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.     

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.     

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.     

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.     

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.     

COVID-19疫情时滞模型构建与确诊病例驱动的追踪隔离措施分析

新型冠状病毒肺炎(COVID-19)疫情自暴发以来,众多研究者基于公开的疫情数据和经典的SEIR模型研究了疫情的发展趋势、传播风险等,为早期COVID-19疫情预测预警提供了重要的决策依据.本论文首先讨论在突发性传染病疫情发展期间,传染病数学模型是如何助力疫情防控的,能在公共卫生重大突发事件中发挥什么样的重要作用.然后集中介绍如何建立数学模型来刻画COVID-19疫情期间密切跟踪隔离措施的实施以及措施强度的变化,重点讨论有症状感染者和确诊病例驱动的追踪隔离措施在建模上的异同,最后得到确诊病例驱动的COVID-19时滞非自治传染病模型.主要结论揭示了确诊滞后不仅能有效延迟感染者类峰值到来的时间,而且使得其出现多峰,甚至最终感染规模可能增大的现象,但是我国强有力的综合防控策略能够有效减缓确诊滞后带来的不利影响.这为分析复杂疫情数据提供了新的重要的模型参考.     

新型冠状病毒肺炎疫情预测预报的非线性回归方法

本文介绍几种累计新型冠状病毒肺炎(COVID-19)疫情预测预报中的非线性增长曲线,并说明Richards增长曲线在这次COVID-19疫情预测预报中的合理性和可行性;在此基础上,建立累计COVID-19疫情预测预报中的非线性回归点模型,并给出参数估计方法;对全国COVID-19疫情进行即时跟踪预测预报,包括数据校准、整体和分时间段的预测预报,同时获得全国COVID-19疫情随时间的预测预报结果,为进一步的疫情防控打下良好基础.     

基于变系数Hawkes过程的新型冠状病毒肺炎的传播强度分析

当前,新型冠状病毒肺炎(COVID-19)在全球大部分地区肆虐,对人类生命安全和社会经济活动带来严峻挑战.新型冠状病毒肺炎的传播强度随时间的变化规律及其影响因素是传染病学家关心的重要问题.基于新型冠状病毒肺炎病例数,本文提出变系数Hawkes过程,分析日本,韩国以及北京市,武汉市新冠肺炎传播强度随时间变化的趋势,评估突发事件和政府采取的干预措施对疫情防控的影响.本文基于样条逼近技术建立半参数估计方法,数值模拟结果表明所提出方法在有限样本下具有良好表现.该研究可为疫情防控提供有益的统计建议.     

SIR类型新型冠状病毒肺炎多阶段最优控制模型

新型冠状病毒肺炎(COVID-19)疫情在全球范围传播,给人们的健康带来了严重的威胁。面对疫情发展预期数据,我们需要在有限医疗资源的情况下确定疫情传播参数,以指导主要防疫措施的实施力度。本文采用SIR类型的模型描述新冠肺炎疫情发展,并建立多阶段最优控制模型确定疫情传播参数。为了高效确定参数取值,我们建立多项式时间可计算的半定规划近似模型。基于世界卫生组织发布的数据,我们求解近似模型,得到描述给定时段内美国新冠肺炎疫情发展态势的疫情传播参数,并分析疫情防控策略。     

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.     

Understanding epidemics from mathematical models: Details of the 2010 dengue epidemic in Bello (Antioquia,Colombia)

Dengue is the most threatening vector-borne viral disease in Colombia. At the moment, there is no treatment or vaccine available for its control or prevention; therefore, the main measure is to exert control over mosquito population. To reduce the economic impact of control measures, it is important to focus on specific characteristics related to local dengue epidemiology at the local level, and know the main factors involved in an epidemic. To this end, we used a mathematical model based on ordinary differential equations and experimental data regarding mosquito populations from Bello (Antioquia, Colombia) to simulate the epidemic occurred in 2010. The results showed that the parameters to which the incidence of dengue cases are most sensitive are the biting and mortality rates of adult mosquitoes as well as the virus transmission probabilities. Finally, we found that the Basic Reproductive Number (R₀) of this epidemic was between 1.5 and 2.7, with an infection force (Λ) of 0.061, meaning that R₀ values slightly above one are sufficient to result in a significant dengue outbreak in this region.     

考虑污染和种内关系的种群扩散最优控制模型

针对污染和种内关系均影响细菌种群扩散这一管理生态学问题,本文建立了基于非线性拟抛物方程的最优控制模型,将外界环境向细菌种群输入的毒素率作为控制变量,运用控制理论和方法探讨污染和种内关系双重影响下种群扩散系统的最优控制问题。利用Schauder不动点定理证明了该种群扩散系统的适定性;同时,通过建立新的Carleman型估计,给出了容许控制和最优控制的存在性。最后,通过数值算例分析了理论推导的结果,在算例中都找到一对时间最优控制,验证了种群扩散系统最优控制模型的有效性。该研究结果对现代传染病预防具有借鉴意义,也为有效控制瘟疫的爆发和流行提供理论参考。     

动态传播率模型及其在疫情分析中的应用

应用数据驱动的动态传播率来代替基本传染数$R_0$,在全国和省市两个层面上研究COVID-19疫情发展的特点和趋势。首先,基于动态增长率建立传染病常微分方程,推导得出动态传播率模型。其次,选择幂函数作为动态传播率的拟合函数,以3天作为最优滑窗期,对各地拐点进行了估计。最后,通过动态模型对各地不同程度尾声开始的起点进行了预测,并在13个省市间进行9个疫情相关指标的对比分析。结果显示,各地动态传播率在经过短暂的波动后均稳步下降,疫情得到有效控制;估计的拐点主要集中在2月中旬,而预测的尾声都将在3月底之前到来;同时,各地疫情发展特点和趋势、防控措施力度和效果存在一定差异。     

重大突发疫情下公众情绪演化模型与引导策略研究

重大突发疫情发生后,不同地区的公众在不同时期对风险认知不同,因此公众情绪类型及其变化呈现出不同的特点。现有研究多采用数据挖掘方式描述公众情绪的演化过程,并没有构建刻画公众情绪演化规律的数学模型,使得政府制定的疫情信息发布策略缺乏针对性,无法有效引导公众情绪。为此,本研究调查了新冠肺炎疫情下不同风险地区的公众情绪变化,发现公众对疫情的关注率很高,主流情绪表现为恐惧。通过等级比较法得到了不同风险地区公众在不同阶段的恐惧情绪水平,构建了公众恐惧情绪演化模型,并划分为潜伏期、爆发期和延续期三个时期。比较分析了公众恐惧情绪演化的共同特性和差异,为合理引导公众情绪提出信息发布策略,为落实防控措施、精准引导公众理性行为与避免出现极端情绪提供理论支撑,为重大疫情下情绪治理形成新的研究视角。     

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 .     

Efficient Data Augmentation for Fitting Stochastic Epidemic Models to Prevalence Data

Stochastic epidemic models describe the dynamics of an epidemic as a disease spreads through a population. Typically, only a fraction of cases are observed at a set of discrete times. The absence of complete information about the time evolution of an epidemic gives rise to a complicated latent variable problem in which the state space size of the epidemic grows large as the population size increases. This makes analytically integrating over the missing data infeasible for populations of even moderate size. We present a data augmentation Markov chain Monte Carlo (MCMC) framework for Bayesian estimation of stochastic epidemic model parameters, in which measurements are augmented with subject-level disease histories. In our MCMC algorithm, we propose each new subject-level path, conditional on the data, using a time-inhomogenous continuous-time Markov process with rates determined by the infection histories of other individuals. The method is general, and may be applied to a broad class of epidemic models with only minimal modifications to the model dynamics and/or emission distribution. We present our algorithm in the context of multiple stochastic epidemic models in which the data are binomially sampled prevalence counts, and apply our method to data from an outbreak of influenza in a British boarding school. Supplementary material for this article is available online.     

人口迁入与新增确诊数的趋势关系及因果量化分析

目前,很多地区新冠肺炎疫情已得到缓解,复工、复产已被多地政府部门提上日程.2月10日前后,全国各地返城复工人数增多,2月14日开始,广东、河南等地新增病例数出现了明显反弹,人口跨地区迁徙使疫情防控更加困难.目前全国返工、返校需求还远未得到满足,需要通过数据分析,对"返城复工"的风险进行评估.通过观察数据可以发现人口迁徙与新增确诊病例数有很强的正相关性,因此由"格兰杰因果检验"确定了人口迁徙与新增确诊病例数有显著的因果关系.     

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%。