COVID-19 建模 —— I 一种动态 SIR(D) 模型及其在印度数据上的应用
应用统计
2020-09-14 v1 统计方法学
摘要
我们提出一种使用自适应动态三仓室（含四状态）SIR(D) 模型的流行病学模型。我们的方法在精神上类似于非参数曲线拟合，并在保留标准 SIR(D) 模型简洁性的同时自动适应干预等关键外部因素。模型参数的初始动态时间估计通过在一个选定滞后期内最小化感染数、康复数与死亡数的总体残差平方和获得。随后应用几何平滑器得到最终的估计时间序列。这些估计用于获得此次大流行关键特征即“再生数”的动态时间稳健估计。我们在 2020 年 3 月 14 日至 8 月 31 日的印度 COVID-19 数据上阐释了我们的方法。36 个邦与中央直辖区的时序数据图显示出疫情预后中明显的区域间差异。底层参数（包括 36 个区域的再生数）的估计也证实了这一点。因此，基于全国汇总数据的 SIR(D) 模型（无论动态与否）不适合稳健的局部预测。模型的估计时间序列使我们能够进行每日、每周以及长期预测，包括构建预测带。我们在区域层面上获得了实际数据与模型预测数据的极好吻合。我们对当前再生数的估计在三个区域（安得拉邦、马哈拉施特拉邦和北方邦）超过 2，在 13 个区域介于 1.5 与 2 之间。这些区域各自经历了独立的轨迹，通常包含初期的冲击阶段，随后再生数处于相对平稳的较低水平。
引用
@article{arxiv.2009.05044,
title = {Modelling COVID-19 -- I A dynamic SIR(D) with application to Indian data},
author = {Madhuchhanda Bhattacharjee and Arup Bose},
journal= {arXiv preprint arXiv:2009.05044},
year = {2020}
}
备注
Supplementary file available on request from authors