新型冠状病毒(COVID-19)建模：一种随机 SEIR-HCD 方法，含苏格兰实时参数估计与预测

面对2020年SARS-CoV2疫情，公共卫生官员一直在寻求能够预测新增病例数以及住院、重症监护和死亡水平的模型。在本文中，我们提出了一种随机区室模型，能够结合多源真实世界数据（报告病例、检测强度、死亡、住院和重症监护占用）对疫情进行实时监测与预测。模型参数通过贝叶斯粒子滤波技术进行估计。该模型成功追踪了苏格兰COVID-19疫情两波（2020年3月至6月以及9月至11月）中的关键变量（报告病例、重症监护和死亡）。模型对2020年夏季的住院预测持续低于记录数据，但与苏格兰卫生保护局于9月15日更改报告标准相一致。大多数参数估计在两波疫情中保持恒定，但感染率及随之而来的再生数在第一波后期下降，并从2020年7月再次上升。死亡率初期较高，在2020年夏季下降，随后于11月再次上升。该模型还可用于提供短期预测。我们表明，对于2020年3月至6月期间，即便在疫情早期阶段，两周预测性也非常好。该模型在2020年9月对病例数增加的捕捉较慢，但在疫情后期预测能力再次改善。