COVID-19大流行的实时微分流行病分析与预测
种群与进化
2020-05-05 v2 定量方法
摘要
在本文中，我们提出了一种新的实时微分病毒传播模型，该模型能够对COVID-19传染性疾病给出更准确且稳健的短期预测，并具有近期趋势投影的优势。不同于现有的基于易感-暴露-感染-移除（SEIR）的病毒传播模型（在具有充足历史数据的大流行建模中拟合良好），这一同样基于SEIR的新模型利用短期历史数据来寻找感染、死亡和康复等疾病动态变化的趋势，从而能够自然地适应疾病缓解、商业活动和人群社会行为的实时变化。由于改进SEIR模型的参数由短期历史窗口数据训练以进行准确趋势预测，我们的微分流行病模型本质上是基于窗口的时变SEIR模型。由于SEIR模型仍是基于物理的疾病传播模型，其近期（如一个月）投影对于决策者实时指导疾病缓解与商业活动政策变更仍非常有用。若大流行持续超过一年且全球呈现不同阶段性（如1918年流感大流行），这一点尤为有用。我们已对来自中国、意大利、美国、加利福尼亚州和纽约州的最新COVID-19数据进行了数值分析。
引用
@article{arxiv.2004.06888,
title = {Real-Time Differential Epidemic Analysis and Prediction for COVID-19 Pandemic},
author = {Sheldon X. D. Tan and Liang Chen},
journal= {arXiv preprint arXiv:2004.06888},
year = {2020}
}
备注
9 pages, first submission