| 1 | COVID-19疫情时空分析与建模研究进展显示文摘COVID-19疫情是进入21世纪以来最为严重的全球公共卫生事件,并成为不同学科共同关注的热点。根据文献计量学分析结果,从疫情开始直至近期,关于COVID-19疫情的文章已经超过13 000篇,相关研究除从医学及生物学角度探讨病毒致病机理、特效药物和疫苗研制之外,更多的是探索疫情的非药物防控方法。本文针对后者,从传播关系识别、疫情时空模式分析、疫情预测模型、疫情传播模拟、疫情风险评估和疫情影响评价6个方面梳理近期研究进展。传播关系识别的研究主要包括:聚集性疫情和传播关系的识别,其中,个体轨迹大数据已成为此类研究的关键。针对疫情的时空模式分析发现,疫情分布具有显著的时空异质性,而时空传播则呈现出典型的网络特征。针对疫情的预测仍主要依赖于动力学模型,而从宏观到微观的预测模型,人群流动的影响不容忽视,并成为模型预测精度的关键要素之一。针对疫情的情景模拟主要侧重于通过模拟手段评估交通限制、社区防控和医疗资源调配等措施的效果。在非药物的干预中,交通阻断和社区防控措施被证明是目前最有效的手段;医疗资源的保障和优化调配则是防控的基础;而复工复产的情景模拟显示,在防控措施到位的情况下,复工进程必须有序有节。针对疫情风险评估的研究,目前主要关注生物因素、自然因素和社会因素。具体地,疫情感染风险与个体是否具有基础性疾病关系密切,而感染病毒后的死亡率存在性别差异;在自然因素中,如温度、降水、气候等会影响疫情的传播,但影响有限;而社会因素中,除了人群流动和人口密度的影响外,社会不公平性所导致的就医条件差异也会对感染率产生显著影响。针对疫情对未来的影响,本文主要关注公众心理、自然环境和经济发展3个方面,即疫情对公众心理和经济的影响主要以负面为主,而对自然环境的影响则起正向作用。通过对现有研究的系统梳理,可以看出,大数据尤其是个体轨迹和群体大数据在非药物干预的各个方面均发挥了重要的作用;重大疫情的防控已经不是单一学科和手段所能解决的问题,需要多学科的交叉以及不同领域人员的协作;疫情期间各种防控措施的效果、影响因素等均已被明确的揭示,但疫情的空间溯源、精准预测以及对未来的影响仍然是未解的难题。 | 裴韬 王席 宋辞 刘亚溪 黄强 舒华 陈晓 郭思慧 周成虎 | 2021 | 地球信息科学学报2021，23，2： | 26 |
| 2 | 传染病暴发疫情中传播动力学参数计算及疫情规模预测实现——基于R显示文摘目的以美国新型冠状病毒肺炎(COVID-19)数据为例,利用R软件演示暴发疫情处置中代间隔(SI)、基本再生数(R_(0))、有效再生数(Re)、倍增时间和疫情规模的计算,为今后暴发疫情处置提供参考。方法收集美国2020年2月27日至2020年11月30日COVID-19逐日发病数据、国内2起疫情170对感染者与被感染者的代间隔(SI)数据。采用“fitdistrplus”包自助法对SI数据拟合“gamma”分布,得到SI均数和标准差。采用指数增长(EG)、极大似然法(ML)、序贯贝叶斯估计(SB)、时间相关再生数(TD)4种方法,利用获取的SI计算R_(0),选择拟合效果最好的作为R_(0)估计值,评价指标选择R^(2)。倍增时间基于EG的指数增长率进行换算。利用“EpiEstim”包计算Re;利用SEIARD模型估计不采取任何干预措施美国未来的病例数,用“deSolve”、“FME”包。结果170对感染者与被感染者数据拟合得到SI=4.78(95%CI:4.27~5.31),标准差sd=3.56。EG、ML、SB、TD拟合R_(0)依次为2.31(95%CI:2.30~2.31)、1.96(95%CI:1.95~1.97)、3.01(95%CI:2.53~3.55)、3.07(95%CI:2.20~4.22),R^(2)依次为0.95、0.73、0.99、0.96。倍增时间为3.75 d(3.74~3.77 d)。利用SEIARD估计理想状态下美国将于2020年5月30日全民感染,至2021年6月7日所有感染者清零,累计死亡5502466人。结论利用R软件能对R_(0)等传播动力学参数、疫情规模快速计算,在暴发处置中值得学习使用。动力学参数、疫情规模快速计算,在暴发处置中值得学习使用。 | 刘天 侯清波 姚梦雷 黄继贵 陈红缨 | 2022 | 疾病监测2022，37，9： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员