一种传染病再生模型构建方法与流程

1.本发明属于传染病预测技术领域，具体而言，涉及一种传染病再生模型构建方法。


背景技术：

2.公开号为cn111739657a的中国发明专利(申请号：cn202010695650.8)提供一种基于知识图谱的流行病感染者预测方法及系统，利用知识图谱技术，构建流行病学患者个人知识图谱和流行病学传播知识图谱，通过融合流行病学患者个人知识图谱和流行病学传播知识图谱，全面梳理流行病的传播关系和路径，从而针对性预测疑似患者，同时，本方法及系统可以生成流行病学调查报告，以支持流行病学调查工作。
3.由于在疾控部门对传染病疫情现场处置中，需要在短时间内对疫情态势进行研判，制定科学防控措施，现场处置工作时间紧和任务重，而疾控工作人员，特别在基层，很少具备数学专业基础和数学模型建模经历，但对于疫情研判所需的专业指标计算具有较大需求；上述发明中不能对传染病的再生情况进行快速高效计算，造成整个模型的搭建效率和准确度的降低。


技术实现要素：

4.有鉴于此，本发明提供一种传染病再生模型构建方法，能够解决不能对传染病的再生情况进行快速高效计算，造成模型的搭建效率和准确度的降低的问题。
5.本发明是这样实现的：
6.本发明提供一种传染病再生模型构建方法，其中，包括以下步骤：
7.s10：选取传染病暴发地点，收集传染病病例数据；
8.s20：依据所述收集传染病病例数据，计算基本再生系数r0和有效再生系数r
t
；
9.s30：依据所述基本再生系数r0和所述有效再生系数r
t
构建传染病再生模型。
10.基本再生数r0的定义是：没有干预的情况下,当所有人均为易感者时,平均一个患者可以传染的人数，有效再生系数r
t
的定义是：t时刻平均一个发病的病例能够导致的新发病例数。
11.在上述技术方案的基础上，本发明的一种传染病再生模型构建方法还可以做如下改进:
12.其中，所述传染病病例数据至少包括日期、每日新发病例数、每日输入病例数。
13.其中，所述s20中计算基本再生系数r0具体步骤如下：
14.s21：设定或计算r0所需的新发传染病例的代际时间分布；
15.s22：根据新发传染病例的代表时间分布计算r0；
16.s23：绘制代际时间分布图；
17.进一步的，所述s21具体步骤如下：
18.s210：根据现场传染病数据判断是否出现代际时间；
19.s211：若无代际时间，则设定代际时间分布，设定遵循具有三个参数的分布；
20.s212：若出现代际时间，则使用传染病数据表示代际时间分布，使用向量表示。
21.进一步的，所述s22的具体步骤为:
22.利用每日新病例数n＝{n0，n1，
…
，n
t
}，其中n0为开始暴发时的种子病例初始数量，t为观测的最后一天，ni由前k天生成的病例混合组成，其中k是代际时间的最大值，将这些病例表示为x
ij
，是指第i天出现的、由第j天出现症状的人所感染的病例数；假设在第j天有症状的感染者产生的感染者数量遵循泊松分布，参数为r0、nj；此外，xj＝{x
j,j 1
,x
j,j 2
,
…
,x
j,j k 1
}，为被x个体感染的病例的向量，遵循参数为p、k和x的多项式分布，此处p即为代际时间分布的概率向量；假设存在输入性病例，用y＝{y1,...,y
t
}表示，根据以上数值，得到如下，
[0023][0024]
其中，和γ(x)是伽玛函数，使用最大似然法计算得到r0的估计值。
[0025]
进一步的，所述s23的具体操作步骤为：
[0026]
利用par函数设定绘图所需参数，包括线条颜色类型及宽度、坐标轴标题缩放倍数等。
[0027]
其中，所述s20中计算有效再生系数r
t
具体步骤如下：
[0028]
s24：设定或计算r
t
所需的新发传染病的代际时间分布；
[0029]
s25：根据新发病例的代际时间分布计算r
t
；
[0030]
s26：绘制流向曲线图；
[0031]
进一步的，所述s24的具体步骤如下：
[0032]
s240：根据现场传染病数据判断是否出现代际时间；
[0033]
s241：若无代际时间，则设定代际时间分布，指定代际时间的均值和标准差；
[0034]
s242：若出现代际时间则直接根据传染病数据样本，利用马尔科夫链蒙特卡罗方法对数据样本进行重抽样。
[0035]
进一步的，所述s25的具体步骤如下：
[0036]
在贝叶斯框架内，对于给定的代际时间分布，使用成对的病例估算得到流行病在预设时间段中的r
t
；病例ti被病例tj感染的相对可能性p
ij
用代际时间分布w来表示，病例i被病例j感染的相对似然是病例i被病例j感染的似然，通过病例i被任何其他病例k感染的似然进行标准化：
[0037]
p
ij
＝w(t
i-tj)/∑
i≠k
w(t
i-tk)
[0038]
病例j的有效再生数是所有病例i的总和，由病例i被病例j感染的相对似然加权：rj＝∑ip
ij
。
[0039]
进一步的，所述s26的具体步骤如下：
[0040]
使用plot函数进行图形绘制。
[0041]
与现有技术相比较，本发明提供的一种传染病再生模型构建方法的有益效果是：
计算所得的基本再生系数r0和有效再生系数r
t
可以为疫情发展趋势和防控措施效果的研判提供参考依据；通过观察r0与r
t
之间的差值，能较为直观地表现出疫情发生地的防控措施力度和成效。本发明可解决疾控现场调查人员不具备数学专业基础、无数学建模经历和无专业统计软件时却需要进行指标计算的技术难题。
附图说明
[0042]
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0043]
图1为一种传染病再生模型构建方法的步骤流程图；
[0044]
图2为一种传染病再生模型构建方法s20中计算基本再生系数r0的步骤流程图；
[0045]
图3为一种传染病再生模型构建方法的s21步骤流程图；
[0046]
图4为一种传染病再生模型构建方法s20中计算有效再生系数r
t
的步骤流程图；
[0047]
图5为一种传染病再生模型构建方法的s24步骤流程图；
具体实施方式
[0048]
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0049]
因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0050]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0051]
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0052]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0053]
如图1所示，是本发明提供的一种传染病再生模型构建方法的步骤流程图，包括以下步骤：
[0054]
s10：选取传染病暴发地点，收集传染病病例数据；
[0055]
s20：依据收集传染病病例数据，计算基本再生系数r0和有效再生系数r
t
；
[0056]
s30：依据基本再生系数r0和有效再生系数r
t
构建传染病再生模型。
[0057]
其中，在上述技术方案中，传染病病例数据至少包括日期、每日新发病例数、每日输入病例数。
[0058]
如图2所示，在上述技术方案中，s21具体步骤如下：
[0059]
s210：根据现场传染病数据判断是否出现代际时间；
[0060]
需要说明的是，代际时间定义为：一对感染者-被感染者(infector
–
infectee pair)发病的时间间隔。
[0061]
s211：若无代际时间，则设定代际时间分布，设定遵循具有三个参数的分布；
[0062]
如无代际时间则选择查阅最新文献设定代际时间分布，设定遵循具有三个参数(类型、均值和标准差)的分布。具体操作步骤为，先调用程序包mass和r0，再调用现场疫情数据，最后使用gtn函数计算代际时间分布。其中代际时间分布的分布类型、均值和标准差，疫情现场调查人员根据文献自行设定修改，如：2022年奥密克戎ba.1和ba.2的代际时间分布的均值、标准差分别为3.3(
±
1.95)和2.72(
±
1.51)，该数值引用自mefsin ym,chen d,bond hs,et al.epidemiology of infections with sars-cov-2 omicron ba.2 variant,hong kong,january-march 2022.emerg infect dis.2022；28(9)。
[0063]
s212：若出现代际时间，则使用传染病数据表示代际时间分布，使用向量表示，ssivec《-c(x,y,
…
，z)，其中，x,y,
…
，z中的每一个数字表示一个一代病例与二代病例发病间隔时间，值由疫情现场调查人员根据现场数据自行设定修改。
[0064]
代际时间定义为：一对感染者-被感染者(infector
–
infectee pair)发病的时间间隔。
[0065]
如图3所示，在上述技术方案中，s20中计算基本再生系数r0具体步骤如下：
[0066]
s21：设定或计算r0所需的新发传染病例的代际时间分布；
[0067]
s22：根据新发传染病例的代表时间分布计算r0；
[0068]
s23：绘制代际时间分布图；
[0069]
进一步的，在上述技术方案中，s22的具体步骤为:
[0070]
现场调查人员将病例数据整理成三列“日期、每日新发病例数、每日输入病例数”的格式，在代码中设定好计算所需参数(起始日期和终止天数)，即可算得r0的估计值。具体操作步骤为，输入估计r0的起始日期及终止天数，使用r0函数进行运算，运算完成后，在console栏中输入“r0”并回车即可查看r0的估计值及95％可信区间。
[0071]
计算具体原理根据white and pagano(2009)，r0为一个典型病例在全易感人群中可导致的二代病例数，计算未来的预期病例数，并使用泊松分布优化可得到r0。利用每日新病例数n＝{n0，n1，
…
，n
t
}，其中n0为开始暴发时的种子病例初始数量，t为观测的最后一天，ni由前k天生成的病例混合组成，其中k是代际时间的最大值，将这些病例表示为x
ij
，是指第i天出现的、由第j天出现症状的人所感染的病例数；假设在第j天有症状的感染者产生的感染者数量遵循泊松分布，参数为r0、nj；此外，xj＝{x
j,j 1
,x
j,j 2
,
…
,x
j,j k 1
}，为被x个体感染的病例的向量，遵循参数为p、k和x的多项式分布，此处p即为代际
时间分布的概率向量；假设存在输入性病例，用y＝{y1,...,y
t
}表示，根据以上数值，得到如下，
[0072][0073]
其中，和γ(x)是伽玛函数，使用最大似然法计算得到r0的估计值。
[0074]
进一步的，在上述技术方案中，s23的具体操作步骤为：
[0075]
利用par函数设定绘图所需参数，包括线条颜色类型及宽度、坐标轴标题缩放倍数等，参数数值可由现场调查人员自行设定修改。
[0076]
如图4所示，在上述技术方案中，s20中计算有效再生系数r
t
具体步骤如下：
[0077]
s24：设定或计算r
t
所需的新发传染病的代际时间分布；
[0078]
s25：根据新发病例的代际时间分布计算r
t
；
[0079]
s26：绘制流向曲线图；
[0080]
如图5所示，在上述技术方案中，s24的具体步骤如下：
[0081]
s240：根据现场传染病数据判断是否出现代际时间；
[0082]
s241：若无代际时间，则设定代际时间分布，指定代际时间的均值和标准差；具体操作步骤为，先调用程序包“epiestim”，再调用现场疫情数据，使用covid19.r计算，设定代际时间分布的均值和标准差以及观察的窗口期时长(一般设为平均潜伏期时长)，即可计算得到r
t
，代际时间分布的均值和标准差，现场调查人员根据现场情况查阅文献进行设定，如：2022年奥密克戎ba.1和ba.2的代际时间分布的均值、标准差分别为3.3(
±
1.95)和2.72(
±
1.51)。
[0083]
s242：若出现代际时间则直接根据传染病数据样本，利用马尔科夫链蒙特卡罗方法对数据样本进行重抽样。重抽样通过代码运行，现场调查人员只需将所形成的每一对感染者-被感染者的发病时间数据整理成表格即可运算。具体操作步骤为，先调用程序包“epiestim”和“coarsedatatools”，再调用现场疫情数据，再基于马尔科夫链蒙特卡罗方法对个案代际时间进行重抽样，将重抽样结果通过coarse2estim函数转化为所需要的格式，再放入estimate_r函数中进行计算r
t
。
[0084]
进一步的，在上述技术方案中，s25的具体步骤如下：
[0085]
在贝叶斯框架内，对于给定的代际时间分布，使用成对的病例估算得到流行病在预设时间段中的r
t
；病例ti被病例tj感染的相对可能性p
ij
用代际时间分布w来表示，病例i被病例j感染的相对似然是病例i被病例j感染的似然，通过病例i被任何其他病例k感染的似然进行标准化：
[0086]
p
ij
＝w(t
i-tj)/∑
i≠k
w(t
i-tk)
[0087]
病例j的有效再生数是所有病例i的总和，由病例i被病例j感染的相对似然加权：rj＝∑ip
ij
。
[0088]
进一步的，在上述技术方案中，s26的具体步骤如下：
[0089]
使用plot函数进行图形绘制。
[0090]
具体的，本发明的原理是：计算所得的基本再生系数r0和有效再生系数r
t
可以为疫情发展趋势和防控措施效果的研判提供参考依据。当r0小于1时，提示疫情已经得到较好的控制，后续感染病例数将逐步下降；当r0大于1时，提示疫情在不采取防控措施的情况下仍然将进一步发展，疫情发展速度取决于r0的大小。r
t
值的大小反映了在采取一段时间(t,通常以天为单位)的疫情防控干预措施后，在某一时间节点计算的每个感染者平均可传播的人数，r0与r
t
之间的差值，能较为直观地表现出疫情发生地的防控措施力度和成效。
[0091]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。