江西省新型冠状病毒肺炎疫情防控效果评估:基于多阶段SEIR模型的研究

目的 回顾江西省COVID - 19疫情,评价江西省启动一级响应的及时性和佩戴口罩等防控措施的效果。方法 根据江西省防控措施及病例输入情况,构建多阶段新型冠状病毒SEIR模型。将江西省真实病例数与模型预测结果进行比对,验证模型准确度,依据构建的模型评估防控措施的效果。结果 江西省COVID - 19疫情前期以输入性为主,1月25日后以本地暴发为主。回归分析显示,模型拟合结果与真实病例发生情况比较吻合;截至3月10日模型拟合累计确诊病例946（95%CI:903～995）例。以此模型为“基础模型”评价江西省防控措施的效果,结果显示不佩戴口罩确诊病例数较基础模型上升30.44%;推迟3 d和7 d启动一级响应,确诊病例数较基础模型分别升高91.12%（1808例）和496.72%（5645例）,且Rt降至1以下分别推迟5 d和14 d。结论 多阶段SEIR模型与真实病例的发病情况吻合度较好,拟合效果较优。及时启动一级响应及提倡佩戴口罩等防控措施的实施对江西省COVID - 19疫情的防控起到积极的作用。     

宁波市新型冠状病毒肺炎疫情动态清零精准防控策略和措施效果评价

目的:对宁波市新型冠状病毒肺炎（COVID-19）疫情动态清零精准防控策略和措施效果进行评价。方法:根据2021年12月宁波市报告的COVID-19确诊病例和个案流行病学调查报告绘制流行曲线,建立传播动力学模型,预测不同干预措施下的累计确诊病例数,计算基本再生数（ R0）和实时再生数（ R ...     

河南省新型冠状病毒肺炎疫情传播动力学研究

目的  通过构建河南省新型冠状病毒肺炎(coronavirus disease 2019, COVID-19)早期传播动力学模型, 研究疫情流行趋势, 为疫情防控提供依据。 方法  收集河南省2019年1月21日至2020年2月23日河南省卫生健康委员会公布的疫情数据和河南省统计年鉴中的人口数据, 对COVID-19进行描述性流行病学分析, 采用MATLAB 7.0软件构建传播动力学SEIR模型, 分析河南省COVID-19流行趋势。 结果  截至2020年2月23日河南省累计报告COVID-19确诊病例1 271例, 报告发病率约为1.16/10万; 报告病例集中分布在信阳市、南阳市、郑州市和驻马店市。SEIR模型拟合显示, 河南省COVID-19的基础再生指数R₀平均约为2.41, 防控措施干预使得峰值降低55%, 高峰推迟3天。 结论  河南省COVID-19疫情前期增长较快, 采取防控措施后, 有效再生数逐渐降低, 疫情逐步得到控制。     

基于SEIAQR动力学模型预测湖北省武汉市新型冠状病毒肺炎疫情趋势

目的基于新型冠状病毒传播特点,使用实际数据拟合并预测武汉市疫情发展趋势。方法考虑新型冠状病毒肺炎传播规律及采取的隔离措施,构建SEIAQR动力学模型;研究使用2020年1月10日至1月31日武汉市累积发病人数及死亡人数数据对模型进行拟合,并使用2月1日至2月10日的实时数据对模型结果进行验证;最后,研究通过模型拟合结果评价现有抗疫防控措施的效果。结果武汉市发病人数在2月4日左右达到峰值,随后持续下降,2月14日至2月16日出现一个短暂的反弹期,直至5月疫情将基本结束流行。防控措施不变的情况下,疫情结束时预计50780人感染,2449人死亡,粗死亡率约为4.82%;及时有效的防控措施降低了75.08%的感染率和72.40%的因病死亡率;模型拟合偏差约为4.08%。结论 SEIAQR模型拟合效果良好,可以较为准确地预测疾病流行趋势。     

陕西省新型冠状病毒肺炎疫情的早期传播动力学研究

目的探讨陕西省新型冠状病毒肺炎(COVID-19)疫情早期的演变规律,为优化疫情防控策略、评估干预措施效果提供科学依据。方法收集陕西省2019年12月31日-2020年2月13日官方网络报道的疫情数据和中国疾病预防控制信息系统中的个案数据,同期人口数据来源于陕西省统计年鉴,采用Excel、ArcGIS软件开展COVID-19的描述性流行病学分析,采用Berkeley Madonna软件实验平台构建COVID-19疫情的传播动力学模型,分析疾病发生发展规律。结果陕西省截止2020年2月13日累计报告COVID-19确诊病例230例,罹患率约为0.59/100 000;男性发病数多于女性,40～50岁病例数最多;高发病地区主要分布在西安市、安康市、汉中市。SEIAR模型分析显示,陕西省疫情的基本再生指数R0约为2.95,模型结果2020年2月初是陕西省COVID-19发病的高峰期。结论陕西省COVID-19疫情呈快速扩散趋势,SEIAR模型预测的理论发病数可以为COVID-19疫情防控提供依据,遏制疫情蔓延。     

传染病动力学模型及其在新型冠状病毒肺炎疫情仿真预测中的应用综述

介绍了GGM(generalized-growth model)、GRM(generalized Richards model)、SIR(susceptible-infected-recovered)、SEIR(susceptible-exposed-infected-removed)模型及元胞自动机模型、人工神经网络模型等常用的传染病动力学模型,结合新型冠状病毒肺炎疫情发展现状,总结了传染病动力学模型在疫情仿真预测中的应用情况,指出了传染病动力学模型应用的局限性,得出了加强传染病认知、推进疫情信息实时共享、开展多模型结合应用等未来发展启示。     

基于传染病动力学模型的宁波市新型冠状病毒肺炎防控措施效果评估

目的 基于传染病动力学模型评估宁波市新型冠状病毒肺炎（COVID-19）防控措施的效果。方法 收集截至2020年3月9日宁波市COVID-19疫情个案数据、疾病进程等信息。根据防控策略落实情况,建立SEIR传染病动力学模型,计算基本再生数（R₀）和实时再生数（R_t）,评估防控效果。结果 宁波市累计确诊COVID-19病例157例,无死亡病例,重症病例比例为12.1%。从暴露到发病（潜伏期）平均（5.7±2.9）d,发病到确诊平均（5.4±3.7）d,从确诊到出院平均（16.6±6.5）d。累计医学观察105 339人,其中居家医学观察者COVID-19感染率为0.1%,集中医学观察者感染率为0.3%,确诊病例在就诊前处于医学观察期者占63.1%。估算R₀为4.8。随着防控措施的加强,R_t呈逐渐下降趋势,到2月4日下降至1.0以下,之后持续下降到2月中旬的0.2。结论 通过建立传染病动力学模型,能够有效评估宁波市COVID-19防控措施的效果,为防控策略的制定提供科学依据。     

常见新型冠状病毒肺炎疫情预测方法及其评价

自新型冠状病毒肺炎疫情发生以来,一些学者利用疫情公开数据建立预测模型。所用预测方式包括曲线拟合、传染病动力学模型及人工智能算法三大类。传统的曲线拟合预测方式无法考虑传染病特征,预测结果并不可靠。传染病动力学模型是本次疫情预测应用最多的一类,能够考虑传染病的传播速度、传播模式及各种防控措施等因素,但由于考虑的参数不可能全面,且参数可能在疫情不同阶段发生动态变化,因此预测效果往往不佳,但对早期预警、防控决策支持及防控效果评价具有重要应用价值。人工智能方法可以综合考虑不同防控措施以及多种因素的影响,如果考虑得当,预测效果将会有所提高。在综合利用动力学模型优势的基础上,尽可能多地考虑不同影响因素,利用人工智能构建仿真模型,将是一个新的发展趋势。     

云南省瑞丽市新型冠状病毒肺炎暴发疫情传播力和控制效果模型分析

目的 针对2021年3月末瑞丽市COVID-19疫情暴发,本研究应用更新方程模拟COVID-19在瑞丽市的传播过程,快速测算其传播的流行病学参数传播序列间隔(SI)、再生数(R)及其在加强防控措施干预下的变化,为边境地区疫情防控策略提供科学依据。方法 收集官方网站公布的2021年3月30日至4月16日瑞丽市的病例信息,用Excel 2019软件进行流行病学分析,使用R 4.0.5软件建立更新方程模型,用马尔可夫链蒙特卡罗算法(MCMC)采样计算各参数值的中位数与95%置信区间,对不同索引病例情况下疫情发展进行预测,研究疫情防控政策执行效果。结果 2021年3月30日至4月16日,瑞丽市累计报告确诊病例90例,无症状感染者43例,共133例,其中19例无症状感染者转为确诊病例,确诊病例和无症状感染者的年龄中位数分别为32、28岁。通过模型得到SI中位数约为5.00(95%CI: 4.22～7.31)天,标准差中位数约为24.67(95%CI: 12.05～27.91)天; 在疫情暴发较早阶段,再生数R约为1.42(95%CI: 1.31～1.80),加强防控措施后1周内,R下降至0.58(95%CI: 0.07～0.72),位于临界值1.0以下; 模型预测4月17日以后,每天新增感染者数量≤1例。结论 在合理推测索引病例的前提下,更新方程模型能较好地拟合疫情数据,其预测瑞丽市的疫情将在短时间内得到控制。瑞丽市的防控措施和经验可为类似边境地区的防疫工作提供有益借鉴。     

安徽省2020年新型冠状病毒肺炎传播动力学与防控措施效果评估

目的 分析安徽省2020年新型冠状病毒肺炎(以下简称“新冠肺炎”)传播动力学特征,评价疫情期间采取措施的效果,为疫情防控提供科学依据.方法 根据2020年1月22日至2月27日安徽省新冠肺炎疫情数据,构建带有潜伏期和无症状感染者的新冠肺炎易感者-潜伏者-传染者-无症状感染者-移出者(susceptible-exposed-infectious-asymptomatic-removed,SEIAR)传播动力学模型,分析传播动力学特征、评估防控措施效果.结果 安徽省新冠肺炎疫情流行可分为三段:1月22日-27日(快速上升期)、1月28日-2月7日(平稳期)、2月8日-27日(快速下降期).传播动力学模型拟合结果显示安徽省新冠肺炎传播有效再生指数快速上升期为1.56,平稳期为0.53,快速下降期为0.03,平稳期和快速下降期新冠肺炎的传播能力分别降低65.9％和98.2％.措施效果评估结果显示,安徽省若未采取任何防控措施,疫情将持续至2021年5月13日,累计病例数将为34 245 802例,全省罹患率高达54.16％.结论 2020年安徽省新冠肺炎疫情经历3个发展阶段,不同发展阶段的传播指数明显不同,采取的综合防控措施成效显著,有效地控制了疫情.     

疫情防控策略优化后上海市新型冠状病毒感染疫情的预测和估计

目的量化预测在不同场景下上海市新型冠状病毒(新冠病毒)感染疫情的发展规模和医疗卫生资源需求, 模拟评估新冠病毒疫苗接种情况、非药物干预措施(NPIs)、居家隔离意愿和入境情况等因素对新冠病毒感染疫情发展规模的影响。方法基于新冠病毒的自然史、上海市新冠病毒疫苗接种情况和NPIs情况构建具有年龄结构的SEIR传染病动力学模型(SEIR模型), 以2022年12月1日作为模型模拟起点的当日实际情况, 对疫情发展规模和床位需求情况进行模拟估计。结果上海市在新冠病毒疫苗接种的实际情况下, 100 d的模拟期内累计有住院需求的感染人数为18.02万。相比于新冠病毒疫苗接种的实际情况, 当人群加强针接种率达到理想情况时, 累计有住院需求的感染人数下降73.20%, 与不实施NPIs相比, 仅关闭学校、关闭学校和工作场所的措施对普通床位需求数的峰值分别降低24.04%、37.73%, 感染者居家隔离意愿的提高可降低每日新增感染人数并推迟峰值出现时间, 入境人数的变化对于疫情发展规模的影响较小。结论上海市在新冠病毒感染的流行特征和新冠病毒疫苗接种的实际情况下, 可通过提高新冠病毒疫苗接种率、尽早实施NP...     

湖北枣阳市新型冠状病毒肺炎流行因素分析与防控效果评价

目的 分析枣阳市新型冠状病毒肺炎的流行特征、相关因素和防控效果,为今后疫情预防控制提供参考依据.方法 依据病例的个案调查表和密切接触者的基本情况,按相关因素分别统计,使用SPSS 17.0对相关因素进行统计学处理.结果 枣阳市报告新型冠状病毒肺炎确诊病例194例,死亡4例,报告发病率为17.13/10万,病死率为2.0...     

上海市一起潜伏期病例传播的新型冠状病毒肺炎聚集性疫情调查

目的 对上海市一起由新型冠状病毒肺炎（COVID-19）病例在潜伏期传染的聚集性疫情开展流行病学调查,查明感染来源和病例传播链。方法 按照新型冠状病毒感染的肺炎防控方案（第三版）要求,2020年1月采用现场流行病学调查方法,对5例病例开展个案调查,采集鼻咽拭子和痰液等标本,采用real time RT-PCR检测新型冠状病毒核酸,追踪排查密切接触者并采取隔离医学观察,调查病例间的流行病学联系,分析传播链等,并及时落实相关防控措施。结果 病例一于2020年1月20日发病,有与COVID-19确诊病例共同环境的暴露史,2月1日确诊;病例二于1月22日发病,1月27日确诊;病例三于1月25日发病,1月30日确诊;病例四于1月20日发病,2月1日确诊;病例五于1月23日发病,1月31日确诊。5例病例中,除病例二死亡外,其余4例病例病情均得到有效控制。本起疫情中,排除其他的共同暴露因素后,1月19日病例一和病例二及病例三参加了6 h的聚会,病例一在潜伏期内可能造成病例二和病例三的感染,这是流行病学调查的关键节点。结论 COVID-19病例在潜伏内可能具有传染性,这对后面的疫情防控工作带来一定的警示和借鉴作用。     

黑龙江省新型冠状病毒肺炎本土相关疫情流行特征

目的 描述黑龙江省新型冠状病毒肺炎（新冠肺炎）本土相关疫情的流行状况及特点,为黑龙江省新冠肺炎防控策略提供参考依据。方法 新冠肺炎个案调查、聚集性疫情调查资料来源于中国CDC全国传染病报告信息管理系统和突发公共卫生事件报告管理信息系统。采用Excel 2010和SPSS 23.0软件整理数据与统计学分析,描述人群、时间及地区分布特征。结果 2020年1月22日黑龙江省报告首例新冠肺炎确诊病例,截至2020年3月11日,13个城市累计报告境内病例482例,发病率为1.28/10万,病死率为2.70%（13/482）。其中聚集性疫情81起,确诊病例数占总确诊病例的79.25%（382/482）,死亡12例;家庭聚集70起（86.42%,70/81）。与散发病例相比,聚集性疫情尤其是家庭聚集性病例中,病死率、≥60岁老年人与重/危重型的比例均较高,差异均无统计学意义（均P>0.05）。涉及病例≥5例的聚集性疫情占41.98%（34/81）,涉及病例数占聚集性病例的68.31%（261/382）,涉及6~9例病例数的聚集性疫情中,年龄≥65岁者的比例较多（26.53%,39/147）。结论 黑龙江省新冠肺炎的发病率较高,前期疫情较为严重;聚集性疫情尤其是家庭聚集涉及病例数较多。     

新冠疫情防控中的应对策略与实践探索

为做好本地区新冠肺炎疫情防控及救治工作,天津市第五中心医院迅速启动突发公共卫生事件应急响应机制.医院成立疫情防控领导小组,在医疗流程、整合空间、调配人员、出入口管控、医院感染防控、物资保障及关心关爱医务人员等方面取得了良好成效,为今后同类医院应对疫情积累了经验.     

基于SVEPIUHDR传染病动力学模型的新型冠状病毒肺炎疫情趋势分析

目的:对美国和英国新型冠状病毒肺炎（COVID-19）疫情的发展趋势进行模型拟合和预测,对疫苗接种的效果进行初步分析。方法:在SEIR模型基础上,增加症状前感染者、隔离措施及疫苗接种等要素,建立SVEPIUHDR模型。利用公开发布的数据建模,分别将美国2020年11月6日至2021年1月31日和英国2020年11月23...     

北京市某市场新型冠状病毒肺炎相关聚集性疫情传播链分析

目的调查北京市海淀区某商品交易市场(Y市场)相关新型冠状病毒肺炎(COVID-19)聚集性疫情,分析其传播链及传播模式,为COVID-19疫情防控提供参考依据。方法采用现场流行病学和聚集性疫情调查方法,描述COVID-19病例三间分布等流行病学特征,绘制病例发病时序图和分析传播链。采集调查对象呼吸道标本,采用实时荧光RT-PCR法进行新型冠状病毒核酸检测。结果本次COVID-19聚集性疫情的感染来源于北京市丰台区某农产品批发市场(X市场),由Y市场1名从业人员暴露于X市场引发,随后在Y市场、周边社区、美食城、公司、家庭等地导致8起聚集性疫情,共报告关联性COVID-19确诊病例20例,无症状感染者1例。发病时间主要集中在6月10-14日,男性8例,女性13例;年龄中位数为45岁,年龄范围5~87岁;首发症状以发热(10/20)、咽部不适(7/20)为主;潜伏期中位数5(IQR:3~8)d;代间距中位数5 d;续发率3.7%(20/538),家庭密切接触者续发率14.0%(7/50)。结论Y市场COVID-19疫情是通过被污染环境、物品、人员接触等多种暴露方式导致的聚集性疫情,北京市海淀区通过综合防控措施使COVID-19疫情得到有效控制。