CN112259248B - 一种covid-19境外输入风险评估预测方法 - Google Patents

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

一种COVID-19境外输入风险评估预测方法

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发生，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M_ij和易感染率σ_i；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S_i[m]、感染人数I_i[m]、康复人数R_i[m]和第k个国家的入境人数P_ki[m]，设置第k个国家在第m天统计的平均确诊率μ_k[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N_i[m]，有：

其中，

为第m天输入的总人数，K为国别个数；

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]：

R_i[m+1]＝R_i[m]+γI_i[m]                                    (3)

其中，N_j[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I_i[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P_ki[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S_i[m]、感染人数I_i[m]和康复人数R_i[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P_ki[m]与第k个国家在第m天统计的平均确诊率μ_k[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]+γI_i[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μ_k[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σ_i；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发生前后各年龄段之间的接触矩阵计算方法，作为接触矩阵M_ij。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S_i[m]，感染人群I_i[m]和康复人群R_i[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P_k，人数为P_k[m]，也按年龄分成14段：P_k1,...,P_k14。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μ_k[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

N_i[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

R_i[m+1]＝R_i[m]+γI_i[m]

计算得到第i个年龄段中的感染人群在第m天的人数I_i[m]，进一步得到第m天的感染总人数

结合当地医疗资源数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。

R_i[m+1]＝R_i[m]+γI_i[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P_ki[m]加权乘以各国患病率μ_k[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]+γI_i[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M_ij和易感染率σ_i；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S_i[m]、感染人数I_i[m]、康复人数R_i[m]和第k个国家的入境人数P_ki[m]，设置第k个国家在第m天统计的平均确诊率μ_k[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N_i[m]，有：

其中，

为第m天输入的总人数，K为国别个数；

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]：

R_i[m+1]＝R_i[m]+γI_i[m]                                  (3)

其中，N_j[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I_i[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P_ki[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S_i[m]、感染人数I_i[m]和康复人数R_i[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P_ki[m]与第k个国家在第m天统计的平均确诊率μ_k[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]+γI_i[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。

Images