.48–1.69),并发展新的统计推断方法获得陕西省严控措施下的有效再生数;进而提出一个全新的融入了公共卫生干预和输入病例的离散随机COVID-19疫情传播模型,通过多源数据实现了模型的参数化,分析不同的流动模式、输入人口中感染者的比例对二次暴发风险的影响.主要结论显示,间歇性的人口流动、密切关注和有效隔离流动人口中的感染者能有效降低二次暴发的风险,为有序组织复工、复学提供决策支持.     

基于时滞动力学模型对钻石公主号邮轮疫情的分析

2019年末以来,新型冠状病毒肺炎迅速蔓延的疫情引发了全球关注.文献[5-6]提出了一类时滞动力学系统的新冠肺炎传播模型用以描述疫情的发展趋势.文献[7]在此基础上,结合CCDC统计数据,提出了一类基于CCDC统计数据的随机时滞动力学模型.本文将使用以上两类模型研究分析"钻石公主号"邮轮的疫情发展.基于日本厚生劳动省公布的数据,本文准确反演出模型参数,进而有效模拟当前疫情的发展,并预测疫情未来的趋势,发现在疫情爆发初期基本再生数R0(t)较大,而后随着防控措施加强而逐渐减小;约在2月下旬,累计确诊人数增长速度放缓,在3月上旬,累计确诊人数趋于稳定,即无新增确诊人数,疫情得到有效控制;最终累计确诊人数对隔离率变化敏感,隔离率升高,最终累计确诊人数将有显著下降.针对传染率较高、隔离率较低的问题,本文建议日本政府进一步加强防控措施,抑制疫情的大规模爆发.     

基于脉冲微分方程的COVID-19境外输入型病例对我国疫情防控影响的分析

我国针对新型冠状病毒肺炎(COVID-19)展开了联防联控工作,目前国内防疫形势已趋于明朗,但境外疫情处于上升阶段,"外防输入"成为我国下一阶段疫情防控的重点.本文通过对COVID-19传播动力学模型引入脉冲项来描述境外输入型病例对于我国目前疫情防控的影响.本文研究3种控制程度不同的入境防疫政策,数值模拟了输入型病例对于与韩国存在人口流动的我国各个省市疫情发展的影响及相应医疗资源需求.数值实验表明,对于输入型人口总量较少的地区,我国现有的防疫政策能够很好地控制疫情发展;对于来自疫区输入型人口较多的省市,边防口岸的有效筛查和必要隔离是防止由于输入型病例引起我国疫情二次暴发的重要手段.     

2019新型冠状病毒肺炎疫情传播能力及疫情控制效能的地域差异分析

2019年底武汉突发的新型冠状病毒疾病(COVID-19)疫情已进入"全球大流行"状态.本文基于Li等(New England Journal of Medicine,2020,382:1199-1207)关于2019年12月10日至2020年1月4日期间武汉最早的425例确诊病例数据,使用似然函数估计方法得到了COVID-19疫情的基本再生数为2.42,平均序列间隔为8.85天.为了刻画疾病瞬时传播能力的地域差异,利用湖北省内各地市和中国境内各省市的每日疫情报告数据(来自各省市卫生健康委员会网站),由统计模型得到了各地在2020年2月间的每日瞬时再生数估计值.进一步,基于瞬时再生数定义了一个新的疫情控制效能公式,定性评估了各地区采取的防控策略对COVID-19实时传播能力的影响.结果提示现阶段境外输入病例造成国内疫情复发的风险依然很大,COVID-19传播具有较明显的地域差异,但引起差异的因素值得后续进一步持续关注.     

具有跟踪隔离措施的新冠肺炎传播模型分析及应用

报道于2019年12月底的新型冠状病毒肺炎(COVID-19)疫情, 由于2020年春运期间人口的大规模流动, 使得其迅速蔓延.自2020年1月23日起, 我国采取了各种措施使得疫情得到了有效的控制, 例如武汉封城、确诊病例的密切接触者跟踪隔离、湖北人员的居家隔离等.该文基于COVID-19在山西省的实际传播情况, 建立了具有输入病例和确诊病例密切接触者跟踪隔离的动力学模型.在不考虑输入病例的情况下, 分析了模型的动力学行为.利用山西省COVID-19病例数据, 计算了实时再生数, 发现山西省2020 年1月25日全省封村封街道有效控制了COVID-19疫情的传播, 即实时再生数小于1, 从宏观角度验证了防控措施的有效性.进一步通过模型的数值拟合得到: 早期染病者隔离14天的防控策略是合理有效的; 武汉封城时间越早, 染病者的规模越小; 跟踪隔离到大量确诊病例的接触者时, 染病者的规模越小.     

北京市SARS疫情统计分析

本文对严重急性呼吸道综合症 SA RS疾病进行了统计分析 .文章首先以北京市海淀区 SARS确诊病例和疑似病例为研究对象 ,分别按照地区、人口进行了统计分析 ,得出海淀区不同小区疫情发展的显著程度 .然后利用正交试验设计 ,分别就年龄、性别、职业等因素对海淀区 SARS确诊病人和疑似病人影响程度进行了统计分析 ,得出 2 1岁到 50岁的学生和干部得病率最高的统计结果 ,这完全符合海淀区的疫情事实 .这个统计结果已经被海淀区政府“海淀区政府应急管理信息系统 ( H EMIS)”[6]采用 . H EMIS系统作为中国第一个政府应急系统在海淀区 SARS防治中起到了一定作用 [1 ] .文章最后研究了北京市每天新增的确诊病例和每天疑似病例转为确诊病例之间的相关系数 ,从它们的相关性分析可以反映出防治 SARS疫情措施的有效性 .     

基于新增确诊数据和光滑算子对FUDAN-CCDC模型反演算法的改进

2019年12月,新型冠状病毒肺炎(Corona-Virus-Disease,COVID-19)的疫情被人们识别认知,全世界都开始重视这个疫情.截至2020年4月21日24时,全球已累计确诊2 568 603例.科学地预测疫情发展趋势对疫情防控至关重要.FUDAN-CCDC模型用于国内疫情的预测产生了很好的效果,但是在用于欧美国家的疫情分析预测时效果不是很理想.本文对FUDAN-CCDC模型的优化目标进行了改进,考虑了新增数据的拟合,并考虑了欧美疫情数据的周末现象,提出对数据进行光滑预处理.新加入的两种可能的反演优化目标的改变,会对零增时间有较大的影响.在此基础上进一步发展的算法,可以得到更好的拟合和预测效果.     

境外输入与无症状感染病例对COVID-19疫情二次暴发的影响分析

随着COVID-19无症状感染者传播风险以及境外输入病例的增加,给我国"外防输入,内防反弹"的防控策略带来巨大压力.本文通过构建能够刻画无症状感染者传播和输入病例对疫情演化影响的离散随机COVID-19传染病动力学模型,创新地量化疫情再次暴发的风险指数,探究不同输入比例、不同的防控措施(接触数)下疫情再次暴发的风险.论文选取北京、上海和深圳三个地区的本地病例与输入病例等疫情数据,发展数据不确定性参数估计方法,辨识系统的未知参数.研究结果显示:深圳市发生二次暴发的风险要远低于北京和上海,北京的二次暴发的风险高于上海.特别地,以北京境外输入为例,我们得到当持续保持最严格的防疫措施,即接触数保持最小值时(接触数为1.07),无论境外输入病例未被隔离的比例有多大(实际输入病例的隔离率),均没有二次暴发的风险.如果防控措施适当放松,即接触数从最小值逐渐增大(接触数在三周时间增为3.1),则输入病例越多,二次暴发的概率越大.值得注意的是,当防控措施进一步放松(接触数在三周时间增为6.27),尽管输入病例完全隔离,发生二次暴发的概率可达到58.3%.考虑无症状感染输入的影响,我们得到了类似的结论.因此,在持续保持相对严格的防控措施,如保持社交距离、戴口罩等自我防护的同时,加强对入境人员的管理以及无症状感染者的筛查是防止发生二次暴发的关键,这为复杂疫情的防控和二次暴发的预测预警及风险评估提供了重要的定性、定量决策依据.     

Regional Prediction of COVID-19 in the United States Based on the Difference Equation Model

The novel coronavirus pneumonia 2019 (COVID-19) has swept the globe in just a few months with negative social and psychological consequences for public health. So far, the United States has been one of the countries most affected by the epidemic. In this study, 51 states in the United States are divided into 10 state clusters according to relevant factors, and a difference equation model with spatio-temporal dynamic characteristics is established to predict the transmission dynamics of COVID-19 in the 10 state clusters and obtain data on regional aggregation levels (the United States). The study showed that the Pearson Correlation Coefficient between the actual data and the predicted data in the 10 state clusters is between 0.6 and 0.96 (mean R$^{2}$=0.8448), and the mean absolute error (MAE) of the newly confirmed cases in each cluster is between 300 and 1650 (mean MAE=878) and the average forecasting error rate (AFER) of the total confirmed cases in each cluster is between 0.9$\%$ and 3$\%$ (mean AFER=1.57$\%$). These results show that the difference equation model can well predict the changes in the recent confirmed cases of infectious diseases such as COVID-19.     

面向COVID-19传播模式的多因素影响分析

目前,新型冠状病毒肺炎(COVID-19)的传播仍在持续,其传播模式以及影响传播行为的主要因素仍有待深入挖掘。鉴于此,本文从数据分析的角度,通过构造一个特殊的多源数据集(包括COVID-19历史数据、气象数据、人口迁徙数据和空间地理信息数据),以此建立多元Poisson.回归模型(类Poisson回归)来着重分析国内疫情的病毒传播模式及其影响因素。分析结果显示,湿度、平均每日风速、每日的降雨量等气象因素与COVID-19的传播模式显著相关,但与每日温度变化显著不相关。除此之外,COVID-19的传播速度及传播范围与武汉迁出目的地的人口比例、迁入武汉来源地的人口比例以及武汉与其他城市的空间距离均有一定的关联性。全文可视化及模型分析的R代码见:https://github.com/thwgithub/COVID-19 Rcodes.     

The Impact of Multilateral Imported Cases of COVID-19 on the Epidemic Control in China

While the spread of COVID-19 in China is under control, the pandemic is developing rapidly around the world. Due to the normal migration of population, China is facing the high risk from imported cases. The potential specific medicine and vaccine are still in the process of clinical trials. Currently,controlling the impact of imported cases is the key to prevent new outbreak of COVID-19 in China. In this paper, we propose two impulsive systems to describe the impact of multilateral imported cases of COVID-19. Based on the published data, we simulate and analyze the epidemic trends under different control strategies. In particular, we compare four different scenarios and show the corresponding medical burden. The results can be useful in designing appropriate control strategy for imported cases in practice.     

基于FUDAN-CCDC模型对新冠肺炎的建模和确诊人数的预测

科学地预测疫情发展趋势对疫情防控至关重要.在新时滞动力学模型(TDD-NCP)的基础上,提出基于随机动力学的时滞卷积模型和离散卷积模型,并基于中国疾病预防控制中心的相关研究结果及公开数据以及Wallinga和Lipsitch的工作,反演出COVID-19的重要参数,拟合了武汉及上海市疫情发展趋势.     

COVID-19 Epidemic Prediction Based on Deep Learning

In this paper, a multi-layer gated recurrent unit neural network (multi-head GRU) model is proposed to predict the confirmed cases of the new crown epidemic (COVID-19). We extract the time series relationship in the data, and the rolling prediction method is adopted to ensure the simple structure of the model and achieve higher precision and interpretability. The prediction results of this model are compared with the LSTM model, the Transformer model and the infectious disease model (SIR). The results show that the proposed model has higher prediction accuracy. The mean absolute error (MAE) of epidemic prediction in most countries (the United States, Brazil, India, the United Kingdom and Russia) is respectively 197.52, 68.02, 200.67, 24.78 and 123.50, which is much smaller than the prediction error of the SIR model, LSTM model and Transformer model. For the spread of the COVID-19 epidemic, traditional infectious disease models and machine learning models cannot achieve more accurate predictions. In this paper, we use a GRU model to predict the real-time spread of COVID-19, which has fewer parameters and reduces the risk of overfitting to train faster. Meanwhile, it can make up for the shortcoming of the transformer model to capture local features.     

非线性组合动态传播率模型与我国COVID-19疫情分析和预测

针对传统的流行性传染病学中基本传染数$R_0$难以准确估计以及单一模型预测精度低的缺陷,利用组合动态传播率替换基本传染数$R_0$,提出基于支持向量回归的非线性时变传播率模型并对我国COVID-19疫情进行分析和预测。首先,计算动态传播率的离散值;其次,使用多项式函数、指数函数、双曲函数和幂函数分别对动态传播率的离散值进行拟合并基于最佳滑窗期$k=3$构建相应的预测模型;接着,基于拟合优度等评价指标选择最佳的三种单一模型并对其预测结果进行非线性组合;最后,利用非线性组合动态传播率模型对湖北、全国除湖北和全国COVID-19疫情进行分析和预测。实证结果表明提出的非线性组合动态传播率模型对不同地区COVID-19疫情数据的预测误差均相对较小;对重点省市COVID-19疫情的拐点预测切实合理;湖北、全国除湖北与全国自2020年2月27日起后20天疫情预测曲线的拟合优度分别为98.53%、98.06%和97.98%。     

United States and South Korean citizens’ interpretation and assessment of COVID-19 quantitative data

We investigate United States and South Korean citizens’ mathematical schemes and how these schemes supported or hindered their attempts to assess the severity of COVID-19. We selected web and media-based COVID-19 data representations that we hypothesized citizens would interpret differently depending on their mathematical schemes. We included items that we conjectured would be easier or more difficult to interpret with schemes that prior research had reported were more or less productive, respectively. We used the representations during clinical interviews with 25 United States and seven South Korean citizens. We illustrate that citizens’ mathematical schemes (as well as their beliefs) impacted how they assessed the severity of COVID-19. We present vignettes of citizens’ schemes that inhibited interpreting representations of COVID-19 in ways compatible with the displayed quantitative data, schemes that aided them in assessing the severity of COVID-19, and beliefs about the reliability of scientific data that overrode their mathematical conclusions.     

基于FTA方法的COVID-19疫情应急防控决策研究

鉴于新型冠状病毒肺炎(COVID-19)的易感染性与聚集性等特点,基于COVID-19的传播机制,应用故障树分析(FTA)方法,研究了具有不同特征的疫情突发事件风险决策问题,包括疫情突发事件的动态演化过程、多种情景以及应急方案对突发事件的影响。通过分析COVID-19疫情突发事件的演化过程,构建故障树来描述导致突发事件演变的条件与因素之间的逻辑关系,给出了不同的可行应急方案。利用FTA预估出疫情突发事件发生的概率,计算出可行应急方案的整体排序值,获得最优应急方案。最后通过一个COVID-19确诊患者的案例分析,验证了所提出的方法的可行性和有效性。