一种描述 COVID-19 在人群中传播的现象学方法

我们建立了一个现象学模型来描述冠状病毒（covid-19）大流行在给定人群中的传播。它利用 Landau-Stuart 方程，通过可观测参数确定制定充分管控与缓解政策所需的关键量。其意在补充 Ferguson 及其合作者于 2020 年 3 月 16 日发表的详细模拟与方法。结果表明，疾病的初始增长/传播率 gamma-c 以及人群中感染者的比例 p-i 可用于定义一个“阻滞/抑制系数” k-star，它是所采取管控政策有效性的度量。结果通过简单的 Python 代码解析与数值求得。解提供了定性与定量信息。它们证实并论证了 WHO 阐明且为多国采用的两项基本管控政策：a) 对个体开展系统且早期的 covid-19 密集检测；b) 诸如“社交/物理隔离”及通过严格检疫降低人口密度等隔离政策，对于使 k-star 大于 1 至关重要，而这是抑制大流行所必需的。模型指出，当感染率因前期政策开始下降时放松此类措施，可能仅会在未感染人群中重启感染率。WHO 及其他报告中现有可得的统计数据可便捷用于确定该模型的关键参数。文中指出了使基础模型更真实的可能扩展方向。