基于感染力与免疫作用的新型冠状病毒肺炎疫情传播模型

目的严重急性呼吸综合征冠状病毒2(SARS-CoV-2)变体往往具有更强的感染力与免疫逃逸能力,目前出现的SARS-CoV-2变体种类繁多,疫情评估与防控形势严峻。本文希望通过建立模拟病毒传染的理论模型,对SARS-CoV-2及其变体引起的疫情进行追踪与预测,并对它们的综合传染性进行评估。方法根据方格传染病模型,对传染持续时间和群体免疫作用的相互关系进行推导,并在此基础上建立了新型冠状病毒肺炎(COVID-19)疫情感染传播的普遍理论模型,提出感染力参数A和免疫作用参数B,将传染时间与感染人数的复杂关系公式化,用于预测感染日变曲线。还引入了突变株综合传染性参数A/B^(2/3),用以定量比较各突变株的综合传染能力,并对感染参数A和B不与地域因素相关的猜想进行了验证。结果通过COVID-19疫情传播的理论模型,对病毒步行次数与传染时间做出了较为精准的预测。通过对突变株感染能力与电性变化的分析,指出了突变株传染性和突变残基电性变化的内在联系。分析了突变株的参数变化,定量比较了各突变株的综合传染能力,得出了综合传染性排行。还验证了参数A和B只与病毒自身性质、病毒与人体共存的性质相关,而与地域无关的猜想,并对各爆发地域的防疫水平进行了评估与比较。结论本文建立了COVID-19疫情传播的理论模型,在预测疫情持续时间、每日新增感染人数与评估病毒感染力、免疫逃逸能力、综合传染性、地域防疫水平方面具有一定作用,还根据病毒变异可能导致的参数变化给出了防疫注意事项与相关对策的建议。

基于常规临床检验指标构建子痫前期风险预测模型

目的利用常规临床检验指标构建基于人工智能的子痫前期风险预测模型。方法收集2019年1月至2021年12月就诊于内蒙古自治区人民医院342例子痫前期患者和346例健康孕妇的4项常规临床检验指标(血常规、尿常规、生化全项和凝血四项)。应用LASSO和Tuning Relief F(TURF)以指标数据为特征进行打分选择,评估常规临床检验指标。用支持向量机、随机森林、K-nearest neighbor(KNN)和XGBoost构建人工智能预测模型。通过SHAP解释特征如何影响模型并做出决策。结果基于TURF特征选择策略,KNN在仅使用7个特征指标的情况下预测性能最优,分别是尿蛋白、尿电导率、碱性磷酸酶、血尿酸、乳酸脱氢酶、平均红细胞血红蛋白浓度和淀粉酶。在训练集和测试集上的预测准确度分别为82.55%和82.56%;聚类分析表明,使用7个最优特征指标相较于87个全部特征指标具有更好的效果。SHAP解释结果表明,尿蛋白和乳酸脱氢酶对模型做出正确决策有显著影响。结论常规临床检验指标可以用于预测子痫前期,且通过特征选择策略可以在降低特征维度基础上进一步提高预测性能。