基于SEIAQR动力学模型预测湖北省武汉市新型冠状病毒肺炎疫情趋势

目的基于新型冠状病毒传播特点,使用实际数据拟合并预测武汉市疫情发展趋势。方法考虑新型冠状病毒肺炎传播规律及采取的隔离措施,构建SEIAQR动力学模型;研究使用2020年1月10日至1月31日武汉市累积发病人数及死亡人数数据对模型进行拟合,并使用2月1日至2月10日的实时数据对模型结果进行验证;最后,研究通过模型拟合结果评价现有抗疫防控措施的效果。结果武汉市发病人数在2月4日左右达到峰值,随后持续下降,2月14日至2月16日出现一个短暂的反弹期,直至5月疫情将基本结束流行。防控措施不变的情况下,疫情结束时预计50780人感染,2449人死亡,粗死亡率约为4.82%;及时有效的防控措施降低了75.08%的感染率和72.40%的因病死亡率;模型拟合偏差约为4.08%。结论 SEIAQR模型拟合效果良好,可以较为准确地预测疾病流行趋势。     

传染病动力学模型及其在新型冠状病毒肺炎疫情仿真预测中的应用综述

介绍了GGM(generalized-growth model)、GRM(generalized Richards model)、SIR(susceptible-infected-recovered)、SEIR(susceptible-exposed-infected-removed)模型及元胞自动机模型、人工神经网络模型等常用的传染病动力学模型,结合新型冠状病毒肺炎疫情发展现状,总结了传染病动力学模型在疫情仿真预测中的应用情况,指出了传染病动力学模型应用的局限性,得出了加强传染病认知、推进疫情信息实时共享、开展多模型结合应用等未来发展启示。     

基于SVEPIUHDR传染病动力学模型的新型冠状病毒肺炎疫情趋势分析

目的:对美国和英国新型冠状病毒肺炎（COVID-19）疫情的发展趋势进行模型拟合和预测,对疫苗接种的效果进行初步分析。方法:在SEIR模型基础上,增加症状前感染者、隔离措施及疫苗接种等要素,建立SVEPIUHDR模型。利用公开发布的数据建模,分别将美国2020年11月6日至2021年1月31日和英国2020年11月23...     

基于传染病动力学模型的宁波市新型冠状病毒肺炎防控措施效果评估

目的 基于传染病动力学模型评估宁波市新型冠状病毒肺炎（COVID-19）防控措施的效果。方法 收集截至2020年3月9日宁波市COVID-19疫情个案数据、疾病进程等信息。根据防控策略落实情况,建立SEIR传染病动力学模型,计算基本再生数（R₀）和实时再生数（R_t）,评估防控效果。结果 宁波市累计确诊COVID-19病例157例,无死亡病例,重症病例比例为12.1%。从暴露到发病（潜伏期）平均（5.7±2.9）d,发病到确诊平均（5.4±3.7）d,从确诊到出院平均（16.6±6.5）d。累计医学观察105 339人,其中居家医学观察者COVID-19感染率为0.1%,集中医学观察者感染率为0.3%,确诊病例在就诊前处于医学观察期者占63.1%。估算R₀为4.8。随着防控措施的加强,R_t呈逐渐下降趋势,到2月4日下降至1.0以下,之后持续下降到2月中旬的0.2。结论 通过建立传染病动力学模型,能够有效评估宁波市COVID-19防控措施的效果,为防控策略的制定提供科学依据。     

SEIR动力学模型辅助北京市新发地新型冠状病毒肺炎疫情传播起始时间溯源和防控效果评价

目的 推测2020年6月北京市新发地新型冠状病毒肺炎（COVID-19）疫情首例感染的传播时间起点,辅助传染病溯源,评价当前综合防控效果。方法 根据北京市卫生健康委员会官方报告统计每日发病人数,建立SEIR传染病动力学模型,基于每日发病人数拟合动力学模型,并搜寻本次疫情的传播时间起点;考虑不同的防控效果而拟合6月12日至7月1日的累计发病人数,以评估当前综合防控措施效果。结果 北京市新发地疫情传播首例感染应起始于5月22日至5月28日之间（累计概率为95%）,起始于5月25日的概率最大（23%）。本次疫情R₀为4.22（95% CI：2.88～7.02）。模型拟合结果提示,截至6月11日,累计发病为99例（95% CI：77～121）,符合实际情况。若不加控制,则截至7月1日累计发病估计将达到65 090例（95% CI：39 068～105 037）。截至7月1日,较之无防控措施的理论情况,实际感染人数减少了99%。自6月12日起,北京市采取了强有力的综合防控措施,疫情实际走势接近于传播率降低95%的推演结果,敏感性分析支持这一结果。结论 针对突发性疫情,传染病动力学模型可用来辅助推演传染病传播起始时间,辅助疫情溯源。北京市针对本次突发疫情所及时采取的综合防控措施迅速控制了95%以上的传播途径,减少了99%的感染人数,快速遏制了疫情,对于未来疫情防控具有重要的指导意义。     

logistic模型在新型冠状病毒肺炎疫情中的应用

目的 拟合新型冠状病毒肺炎疫情发展趋势,为logistic模型在新发传染病流行中的应用提供依据。 方法 使用logistic模型,基于官方公布的2020年1月10日—3月12日新冠肺炎疫情报告数据,采用非线性最小二乘法进行拟合。结果 logistic模型拟合效果较好,4个模型的决定系数R²均高于0.99。拟合曲线与真实疫情的变化趋势吻合。始盛期前模型平均相对误差较大(74.1%～427.0%),始盛期之后降至1.0%～4.1%。模型拟合结果显示全国(湖北省除外)、湖北省(武汉市除外)和上海市于2020年2月2—5日达到疫情峰值,2月6—11日进入缓增期。武汉市则于2月11日达到高峰期,2月16日进入缓增期。模型显示首例病例报告到疫情高峰期的时间间隔以及启动一级响应到疫情盛末期的时间间隔均约为一个最长潜伏期。 结论 logistic模型对新型冠状病毒肺炎疫情的拟合效果较好,能够对疫情发展态势进行分期,为疫情防控决策和防控措施效果评价提供科学依据。     

新型冠状病毒肺炎疫情对重大传染病疫情防控信息采集的启示

完整、准确、及时和开放的数据对重大传染病疫情防控决策的制定至关重要。本文基于突发公共卫生事件应对理论和传染病传播理论, 围绕控制疫情播散、救治在院病例和后勤保障3项核心工作, 系统梳理了重大传染病疫情防控决策中所需关键信息及其在本次新冠肺炎疫情中的采集现状。针对本次疫情防控中暴露出的主要数据采集问题, 提出4条建议:(1)进一步完善现有传染病网络直报系统和突发公共卫生事件报告管理信息系统; (2)尽快全面规范医疗机构临床诊疗信息的采集工作; (3)制定重大传染病疫情决策所需核心信息采集规范、应用平台技术标准和管理架构; (4)尽快推进数据开放和共享, 提高数据的使用。     

河南省新型冠状病毒肺炎疫情传播动力学研究

目的  通过构建河南省新型冠状病毒肺炎(coronavirus disease 2019, COVID-19)早期传播动力学模型, 研究疫情流行趋势, 为疫情防控提供依据。 方法  收集河南省2019年1月21日至2020年2月23日河南省卫生健康委员会公布的疫情数据和河南省统计年鉴中的人口数据, 对COVID-19进行描述性流行病学分析, 采用MATLAB 7.0软件构建传播动力学SEIR模型, 分析河南省COVID-19流行趋势。 结果  截至2020年2月23日河南省累计报告COVID-19确诊病例1 271例, 报告发病率约为1.16/10万; 报告病例集中分布在信阳市、南阳市、郑州市和驻马店市。SEIR模型拟合显示, 河南省COVID-19的基础再生指数R₀平均约为2.41, 防控措施干预使得峰值降低55%, 高峰推迟3天。 结论  河南省COVID-19疫情前期增长较快, 采取防控措施后, 有效再生数逐渐降低, 疫情逐步得到控制。     

常见新型冠状病毒肺炎疫情预测方法及其评价

自新型冠状病毒肺炎疫情发生以来,一些学者利用疫情公开数据建立预测模型。所用预测方式包括曲线拟合、传染病动力学模型及人工智能算法三大类。传统的曲线拟合预测方式无法考虑传染病特征,预测结果并不可靠。传染病动力学模型是本次疫情预测应用最多的一类,能够考虑传染病的传播速度、传播模式及各种防控措施等因素,但由于考虑的参数不可能全面,且参数可能在疫情不同阶段发生动态变化,因此预测效果往往不佳,但对早期预警、防控决策支持及防控效果评价具有重要应用价值。人工智能方法可以综合考虑不同防控措施以及多种因素的影响,如果考虑得当,预测效果将会有所提高。在综合利用动力学模型优势的基础上,尽可能多地考虑不同影响因素,利用人工智能构建仿真模型,将是一个新的发展趋势。     

黑龙江省新型冠状病毒肺炎本土相关疫情流行特征

目的 描述黑龙江省新型冠状病毒肺炎（新冠肺炎）本土相关疫情的流行状况及特点,为黑龙江省新冠肺炎防控策略提供参考依据。方法 新冠肺炎个案调查、聚集性疫情调查资料来源于中国CDC全国传染病报告信息管理系统和突发公共卫生事件报告管理信息系统。采用Excel 2010和SPSS 23.0软件整理数据与统计学分析,描述人群、时间及地区分布特征。结果 2020年1月22日黑龙江省报告首例新冠肺炎确诊病例,截至2020年3月11日,13个城市累计报告境内病例482例,发病率为1.28/10万,病死率为2.70%（13/482）。其中聚集性疫情81起,确诊病例数占总确诊病例的79.25%（382/482）,死亡12例;家庭聚集70起（86.42%,70/81）。与散发病例相比,聚集性疫情尤其是家庭聚集性病例中,病死率、≥60岁老年人与重/危重型的比例均较高,差异均无统计学意义（均P>0.05）。涉及病例≥5例的聚集性疫情占41.98%（34/81）,涉及病例数占聚集性病例的68.31%（261/382）,涉及6~9例病例数的聚集性疫情中,年龄≥65岁者的比例较多（26.53%,39/147）。结论 黑龙江省新冠肺炎的发病率较高,前期疫情较为严重;聚集性疫情尤其是家庭聚集涉及病例数较多。     

新冠肺炎疫情下医院运营状况调查与分析

目的探讨新冠肺炎疫情对医院运营产生的影响。方法通过调查问卷的方式对医院运营情况进行调研,通过对回收问卷进行归纳汇总得出结果。 结果新冠肺炎疫情发生期间,所有被调查医院的业务量和运营收入都出现大幅下滑,90%以上的医院现金流吃紧,疫情期间医院的运营压力加大。结论医院应树立风险管理意识,做到平战结合;应开展多种业务模式,提升抗风险能力;应改变发展模式,加强运营管理。建议通过增加财政补贴等方式保障医院宽松的运营环境     

139对双生子红细胞钠、钾离子的遗传度分析

利用遗传流行病学方法调查了天津市南开区139对双胞胎,其中单卵双生(MZ)74对,双卵双生(DZ)65对。并用几种不同的遗传度估计方法分析了红细胞Na⁺、K⁺的共同基因和共同环境因素对血压的影响。结果表明遗传因素、共同环境因素及双胞胎各自的环境因素对血压影响近似的是RBC Na⁺,h²=0.32,C²=0.35,u²=0.33。环境因素为主要原因的是RBC K⁺,C²=0.97。     

湖北省新型冠状病毒肺炎的流行特征及趋势分析

目的 本研究通过描述和分析新型冠状病毒肺炎（新冠肺炎）疫情期间湖北省罹患率、粗病死率等流行特征及趋势,为疫情的综合研判和防治措施效果评价提供参考。方法 通过对新冠肺炎疫情期间湖北省报告的病例数据,结合重大干预措施及事件时点,采用累计罹患率、新增病例环比增长率、新增病例定基增长率、观察-确诊转换率、累计粗病死率、每日重症率、死亡重症比等指标对疫情不同阶段的流行特征进行描述和分析。结果 湖北省的新冠肺炎疫情经历了1月10日至2月3日大量病例开始出现的暴发期,2月4－19日新增病例和死亡病例持续增加的高峰期,2月20日至3月3日新增确诊和新增治愈相持的平台期,3月4－18日病例减少和治愈增多的消退期。湖北省疫情累计罹患率从1月19日的0.03/万增加至3月18日的11.46/万,武汉市从1月10日的0.04/万发展至3月18日的45.13/万,湖北省其他地区从1月20日0.002/万发展至3月18日的3.70/万;新增病例增速在疫情期间有不同波动,湖北省全境增速在2月12日达到最高值;湖北省累计粗病死率从1月19日的1.01%增加到1月26日的5.13%后下降至2月13日的2.54%,之后缓慢增加到3月18日的4.62%,武汉市累计粗病死率趋势和湖北省一致,但略高;湖北省每日重症率从1月27日26.88%升高至3月18日34.27%,死亡重症比从1月23日7.37%下降至3月18日0.35%。结论 湖北省新冠肺炎流行的疫情周期为60 d,约为一个最长潜伏期或隔离期（14 d）和湖北省确诊患者平均住院时间（20 d）之和的1.76倍,提示我国陆续出台的重大抗疫决策效果显著。     

新冠疫苗接种队精细化管理的实践与思考

首都医科大学宣武医院新冠感染疫苗接种队面临着诸多挑战:时间紧迫、临时性强;涉及的工作主体多元,场地、环境不固定;环节众多、要求严格;人力资源紧张等。接种队在实践中以精细化培训为前提,以精细化评估为起点,以精细化组织为根本,以过程精细化为关键,以精细化沟通为保障,实现了全程精细化管理。在新冠疫苗接种过程中体现了管理为民、安全为先、结果导向、人文管理等特征。     

基于ARIMA的新冠肺炎疫情前后结核病流行趋势预测与分析

目的 构建ARIMA季节性模型,探讨新型冠状病毒肺炎疫情(简称新冠肺炎疫情)对结核病流行特征的影响,预测上海市宝山区结核病流行趋势。方法 收集上海市宝山区2009—2021年结核病月发病率资料,构建ARIMA季节性模型,验证预测模型效果,分析预测误差的原因。结果 上海市宝山区结核病月发病率模型为ARIMA(2,0,0)(0,1,1)₁₂,BIC值最小,Ljung-Box统计量Q=23.127,P=0.081,残差序列为白噪声。2019年实际月发病率与预测值变化趋势基本一致,且均在预测值95%可信区间内。受新型冠状病毒肺炎疫情影响,近两年观察值与预测值差异较大,2021年2月观察值在拟合值的95%置信区间外。结论 ARIMA(2,0,0)(0,1,1)₁₂模型能较为准确地预测宝山区新冠肺炎疫情前结核病发病趋势,受新冠肺炎疫情影响时,预测结果偏差较大,需要后疫情时代结核病发病数据来重新建模。     

四川省新型冠状病毒肺炎无症状感染者流行病学特征分析

目的 了解新型冠状病毒肺炎无症状感染者的流行病学特征及其传染性,防止疫情反弹,提出防控建议。方法 收集无症状感染者个案资料和流调报告,采用描述和分析流行病学方法分析。结果 四川省现有108例无症状感染者,其主要发现方式为密切接触者筛查、社区筛查和国际交通检疫。无症状感染者的时间分布高峰晚于确诊病例,早期以境内输入和本地感染者为主,后期以输入感染者为主;平均年龄（33.20±17.50）岁,小于确诊病例平均年龄（44.38±16.41）岁（t = - 5.29,P＜0.05）,50岁以下的无症状感染者占比（79.63%）高于确诊病例（67.90%）（χ2 = 5.96,P＜0.05）;无症状感染者职业构成与确诊病例构成不同（χ2 = 46.67,P＜0.05）,学生及幼托儿童占比高于确诊病例 (χ2 = 31.26,P＜0.05)。其中4例输入无症状感染者引起了本地病例传播,4起传播链二代续发率最高为50.00%。4起传播链的总体感染率为5.45%（9/165）。结论 本省无症状感染者以青壮年居多,且具有传染性,及时对高人群和密切接触人员的筛查,对发现无症状感染者,控制新型冠状病毒肺炎疫情反弹有重要意义。     

四川省境外输入新冠肺炎病例的流行特征分析

目的 对四川省境外输入COVID-19的流行特征进行分析,为研判新冠疫情形势及优化防控策略提供科学依据。方法 资料来源于全国传染病报告信息管理系统截至2022 年3月1日24时的四川省境外输入新冠肺炎病例个案信息和现场流行病学调查报告,采用SPSS 23统计软件对数据进行分析。结果 四川省于2020年3月11日报告第1例境外输入COVID - 19病例,输入第一个高峰出现在2020年10月份,随后呈现波动的趋势。截至2022年3月1日24时,累计报告1 391例境外输入COVID - 19病例,其中确诊病例842例（60.53%）,无症状感染者549例（39.47%）。输入病例以男性（1 111例,79.87%）、18～44岁年龄组（945例,67.94%）、工人（427例,30.70%）为主。现住址以成都（1 327例,95.40%）为主。输入来源地区以亚洲（627例,45.07%）和非洲（583例,41.92%）为主。海关入境筛查为病例主要发现方式（906例,65.13%）。入境超过14 d发现的病例中无症状感染者的比例高于入境14 d之内发现的病例中无症状感染者的比例。结论 四川省境外输入新冠肺炎病例较多,来源分布广泛,仍需要加强境外输入病例的防控。