一种基于多仓室模型动态特征的流行病动力学预测方法

技术领域

本发明属于流行病防疫领域，涉及一种基于多仓室模型动态特征的流行病动力学预测方法。

背景技术

周期性爆发的流行病疫情，对局部区域甚至世界范围的生命健康、社会经济、生态系统造成了巨大的伤害，一直重创经济社会的公共治理体系。重大传染病以其强大的传播能力以及未知性，在早期以指数增长的速度爆发，一旦疫情防控错过窗口期，其扩散态势之严重将难以估计。对疫情扩散控制工作的重难点在于准确刻画病毒传播链并预测疫情发展。对疾病动态的准确预测，决定了应急治理机制的启动与否以及合理的响应级别，是重大突发公共卫生事件下公共治理体系构建最重要的科学基础。对疫情影响的低估可能会导致响应不及时而过错窗口期造成大范围感染，对传播趋势的高估又会导致资源分配不合理以及巨大经济损失分配。对于使用数学方法分析的传染病模型，考虑的因素越贴近实际，分析预测的结果越准确。因此准确描述流行病疫情的动态传播特征及基于细化仓室动力学模型的预测工作，具有重要的科学意义。

发明内容

为了解决上述技术问题，本发明基于流行病动力学的仓室模型，综合考虑传播动力学特征本身的动态，以及精细化的仓室设计，提出一种基于传播动力学动态时空特征刻画的流行病预测方法。在生物数学预测模型框架下，搭建应用于流行病疫情公共治理的预测预警体系，助力于实现有限资源下防疫策略的科学制定，具有良好的实用性。

为了达到上述目的，本发明采用的技术方案为：

一种多仓室模型动态特征的流行病疫情预测方法。该预测方法首先，建立细化仓室划分的SPMILHRD模型描述流行病扩散的传播规律，根据是否确诊及有无症状差异化处理不同种群的传播率。其次，计算时变再生数，并基于时变生数刻画病毒传播的动态化特征。最后，根据疫情统计数据计算仓室模型的参数，利用该仓室模型(动力学模型)拟合疫情动态并模拟预测扩散趋势。本发明的计算流程图如图1所示，具体包括以下步骤：

步骤1：构建流行病扩散的细化仓室模型。

将所有人口分为易感者(S仓室)、未确诊无症状感染者(P仓室)、确诊无症状感染者(M仓室)、未确诊有症状感染者(I仓室)、确诊有症状感染者(L仓室)、住院的重症感染者(H仓室)、康复者(R仓室)、移除者(D仓室)，总人口N＝S+P+M+I+L+H+R+D。仓室间的交互关系如图2所示，建立如下的SPMILHRD仓室模型：

其中，

步骤2：计算时变再生数，基于时变再生数刻画流行病扩散的动力学动态特征。

时变再生数R

2.1)首先确定序列间隔平均值及其分布，通过计算病例样本的初始病例和继发病例之间的临床发作间隔时间得到。

2.2)通过似然法(ML)计算成对病例获得相对概率p

其中，w代表序列间隔的分布；n

则病例j的有效再生数R

R

t时刻的考虑全部病例的时变再生数为：

基于步骤2.1)得到的序列间隔及分布，以及实时更新的动态病例统计，R

步骤3：估计仓室模型的参数并模拟各仓室种群数量。

最后，估计仓室模型的关键参数，利用该动力学模型拟合疫情动态并模拟预测扩散趋势，具体的：

所述未检测感染者的传播率β：根据未检测感染者的动态再生数R

所述无症状感染者被确诊概率μ：由无症状感染者中确诊比例除以从感染到确诊的平均时间计算得到，有症状感染者被确诊概率η的计算方法相同(由有症状感染者中确诊比例除以从感染到确诊的平均时间计算得到)；

所述无症状感染者转化为有症状的概率b：由感染者中无症状比例除以从感染到发病的平均天数得到；

所述确诊有症状感染者得到入院治疗的概率h：通过有症状感染者中的住院比例除以从发病到入院的平均天数得到；

所述住院感染者的康复概率γ：通过住院感染者康复比例除以平均康复时间得到，无症状感染者、有症状感染者的康复概率γ′、γ″的计算方法相同(γ′通过无症状感染者康复比例除以平均康复时间得到，γ″通过有症状感染者康复比例除以平均康复时间得到)；

所述住院感染者死亡概率σ：通过住院感染者死亡比例除以从入院到死亡的平均天数得到。

本发明相对于现有技术，其有益效果为：本发明考虑检测、症状、入院等不同种群，对传染病模型细化仓室，并根据疫情发展动态，实现流行病传播模型的时间异质性处理，为流行病疫情的公共治理提供科学判据，对于流感的科学防疫具有重要的意义。本发明中阐述的方法具有很强的可操作性和可行性，便于实际应用。

附图说明

图1为本发明的计算流程图。

图2为本发明的仓室模型结构图。

图3为本发明实例的动态再生数变化。

图4为本发明实例的感染种群变化模拟。

具体实施方式

以下结合具体实例对本发明做进一步说明。

考虑西班牙2020年第一波新型冠状病毒引起的肺炎(COVID-19)疫情。一种基于多仓室模型动态特征的新冠疫情预测方法，首先建立考虑有无检测、是否有症状、是否入院的细化仓室模型，然后计算可变再生数，最后拟合疫情扩散情况。包括以下步骤：

步骤1：构建流行病扩散的细化仓室模型。

建立如下描述新冠病毒传播的SPMILHRD仓室模型。

其中，各个仓室种群特征：S：易感、未感染；P：感染、未检出、无症状；M：感染、检出、无症状；I：感染、未检出、有症状；L：感染、检出、有症状；H：感染、住院、症状严重、隔离；R：康复或痊愈；D：死亡。其中，

步骤2：计算时变再生数，基于时变再生数刻画流行病扩散的动力学动态特征。

对西班牙2020年第一波新冠疫情病例进行统计性分析，通过计算病例样本的初始病例和继发病例之间的临床发作间隔时间，得到平均序列间隔为4.60天，标准差为5.55。时变再生数R

过似然法(ML)计算成对病例获得相对概率p

其中，w代表序列间隔的分布；n

则病例j的有效再生数R

R

t时刻的考虑全部病例的时变再生数为：

得到2020年2月20日到2020年8月08日时变再生数R

步骤3：估计模型参数并模拟各仓室种群数量。

基于西班牙新冠疫情的统计数据，未确诊感染者的传播率β基于时变再生数R

设置总人口N＝4673万，初值P(0)＝3，M(0)＝1,I(0)＝3，L(0)＝1,H(0)＝0，R(0)＝0,D(0)＝0，则模拟西班牙2020年2月22日到2020年8月08日新冠疫情各仓室变化如图4所示，可以发现考虑时变再生数的多仓室新冠预测模型能较好地拟合疫情扩散的实际情况。

以上所述实施例仅表达本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。