基于改进的SEIR模型对新冠肺炎的疫情预测及防控措施的评估

基于国家卫健委每日公布的湖北省新冠(COVID-19)疫情数据,结合实际的疫情传播和防控流程,提出一种基于SEIR模型改进的传染病动力学CSEIR模型.在传统SEIR模型的基础上增加了潜伏追踪入院和发病追踪入院的传播流程以刻画疫情发展趋势;通过引入感染抑制因子描述感染率随时间的变化趋势,用于分析封城封村、居家隔离等抗疫...     

新型冠状病毒肺炎传播特性分析与疫情发展趋势预测

通过研究,对2019新型冠状病毒肺炎(COVID-19)起源和致病性有了一定了解,但其传播性质仍存在很多争议,需要进一步评估.使用SEIR(susceptible-exposed-infectious-recovered)动力学模型对COVID-19再生系数(R₀)曲线进行拟合,并基于动态R₀,对我国湖北省及国外COVID-19疫情发展趋势进行了预测分析.通过疫情结果对照分析表明,在严格防疫措施下,我国湖北省的COVID-19疫情传播相较于国外得到了更好的控制.同时,对COVID-19传播特性的分析,也能够为后续疫情防控决策和效果评价提供参考.     

基于SEIR模型分析相关干预措施在新型冠状病毒肺炎疫情中的作用

目的:评价新型冠状病毒肺炎(COVID-19)疫情中相关干预措施的作用.方法:收集COVID-19疫情数据,分析COVID-19的传播特点,利用Python建立SEIR模型,加入潜伏期传染率、感染人群变化率等新参数,尝试分析防控手段的有效性.结果:给出多种相关干预措施下疫情发展趋势的预测.模型显示,基于严格限制出行的隔离措施能够减缓COVID-19发病曲线发展的趋势,使潜伏和感染人群的峰值降低45.71%和29.90%,潜伏人群数量较快到达群峰;模拟发现,本次疫情的拐点将出现在3月初,但对比COVID-19疫情实际数据,疫情拐点或将提前出现.结论:COVID-19疫情的防控措施是有效的,各地方政府应严格执行隔离制度,切断传播途径,巩固成果,全力遏制COVID-19传播.     

基于人口流动和时空信息的城市疫情影响研究

新型冠状病毒(COVID-19)自暴发以来对人类的身体健康以及国家乃至整个世界的经济产生巨大影响.因此,如何研究及预测C O V ID-19的传播对于疾病防控尤为重要.本文基于人口迁移和城市间的距离,采用机器学习(即线性回归和随机森林模型)对COVID-19肺炎的确诊人数进行预测.在进行预测之前,我们对相关特征与疫情数...     

新型冠状病毒肺炎传播与控制数学建模研究

为了能准确模拟新型冠状病毒肺炎(COVID-19)的传播动态,给疫情防控政策制定提供一定的参考,提出了一个新的COVID-19传播非线性动力学模型。该模型考虑实际防控措施,将总人口分为易感、潜伏、隔离观察、无症状感染、有症状感染、住院隔离治疗和康复等7类人群;求出并分析了基本再生数;将模型的出院率和病死率拟合为时变函数,利用现有确诊病例数对模型其余参数和部分状态初值进行最小二乘拟合。分别利用湖北省武汉市和湖北省除武汉市外其他地区20天(2020年2月14日～3月4日)内感染COVID-19的实际数据对模型进行仿真验证,仿真结果表明,模型参数拟合的平均相对误差为0.629%;与累计确诊病例数、累计治愈出院数和累计死亡病例数的实际数据相比,所提出模型的武汉市疫情预测平均相对误差分别为0.772%、3.517%和2.025%,湖北省除武汉市外的地区的平均相对误差分别为0.808%、2.241%和2.39%,表明该模型能较准确模拟COVID-19的传播动态,而且具有广泛的适用性。对模型参数进行灵敏性分析,讨论了各种防控措施对COVID-19传播的影响,结果表明,最有效的防控措施依次为减少人与人...     

厦门市新型冠状病毒肺炎人群传播能力计算与防控措施效果的模拟评估

为计算厦门市新型冠状病毒肺炎(COVID-19)人群传播能力并模拟评估防控措施效果,根据COVID-19自然史构建厦门市COVID-19人群传播的易感者-潜伏者-染病者-隐性感染者-移出者(susceptible-exposed-infectious-asymptomaticrecovered,SEIAR)模型,收集厦门市截至2020年3月7日的COVID-19病例数据建立数据库,将SEIAR模型与数据库拟合计算COVID-19有效再生数(effective reproduction number,Reff),模拟综合干预措施情况下的流行曲线,并评估综合干预措施效果.截至3月7日厦门市共报告COVID-19病例35例,其中输入病例22例,继发病例13例,模型与疫情数据拟合结果较好(χ2=10.375,p=0.996).模型结果显示:1月26日之前,COVID-19在厦门市的Reff为2.78,1月26日之后的Reff为0.35,综合干预措施将Reff降低了87.41%.若1月26日未强化综合干预措施,则截至3月7日预计累计报告病例和本地病例将分别达到1 863和1 841例,而实际累计...     

基于生态模型的新型冠状病毒肺炎疫情分析

为了研究和解释新型冠状病毒肺炎(COVID-19)疫情的变化趋势,本研究利用生态增长模型对实际数据进行拟合分析.收集COVID-19疫情的相关数据,构建确诊患者例数、治愈患者例数和死亡患者例数3项数值的logistic模型,并预测世界6个区域内的疫情发展趋势.截至2020年4月18日,logistic增长曲线的拟合数值...     

基于SEIR模型的中国山东省与韩国COVID-19疫情早期传播特征比较分析

2019年底爆发的新冠肺炎疫情(COVID-19)在世界大部分国家和地区蔓延，促使各国政府出台了不同程度的管控措施.不同于各种针对疫情变化的预测模型，该文通过使用经典SEIR仓室模型对COVID-19在中国山东省、韩国两地的传播动力学特征开展了回溯分析，对比并讨论了这两个样本在暴露人群数量、感染人数、确诊人数及治愈率上的显著差异.在此基础上，该文通过对比中国山东省、韩国的首例防控措施公告，重点探讨了在疫情早期采取严格、快速的物理疏离和保持高效的医疗救治对阻断COVID-19传播的积极意义.     

基于SEIR-LSTM混合模型的新型冠状病毒肺炎传播趋势分析与预测

为了对新型冠状病毒肺炎(COVID-19)传播趋势实现更精准的分析与预测,基于传统的传染病动力学模型SEIR(susceptible-exposed-infectious-recovered)和长短期记忆(long short-term memory,LSTM)深度学习网络构建了一种混合模型SEIR-LSTM,结合全国和湖北省的疫情数据进行分析与预测.从实验结果来看,相较于传统的机器学习、多项式拟合、普通的SEIR模型和单一的LSTM,所提出的混合模型能取得更高的疫情预测精度.最后给出了对疫情发展的预测,对疫情防控具有一定的应用价值和社会价值.     

基于改进SEIR模型的新冠肺炎疫情分析与预测

针对新型冠状病毒的潜伏期较长，基于每日发布的新冠疫情数据集，在经典SEIR (Susceptible-Exposed-Infected-Recovered)模型的基础上，考虑了隐性传播人群，并且将确诊人群分为两类(一类感染者具有传染能力；一类感染者由于处于隔离期间，其感染能力可忽略不计),构建了基于改进SEIR的新冠肺炎传播动力学模型。以2021年12月15日到2022年1月13日的西安市疫情数据为依据，拟合得到了改进SEIR模型的动力学参数，对西安市COVID-19疫情进行预测和评估。结果表明，基于改进SEIR传染病动力学模型对疫情的理论估计与西安市疫情的实际情况较为符合，数据可视化和医学隔离等措施对抑制疫情大面积传播有重要作用。     

基于SIR-B对无症状感染者在COVID-19中的分析与预测

随着全球COVID-19疫情的蔓延,越来越多的无症状感染者被发现,并在疫情的传播中产生了越来越重大的影响。针对该问题,提出了一个基于时变修正的SIR-B模型,其在传统SIR模型的基础上考虑了存在无症状感染者的因素,利用改变了适应度函数的粒子群优化算法,对无症状感染者在疫情后续发展中的影响进行了预测。仿真实验结果表明SIR-B模型的感染人数比SIR模型多约三分之一,其数据更接近于实际情况。SIR-B模型较传统的SIR模型具有更强的自适应能力,且疫情预测更加准确。     

考虑人群流动数据的COVID-19传播模型

新冠疫情随着人群的流动和互相接触在各地区快速传播和扩散.通过提出一种考虑地区间人群流动和地区内人群流动状态的疫情传播模型(简称D-SEIR模型),综合考虑人群的流动情况、易感人群和潜伏人群的数量变化情况,从而预测确诊人群的变化.经过深圳市和山东省的实证数据实验结果表明,D-SEIR模型能够准确拟合COVID-19传播过...     

基于易感-感染-恢复(SIR)模型的2019冠状病毒病早期传播分析及政府防控措施研究

2019新型冠状病毒肺炎（COVID-19）疫情的暴发给中国乃至全球公共卫生带来了重大挑战,研究传染病动力学模型有助于更好地优化疫情防控政策、评估干预措施效果。在已知病毒传播规律的基础上,考虑城市间的有效距离因素,引入干预项参数,建立可用于COVID-19疫情评估的SIR传播动力学模型;根据疫情的早期数据,分析感染人数、死亡人数等指标性数值的发展趋势,评估政府干预手段对趋势变化产生的影响。通过计算和理论分析表明,防控隔离和集中收治等措施有效抑制了病毒的蔓延态势。修正的SIR模型在COVID-19传播趋势分析上是可靠的,可以为制订未来的疫情干预决策提供较好的理论支持。     

基于 SIR 传染病模型的印度新冠疫情波及影响分析

针对印度新型冠状病毒肺炎(COVID-19)疫情的传播,建立通过设定目标函数求最优解来确定模型未知参数的 SIR 传染病动力学模型。 首先通过线性回归拟合参数范围,设定目标函数作为约束条件,结合龙格-库塔法,借助 Matlab 软件确定参数值最优解,进行 SIR 模型拟合和预测,发现印度疫情拐点将出现在 2021 年 5 月 8 日左右,结合预测数据推导未来每日新增及累计新增病例数,虽未来 100 d 内将持续出现新增病例,但疫情现期已经有消退趋势;其次考虑印度变种病毒 B. 1. 617 以及当下疫苗接种情况的影响,建立加入疫苗影响因素的 SIR 预测模型,通过进行疫苗接种灵敏度分析模拟出印度疫苗接种率大约需要达到 75%,考虑有效保护率则接种率需要高达 95%,才可以建立起群体免疫屏障;最后通过基本传染数验证了疫苗接种率,并对新冠波及影响做出了相应对策分析。     

一类潜伏期传染且具有病毒变异的传染病模型

针对COVID-19的特点，建立了一类潜伏期与染病期均传染且具有病毒变异的SEI₁I₂QR传染病模型。首先，得到了模型的基本再生数与平衡点，利用Routh-Hurwitz判据、Lyapunov函数及LaSalle不变集原理证明了各类平衡点的全局稳定性。其次，选取印度的COVID-19累计病例数，对模型的参数进行了估计，并对疫情发展趋势进行了数值模拟。最后，对部分参数进行了敏感性分析，结果表明，易感者与潜伏者的有效接触率、易感者与病毒变异前的染病者的有效接触率和基本再生数之间存在强相关性关系，降低易感者与染病者的有效接触率可以有效控制疫情的进一步蔓延。     

首都师范大学统计学研究团队对COVID-19疫情进行预测预报

正由崔恒建教授、胡涛教授等领衔的首都师范大学数学科学学院统计学团队,在新型冠状病毒肺炎(COVID-19)疫情防控过程中,充分发挥专业特点,实时关注和采集疫情发生、发展的相关数据,运用统计学非线性回归和数学建模对疫情发展态势进行了连续的实时跟踪预测.     

基于LSTM模型对印度新冠肺炎疫情的预测

自2019年新冠肺炎疫情暴发持续到现在,无论对国家、社会、还是个人都产生了巨大的影响。部分国家及时采取了一些应对措施,但是依然无法完全控制住疫情的传播。目前,机器学习算法被用来预测新冠肺炎疫情的发展。使用长短期记忆(long short-term memory, LSTM)模型对收集到的印度累计确诊病例数据进行分析并预测印度疫情的变化趋势。使用适应性矩估计(adaptive moment estimation, ADAM)算法优化模型使模型参数达到最优值,将均方误差(mean square error, MSE)作为损失函数,不断训练模型后最终得到其准确度为87.49%。使用支持向量机(support vector machine, SVM)模型预测新冠肺炎疫情发展的研究比较广泛,将其与LSTM模型进行对比,利用相同的数据集得出SVM模型预测的准确度为73.25%,对比2组数值发现,在预测印度新冠肺炎疫情上LSTM模型的准确度更高。该方法在一定程度上为预测印度新冠肺炎确诊病例数的研究提供了帮助,有助于人们实时监控印度疫情。     

新型冠状病毒肺炎的治疗药物及疫苗研究进展

新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)正在世界范围内流行.面对疫情异常严峻的现状,目前尚缺乏疫苗和特效治疗药物.本文对COVID-19治疗策略及疫苗研发的最新进展进行综述,旨在为COVID-19的疫苗及相关药物的研发提供参考.     

突发公共卫生事件下江苏地区公共图书馆的应急策略研究

2019年末爆发的COVID-19疫情在全球的大流行,给人类生活造成了重大影响,也让大众对突发公共卫生事件这一概念有了清晰的理解和切身的感受。作为社会重要的文化服务设施,公共图书馆在提供文化服务的同时,有义务保障图书馆自身与读者的安全。论文以COVID-19疫情为研究背景,旨在探讨江苏省公共图书馆在应对突发公共卫生事件时,从传染病的防控途径角度如何完善相关应急预案,以期为今后公共图书馆的安全工作开展提供参考。     

新型冠状病毒肺炎传播动力学模型构建与分析

为研究新型冠状病毒肺炎(简称新冠肺炎)传播机理和传播风险，预测疫情发展趋势，对政府制定相关疫情防控政策提供帮助，提出了一种新的新冠肺炎传播非线性动力学模型(SLEIR)。该模型考虑到疫情中采取保护措施的人群，将其作为低危群体加入到模型中；通过对模型的基本再生数、平衡点、稳定性和分岔等进行分析，揭示新冠肺炎传播机理；利用印度新冠肺炎真实数据对模型参数和部分状态初值进行最小二乘拟合，根据拟合的参数对印度疫情发展趋势做出预测。该模型对印度3～4月、4～5月两阶段疫情预测平均相对误差分别为4.107%和2.805%,对于印度10月最新的疫情，预测平均相对误差为3.266%,预测结果表明SLEIR模型具有较好的预测效果。与传统SEIR模型相比，该模型能适应印度疫情复杂的变化趋势，且具有更高的预测精度，可以为政府选择合适的防控措施提供技术支撑。