应用易感者-暴露者-感染者-康复者模型对COVID-19的传播及防御措施分析

该文通过易感者-暴露者-感染者-康复者模型分析新型冠状病毒肺炎(COVID-19)在人群中传播的过程,及不同防御措施对疫情曲线的影响,针对结果为疫情的防控提出建议。根据人群接触网络模式对易感者-暴露者-感染者-康复者模型进行改进,加入隔离、中医药干预等模型元素,构建符合新冠肺炎传播特点的数学模型。将影响新型冠状病毒肺炎疫情发展趋势的关键因素作为模型变量,通过实际疫情发展情况对模型进行调节,分析不同因素对病毒扩散的影响。结果显示,隔离和中医药干预措施在防御新型冠状病毒肺炎疫情中,预测结果与实际情况基本相符,说明通过隔离及中医药干预措施可以对控制疫情起到积极作用。

时变SEIQDR和ARIMA模型在上海市COVID-19预测中的应用和比较

目的根据时变易感者-潜伏者-感染者-隔离者-死亡者-康复者(susceptible-exposed-infected-quarantined-dead-removed,SEIQDR)模型和差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型,针对上海市Omicron感染数据选择适合上海市疫情判断的预测模型。方法选用2022年3月1日―4月20日上海市COVID-19新增阳性感染者的数据进行拟合,选用2022年4月21日―5月30日的数据评估模型的预测效果。分别构建时变SEIQDR模型与ARIMA模型,通过比较决定系数(coefficient of determination,R^(2))、平均绝对误差(mean absolute error,MAE)和均方根误差(root mean squared error,RMSE)的大小评价模型的拟合及预测效果。结果时变SEIQDR模型和ARIMA模型的拟合效果均较优,R2分别为0.990和0.984。2个模型5 d的预测效果均尚可,对于20 d以及40 d预测效果,时变SEIQDR模型更优且更符合传染病传播的规律;前者的40 d预测MAE和RMSE分别为1001.461和1967.704,后者分别为1265.331和2068.094,且时变SEIQDR模型能较好地实现对上海市本轮疫情变化趋势及发病人数的复现。结论时变SEIQDR模型可较好地拟合及预测上海市COVID-19的发病人数及变化趋势,且模型效果优于ARIMA(2,2,0)。

交通管控对新冠疫情传播的影响分析——以厦门市为例

为研究交通管控措施对新冠疫情传播的影响,以厦门市2021年9月份出现的疫情为例,对各项交通管控措施下的疫情传播趋势进行分析,并讨论不同交通管控措施对疫情的阻断效果。以经典易感者-潜伏者-感染者-康复者(susceptible-exposed-infected-removed,SEIR)传染病模型为基础,建立有人口迁入迁出的SEIR模型和有交通限制的SEIR模型,并以误差最小为目标通过粒子群(particle swarm optimization,PSO)算法计算出更符合疫情实际的最优参数。将改进的有交通限制的SEIR模型与最优参数相结合模拟出不同交通管控措施下疫情的传播趋势并进行分析。结果表明:根据最优参数拟合出的疫情传播趋势与实际疫情传播趋势较为一致,且不同交通管控措施对疫情的阻断效果存在差异;及时实施限制人口迁入迁出措施可使疫情达到高峰的时间提前,及时实施限制市内交通出行措施可使感染人数峰值降低,综合并及时实施各项交通管控措施对疫情阻断的效果最为明显。因此,在疫情来临时,越及时实施综合交通管控措施对疫情的阻断就越有效。