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。     

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。     

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 ...     

SEIR动力学模型辅助北京市新发地新型冠状病毒肺炎疫情传播起始时间溯源和防控效果评价

目的 推测2020年6月北京市新发地新型冠状病毒肺炎（COVID-19）疫情首例感染的传播时间起点,辅助传染病溯源,评价当前综合防控效果。方法 根据北京市卫生健康委员会官方报告统计每日发病人数,建立SEIR传染病动力学模型,基于每日发病人数拟合动力学模型,并搜寻本次疫情的传播时间起点;考虑不同的防控效果而拟合6月12日至7月1日的累计发病人数,以评估当前综合防控措施效果。结果 北京市新发地疫情传播首例感染应起始于5月22日至5月28日之间（累计概率为95%）,起始于5月25日的概率最大（23%）。本次疫情R₀为4.22（95% CI：2.88～7.02）。模型拟合结果提示,截至6月11日,累计发病为99例（95% CI：77～121）,符合实际情况。若不加控制,则截至7月1日累计发病估计将达到65 090例（95% CI：39 068～105 037）。截至7月1日,较之无防控措施的理论情况,实际感染人数减少了99%。自6月12日起,北京市采取了强有力的综合防控措施,疫情实际走势接近于传播率降低95%的推演结果,敏感性分析支持这一结果。结论 针对突发性疫情,传染病动力学模型可用来辅助推演传染病传播起始时间,辅助疫情溯源。北京市针对本次突发疫情所及时采取的综合防控措施迅速控制了95%以上的传播途径,减少了99%的感染人数,快速遏制了疫情,对于未来疫情防控具有重要的指导意义。     

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。     

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。     

新型冠状病毒肺炎疫情预测建模、数据融合与防控策略分析

自2019年12月以来,武汉暴发的COVID-19疫情由于春节人口流动快速蔓延,自2020年1月23日起全国大范围实施围堵缓疫策略,并不断提高检测和检出率,有效地抑制了疫情快速蔓延的趋势。在COVID-19爆发的早期,如何利用数学模型并结合少量和实时更新的多源数据,对疫情进行风险分析,评估防控策略的有效性和时效性等具有非常重要的现实意义。本研究将结合前期研究基础,系统介绍如何依据疫情发展的不同阶段和数据的完善,逐步建立符合我国防控策略的COVID-19传播动力学模型,给出模型由自治到非自治,风险评估指标由基本再生数到有效再生数,疫情发展与评估由早期的SEIHR传播动力学决定到最终取决于隔离人群和疑似人群规模的演变等的重要研究思路。     

广州市新型冠状病毒肺炎疫情流行特征分析

目的 对广州市新型冠状病毒肺炎（COVID-19）疫情的流行特征进行分析,为指导疫情防控提供科学依据。 方法 对广州市COVID-19确诊病例及无症状感染者进行流行病学调查,采用描述流行病学方法描述流行特征及病例临床特征,分析感染来源及与疾病严重程度相关因素。 结果 截至2020年3月11日,广州市共报告361例新型冠状病毒感染者,其中确诊病例347例（占96.1%）,无症状感染者14例。病例以外地输入为主,占73.2%,其中80.3%为湖北省输入（204/254）。63.7%的病例与聚集性疫情关联,且以家庭聚集为主（占85.1%）。最常见症状为发热（占78.1%）,其次为干咳（占45.9%）。93.9%的病例表现为轻型或普通型,仅1例死亡。男性、高龄、职业为离退人员、自述有心脑血管疾病史和发病前14 d内有医疗机构就诊史等因素与重症型病例有关（P<0.05或P<0.01）。 结论 广州市COVID-19疫情以湖北省输入为主,部分地区出现本地感染,家庭聚集性疫情多发,但尚未发生社区传播,提示在以输入病例为主的地区采取加强主动排查、严格隔离确诊病例和密切接触者等措施,可有效控制本地传播。     

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...     

传染病预测模型在新型冠状病毒肺炎疫情中的应用研究进展

新型冠状病毒肺炎（COVID-19）在全球范围内迅速传播,快速预测COVID-19规模具有重大公共卫生意义,目前主要利用动力学模型、时间序列模型以及时空交互模型来拟合传染病资料,预测COVID-19的流行特征及发展趋势。本研究对常见传染病预测模型的应用进行综述,总结传染病预测模型在COVID-19发病趋势预测中的应用进展,为传染病预测模型在传染病疫情防控中的应用提供参考。     

对2019年新型冠状病毒肺炎疫情防控的思考

新型冠状病毒肺炎的暴发为人类敲响了一记警钟。新发传染病因其病原体的未知性、流行过程的复杂性、传播速度的快速性给公众健康、社会经济都带来了巨大损失,其防控更是传染病防控的重点。One Health策略是21世纪快速发展的应对全球公共卫生问题的新型措施,它注重人类、动物、环境间的关联性,强调跨学科、跨部门、跨领域的合作,在新发传染病防控方面具有重要意义。本文从One Health的角度对新型冠状病毒肺炎疫情的防控措施进行探讨,进一步阐明One Health策略在新发传染病防控中的重要作用。     

传染病医院面对新型冠状病毒肺炎疫情应急管理策略

在新型冠状病毒肺炎疫情流行期间,全国所有传染病医院积极参与到疫情防治工作中。作为新型冠状病毒肺炎病人省市定点收治单位,第一时间应急反应,转移安置原有病人、有序安排收治新型冠状病毒肺炎病人、治愈出院和后期随访等工作,科学管理,有效保证了病人的救治能力和医务人员安全。     

时间序列模型应用于新型冠状病毒肺炎疫情预测效果比较研究

目的比较常见时间序列模型应用于新型冠状病毒肺炎(COVID-19)疫情预测的效果。方法收集2020年4月1日至9月30日美国、印度和巴西3个国家COVID-19每日确诊病例数,分别建立差分自回归移动平均(ARIMA)模型和循环神经网络(RNN)模型,使用平均绝对百分比误差(MAPE)和均方根误差(RMSE)等指标,比较不同模型预测9月21-30日确诊病例的表现。结果应用ARIMA模型预测美国、印度和巴西疫情的MAPE分别为13.18%、9.18%和17.30%,RMSE分别为6542.32、8069.50和3954.59;应用RNN模型预测美国、印度和巴西疫情的MAPE分别为15.27%、7.23%和26.02%,RMSE分别为6877.71、6457.07和5950.88。结论ARIMA和RNN模型的COVID-19预测效果存在地区差异,ARIMA模型的预测效果在美国和巴西较优,而RNN模型的预测效果在印度较优。     

logistic模型在新型冠状病毒肺炎疫情中的应用

目的 拟合新型冠状病毒肺炎疫情发展趋势,为logistic模型在新发传染病流行中的应用提供依据。 方法 使用logistic模型,基于官方公布的2020年1月10日—3月12日新冠肺炎疫情报告数据,采用非线性最小二乘法进行拟合。结果 logistic模型拟合效果较好,4个模型的决定系数R²均高于0.99。拟合曲线与真实疫情的变化趋势吻合。始盛期前模型平均相对误差较大(74.1%～427.0%),始盛期之后降至1.0%～4.1%。模型拟合结果显示全国(湖北省除外)、湖北省(武汉市除外)和上海市于2020年2月2—5日达到疫情峰值,2月6—11日进入缓增期。武汉市则于2月11日达到高峰期,2月16日进入缓增期。模型显示首例病例报告到疫情高峰期的时间间隔以及启动一级响应到疫情盛末期的时间间隔均约为一个最长潜伏期。 结论 logistic模型对新型冠状病毒肺炎疫情的拟合效果较好,能够对疫情发展态势进行分期,为疫情防控决策和防控措施效果评价提供科学依据。     

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。     

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,...