Covid-19 的感染动力学：封锁是否为一种有效的遏制工具？
定量方法
2020-09-14 v1 物理与社会
种群与进化
摘要
Covid-19 正造成毁灭性蔓延，其死亡率与感染数之比为史上大流行之最。缺乏疫苗与疗法使得通过封锁进行社会隔离成为唯一的遏制模式。借助机器学习在 6 维感染动力学模型中的预测能力，刻画健康易感者（）、 predisposed 合并症易感者（）、感染者（）、康复者（）、群体免疫者（）与死亡者（）这 6 个感染阶段的互动演化——该模型 PHIRVD 首次对处于不同战略封锁阶段的 18 个国家给出了准确的死亡率预测，可延伸至最后训练数据之后 30 天。PHIRVD 确立死亡率与感染数之比作为正确的大流行描述符，替代再生数，并强调早期、持久但具战略性的封锁对遏制二次复发的重要性。意义说明：1. 准确预测 18 个国家逐日死亡率曲线，延伸至数据训练最后数据之后 30 天。2. 精确量化早期与较晚实施封锁的影响。3. 准确预测二次复发时间线。4. 确立死亡率与感染数之比作为正确的大流行描述符，替代广受青睐的再生数——后者已被证明在预测未来感染动力学与二次激增方面失败。这些结果有潜力重塑健康政策格局，尤其鉴于二次复发与可能的未来 SARS-COV/Ebola 类群入侵。
引用
@article{arxiv.2009.05280,
title = {Infection Kinetics of Covid-19: Is Lockdown a Potent Containment Tool?},
author = {Amit k Chattopadhyay and Debajyot Choudhury and Goutam Ghosh and Bidisha Kundu and Sujit Kumar Nath},
journal= {arXiv preprint arXiv:2009.05280},
year = {2020}
}
备注
13 pages main text (8figures, 2 tables), 20 pages of appendices (21 figures, 5 tables)