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。     

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.