CN112259248A - 一种covid-19境外输入风险评估预测方法 - Google Patents
一种covid-19境外输入风险评估预测方法 Download PDFInfo
- Publication number
- CN112259248A CN112259248A CN202010767895.7A CN202010767895A CN112259248A CN 112259248 A CN112259248 A CN 112259248A CN 202010767895 A CN202010767895 A CN 202010767895A CN 112259248 A CN112259248 A CN 112259248A
- Authority
- CN
- China
- Prior art keywords
- day
- people
- persons
- risk
- age group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 21
- 208000025721 COVID-19 Diseases 0.000 title claims abstract description 19
- 230000003203 everyday effect Effects 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 26
- 150000007523 nucleic acids Chemical class 0.000 claims description 20
- 102000039446 nucleic acids Human genes 0.000 claims description 20
- 108020004707 nucleic acids Proteins 0.000 claims description 20
- 238000003745 diagnosis Methods 0.000 claims description 8
- 208000015181 infectious disease Diseases 0.000 claims description 8
- 238000011084 recovery Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000002354 daily effect Effects 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 9
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008929 regeneration Effects 0.000 description 2
- 238000011069 regeneration method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种COVID‑19境外输入风险评估预测方法,包括:获取模型参数和基础数据;给出模型的假设和限定条件;基于SIR模型建立风险评估预测模型;计算得到第i个年龄段中的感染人群在第m天的人数,进一步得到第m天的感染总人数,结合医疗资源数据TMR,计算第m天境外输入传播的风险评估值Risk[m];分别推算出不同管控措施下的预设时间间隔D1内的入境人数,估算得到每天各年龄段境外输入感染者人数;计算风险预测值Risk[m]。模型可以对不同防控政策措施下的COVID‑19境外输入传播风险进行更全面、有效的评估预测分析,作为制定、修改防控政策的参考依据,对于精准防控疫情具有重要意义。
Description
技术领域
本发明涉及数据分析技术领域,具体的说,是一种COVID-19境外输入风险评估预测方法。
背景技术
随着境外COVID-19确诊数量的上升,境外疫情输入压力增大,境外输入疫情是否会引起国内COVID-19疫情的反复或大规模爆发,需要结合多种管控措施进行风险预测,为制定精准防控政策措施提供参考依据。现有的境外输入风险评估预测方法中,基于统计分析的方法可以进行当前管控措施下的效果评估分析,方法相对固定,但针对不同管控措施的风险评估预测效果有限;同时,现有方法的模型输入参数相对较少,没有考虑境外输入的影响,以及无症状感染者、航班旅客入境数据、地区年龄分布和各地市医疗条件等因素,导致模型的普适性有待进一步提高。
发明内容
本发明的目的在于提供一种COVID-19境外输入风险评估预测方法,用于解决现有技术中预测评估方法无法针对不同管控措施进行预测以及输入参数较少,不具备普适性的问题。
本发明通过下述技术方案解决上述问题:
一种COVID-19境外输入风险评估预测方法,包括:
步骤S100:获取模型参数和基础数据;所述基础数据包括入境检疫数据、全球每日疫情数据、医疗资源数据TMR、人口数据和人口年龄结构;所述模型参数包括传播率β,康复率γ,接触矩阵Mij和易感染率σi;其中i和j表示年龄段i,j=1,2,...,n;
步骤S200:给出模型的假设和限定条件:设置易感染人群S、感染人群I、康复人群R和境外输入人群P分别对应第m天第i个年龄段的易感染人数Si[m]、感染人数Ii[m]、康复人数Ri[m]和第k个国家的入境人数Pki[m],设置第k个国家在第m天统计的平均确诊率μk[m],则第m天第i年龄段人群输入的感染人群人数为第m天对第i年龄段人群输入的易感染人群人数为第 m天输入地区第i年龄段总人数Ni[m],有:
步骤S300:基于SIR模型建立风险评估预测模型,包括第i个年龄段中的易感染人群在第m+1天的人数Si[m+1]、第i个年龄段中的感染人群在第m+1天的人数Ii[m+1]、第i个年龄段中的康复人群在第m+1天的人数Ri[m+1]:
Ri[m+1]=Ri[m]+γIi[m] (3)
其中,Nj[m]各年龄段总人数;
根据式(2)计算得到第i个年龄段中的感染人群在第m天的人数Ii[m],进一步得到第m天的感染总人数结合医疗资源数据TMR,计算第m天境外输入传播的风险评估值Risk[m],Risk[m]=I[m]/TMR;
步骤S400:获取管控措施生效日期T前后预设间隔时间D0内的入境人员数据,并采用周期循环的方式,分别推算出不同管控措施下的预设时间间隔D1内的入境人数Pki[m],再由估算得到每天各年龄段境外输入感染者人数,由估算得到每天各年龄段境外输入易感染者人数;
步骤S500:将不同管控措施下的每天各年龄段境外输入感染者人数、每天各年龄段境外输入易感染者人数分别输入易感染人数Si[m]、感染人数Ii[m]和康复人数Ri[m],得到风险预测值Risk[m]。
所述步骤S400中的管控措施包括核酸检测时,所述模型参数还包括核酸错检率p0,将预设时间间隔D1内的入境人数Pki[m]与第k个国家在第m天统计的平均确诊率μk[m]以及核酸错检率p0加权相乘,得到再由得到每天各年龄段境外输入感染者人数以及由得到每天各年龄段境外输入易感者人数,在进行核酸检测并考虑错检率的情况下,第i个年龄段中的易感染人群在第m+1天的人数S'i[m+1]、第i个年龄段中的感染人群在第m+1天的人数I'i[m+1]、第i个年龄段中的康复人群在第m+1天的人数R'i[m+1]为:
R'i[m+1]=R'i[m]+γIi[m] (6)
得到在进行核酸检测并考虑错检率的情况下的预测结果Risk'[m]=I'[m]/TMR。
本发明与现有技术相比,具有以下优点及有益效果:
(1)本发明构建的面向COVID-19境外输入风险的风险评估预测模型,可以在航空管控、采取核酸检测以及提高检测准确率、国外疫情的好转等政策形势变化时,实现对疫情防控作用和风险值峰值到来时间的评估预测;模型可以对不同防控政策措施下的COVID-19境外输入传播风险进行更全面、有效的评估预测分析,能从预测结果看出不同防控政策产生的不同防疫效果和发展趋势,可以作为制定、修改防控政策的参考依据,对于精准防控疫情具有重要意义。
(2)传播率和康复率这两大因素控制COVID-19疫情传播的主要趋势,在康复率不变的情况下,通过修改模型中的传播接触矩阵,可评估不同社交距离对风险值的影响。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例:
结合附图1所示,一种COVID-19境外输入风险评估预测方法,包括:
步骤一:获取数据
获取从省会城市入境的航班旅客检疫信息,从互联网爬取COVID-19疫情数据,从权威文献资料库获取COVID-19传播率、康复率、易感染率、各地市人口年龄结构、医疗资源等基础数据,包括预测地区的人口数据、人口年龄结构和医疗资源数据TMR,
获取全球每日疫情数据(每个国家每天的康复人数、死亡人数和累计确认人数)和每个国家的总人口数据,计算第k个国家在第m天的平均确诊率μk[m];
从《Science》网站的论文中获取COVID-19的康复率γ,通过1/γ=5.1天计算出γ值;获取第i个年龄段人群的易感染率σi;获取COVID-19的基本再生数,然后利用上述论文中的方法反向推导出传播率β,参考上述论文中基本再生数的取值范围,在本专利中β的取值范围为[0.01495-0.05234];参考上述论文在疫情爆发前后各年龄段之间的接触矩阵计算方法,作为接触矩阵Mij。核酸检测的错检率p0来源于文献,在本专利中的取值为[86%-98%](来源于文献[Diagnosing COVID-19:The Disease and Tools for Detection.ACSNano.2020.3.30])。
获取预测地区的入境检疫数据,包括入境人员的来源国、入境时间等;
步骤二:建立模型
1)建立假设:本申请仅考虑境外输入对预测地区引发的内部传播风险。每个地区总人口包括易感染人群S,感染人群I,康复人群R和境外输入人群P。由于每个地区人口基数较大,同时境内感染人数非常少,因此境外输入人群中的可感染者直接输入感染人群I。假设感染人群I具有一定的康复率γ,从而转入康复人群R;同时康复人群具有抗体,不再进入感染人群。
2)用i,j表示年龄段,i,j=1,2,...,n,将地区人群进行分组,本申请中年龄分组数量n=14;假设某个地区第m天易感染人群Si[m],感染人群Ii[m]和康复人群 Ri[m];
3)假设第m天境外输入中第k个国家(k=1,2,...,K)输入人群为Pk,人数为 Pk[m],也按年龄分成14段:Pk1,...,Pk14。每个国家境外输入的总人数乘以该国的确诊率估算得到该国输入的可感染者人数。假设第k个国家在第m天的近七日平均确诊率为μk[m],那么第k个国家在第m天对该地区第i段人群输入的感染人群人数为输入易感人群人数为Ni[m]表示该地区第m天的总人数,
4)构建面向COVID-19境外输入风险的风险评估预测模型,模型参数如表 1所示。
表1模型参数
采用差分方程递推方式,计算
计算第i个年龄段中的易感染人群在第m+1天的人数
计算第i个年龄段中的感染人群在第m+1天的人数
计算第i个年龄段中的康复人群在第m+1天的人数
Ri[m+1]=Ri[m]+γIi[m]
步骤三:结合不同的管控措施预测风险评估值
管控措施包括:
a.不对入境航空进行管控,也不对入境人员进行隔离和核酸检测,而是直接放行进入省内各地市州人群;
b.不对入境航空进行管控,但会对入境人员进行隔离和核酸检测,检测结果为阴性才放行进入省内各地市州人群;
c.对入境航空进行管控,但不对入境人员进行隔离和核酸检测,而是直接放行进入省内各地市州人群;
d.对入境航空进行管控,对入境人员也进行隔离和核酸检测,检测结果为阴性放行进入省内各地市州人群。
(1)对于a和c情况下的数据采用步骤二的模型进行风险评估。
Ri[m+1]=Ri[m]+γIi[m]
(2)对于b和d中在保持核酸检测情况下:将设定时间段(如140天)内各国境外输入中各年龄段人数Pki[m]加权乘以各国患病率μk[m]和核酸检测的错检概率p0,由估算出每天各年龄段境外输入感染者人数,由估算入境剩余人数即每天各年龄段境外输入易感者人数。
进行核酸检测并考虑错检率的情况下,第i个年龄段中的易感染人群在第 m+1天的人数S'i[m+1]、第i个年龄段中的感染人群在第m+1天的人数I'i[m+1]、第i个年龄段中的康复人群在第m+1天的人数R'i[m+1]为:
R'i[m+1]=R'i[m]+γIi[m]
得到在进行核酸检测并考虑错检率的情况下的预测结果Risk'[m]=I'[m]/TMR,得到预测地区在入境防控政策改变日T开始140天内的预测结果Risk[m]。
将四种管控措施下的风险值Risk[m]进行可视化,采用曲线图、地理信息系统图和热力图对评估预测结果进行可视化,以直观的方式向用户境外输入风险评估预测结果。
尽管这里参照本发明的解释性实施例对本发明进行了描述,上述实施例仅为本发明较佳的实施方式,本发明的实施方式并不受上述实施例的限制,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。
Claims (2)
1.一种COVID-19境外输入风险评估预测方法,其特征在于,包括:
步骤S100:获取模型参数和基础数据;所述基础数据包括入境检疫数据、全球每日疫情数据、医疗资源数据TMR、人口数据和人口年龄结构;所述模型参数包括传播率β,康复率γ,接触矩阵Mij和易感染率σi;其中i和j表示年龄段,i,j=1,2,...,n;
步骤S200:给出模型的假设和限定条件:设置易感染人群S、感染人群I、康复人群R和境外输入人群P分别对应第m天第i个年龄段的易感染人数Si[m]、感染人数Ii[m]、康复人数Ri[m]和第k个国家的入境人数Pki[m],设置第k个国家在第m天统计的平均确诊率μk[m],则第m天第i年龄段人群输入的感染人群人数为第m天对第i年龄段人群输入的易感染人群人数为第m天输入地区第i年龄段总人数Ni[m],有:
步骤S300:基于SIR模型建立风险评估预测模型,包括第i个年龄段中的易感染人群在第m+1天的人数Si[m+1]、第i个年龄段中的感染人群在第m+1天的人数Ii[m+1]、第i个年龄段中的康复人群在第m+1天的人数Ri[m+1]:
Ri[m+1]=Ri[m]+γIi[m] (3)
其中,Nj[m]各年龄段总人数;
根据式(2)计算得到第i个年龄段中的感染人群在第m天的人数Ii[m],进一步得到第m天的感染总人数结合医疗资源数据TMR,计算第m天境外输入传播的风险评估值Risk[m],Risk[m]=I[m]/TMR;
步骤S400:获取管控措施生效日期T前后预设间隔时间D0内的入境人员数据,并采用周期循环的方式,分别推算出不同管控措施下的预设时间间隔D1内的入境人数Pki[m],再由估算得到每天各年龄段境外输入感染者人数,由估算得到每天各年龄段境外输入易感染者人数;
步骤S500:将不同管控措施下的每天各年龄段境外输入感染者人数、每天各年龄段境外输入易感染者人数分别输入易感染人数Si[m]、感染人数Ii[m]和康复人数Ri[m],得到风险预测值Risk[m]。
2.根据权利要求1所述的一种COVID-19境外输入风险评估预测方法,其特征在于,所述步骤S400中的管控措施包括核酸检测时,所述模型参数还包括核酸错检率p0,将预设时间间隔D1内的入境人数Pki[m]与第k个国家在第m天统计的平均确诊率μk[m]以及核酸错检率p0加权相乘,得到再由得到每天各年龄段境外输入感染者人数以及由得到每天各年龄段境外输入易感者人数,在进行核酸检测并考虑错检率的情况下,第i个年龄段中的易感染人群在第m+1天的人数S'i[m+1]、第i个年龄段中的感染人群在第m+1天的人数I'i[m+1]、第i个年龄段中的康复人群在第m+1天的人数R'i[m+1]为:
R'i[m+1]=R'i[m]+γIi[m] (6)
得到在进行核酸检测并考虑错检率的情况下的预测结果Risk'[m]=I'[m]/TMR。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010767895.7A CN112259248B (zh) | 2020-08-03 | 2020-08-03 | 一种covid-19境外输入风险评估预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010767895.7A CN112259248B (zh) | 2020-08-03 | 2020-08-03 | 一种covid-19境外输入风险评估预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112259248A true CN112259248A (zh) | 2021-01-22 |
CN112259248B CN112259248B (zh) | 2023-05-12 |
Family
ID=74223929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010767895.7A Active CN112259248B (zh) | 2020-08-03 | 2020-08-03 | 一种covid-19境外输入风险评估预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112259248B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112992373A (zh) * | 2021-03-10 | 2021-06-18 | 山东大学 | 一种传染病的流行趋势预判方法及系统 |
CN113643823A (zh) * | 2021-07-15 | 2021-11-12 | 医渡云(北京)技术有限公司 | 入境人数控制方法、装置、存储介质与电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160256064A1 (en) * | 2015-03-02 | 2016-09-08 | Edward Harvey Estes, JR. | Method and device to predict adverse cardiovascular events and mortality from an electrocardiogram-based validated risk score |
CN111063451A (zh) * | 2020-03-17 | 2020-04-24 | 广州地理研究所 | 基于输入-扩散函数的传染病疫情早期风险态势分析方法 |
CN111161887A (zh) * | 2020-03-30 | 2020-05-15 | 广州地理研究所 | 基于人口迁徙大数据的流行病疫区返程人群规模预测方法 |
CN111331955A (zh) * | 2020-02-24 | 2020-06-26 | 华中科技大学 | 一种多功能防护材料及其生产方法和应用 |
CN111354471A (zh) * | 2020-02-19 | 2020-06-30 | 自然资源部第一海洋研究所 | 基于数据的传染病传播率及疫情评估方法 |
CN111383771A (zh) * | 2020-02-26 | 2020-07-07 | 汤一平 | 基于流行传染病病毒场的防控系统 |
-
2020
- 2020-08-03 CN CN202010767895.7A patent/CN112259248B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160256064A1 (en) * | 2015-03-02 | 2016-09-08 | Edward Harvey Estes, JR. | Method and device to predict adverse cardiovascular events and mortality from an electrocardiogram-based validated risk score |
CN111354471A (zh) * | 2020-02-19 | 2020-06-30 | 自然资源部第一海洋研究所 | 基于数据的传染病传播率及疫情评估方法 |
CN111331955A (zh) * | 2020-02-24 | 2020-06-26 | 华中科技大学 | 一种多功能防护材料及其生产方法和应用 |
CN111383771A (zh) * | 2020-02-26 | 2020-07-07 | 汤一平 | 基于流行传染病病毒场的防控系统 |
CN111063451A (zh) * | 2020-03-17 | 2020-04-24 | 广州地理研究所 | 基于输入-扩散函数的传染病疫情早期风险态势分析方法 |
CN111161887A (zh) * | 2020-03-30 | 2020-05-15 | 广州地理研究所 | 基于人口迁徙大数据的流行病疫区返程人群规模预测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112992373A (zh) * | 2021-03-10 | 2021-06-18 | 山东大学 | 一种传染病的流行趋势预判方法及系统 |
CN112992373B (zh) * | 2021-03-10 | 2022-09-16 | 山东大学 | 一种传染病的流行趋势预判方法及系统 |
CN113643823A (zh) * | 2021-07-15 | 2021-11-12 | 医渡云(北京)技术有限公司 | 入境人数控制方法、装置、存储介质与电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112259248B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
You et al. | Estimation of the time-varying reproduction number of COVID-19 outbreak in China | |
Mizumoto et al. | Transmission potential of the novel coronavirus (COVID-19) onboard the diamond Princess Cruises Ship, 2020 | |
Tang et al. | The effectiveness of quarantine and isolation determine the trend of the COVID-19 epidemic in the final phase of the current outbreak in China | |
CN111768873A (zh) | 一种covid-19实时风险预测方法 | |
CN112002434B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN111063451A (zh) | 基于输入-扩散函数的传染病疫情早期风险态势分析方法 | |
Wilder et al. | The role of age distribution and family structure on covid-19 dynamics: A preliminary modeling assessment for hubei and lombardy | |
CN112259248A (zh) | 一种covid-19境外输入风险评估预测方法 | |
Perrotta et al. | Using participatory Web-based surveillance data to improve seasonal influenza forecasting in Italy | |
Pinotti et al. | Lessons learnt from 288 COVID-19 international cases: importations over time, effect of interventions, underdetection of imported cases | |
CN113784292B (zh) | 一种基于手机信令数据的城市疫情风险评估方法 | |
CN109166630A (zh) | 一种传染病数据监控处理方法和系统 | |
CN106777935A (zh) | 一种基于网络结构的疾病动态预测方法 | |
Earnest et al. | Spatial analysis of ambulance response times related to prehospital cardiac arrests in the city-state of Singapore | |
Kresin et al. | Comparison of Hawkes and SEIR models for the spread of COVID-19 | |
Kleinman et al. | Simulation for assessing statistical methods of biologic terrorism surveillance. | |
Zardini et al. | A quantitative assessment of epidemiological parameters required to investigate COVID-19 burden | |
Asamoah et al. | A mathematical model and sensitivity assessment of COVID-19 Outbreak for Ghana and Egypt | |
Berke et al. | Using mobile phone data to estimate dynamic population changes and improve the understanding of a pandemic: A case study in Andorra | |
Van Den Hout et al. | Estimating stroke-free and total life expectancy in the presence of non-ignorable missing values | |
Chen et al. | The application framework of big data technology during the COVID-19 pandemic in China | |
WO2022082993A1 (zh) | 城市内部传染病时空扩散建模方法及系统 | |
CN117035388A (zh) | 目标场所的风险评估方法及系统、终端设备、存储介质 | |
Wang et al. | Nonparametric estimation and inference for spatiotemporal epidemic models | |
CN114743690A (zh) | 传染病的预警方法、装置、介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |