基于动态基本再生数的新型冠状病毒肺炎疫情防控现状评估

目的 对全国各省份的新型冠状病毒肺炎(COVID-19)疫情防控现状进行分析,建立预测模型预估现有防控措施预期成效,为决策部门提供科学信息。方法 基于COVID-19疫情网络公开数据,估计全国、各省份以及武汉市不同时间基本再生数(R0)的动态变化R₀(t),以评估在现有防控措施下,COVID-19传染速率随时间变化的趋势,预估现有防控措施的预期成效。结果 从结果稳定性考虑,选择累积确诊病例数>100例的地区进行分析,共24个省份纳入分析。在疫情初期,全国整体R₀(t)不稳定,数值较大,误差也较大。随着防控措施的进一步加强,R₀(t)普遍在1月下旬开始呈现下降趋势,2月始下降趋势稳定。截至数据分析日,纳入分析的24个省份中已有18个省份(75%)R₀(t)降到1以下。这为有条件地开放人员流动提供了信息。结论 动态R₀(t)有助于动态评估COVID-19传染速率变化情况,本次疫情防控措施已初显成效,如能继续保持,全国疫情有望短期内得到全面控制。     

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。     

中国新型冠状病毒肺炎疫情基本再生数评估

目的 目前湖北省的新型冠状病毒肺炎(COVID-19)确诊和疑似病例的数量仍在增加。国内外多个团队对疫情发展进行了模型预测,但结论并不统一。因此,开展本次疫情的预测模型研究、评估COVID-19的基本再生数(basic reproduction number,R₀),对于评估病毒的传播能力以及一系列控制措施的效果具有重要意义。方法 收集从湖北省2020年1月17日到2月8日期间每天报告的确诊病例数等数据,分别采用指数增长方法(exponential growth,EG)、极大似然法(maximum likelihood estimation,ML)、序贯贝叶斯方法(sequential Bayesian method,SB)和时间相关基本再生数(time dependent reproduction numbers,TD)估计R₀值。结果 由观测病例数和4种方法预测的病例数的拟合情况可知,EG方法拟合效果最优。EG方法估计COVID-19湖北省R₀的值为3.49(95%CI:3.42~3.58)。采取封城控制手段期间,EG方法估算R₀值为2.95(95%CI:2.86~3.03)。结论 在传染病流行初期,适合采用EG方法估算R₀。同时需要采取及时有效的控制措施,进一步降低COVID-19的传播速率。     

2021年初河北省新型冠状病毒感染疫情动力学建模与回顾性分析

目的 分析2021年1月河北省新型冠状病毒感染疫情的流行规律。方法 本研究基于河北省2021年1月2日—3月3日的疫情数据,使用Richards生长曲线模型拟合累计确诊病例数,估计疫情的增长速度与流行拐点,构建包含无症状感染者动力学模型,拟合现存无症状病例数与现存确诊病例数,计算基本再生数,通过敏感性分析探究关键参数对基本再生数的影响。结果 两个模型拟合效果较好,河北省疫情的增长速度为0.398 5,流行拐点为2021年1月13日,基本再生数为3.269。敏感性分析结果表明,单位时间内接触数、每次接触传播的有效接触率与单位时间内潜伏者向染病者转移的速率对基本再生数有影响。结论 河北省2021年1月新型冠状病毒感染疫情防控措施效果较好,加强人群疏远策略的实施以及疾病监测可以有效控制疫情的扩散。     

苏州市25起新型冠状病毒肺炎聚集性疫情传播力分析

目的 了解苏州市新型冠状病毒肺炎(COVID-19)聚集性疫情的流行病学特征,探索其传播力。方法 收集2020年1—3月苏州市传播链明确的COVID-19聚集性疫情,收集聚集性疫情病例的基本信息,使用伽马分布拟合病例代际间隔时间(Tg),使用SEIR模型计算基本再生数(R₀)。结果 25起聚集性疫情中,16起来源于湖北疫区,23起是家庭聚集性疫情,包含48例确诊病例,12例核酸阳性的无症状感染者。25起聚集性疫情病例代际间隔时间为2～18 d,平均(7.09±4.31)d;估算苏州市新冠肺炎感染的R₀为2.62(95%CI:2.22～3.06)。结论 COVID-19聚集性疫情主要在家庭内聚集传播,早期传播力和重症急性呼吸综合征(SARS)、中东呼吸综合征(MERS)相当,应采取严格的防控措施阻断其流行。     

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。     

宁波市15起新型冠状病毒肺炎聚集性疫情的传播力研究

目的 描述新型冠状病毒肺炎（COVID-19）聚集性疫情病例的基本特征。方法 收集15起COVID-19聚集性疫情病例的基本信息,采用伽马分布拟合病例代际间隔时间（Tg）,使用基于SEIR模型计算基本再生数（R₀）。结果 15起聚集性疫情中共有确诊病例52例、涉及5例核酸阳性无症状感染者。病例发病时间主要集中在1月23日至2月4日,以女性为主,潜伏期为（6.11±3.38）d。Tg为（6.93±3.70）d,在<60岁、≥60岁组及男、女性之间,Tg差异无统计学意义（P=0.551）。按照本研究估算的Tg计算,宁波市新冠肺炎感染的R₀为3.06（95% CI：2.64~3.51）;按照文献报告的病例Tg为7.5 d计算,R₀为3.32（95% CI：2.51~9.38）。结论 COVID-19聚集性疫情病例的Tg在不同年龄、性别间差异不大,COVID-19早期致病和传播力较高。     

新型冠状病毒肺炎疫情防控中的卫生动员

2020年春节前夕,国内暴发新冠疫情,民众的生命健康安全受到巨大威胁.为了应对疫情,我国从中央到地方开展广泛的卫生动员,调集大量卫生资源,有效遏制疫情的扩散,最终取得疫情防控阻击战的胜利.文章回顾新冠疫情国内卫生动员工作,梳理卫生人力、防疫物资、科技、财务等4方面的动员情况,总结本次疫情防控中卫生动员工作的经验与不足,...     

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 ...     

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。     

新型冠状病毒肺炎暴发期间儿科病房护理防控策略

对某民爆器材企业451名接触三硝基甲苯作业人员的职业健康体检资料分析显示,职业性三硝基甲苯白内障确诊9例,其中壹期7例、贰期2例;疑似三硝基甲苯白内障21例,细点状混浊36例,ALT异常增高48例。提示企业应重视职业防护,改进生产工艺,减少化工原料对工人的职业损伤。     

新型冠状病毒肺炎患者重症转归风险预测

目的 建立新型冠状病毒肺炎（COVID-19）患者转归为重症的预测模型,为早期、动态地监测患者转归提供更加全面、准确、及时的指标。方法 基于患者的入院检测指标和轻、重症分型,以及检测指标的动态改变（即入院后两次检测指标测量值差）等输入变量,使用XGBoost方法建立预测模型,评估患者在入院之后转归为重症的风险。然后将入选的患者从入院随访至出院,观察其病情转归情况,对模型预测结果进行验证。结果 在100例COVID-19患者的训练集中,筛选出具有较高评分的预测变量并建立模型,计算出预测变量取值的高风险范围：血氧饱和度<94%、外周血白细胞计数>8.0×10⁹个、SBP变化<-2.5 mmHg（1 mmHg=0.133 kPa）、心率>90次/min、有多发小斑片影、年龄>30岁、心率变化<12.5次/min。训练集的模型预测结果的敏感率为61.7%,漏诊率为38.3%;使用模型对测试集进行预测的敏感性为75.0%,漏诊率为25.0%。结论 与传统的预测判断方法（即采用入院时第一次检测的指标和重症入选条件进行评估患者是否为轻、重症）相比,模型的预测考虑到了COVID-19患者的基线生理指标与病情变化指标,因此能够全面、准确地预测患者重症转归的风险,减少重症患者的漏诊率。     

新型冠状病毒肺炎感染的数学建模与控制策略

目的  针对新型冠状病毒肺炎(coronavirus disease 2019, COVID-19)感染进行数学建模, 预测疫情的发展趋势, 并为该病的防控提供参考。 方法  采用SEIR模型进行数学建模, 收集自2020年01月10日至2020年02月28日中国国家卫健委公布的当前感染人数、治愈人数和死亡人数的数据, 对模型进行参数估计; 并针对模型中不同参数的变化, 预测疾病未来发展趋势。 结果  根据COVID-19传播机制, 建立了SEIR模型, 并基于国家卫健委公布的数据, 通过fmincon和lsqnonlin函数对建立的数学模型进行分阶段拟合, 感染人数和移出人数的相关性分别为99.9%和99.8%, 预测的误差率分别为0.67%和0.89%。 结论  基于中国近一个月来COVID-19发病率数据, 本研究建立了精准度较高的数学模型, 通过数学模型的精确分析和有效预测, 结果提示对潜伏期人群和感染人群进行严格隔离, 同时不断提高患者的移出率, 可有效控制该传染病疫情。     

新型冠状病毒肺炎疫情期间武汉市发热门诊运行机制及防控策略分析

目的 发热门诊是做好传染病防控的第一道关口,通过总结分析新型冠状病毒肺炎(简称新冠肺炎)疫情下武汉市发热门诊运行中遇到的问题和难点,据此探讨我国发热门诊的运行机制和疫情防控改进方向.方法 调查2020年1月15日—3月15日武汉市所有开放发热门诊的医疗机构每日发热门诊就诊数据,结合国家、湖北省以及武汉市发布的应对新冠肺...     

上海市新型冠状病毒肺炎流行与疫情时空变化分析

目的 阐明2022年上海市新型冠状病毒肺炎（新冠肺炎）的流行特征和空间聚集性演变规律。方法 收集2022年3月1日至5月31日上海市各行政区卫生健康委员会官方网站公布的新冠肺炎疫情数据，应用GeoDa软件进行空间自相关分析；利用logistic增长模型进行拟合预测并与实际感染病例进行对比。结果 上海市各行政区中，浦东新区确诊病例数和无症状感染者人数最多，占总病例数的29.30%和35.58%，各区累计罹患率和感染率差异有统计学意义（P<0.001），其中黄浦区显著高于其他区域。2022年3月1日至5月31日新冠肺炎罹患率具有全局空间正相关性（P<0.05），不同时段新冠肺炎罹患率空间分布不同，其中3月16-29日、4月6-12日和5月18-24日3个时段内Moran''s I值差异无统计学意义（P>0.05）。局部自相关分析结果表明，8个时段共探测到22个高-高聚集区，高风险流行的热点区域经历一个“少-多-少”的变化过程。logistic增长模型拟合与实际感染者情况基本吻合。结论 本轮上海市新冠肺炎疫情整体分布具有明显的空间聚集性，防控措施有效阻止了疫情的增长，尤其在空间上遏制了高风险传播区域的扩散，减少了向其他省份的传播风险。     

Nepal measles outbreak response immunization during COVID-19: A risk-based intervention strategy

In 2020, National Immunization Programme (NIP) of Nepal implemented a measles outbreak response immunization (ORI) campaign, which was additional to an ongoing preventive measles-rubella SIA campaign. Both campaigns were implemented during ongoing COVID-19 transmission. By April, 220 measles cases and two deaths were confirmed from eight districts of Nepal. The NIP triangulated information from surveillance (measles and COVID-19), measles immunization performance and immunity profile, programme capacities and community engagement and applied a logical decision-making framework to the collated data to inform ‘Go/No-Go’ decisions for ORI interventions. This was reviewed by the National Immunization Advisory Committee (NIAC) for endorsement. Outbreak response with non-selective immunization (ORI), vitamin-A administration and case management were implemented in affected municipalities of four districts, while in the remaining districts outbreak response without ORI were undertaken. The structure and iterative application of this logical framework has been described. ORI was implemented without interrupting the ongoing measles-rubella vaccination campaign which had targeted children from 9 to 59 months of age. The age group for ORI was same as SIA in one sub-district area, while for the other three sub-district areas it was from 6 months to 15 years of age. More than 32,000 persons (97% coverage) were vaccinated in ORI response. Overall measles incidence decreased by 98% after ORI. The daily incidence rate of measles was 94 times higher (95% confidence interval: 36.11 – 347.62) before the ORI compared to two weeks after ORI until year end. Close attention to surveillance and other data to inform actions and seamless collaboration between NIP and core immunization partners (WHO, UNICEF), with guidance from NIAC were key elements in successful implementation. This was an example of feasible application of the global framework for implementation of a mass vaccination campaign during COVID-19 through application of a simple decision-making logical framework.     

基于时间窗长短期记忆模型分析新型冠状病毒肺炎疫情

目的  提出一种新的网络模型以解决COVID-19出现初期认知不够、检测能力受限以及潜伏期长等因素导致每天检测出的感染人数与真实感染人数存在差异的问题,并预测COVID-19疫情发展趋势。方法  以历史时间窗检测出的数据为依据,将时间窗策略结合长短期记忆(long short term memory, LSTM)网络模型对世界各个地区的确诊人数进行预测分析。结果  基于时间窗的LSTM网络模型与其他模型相比准确度较高。对时间窗宽度进行分析发现,当宽度取5时预测结果最接近真实数据,这与COVID-19的潜伏期普遍为3~7 d相吻合。结论  该方法为COVID-19疫情发展以及其潜伏期的分析提供了参考。     

基于ARIMA的新冠肺炎疫情前后结核病流行趋势预测与分析

目的 构建ARIMA季节性模型,探讨新型冠状病毒肺炎疫情(简称新冠肺炎疫情)对结核病流行特征的影响,预测上海市宝山区结核病流行趋势。方法 收集上海市宝山区2009—2021年结核病月发病率资料,构建ARIMA季节性模型,验证预测模型效果,分析预测误差的原因。结果 上海市宝山区结核病月发病率模型为ARIMA(2,0,0)(0,1,1)₁₂,BIC值最小,Ljung-Box统计量Q=23.127,P=0.081,残差序列为白噪声。2019年实际月发病率与预测值变化趋势基本一致,且均在预测值95%可信区间内。受新型冠状病毒肺炎疫情影响,近两年观察值与预测值差异较大,2021年2月观察值在拟合值的95%置信区间外。结论 ARIMA(2,0,0)(0,1,1)₁₂模型能较为准确地预测宝山区新冠肺炎疫情前结核病发病趋势,受新冠肺炎疫情影响时,预测结果偏差较大,需要后疫情时代结核病发病数据来重新建模。