基于改进传染病动力学易感-暴露-感染-恢复(SEIR)模型预测新型冠状病毒肺炎疫情

目的研究基于传染病动力学易感-暴露-感染-恢复(SEIR)模型对新型冠状病毒肺炎(COVID-19)疫情发展情况的预测效果,为有效应对疫情提供指导。方法利用Python爬虫自动更新功能获取中华人民共和国国家卫生健康委员会公布的疫情数据,通过改进传染病动力学SEIR模型,自动修正COVID-19基本再生数(R0),对中国湖北省和韩国的COVID-19疫情发展趋势进行预测。结果模型预测的湖北省COVID-19疫情顶点在2020年2月21日,现有确诊病例数约为50000例(2月19日),预计疫情将于3月4日回落至30000例以下,并在5月10日左右结束。中华人民共和国国家卫生健康委员会公布的实际数据显示,确诊人数顶点为53371例。模型预测的韩国疫情峰值在3月7日,将于4月底结束。结论改进的传染病动力学SEIR模型在COVID-19疫情早期实现了较准确的数据预测,政府相关部门在疫情中及时、有效的强力干预明显影响了疫情的发展进程,东亚其他国家如韩国的疫情在3月仍处于上升期,提示中国需要提防输入性疫情风险。

基于邻域K-shell分布的关键节点识别方法

复杂网络中关键节点的精准识别对于网络结构稳定和信息传播起着至关重要的作用。传统K-shell方法仅通过节点在网络中所处位置对节点的重要性进行评估,导致区分度不高。基于此,综合考虑了节点的全局信息和局部信息对节点重要性的影响,提出一种基于邻域K-shell分布的关键节点识别方法。该方法通过节点邻域Ks值定义节点的熵,从而反映邻居节点的K-shell分布特征。通过11个网络数据集上的仿真实验,验证了所提方法能够更准确地识别并区分复杂网络中的关键节点。

复杂网络下船舶碰撞风险传播演化分析

为提高海运业的安全水平,针对船舶碰撞风险事件链中的风险传播演化过程,利用事件树分析法(ETA),构造有向赋权复杂网络(CN),分析网络的拓扑结构;改进传统K-壳分解算法的适应性,提出网络节点绝对重要度计算方法;利用易感-感染-恢复(SIR)模型动态模拟风险在CN中的传播演化过程,研究在不同感染率与恢复率组合的情况下,复杂网络中目标节点的动态敏感性。结果表明:大约25%的风险事件在CN中相对不活跃,绝对重要度排前10%的风险事件均与事故直接原因无关;风险事件的敏感度与重要度并不完全保持一致,部分风险事件,即使不采用针对性措施,也难以触发严重后果或碰撞事故;船舶碰撞风险管控工作应认可直接致因的客观存在,重点关注碰撞风险的传播演化过程,在碰撞风险实施管控的过程中应采用差异化管控策略。

中国4种儿童易感传染病传播特性的分析

目的 了解4种传染病发病数的周期性、传染率及其季节性的变化模式,为4种传染病的防控提供理论支持。方法 选取百日咳、猩红热、风疹、腮腺炎这4种有代表性的儿童易感传染病作为研究对象,分别建立时间序列易感者-感染者-恢复者(time series susceptible infected recovered, TSIR)模型,使用马尔科夫蒙特卡洛方法估计模型中的参数,分析这4种传染病传染率的季节性模式;根据不同传染病传染率的季节性模式,采取针对性控制措施,分析对未来发病数的影响效果。结果 4种传染病的传染率呈季节性变化,最低传染率均发生在7―8月,猩红热、风疹、腮腺炎的最高传染率发生在2―3月。传染率季节性受学生放假、春运影响。有无免疫实施不影响传染率的季节性模式。传染率季节性与病原体的异同存在关联性。结论 4种儿童易感传染病的传染率均具有季节性变化的特点,相应的季节性防控措施对减少发病数更为有效。

应用仿真模型模拟甲型H1N1流感的街道社区传播

采用可视化仿真模型对甲型H1N1流感在不同人口密度街道、社区的传播进行模拟仿真,探寻传播规律和特点,为采取合理防控措施提供科学依据.将全部人群按易感-感染-移出（SIR）模型划分为易感人群、感染人群和免疫人群,人群的年龄构成根据第五次人口普查基本情况设置,个体依据网络随机接触模型进行接触与运动,致死率与感染方式按照甲型H1N1流感医学描述进行设定.实例分析结果表明,感染率与社区街道人口密度有密切关系,疫情前期人口感染率增长速度较快,人口密度在50人/hm2以上的社区持续传播甲型H1N1流感的概率较大;对照组试验表明,在社区内接种疫苗可以有效地抑制甲型H1N1流感的传播.结论 ：人口密度、是否接种疫苗是甲型H1N1流感流行的危险因素.

海军大型战斗舰艇传染病预测模型选择

海军大型战斗舰艇作为一种重要的海上作战平台,内部空间紧凑,编制人员密集,一旦发生传染病极易流行。因此,选择适用于该环境的传染病预测模型对卫生防疫工作的顺利开展非常重要。本文介绍了4个经典的传染病动力学模型,总结了各类仓室模型及其关键特征,并就常见的几种实际模拟需求展开讨论,以期能帮助相关卫勤人员应对诸如新型冠状病毒肺炎疫情防控等卫生防疫工作中的挑战。

利用人口流动数据以及两阶段模型预测2019冠状病毒病流行趋势

目的:基于人口流动和疫情防控措施信息构建数学模型,预测2019冠状病毒病(COVID-19)疫情的发展趋势。方法:获取截至2020年2月8日浙江省乐清市151例确诊病例的患病过程以及乐清和武汉之间的人口流动等信息,采用两阶段的方法构建数学模型,将人口流动数据与确诊病例症状开始时间以及输入性病例和本地病例的传播动力学特征整合起来,模拟并预测乐清的COVID-19疫情发展趋势。结果:在疫情初期,每日从武汉来的输入性病例数(症状出现日)与当日、6 d前和9 d前从武汉到乐清的旅客数量成正相关。利用根据武汉到乐清的旅客数量估计的输入性病例数以及易感-暴露-感染-恢复模型预测乐清最终的病例数为170例。如果根据每日报告的输入性病例数来预测,预计最终病例数为165例。截至2020年4月27日,乐清实际监测到的病例数为170例,这两个预测值与实际值均接近。结论:本研究建立的两阶段预测模型能够对COVID-19的流行趋势做出准确预测。

基于系统动力学模型的2019冠状病毒病早期防控机制研究

目的:探讨各国2019冠状病毒病(COVID-19)暴发早期防控的效果,为传染病疫情暴发早期的防控提供对策。方法:以世界卫生组织公开的中国、美国、英国、澳大利亚、塞尔维亚和意大利COVID-19疫情暴发早期数据为样本,建立广义易感-暴露-感染-恢复(SEIR)模型,对其参数进行最优化求解。然后,根据基本传染数表达式中的参数,利用系统动力学模型中的敏感性分析,定量分析各国保护率、感染率和平均检疫时间对疫情暴发早期的影响。最后,根据分析结果提出COVID-19暴发早期的防控对策。结果:广义SEIR模型对六国COVID-19暴发早期的预测和评估具有较好的拟合性,实际数据与拟合数据高度重合。COVID-19扩散主要受保护率、感染率和平均检疫时间影响:从保护率来看,前10 d的保护率提高最为重要,保护率越大,确诊人数越少;从感染率来看,前5 d的感染率最为关键,感染率越小,确诊人数越少;从平均检疫时间来看,前5 d的平均检疫时间至关重要,平均检疫时间越短,确诊人数越少。通过对六国关键参数对比发现,澳大利亚和中国由于实行严格的防疫政策,保护率较高,平均检疫时间较短,因而防疫效果较好。结论:在COVID-19暴发早期,需要实行提高保护率、缩短平均检疫时间的措施,以及严格的隔离政策,抑制COVID-19传播及扩散。

基于人口流动数据研究武汉“封城”对中国2019冠状病毒病疫情态势的影响

目的:定量评估武汉“封城”对控制中国2019冠状病毒病(COVID-19)疫情传播的作用。方法:首先基于全国217个城市的武汉来源输入性病例数据和武汉来源的人口流动数据,估算武汉2020年1月23日“封城”前的每日新发感染率。并假设武汉“封城”推迟7 d,武汉的每日新发感染率在2020年1月23日后分别呈高、中、低增长趋势,估算2020年1月24至30日的每日新发感染率,从而计算在此期间武汉流出的感染人数。最后,通过易感-暴露-感染-恢复(SEIR)模型预测武汉“封城”推迟7 d对国内疫情发展可能造成的影响。结果:2020年1月19至23日,武汉每日新发感染率分别为0.021%、0.026%、0.029%、0.033%和0.070%。截至2020年1月23日,武汉共有感染者20066人。假设武汉“封城”推迟7 d,在2020年1月30日,武汉每日新发感染率在高、中、低增长情景模拟的结果分别是0.335%、0.129%和0.070%。依据上述三种情景,预测分别会有32075、24819和20334名感染者从武汉流入其他地区,到2020年3月19日,全国COVID-19确诊人数将是官方公布数据的3.3~3.9倍。结论:在疫情暴发早期,武汉及时采取“封城”措施对控制COVID-19疫情在中国的传播具有重要意义。

SIR模型在一起校园急性出血性结膜炎暴发疫情处理中的应用

应用易感者-感染者-移出者（sin）模型模拟学校暴发的急性出血性结膜炎，为疫情处理提供参考。采用经典SIR模型构建数学模型，Malthusian指数递减模型估计采取干预措施后的传染率系数（β），通过疫情早期数据确定参数和设置初始值，使用Matlab7．1软件进行疫情处理效果模拟。结果显示在无干预措施下，疫情将经历3个阶段：（1）初期（≤5d）疫情发展较慢，是采取防控措施的最佳时期；（2）快速发展期（6～15d）采取防控措施效果不甚理想；（3）中后期（≥16d）90％以上易感者已被感染，采取措施已无较大意义。在有干预措施的情况下，SIR模型模拟结果显示，新发病例数迅速减少，疫情能得到有效控制，该结果与实际疫情发展情况基本相符。SIR模型对模拟校园急性出血『生结膜炎暴发疫情具有较好效果。

航班延误传播模型研究

为研究航班延误传播规律,利用真实航班运行数据构建机场航班网络。基于易感-感染-免疫(Susceptible-Infected-Recovered,SIR)模型建立航班延误传播模型,选用梯度下降法求解模型参数;以最大连通子图比例(S)作为网络抗毁性指标,使用选择性攻击和随机攻击策略分析抗毁性;将航班延误传播模型与长短期记忆(Long Short-Term Memory,LSTM)网络预测模型、马尔科夫模型进行延误预测比较,引用历史数据进行实例分析。结果表明:机场航班网络平均路径长度为2.387,聚类系数为0.58,度分布呈双幂率分布,具有小世界和无标度特性;随机攻击删除节点累计300个,S>0.5,网络抗毁性强,选择性攻击删除节点比例15%~20%,S=0,网络抗毁性差;航班延误传播模型平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)分别与LSTM预测模型、马尔科夫模型相差4.41百分点、50.98百分点,具有更高精度。所提出的模型为航班延误提供了预测工具,为航空公司、机场等单位制定有效延误缓解措施提供参考。