一种COVID-19疫情预测动力学方法

一种covid-19疫情预测动力学方法
技术领域
1.本发明涉及传染病疫情预测技术领域，具体涉及一种covid-19疫情预测动力学方法。


背景技术：

2.covid-19是近百年来人类遭遇的影响范围最广的全球性大流行病，对人类生命安全和健康构成重大威胁。
3.面对covid-19疫情带来的严峻挑战，采取最全面、最严格、最彻底的防控举措，改变疫情的发展轨迹。从已有成功的疫情防控经验中寻找疫情防控方案是值得探索的科学问题和现实之需，定量化的评估可以提供更有力的证据。
4.科学有效地进行疫情中各类人群与数据的预测是进行疫情防控的最有效的前期手段之一，是将被动预防推向主动预防转化的重要环节。若能够构建行之有效的疫情预测模型，则可以在不同的情境下，对疫情未来的发展趋势进行准确预测，并基于不同的预测结果数据为控制部门的疫情防控策略提供参考。通过采集和总结目前新冠肺炎已有的疾病数据，构建疫情未来发展的模型，再基于疫情确诊最高峰值以及重症患者比例，可以为疫情所需的床位数提供依据。
5.目前已有的疫情预测模型包括传统的sir和seir动力学模型，其中的传染系数通常设为常数，未考虑人为控制措施和季节变化对疫情发展的影响，不能反映疫情控制过程中控制措施随时间变化对疫情发展的影响，不能进行精确预测。
6.因此，在当前针对covid-19疫情的常态化防控的情境下，如何针对性地在考虑人为控制措施和季节变化影响的基础实现对疫情发展趋势的预测，从而为下一步疫情控制措施提供依据和数据支撑，以实现更加有效准确地疫情防控，这是目前亟待解决的问题。


技术实现要素：

7.有鉴于此，本发明提供了一种covid-19疫情预测动力学方法，同时考虑了人为控制措施和季节变化对疫情发展的影响，实现了对控制措施对疫情影响的预测，是一种能够对疫情各类人群的发展趋势进行有效精准预测的方法。
8.为达到上述目的，本发明的技术方案一种covid-19疫情预测动力学方法，包括如下步骤：
9.建立疫情预测动力学模型sasr(susceptible asymptomatic symptomaticrecovered model)，针对covid-19疫情中非传染性无症状感染者e1，传染性的无症状感染者e2，传染性的有症状感染者i1，非传染性有症状感染者i2进行预测。
10.其中所建立的疫情预测动力学模型sasr其微分方程组如下：
11.[0012][0013][0014][0015][0016][0017]
其中，s为易感人群，t为时间，e1为非传染性无症状感染者，e2为传染性的无症状感染者；i1为具有传染性的有症状感染者，i2为非传染性有症状感染者， r为移除者，d
e1
为非传染性无症状感染者的病程，d
e2
为传染性无症状感染者的病程，d
i1
为传染性有症状感染者的病程，d
i2
为非传染性有症状感染者的病程，δe和δi分别为疫情区域迁出人口和迁入人口，ei为迁入人口中的潜伏期人数比例， e
i1
和e
i2
分别为迁入无传染性潜伏期者和传染性潜伏期者的人口，k(t)为传染率，受季节性变化影响，ca(t)和cs(t)是针对传染性无症状感染者和传染性有症状感染者的控制函数，由疫情控制动力学模型cume模型得出。
[0018]
进一步地，e1为非传染性无症状感染者的数量或者比例；
[0019]
e2为传染性无症状感染者的数量或者比例。
[0020]
进一步地，r为移除者，包括死亡者和治愈者。
[0021]
进一步地，k为传染率，受季节性变化影响，遵循以下规律：
[0022]
k(t)＝k0(1 k1cos(2π/365t β))；
[0023]
其中k0为基本传染率，，k1为季节影响系数，β为南北半球标识。
[0024]
进一步地，β＝0时表示在北半球，β＝π时表示在南半球。
[0025]
有益效果：
[0026]
本发明提供的一种covid-19疫情预测动力学方法，通过构建疫情预测动力学模型sasr，针对covid-19疫情中非传染性无症状感染者e1，传染性无症状感染者e2，有传染性的有症状感染者i1，非传染性有症状感染者i2进行预测；在所构建的疫情预测动力学模型中，充分考虑了人为控制措施，例如隔离、防护、洗消等，同时所设传染率k随季节变化而不同，由此实现了对控制措施对疫情影响的预测，并能够对疫情各类人群的发展趋势进行有效精准预测。
附图说明
[0027]
图1为基于cume得出的某市疫情控制变量和实验室sars-cov-2病毒检测结果对疫情的预测结果和疫情监测结果对比图；
[0028]
图2为本发明提供的covid-19疫情预测动力学方法的示意图。
具体实施方式
[0029]
下面结合附图并举实施例，对本发明进行详细描述。
[0030]
图2示出了本发明提供的covid-19疫情预测动力学方法的示意图。
[0031]
covid-19疫情传播规律是制定精准防控策略的关键问题。sars-cov-2病毒具有无症状感染及潜伏期具有传染性等特征，covid-19疫情受人为控制因素和季节变化因素的影响。根据covid-19疫情流行病学特征，本发明建立了疫情预测动力学模型(sasr，susceptible asymptomatic symptomatic recovered model)，微分方程组如下：
[0032][0033][0034][0035][0036][0037][0038]
其中，s为易感人群，t为时间，e1为非传染性无症状感染者，e2为传染病的无症状感染者(数量或比例)，i1为有传染性的有症状感染者，i2为非传染性有症状感染者，r为移除者(包括死亡者和治愈者)，d
e1
为非传染性无症状感染者的病程，d
e2
为传染性无症状感染者的病程，d
i1
为传染性有症状感染者的病程，d
i2
为非传染性有症状感染者的病程，δe和δi分别为疫情区域迁出人口和迁入人口，ei为迁入人口中的潜伏期人数比例，e
i1
和e
i2
分别为迁入无传染性潜伏期者和传染性潜伏期者的人口，k为传染率，受季节性变化影响，遵循以下规律：
[0039]
k(t)＝k0(1 k1cos(2π/365t β))；
[0040]
这里k0为基本传染率，k1为季节影响系数，β在北半球和南半球分别0和π。 ca(t)和cs(t)是针对传染性无症状感染者和传染性有症状感染者的控制函数，由疫情控制动力学模型(cume)模型得出，模型中假设自然出生率和自然死亡率动态平衡。
[0041]
基于cume得出的某市疫情控制变量和实验室sars-cov-2病毒检测结果，应用sasr对疫情进行了动力学预测，结果如图1所示。
[0042]
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。