基于 COVID-19 疫情死亡时间序列预测结局并估计传染病模型参数
种群与进化
2020-08-11 v2 物理与社会
摘要
在其他工具缺失的情况下，监测包括社交距离在内的保护措施的效果并预测疫情结局具有极大的意义。实时数据存在噪声，且常受报告系统性误差的干扰。详细的传染病模型可能包含大量经验参数，无法以足够精度确定。本文中，我们表明累计死亡人数可视为一个主变量，并可以确定基本再生数、易感人群规模以及感染率等传染病参数。在 SIR 模型中，我们推导了描述累计死亡人数演化的显式单变量微分方程。我们表明，西班牙、意大利和中国湖北省的疫情紧密遵循该主方程。我们讨论了其与 logistic 增长模型的关系，并表明当基本再生数小于 时它是一个良好的近似。该条件在湖北疫情中成立，但在西班牙、意大利和纽约的疫情中不成立。差异在于中国较短的传染期，可能源于对感染者的隔离政策。对于具有更多内部变量（如 SEIR 模型）的更复杂模型，由 SIR 模型导出的方程由于时间尺度的分离而近似成立。
引用
@article{arxiv.2004.08973,
title = {Forecasting the outcome and estimating the epidemic model parameters from the fatality time series in COVID-19 outbreaks},
author = {Gabor Vattay},
journal= {arXiv preprint arXiv:2004.08973},
year = {2020}
}