用基于人口流动的流行病学模型预测COVID-19大流行的确诊病例
应用统计
2020-12-02 v1 物理与社会
摘要
前所未有的2019冠状病毒病（COVID-19）大流行自2020年前几个月侵入公众日常生活以来，仍是全球对人类生命的威胁。预测确诊病例规模对各国和社区制定恰当的防控政策以有效遏制COVID-19传播十分重要。不同于2003年SARS疫情与2009年全球H1N1流感大流行，COVID-19在其感染与康复仓室上具有独特的流行病学特征。这驱使我们构建一个新的传染病动力学模型，用于在人口流动网络中预测COVID-19大流行，称为SaucIR模型，该新仓室模型通过将感染状态人群流分为无症状、病理性感染但未确诊和确诊者，扩展了基准SIR模型。此外，我们在模型中采用人口流动的动力学建模，以有效纳入空间效应。我们预测了2020年2月下旬至5月上旬期间中国大陆部分省份及其他经历严重感染的国家的累计确诊病例扩散。纳入大流行地理扩散的新颖性带来了与已发布确诊病例报告的惊人良好吻合。数值分析验证了相比现有类似模型，我们提出的SaucIR模型具有高度可预测性。所提出的预测SaucIR模型在Python中实现。一个基于Web的应用也由Dash开发（建设中）。
引用
@article{arxiv.2012.00397,
title = {Forecasting confirmed cases of the COVID-19 pandemic with a migration-based epidemiological model},
author = {Xinyu Wang and Lu Yang and Hong Zhang and Zhouwang Yang and Catherine Liu},
journal= {arXiv preprint arXiv:2012.00397},
year = {2020}
}