CN113539494A - 疫苗接种比例的计算方法及装置、存储介质、电子设备 - Google Patents
疫苗接种比例的计算方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN113539494A CN113539494A CN202110793552.2A CN202110793552A CN113539494A CN 113539494 A CN113539494 A CN 113539494A CN 202110793552 A CN202110793552 A CN 202110793552A CN 113539494 A CN113539494 A CN 113539494A
- Authority
- CN
- China
- Prior art keywords
- population
- risk
- proportion
- vaccination
- relationship
- 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
- 238000002255 vaccination Methods 0.000 title claims abstract description 403
- 238000000034 method Methods 0.000 title claims abstract description 92
- 229960005486 vaccine Drugs 0.000 claims abstract description 234
- 208000015181 infectious disease Diseases 0.000 claims abstract description 178
- 208000035473 Communicable disease Diseases 0.000 claims abstract description 176
- 238000004364 calculation method Methods 0.000 claims abstract description 160
- 230000036039 immunity Effects 0.000 claims abstract description 141
- 238000011081 inoculation Methods 0.000 claims abstract description 137
- 201000010099 disease Diseases 0.000 claims abstract description 108
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 108
- 230000008929 regeneration Effects 0.000 claims abstract description 45
- 238000011069 regeneration method Methods 0.000 claims abstract description 45
- 238000012821 model calculation Methods 0.000 claims description 36
- 230000003053 immunization Effects 0.000 claims description 34
- 238000002649 immunization Methods 0.000 claims description 33
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 230000007704 transition Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 2
- 241000711573 Coronaviridae Species 0.000 description 21
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000009466 transformation Effects 0.000 description 9
- 206010035664 Pneumonia Diseases 0.000 description 6
- 230000001900 immune effect Effects 0.000 description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 230000008034 disappearance Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 201000011001 Ebola Hemorrhagic Fever Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000001131 transforming 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
Abstract
本公开属于医疗数据处理领域,涉及一种疫苗接种比例的计算方法及装置、存储介质、电子设备。该方法包括:获取疫苗的接种参数,其中,接种参数包括疫苗有效性、疫苗免疫周期和传染病的基本再生数;基于接种参数和接种计算关系,计算在预设时间内达到群体免疫的针对于第一风险易患病人群的疫苗的第一风险接种比例;其中,接种计算关系至少部分基于目标传染病模型和群体免疫条件确定,目标传染病模型用于指示传染病不同疾病状态人群之间的转换关系,不同疾病状态人群至少包括不同风险的易患病人群。本公开中,完善了影响接种比例的接种参数,确定第一风险易患病人群的第一风险疫苗接种比例,提高了疫苗接种的效率,加快了达到群体免疫的速度。
Description
技术领域
本公开涉及医疗数据处理领域,尤其涉及一种疫苗接种比例的计算 方法与疫苗接种比例的计算装置、计算机可读存储介质及电子设备。
背景技术
为了遏制传染病的传播,政府通常会研制相应的疫苗,并且,在研 制出疫苗之后,需要确定满足群体免疫条件的最小疫苗接种比例,即需 要确定满足于群体免疫条件的接种人数与总人数的最小比值,进而达到 群体免疫,遏制传染病的大规模传播,降低传染病的致死率。
在相关技术中,通常直接根据基本再生数求得满足群体免疫条件的 针对于所有易患传染病人群的最小疫苗接种比例,然而,在该计算过程 中,忽略了疫苗对所有人群的有效性是不同的这个事实,进而计算出的 疫苗的接种比例并不适用于任何一种易患传染病人群,特别是不同风险 的易患病人群,降低了计算出的疫苗的接种比例的精确度,缩小了计算 出的疫苗的接种比例所使用的场景,除此之外,该计算未考虑接种疫苗 后产生的免疫性会随着时间发生衰减以及接种疫苗是一个逐步的过程的 因素,降低了计算出的疫苗的接种比例的精确度,进而降低了达到群体 免疫的速度。
鉴于此,本领域亟需开发一种新的疫苗接种比例的计算方法及装置。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公 开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现 有技术的信息。
发明内容
本公开的目的在于提供一种疫苗接种比例的计算方法、疫苗接种比 例的计算装置、计算机可读存储介质及电子设备,进而至少在一定程度 上克服由于相关技术导致的计算出的满足群体免疫条件的最小疫苗接种 比例精确度低的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分 地通过本公开的实践而习得。
根据本发明实施例的第一个方面,提供一种疫苗接种比例的计算方 法,所述方法包括:获取疫苗的接种参数,其中,所述接种参数包括疫 苗有效性、疫苗免疫周期和传染病的基本再生数;基于所述接种参数和 接种计算关系,计算在预设时间内达到群体免疫的针对于第一风险易患 病人群的所述疫苗的第一风险接种比例;其中,所述接种计算关系至少部分基于目标传染病模型和群体免疫条件确定,所述目标传染病模型用 于指示所述传染病的不同疾病状态人群之间的转换关系,所述不同疾病 状态人群至少包括不同风险的易患病人群。
在本发明的一种示例性实施例中,所述不同疾病状态人群还包括接 种疫苗人群、第二风险易患病人群以及康复人群,所述第一风险小于所 述第二风险;所述接种计算关系基于模型计算关系以及免疫计算关系得 到;所述基于所述接种参数和接种计算关系,计算在预设时间内达到群 体免疫的针对于第一风险易患病人群的所述疫苗的第一风险接种比例, 包括:根据所述目标传染病模型确定预设时间内接种人群比例与第一风 险易患病人群比例、第二风险易患病人群比例以及康复人群比例之间的 所述模型计算关系,并获取与所述群体免疫条件对应的所述免疫计算关 系;其中,所述接种人群比例、所述第二风险易患病人群比例、所述第 一风险易患病人群比例以及所述康复人群比例分别为所述接种疫苗人群、 所述第二风险易患病人群、所述第一风险易患病人群以及所述康复人群 占所述不同疾病状态人群的比例;根据所述模型计算关系以及所述免疫 计算关系计算在预设时间内达到所述群体免疫条件的针对于所述第一风 险易患病人群的第一风险接种比例与所述接种参数之间的接种计算关系, 并基于所述接种计算关系计算得到与所述疫苗的所述接种参数对应的所 述疫苗的所述第一风险接种比例。
在本发明的一种示例性实施例中,所述根据所述目标传染病模型确 定预设时间内接种人群比例与第一风险易患病人群比例、第二风险易患 病人群比例以及康复人群比例之间的所述模型计算关系,包括:根据所 述目标传染病模型确定第一风险易患病人群比例与接种人群比例之间的 第一接种关系,并确定与所述第一接种关系对应的第一获得免疫参数; 根据所述目标传染病模型确定第二风险易患病人群比例与所述接种人群 比例之间的第二接种关系,并确定与所述第二接种关系对应的第二获得 免疫参数;根据所述目标传染病模型确定所述接种人群比例与易患病人 群比例之间的丧失免疫关系,并确定与所述丧失免疫关系对应的丧失免 疫参数;其中,所述易患病人群比例由所述第一风险易患病人群比例和 所述第二风险易患病人群比例组成;根据所述目标传染病模型确定所述 康复人群比例与所述接种人群比例之间的第三接种关系,并确定与所述 第三接种关系对应的所述第一获得免疫参数;基于所述第一接种关系、 所述第一获得免疫参数、所述第二接种关系、所述第二获得免疫参数、 所述丧失免疫关系、所述丧失免疫参数以及所述第三接种关系,确定所 述接种人群比例与所述第二风险易患病人群比例、所述第一风险易患病 人群比例以及所述康复人群比例之间的所述模型计算关系。
在本发明的一种示例性实施例中,所述获取与所述群体免疫条件对 应的所述免疫计算关系,包括:确定所述接种人群比例与所述第一获得 免疫参数、所述第二获得免疫参数、所述丧失免疫参数以及所述第二风 险易患病人群占比之间的平衡关系,并获取与所述群体免疫条件对应的 所述接种人群比例与基本再生数之间的群体免疫关系;其中,所述第二 风险易患病人群占比为所述第二风险易患病人群占与所述易患病人群比 例对应的易患病人群的比例;获取与所述丧失免疫参数与疫苗免疫周期 之间的倒数关系,并获取所述第一风险易患病人群的第一接种比例与第 一疫苗有效性以及所述第一获得免疫参数之间的第一免疫获取关系;获 取所述第二风险易患病人群的第二接种比例与第二疫苗有效性以及所述 第二获取免疫参数之间的第二免疫获取关系;基于所述平衡关系、所述 群体免疫关系、所述倒数关系、所述第一免疫获取关系以及所述第二免 疫获取关系,得到所述第一接种比例、所述第一疫苗有效性、所述第二 接种比例、所述第二疫苗有效性、所述第二风险易患病人群占比、所述 基本再生数以及所述疫苗免疫周期之间的免疫计算关系。
在本发明的一种示例性实施例中,所述确定所述接种人群比例与所 述第一获得免疫参数、所述第二获得免疫参数、所述丧失免疫参数以及 所述第二风险易患病人群占比之间的平衡关系,包括:构建使得所述目 标传染病模型达到稳定的目标方程组,并获取所述第二风险易患病人群 占比与所述第二风险易患病人群比例以及所述第一风险易患病人群比例 之间的易患病人群关系;基于所述目标方程组以及所述易患病人群关系, 确定所述接种人群比例与所述第一获得免疫参数、所述第二获得免疫参 数、所述丧失免疫参数以及所述第二风险易患病人群占比之间的平衡关 系。
在本发明的一种示例性实施例中,所述根据所述模型计算关系以及 所述免疫计算关系计算在预设时间内达到所述群体免疫条件的针对于所 述第一风险易患病人群的第一风险接种比例与所述接种参数之间的接种 计算关系,包括:根据所述目标传染病模型确定所述第一风险易患病人 群比例、所述第二风险易患病人群比例、所述康复人群比例、所述接种 人群比例之间的人群关系;基于所述人群关系以及所述模型计算关系得 到所述接种人群比例与所述第一获得免疫参数、所述第二获得免疫参数、 所述丧失免疫参数以及所述第二风险易患病人群占比之间的人群免疫微 分关系;对所述人群免疫微分关系进行计算得到目标免疫关系,并基于 所述目标免疫关系以及所述免疫计算关系确定预设时间内达到所述群体 免疫条件的针对于所述第一风险易患病人群的第一风险接种比例与接种参数之间的接种计算关系。
在本发明的一种示例性实施例中,所述不同疾病状态人群包括感染 人群;所述根据所述目标传染病模型确定所述第一风险易患病人群比例、 所述第二风险易患病人群比例、所述康复人群比例、所述接种人群比例 之间的人群关系,包括:根据所述目标传染病模型确定所述第一风险易 患病人群比例、所述第二风险易患病人群比例、所述康复人群比例、所 述接种人群比例以及所述感染人群比例之间的模型人群关系;其中,所 述感染人群比例为所述感染人群占所述不同疾病状态人群的比例;获取 与所述目标传染病模型对应的感染阈值,当所述感染人群比例小于或等 于所述感染阈值时,在所述模型人群关系中忽略所述感染人群比例,确 定所述第二风险易患病人群比例、所述第一风险易患病人群比例、所述 接种人群比例以及所述康复人群比例之间的所述人群关系。
在本发明的一种示例性实施例中,所述对所述人群免疫微分关系进 行计算得到目标免疫关系,包括:基于所述第一免疫获取关系以及所述 第二免疫获取关系,对所述人群免疫微分关系进行计算得到所述接种人 群比例与所述高风险易患病人群占比、所述第一疫苗有效性、所述第二 疫苗有效性、所述丧失免疫参数、所述第一接种比例以及所述第二接种 比例之间的目标免疫关系。
根据本发明实施例的第二个方面,提供一种疫苗接种比例的计算方 法,所述方法包括:根据目标传染病模型确定第二风险易患病人群占比 与第二风险易患病人群之间的第一近似关系;其中,所述目标传染病模 型为用于指示所述传染病不同疾病状态人群之间的转换关系,所述不同 疾病状态人群至少包括不同风险的易患病人群;基于所述第一近似关系, 计算在预定时间内达到群体免疫的针对于所述第二风险易患病人群的所 述疫苗的第二风险接种比例。
在本发明的一种示例性实施例中,所述不同疾病人群包括接种疫苗 人群、第一风险易患病人群、第二风险易患病人群以及康复人群;所述 根据目标传染病模型确定第二风险易患病人群占比与第二风险易患病人 群之间的第一近似关系,包括:根据目标传染病模型确定所述第二风险 易患病人群与易患病总人群之间的第二风险易患病人群占比,并根据所 述目标传染病模型确定所述第一风险易患病人群、所述第二风险易患病 人群、所述接种疫苗人群以及所述康复人群之间的人群关系;基于所述 第二风险易患病人群占比以及所述人群关系,确定所述第二风险易患病 占比与所述第二风险易患病人群之间的第一近似关系。
根据本发明实施例的第三个方面,提供一种疫苗接种比例的计算方 法,所述方法包括:获取接种参数,其中,所述接种参数包括疫苗有效 性、疫苗免疫周期和传染病的基本再生数;基于所述接种参数和接种计 算关系,计算在预设时间内达到群体免疫的针对于第一风险易患病人群、 第二风险易患病人群以及康复人群的所述疫苗的总体待接种比例;其中, 所述接种计算关系至少部分基于目标传染病模型和群体免疫条件确定, 所述目标传染病模型用于指示所述传染病的不同疾病状态人群之间的转 换关系,所述不同疾病状态人群至少包括不同风险的易患病人群。
在本发明的一种示例性实施例中,所述基于所述接种参数和接种计 算关系,计算在预设时间内达到群体免疫的针对于第一风险易患病人群、 第二风险易患病人群以及康复人群的所述疫苗的总体待接种比例,包括: 根据所述目标传染病模型确定预设时间内接种人群比例与第一风险易患 病人群比例、第二风险易患病人群比例以及康复人群比例之间的模型计 算关系;其中,所述接种人群比例、所述第第二风险易患病人群比例、 所述第一风险易患病人群比例以及所述康复人群比例分别为所述接种疫 苗人群、所述第二风险易患病人群、所述第一风险易患病人群以及所述 康复人群占所述不同疾病状态人群的比例;获取所述第一风险易患病人 群的第一接种比例与第一疫苗有效性以及第一获得免疫参数之间的第一 免疫获取关系,并获取所述第二风险易患病人群的第二接种比例与第二疫苗有效性以及所述第二获取免疫参数之间的第二免疫获取关系;其中, 所述第一获取免疫参数和所述第二获取免疫参数分别为所述第一风险易 患病人群和所述第二风险易患病人群接种疫苗的比例;根据所述目标传 染病模型确定第二风险易患病人群占比与所述第二风险易患病人群以及 所述传染病的所述基本再生数之间的第二近似关系,并基于所述模型计 算关系、所述第一免疫获取关系、所述第二免疫获取关系以及所述第二 近似关系,计算在预设时间内达到群体免疫的针对于第一风险易患病人 群、第二风险易患病人群以及康复人群的所述疫苗的总体待接种比例。
根据本发明实施例的第四个方面,提供一种疫苗接种比例的计算装 置,所述装置包括:接种参数获取模块,被配置为获取疫苗的接种参数, 其中,所述接种参数包括疫苗有效性、疫苗免疫周期和传染病的基本再 生数;接种比例计算模块,被配置为基于所述接种参数和接种计算关系, 计算在预设时间内达到群体免疫的针对于第一风险易患病人群的所述疫 苗的第一风险接种比例;其中,所述接种计算关系至少部分基于目标传 染病模型和群体免疫条件确定,所述目标传染病模型用于指示所述传染 病的不同疾病状态人群之间的转换关系,所述不同疾病状态人群至少把 包括不同风险的易患病人群。
根据本发明实施例的第五个方面,提供一种疫苗接种比例的计算装 置,所述装置包括:近似关系确定模块,被配置为根据目标传染病模型 确定第二风险易患病人群占比与第二风险易患病人群之间的第一近似关 系;其中,所述目标传染病模型为用于指示所述传染病不同疾病状态人 群之间的转换关系,所述不同疾病状态人群至少包括不同风险的易患病 人群;第二风险接种比例计算模块,被配置为基于所述第一近似关系, 计算在预定时间内达到群体免疫的针对于所述第二风险易患病人群的所 述疫苗的第二风险接种比例。
根据本发明实施例的第六个方面,提供一种疫苗接种比例的计算装 置,所述装置包括:获取模块,被配置为获取接种参数,其中,所述接 种参数包括疫苗有效性、疫苗免疫周期和传染病的基本再生数;总体待 接种比例计算模块,被配置为基于所述接种参数和接种计算关系,计算 在预设时间内达到群体免疫的针对于第一风险易患病人群、第二风险易患病人群以及康复人群的所述疫苗的总体待接种比例;其中,所述接种 计算关系至少部分基于目标传染病模型和群体免疫条件确定,所述目标 传染病模型用于指示所述传染病的不同疾病状态人群之间的转换关系, 所述不同疾病状态人群至少包括不同风险的易患病人群。
根据本发明实施例的第七个方面,提供一种电子设备,包括:处理 器和存储器;其中,存储器上存储有计算机可读指令,所述计算机可读 指令被所述处理器执行时实现上述任意示例性实施例的疫苗接种比例的 计算方法。
根据本发明实施例的第八个方面,提供一种计算机可读存储介质, 其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意 示例性实施例中的疫苗接种比例的计算方法。
由上述技术方案可知,本发明示例性实施例中的疫苗接种比例的计 算方法、疫苗接种比例的计算装置、计算机存储介质及电子设备至少具 备以下优点和积极效果:
在本公开的示例性实施例提供的方法及装置中,获取体现疫苗以及 传染病特性的接种参数,根据指示不同疾病状态人群之间的转换关系、 且区分了具有不同风险的易患病人群的目标传染病模型以及群体免疫条 件,确定出达到群体免疫的不同风险的易患病人群的接种比例与接种参 数之间的接种计算关系,以及包括不同风险的易患病人群的总体待接种 比例与接种参数之间的接种计算关系,一方面完善了影响接种计算关系 的因素,提高了接种计算关系的准确度,进而提高了疫苗的接种比例 (例如第一风险接种比例,第二风险接种比例,总体待接种比例)的准 确度;另一方面,计算得出的为疫苗的上述接种比例,使得计算出的疫 苗的接种比例更加精细化,进而提高了达到群体免疫条件的效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解 释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合 本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地, 下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人 员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他 的附图。
图1示意性示出本公开实施例中疫苗接种比例的计算方法的流程示 意图;
图2示意性示出本公开实施例中疫苗接种比例的计算方法中计算疫 苗的第一风险接种比例的流程示意图;
图3示意性示出本公开实施例中疫苗接种比例的计算方法中目标传 染病模型的结构示意图;
图4示意性示出本公开实施例中疫苗接种比例的计算方法中确定模 型计算关系的流程示意图;
图5示意性示出本公开实施例中疫苗接种比例的计算方法中确定免 疫计算关系的流程示意图;
图6示意性示出本公开实施例中疫苗接种比例的计算方法中确定平 衡关系的流程示意图;
图7示意性示出本公开实施例中疫苗接种比例的计算方法中确定接 种计算关系的流程示意图;
图8示意性示出本公开实施例中疫苗接种比例的计算方法中确定人 群关系的流程示意图;
图9示意性示出本公开实施例中疫苗接种比例的计算方法中确定第 二风险接种比例的流程示意图;
图10示意性示出本公开实施例中疫苗接种比例的计算方法中确定 第一近似关系的流程示意图;
图11示意性示出本公开实施例中疫苗接种比例的计算方法中计算 总体待接种比例的流程示意图;
图12示意性示出本公开实施例中疫苗接种比例的计算方法中计算 总体待接种比例的流程示意图;
图13示意性示出本公开实施例中应用场景下疫苗接种比例的计算 方法的流程示意图;
图14示意性示出本公开实施例中一种疫苗接种比例的计算装置的 结构示意图;
图15示意性示出本公开实施例中一种疫苗接种比例的计算装置的 结构示意图;
图16示意性示出本公开实施例中一种疫苗接种比例的计算装置的 结构示意图;
图17示意性示出本公开实施例中一种用于疫苗接种比例的计算方 法的电子设备;
图18示意性示出本公开实施例中一种用于疫苗接种比例的计算方 法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式 能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提 供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构 思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以 任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供 许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域 技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中 的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其 它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公 开的各方面变得模糊。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一 个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包 括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外 的要素/组成部分/等;用语“第一”和“第二”等仅作为标记使用,不是对 其对象的数量限制。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图 中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描 述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上 独立的实体相对应。
针对相关技术中存在的问题,本公开提出了一种疫苗接种比例的计 算方法。图1示出了疫苗接种比例的计算方法的流程示意图,如图1所 示,疫苗接种比例的计算方法至少包括以下步骤:
步骤S110.获取疫苗的接种参数;其中,接种参数包括疫苗有效性、 疫苗免疫周期和传染病的基本再生数。
步骤S120.基于接种参数和接种计算关系,计算在预设时间内达到 群体免疫的针对于第一风险易患病人群的疫苗的第一风险接种比例;其 中,接种计算关系至少部分基于目标传染病模型和群体免疫条件确定, 目标传染病模型用于指示传染病的不同疾病状态人群之间的转换关系, 不同疾病状态人群至少包括不同风险的易患病人群。
在本公开的示例性实施例提供的方法及装置中,一方面,接种计算 关系是基于指示不同疾病状态人群的目标传染病模型以及群体免疫条件 得出的,疫苗的低风险接种比例为基于接种参数和接种计算关系得出的, 确保计算出的疫苗的低风险接种比例为达到群体免疫条件的最低接种比 例,完善了影响接种计算关系的因素,提高了接种计算关系的准确定, 进而提高了疫苗的低风险接种比例的准确度;另一方面,计算得出的为 疫苗的低风险接种比例,使得计算出的疫苗的接种比例更加精细化,进 而提高了达到群体免疫条件的效率。
下面对疫苗接种比例的计算方法的各个步骤进行详细说明。
在步骤S110中,获取疫苗的接种参数;其中,接种参数包括疫苗有 效性、疫苗免疫周期和传染病的基本再生数。
在本公开的示例性实施例中,疫苗接种参数指的是与目标疫苗对应 的接种参数,例如可以是与治疗新型冠状病毒肺炎的疫苗对应的接种参 数,也可以是与治疗埃博拉的疫苗对应的接种参数,还可以是与治疗任 何一种传染病的疫苗对应的接种参数,本示例性实施例对此不做特殊限 定。
除此之外,接种参数还与地区有关,例如对于2020年全球爆发的 新型冠状病毒肺炎而言,各个国家相继研制出了治疗新型冠状病毒肺炎 的疫苗,其中包括中国、美国以及其他国家。然而,与中国研制出的疫 苗对应的接种参数和与美国研制出的疫苗对应的接种参数是存在差异的, 基于此,接种参数可以是与中国研制出的疫苗对应的接种参数,也可以 是与美国研制出的疫苗对应的接种参数,还可以是与任何一个国家研制 出的疫苗对应的接种参数,本示例性实施例对此不做特殊限定。
进一步的,接种参数为描述疫苗以及传染病特性的参数,并且,接 种参数包括了疫苗的疫苗有效性、疫苗免疫周期和与疫苗对应的传染病 的基本再生数。
其中,疫苗有效性指的是疫苗在实际情况下预防与疫苗对应的传染 病的效率,疫苗免疫周期指的是疫苗注射进入人体后,产生对应的抗体 到抗体消失所经历的时间,传染病的基本再生数指的是一个传染病感染 者在患病周期内可以传染的平均人数。
举例而言,疫苗为治疗新型冠状病毒的疫苗,因此,疫苗有效性指 的是治疗新型冠状病毒的疫苗在实际情况下预防新型冠状病毒的效率, 疫苗免疫周期指的是新型冠状病毒在注射进入人体后,产生对应的抗体 到抗体消失所经历的时间,例如可以是1年,基本再生数指的是一个感 染新型冠状病毒的感染者在患病周期内(例如可以是6个月)可以传染 的平均人数,例如可以是8人。
在本示例性实施例中,获取疫苗的接种参数,并且接种参数为体现 疫苗以及传染病特性的参数,有助于后续得出与接种参数对应的疫苗的 低风险接种比例,完善了影响低风险接种比例的因素,进而提高了低风 险接种比例计算结果的精确度。
在步骤S120中,基于接种参数和接种计算关系,计算在预设时间内 达到群体免疫的针对于第一风险易患病人群的疫苗的第一风险接种比例; 其中,接种计算关系至少部分基于目标传染病模型和群体免疫条件确定, 目标传染病模型用于指示传染病的不同疾病状态人群之间的转换关系, 不同疾病状态人群至少包括不同风险的易患病人群。
在公开的示例性实施例中,目标传染病模型用于指示不同疾病状态 的人群之间的转换关系,其中,不同疾病状态的人群可以包括第二风险 易患病人群,即在容易患上传染病的人群中被传染可能性较高的人群, 可以包括第一风险易患病人群,即在容易患上传染病的人群中被传染可 能性较低的人群,可以包括感染人群,即已经患上传染病的人群,还可 以包括康复人群,即通过治疗或自愈,不具有传染病的人群,还可以包 括接种人群,即高风险易患病人群中接种了疫苗的人群、低风险易患病 人群中接种了疫苗的人群以及康复人群中接种了疫苗的人群的总和,本 示例性实施例对此不做特殊限定。值得说明的是,不同疾病状态人群构 成了总人群。
对应的,接种计算关系指的是上述不同疾病状态人群之间的转换关 系以及与群体免疫条件对应的免疫计算关系,其中,群体免疫条件指的 是能促使人群达到群体免疫的条件,即促使对传染病具有抵抗力的人群 占总人群的比例达到一定预设比例的条件,值得说明的是,在实际接种 疫苗的过程中,默认针对于第二风险易患病人群的疫苗接种比例必须大 于针对于第一风险易患病人群的接种比例。
在计算出第一风险接种比例之后,可以将与第一风险接种比例对应 的图形显示在终端上,与第一风险接种比例对应的图形指的是以接种参 数为自变量,以根据接种参数计算出的第一风险接种比例为应变量得出 的图形。具体地,该图形可以是第一风险接种比例与疫苗有效性之间的 二维图形,可以是第一风险接种比例与基本再生数之间的二维图形,可 以是第一风险接种比例与疫苗免疫周期之间的二维图形,还可以是第一 风险接种比例与基本再生数以及疫苗免疫周期之间的三维图形,还可以 第一风险接种比例与基本再生数以及疫苗有效性之间的三维图形,还可 以是第一风险接种比例与疫苗有效性以及疫苗免疫周期之间的三维图形, 本示例性实施例对此不做特殊限定。
举例而言,根据目标传染病模型确定出不同疾病状态人群之间的转 换关系,并获取与群体免疫条件对应的免疫计算关系,基于转换关系以 及免疫计算关系计算出预设时间内达到群体免疫条件的针对于低风险易 患病人群的疫苗的低风险接种比例,并可以以疫苗有效性、疫苗免疫周 期作为自变量,疫苗的低风险接种比例作为应变量得出一图形,用以描 述接种参数与疫苗的低风险接种比例之间的关系,其中低风险易患病人 群即为第一风险易患病人群。
在可选的实施例中,图2示出了疫苗接种比例的计算方法中计算疫 苗的第一风险接种比例的流程示意图,如图2所示,不同疾病状态的人 群还包括接种疫苗人群、第二风险易患病人群以及康复人群,第一风险 小于第二风险,接种计算关系基于模型计算关系以及免疫计算关系得到, 该方法至少包括以下步骤:在步骤S210中,根据目标传染病模型确定预 设时间段内接种人群比例与第一风险易患病人群比例、第二风险易患病 人群比例以及康复人群比例之间的模型计算关系,并获取与群体免疫条 件对应的免疫计算关系;其中,接种人群比例、第二风险易患病人群比 例、第一风险易患病人群比例以及康复人群比例分别为接种疫苗人群、 第二风险易患病人群、第一风险易患病人群以及康复人群占不同疾病状 态人群的比例。
其中,图3示出了目标传染病模型的结构示意图,其中,L(t)为 某一时刻第一风险易患病人群比例,即某一时刻低风险易患病人群占总 人群的比值,H(t)为某一时刻第二风险易患病人群比例,即某一时刻 高风险易患病人群占总人群的比值,Y(t)为某一时刻感染人群比例, 即某一时刻感染人群占总人群的比值,R(t)为某一时刻康复人群比例, 即某一时刻康复人群占总人群的比值,V(t)为某一时刻接种人群比例, 即某一时刻接种人群占总人群的比值。β1为第一风险易患病人群的感 染率,β2为第二风险易患病人群的感染率,γ为感染人群转变为康复 人群的移除率参数,γ1为康复人群转换为第一风险易患病人群的免疫 丧失率参数,γ2为接种人群转化为第二风险易患病人群的免疫丧失率 参数,η1为第一风险易患病人群与康复人群通过接种疫苗获取免疫的 比例参数,η2为第二风险易患病人群通过接种疫苗获得免疫的参数, σ为第二风险易患病人群占比,即第二风险易患病人群占第一风险易患 病人群和第二风险易患病人群之和的比例。
并且,在目标传染病模型中,不同疾病状态人群之间不考虑异质性, 总人群在空间和时间上均匀分布,不同疾病状态人群在空间和时间上混 合分布,并且假设康复人群获得的免疫力会随着时间慢慢丧失,同时接 种人群通过接种疫苗所获得的免疫力也会随着时间慢慢丧失,第一风险 易患病人群和康复人群每个周期会按照特定的比例α1接种疫苗,第二 风险易患病人群每个周期会按照特定的比例α2接种疫苗。
基于此,可以根据目标传染病模型确定不同疾病状态人群比例之间 转换的关系,具体地,可以确定出5个不同疾病状态人群比例之间的转 换关系,分别如公式(1)、公式(2)、公式(3)、公式(4)以及公式 (5)所示。
其中,L(t)为某一时刻第一风险易患病人群比例,H(t)为某一 时刻第二风险易患病人群比例,Y(t)为某一时刻感染人群比例,R(t) 为某一时刻康复人群比例,V(t)为某一时刻接种人群比例,β1为第 一风险易患病人群的感染率,β2为第二风险易患病人群的感染率,γ 为感染人群转变为康复人群的移除率参数,γ1为康复人群转换为第一 风险易患病人群的免疫丧失率参数,γ2为接种人群转化为第二风险易 患病人群的免疫丧失率参数,η1为第一风险易患病人群与康复人群通 过接种疫苗获取免疫的比例参数,η2为第二风险易患病人群通过接种 疫苗获得免疫的参数,σ为第二风险易患病人群占比,即第二风险易患病人群占第一风险易患病人群和第二风险易患病人群之和的比例。
值得说明的是,公式(5)为接种人群比例与第一风险易患病人群 比例、第二风险易患病人群比例以及康复人群比例之间的模型计算关系。
群体免疫指的是人群对传染病的抵抗能力,群体免疫水平越高,表 示群体中对传染病具有抵抗能力人群占总人群的比例越高。群体免疫条 件指的是群体中有一定数量的人都获得了对传染病的免疫能力,具体地, 群体免疫条件如公式(6)所示。
其中,V*为达到群体免疫条件的接种人群比例,R0为基本再生数。
基于此,将接种参数引入公式(6)可以得到免疫计算公式,其中, 免疫计算公式指的是基本再生数、第一风险易患病人群的接种比例、第 二风险易患病人群的接种比例、疫苗针对于第一风险易患病人群的有效 性、疫苗针对于第二风险易患病人群的有效性、第二风险易患病人群占 比以及疫苗免疫周期之间的关系,具体的,可以如公式(7)所示。
其中,α1为第一风险易患病人群和康复人群每个周期接种疫苗的 比例,α2为第二风险易患病人群每个周期接种疫苗的比例,ε1为疫苗 针对于第一风险易患病人群的疫苗有效性,ε2为疫苗针对于第二风险 易患病人群的疫苗有效性,σ为第二风险易患病人群占比,R0为基本 再生数,D为疫苗免疫周期。
举例而言,确定计算传染病的接种比例的目标传染病模型,具体地, 目标传染病模型如图2所示,根据图2示出的不同疾病状态人群之间的 转换关系,可以确定出如公式5所示的计算关系,该计算关系即是接种 人群比例与第一风险易患病人群比例、第二风险易患病人群比例以及康 复人群比例之间的模型计算关系,还可以得到如公式7所示的与群体免 疫条件对应的免疫计算关系。
在步骤S220中,根据模型计算关系以及免疫计算关系计算在预设时 间内达到群体免疫条件的针对于第一风险易患病人群的第一风险接种比 例与接种参数之间的接种计算关系,并基于接种计算关系计算得到与疫 苗的接种参数对应的疫苗的第一风险接种比例。
其中,基于模型计算关系以及免疫计算关系,可以确定出预定时间 内达到群体免疫条件的针对于第一风险易患病人群的接种比例与接种参 数之间的接种计算关系,并将疫苗的接种参数代入接种计算关系中,就 可以得出可以达到群体免疫条件的疫苗的第一风险接种比例。
举例而言,获取免疫计算关系如公式(7)所示,模型计算关系如 公式(5)所示。基于此,根据公式(5)以及公式(7)可以确定出接 种计算关系,如公式(8)所示。
其中,pL(T)为预设时间内达到群体免疫条件的疫苗第一风险接种 比例,V(t)为某一时刻接种人群比例,并且V(t)中包括接种参数, α1为第一风险易患病人群和康复人群每个周期接种疫苗的比例,σ为 第二风险易患病人群占比。
获取某疫苗的接种参数,并将接种参数代入公式(8),即可以得到 达到群体免疫条件的该疫苗的第一风险接种比例。
在可选的实施例中,图4示出了疫苗接种比例的计算方法中确定模 型计算关系的流程示意图,如图4所示,该方法至少包括以下步骤:在 步骤S410中,根据目标传染病模型确定第一风险易患病人群比例与接种 人群比例之间的第一接种关系,并确定与第一接种关系对应的第一获得 免疫参数。
其中,如图2所示,第一接种关系指的是第一风险易患病人群比例 与接种人群比例之间的关系,具体地,第一接种关系指的是第一风险易 患病人群通过接种疫苗获得免疫后转化为接种人群的关系,基于此,第 一获得免疫参数指的是图2中的η1,即第一风险易患病人群与康复人 群通过接种疫苗获取免疫的比例参数。
举例而言,如图2所示,第一风险易患病人群比例与接种人群比例 之间具有两个关系,一个关系为第一风险易患病人群通过接种疫苗获得 免疫后转化为接种人群的关系,另一个关系为随着疫苗免疫性的衰退, 接种人群转换为第一风险易患病人群的关系。
显然,第一接种关系为第一风险易患病人群通过接种疫苗获得免疫 后转化为接种人群的关系,并且与第一接种关系对应的第一获得免疫参 数为第一风险易患病人群转化为接种人群的转化率,即图2中第一风险 易患病人群和康复人群通过接种疫苗获得免疫的比例参数η1。
在步骤S420中,根据目标传染病模型确定第二风险易患病人群比例 与接种人群比例之间的第二接种关系,并确定与第二接种关系对应的第 二获得免疫参数。
其中,如图2所示,第二接种关系指的是第二风险易患病人群比例 与接种人群比例之间的关系,具体地,第二接种关系指的是第二风险易 患病人群通过接种疫苗获得免疫后转化为接种人群的关系,基于此,第 二获得免疫参数指的是图2中的η2,即第二风险易患病人群与康复人 群通过接种疫苗获取免疫的比例参数。
举例而言,如图2所示,第二风险易患病人群比例与接种人群比例 之间具有两个关系,一个关系为第二风险易患病人群通过接种疫苗获得 免疫后转化为接种人群的关系,另一个关系为随着疫苗免疫性的衰退, 接种人群转换为第二风险易患病人群的关系。
显然,第二接种关系为第二风险易患病人群通过接种疫苗获得免疫 后转化为接种人群的关系,并且与第二接种关系对应的获得免疫参数为 第二风险易患病人群转化为接种人群的转化率,即图2中第二风险易患 病人群通过接种疫苗获得免疫的比例参数η2。
在步骤S430中,根据目标传染病模型确定接种人群比例与易患病人 群比例之间的丧失免疫关系,并确定与丧失免疫关系对应的丧失免疫参 数;其中,易患病人群比例由第一风险易患病人群比例和第二风险易患 病人群比例组成。
其中,疫苗所形成的免疫具有衰减周期,即接种人群通过接种疫苗 获得免疫后,疫苗所产生的免疫会随着时间逐渐消失,当疫苗所产生的 免疫消失时,接种人群又转变为了第一风险易患病人群或第二风险易患 病人群,并且,第二风险易患病人群以及第一风险易患病人群组成了易 患病人群,即当疫苗消失后,接种人群会变为易患病人群。
基于此,丧失免疫关系指的是由于接种人群体内免疫丧失而导致的 接种人群转化为易患病人群的转化关系,并且与丧失免疫关系对应的丧 失免疫参数为接种人群的免疫丧失率。
举例而言,如图2所示,接种人群转化为易患病人群的转化关系即 为免疫丧失关系,则免疫丧失参数为图2中所示的γ2,即接种人群的 免疫丧失率参数。
在步骤S440中,根据目标传染病模型确定康复人群比例与接种人群 比例之间的第三接种关系,并确定与第三接种关系对应的第一获得免疫 参数。
其中,康复人群通过接种疫苗获得免疫后会转化为接种人群,基于 此,表示康复人群转化为接种人群的转化关系就是第三接种关系,值得 说明的是,在目标传染病模型中规定与第三接种关系对应的获得免疫参 数与第一获得免疫参数一致。
举例而言,如图2所示,康复人群转化为接种人群的转化关系就是 第三接种关系,与第三接种关系对应的获得免疫参数为第一获得免疫参 数,即η1。
在步骤S450中,基于第一接种关系、第一获得免疫参数、第二接种 关系、第二获得免疫参数、丧失免疫关系、丧失免疫参数以及第三接种 关系,确定接种人群比例与第二风险易患病人群比例、第一风险易患病 人群比例以及康复人群比例之间的模型计算关系。
其中,根据第一接种关系、第二接种关系、丧失免疫关系、第一获 得免疫参数、第二获得免疫参数、丧失免疫关系以及丧失免疫参数,确 定接种人群比例与第二风险易患病人群比例、第一风险易患病人群比例 以及康复人群比例之间的模型计算关系。
举例而言,如图2所示,基于η1第一接种参数,第一风险易患病 人群会转化为接种人群,康复人群会转化为接种人群,基于η2第二接 种参数,第二风险易患病人群会转化为接种人群,基于γ2丧失免疫参 数,接种人群会按照σ的比例转化为第二风险易患病人群,接种人群会 按照1-σ的比例转化为第一风险易患病人群,其中,σ为第二风险易患 病人群占第二风险易患病人群和第一风险易患病人群之和的比例。
根据上述转换关系可以得到如公式(5)所示的模型计算关系。
在本示例性实施例中,模型计算关系是根据目标传染病模型确定出 来的,并且在确定的过程中引入了接种人群与第二风险易患人群、第一 风险易患病以及康复人群之间的关系,还引入了免疫丧失参数、第一获 得免疫参数以及第二获得免疫参数,完善了影响第一风险接种比例的因 素,有助于后续提高计算出的达到群体免疫条件的针对于第一风险易患 病人群的最低第一风险接种比例的准确度。
在可选的实施例中,图5示出了疫苗接种比例的计算方法中确定免 疫计算关系的流程示意图,如图5所示,该方法至少包括以下步骤:在 步骤S510中,确定接种人群比例与第一获得免疫参数、第二获得免疫参 数、丧失免疫参数以及第二风险易患病人群占比之间的平衡关系,并获 取与群体免疫条件对应的接种人群比例与基本再生数之间的群体免疫关 系;其中,第二风险易患病人群占比为第二风险易患病人群占与易患病 人群比例对应的易患病人群的比例。
其中,平衡关系指的是让目标传染病模型中不同传染病状态人群的 转移过程相互平衡的关系,群体免疫关系指的是与群体免疫条件对应的 如公式(6)所示的接种人群比例与基本再生数之间的关系。
举例而言,如图2所示,当目标传染病模型中不同传染病状态人群 的转化过程相互平衡时,第二风险易患病人群以及第一风险易患病人群 转换为接种人群的数量与接种人群转换为第一风险易患病人群或第二风 险易患病人群的数量一致。并且,此时,第一风险易患病人群比例、第 二风险易患病人群比例以及接种人群比例的和为1,基于此,平衡关系 如公式(9)所示。
其中,V*为平衡关系中的接种人群比例,η1为第一获得免疫参数, η2为第二获得免疫参数,γ2为丧失免疫参数,σ为第二风险易患病人 群占比。除此之外,还需获取如公式(6)所示的群体免疫关系。
在步骤S520中,获取与丧失免疫参数与疫苗免疫周期之间的倒数关 系,并获取第一风险易患病人群的第一接种比例与第一疫苗有效性以及 第一获得免疫参数之间的第一免疫获取关系。
其中,丧失免疫参数即接种人群免疫丧失率,其与疫苗免疫周期之 间具有倒数关系,如公式(10)所示。
其中,γ2为接种人群免疫丧失率参数,D为疫苗免疫周期。
第一免疫获取关系为第一获取免疫参数与第一风险易患康复人群的 接种比例以及第一疫苗有效性之间的关系,基于此,第一免疫获取关系 如公式(11)所示。
η1=α1×ε1 (11)
其中,η1为第一风险易患病人群与接种人群通过接种疫苗获取免 疫的比例参数,α1为第一风险易患病人群的接种比例,ε1为第一疫苗 有效性。
举例而言,获取如公式(10)所示的倒数关系,并获取如公式(11) 所示的第一免疫获取关系。
在步骤S530中,获取第二风险易患病人群的第二接种比例与第二疫 苗有效性以及第二获取免疫参数之间的第二免疫获取关系。
其中,对应于第一免疫获取关系,第二免疫获取关系如公式(12) 所述。
η2=α2×ε2 (12)
其中,η2为第二风险易患病人群通过接种疫苗获取免疫的比例参 数,α2为第二风险易患病人群的接种比例,ε2为第二疫苗有效性。
在步骤S540中,基于平衡关系、群体免疫关系、倒数关系、第一 免疫获取关系以及第二免疫获取关系,得到第一接种比例、第一疫苗有 效性、第二接种比例、第二疫苗有效性、第二风险易患病人群占比、基 本再生数以及疫苗免疫周期之间的免疫计算关系。
其中,通过平衡关系可以得到接种人群比例与第一获得免疫参数、 第二获得免疫参数、丧失免疫参数以及第二风险易患病人群占比之间的 关系。通过群体免疫关系可以得到接种人群比例与基本再生数之间的关 系。通过倒数关系可以得到疫苗免疫周期与丧失免疫参数之间的关系。 通过第一免疫获取关系可以得到第一风险易患病人群与接种人群之间的 关系。通过第二免疫获取关系可以得到第二风险易患病人群与接种人群 之间的关系。
基于此,通过上述关系可以得到如公式(7)所示的免疫计算关系。
举例而言,获取如公式(9)所示的平衡关系,并获取如公式(6) 所示的群体免疫关系,因为公式(9)以及公式(6)的等式左边都为接 种人群比例,所以另公式(9)的等式右边与公式(6)的等式右边相等, 可得到公式(13)。
其中,σ为第二风险易患病人群占比,μ1为第一获取免疫参数, η2为第二获取免疫参数,R0为基本再生数,D为疫苗免疫周期。
基于此,获取如公式(10)所示的倒数关系,基于倒数关系将公式 (13)中的疫苗免疫周期替换,并获取第一免疫获取关系以及第二免疫 获取关系,并基于第一免疫获取关系以及第二免疫获取关系将公式(13) 中的μ1以及μ2替换,以得到如公式(7)所示的免疫计算关系。
在本示例性实施例中,利用平衡关系、群体免疫关系、倒数关系、 第一免疫获取关系以及第二免疫获取关系得到免疫计算关系,有助于后 续与模型计算关系确定出达到群体免疫条件的某个时间内的疫苗的最低 第一风险接种比例,进而不仅完善了影响低风险接种比例的因素,还提 高了低风险接种比例计算的精准度。
在可选的实施例中,图6示出了疫苗接种比例的计算方法中确定平 衡关系的流程示意图,如图6所示,该方法至少包括以下步骤:在步骤 S610中,构建使得目标传染病模型达到稳定的目标方程组,并获取第二 风险易患病人群占比与第二风险易患病人群比例以及第一风险易患病人 群比例之间的易患病人群关系。
其中,目标方程组指的是当目标传染病模型达到稳定时,根据不同 疾病状态人群之间的关系构建出的方程组,具体地,当目标传染病模型 达到稳时,第一风险易患病人群转换为接种人群和第二风险易患病人群 转化为接种人群的数量之和与接种人群转换为易患病人数的数量一致, 并且,第一风险易患病人群比例、第二风险易患病人群比例以及接种人 群比例的和为1。基于此,得到的目标方程组如公式(14)以及公式 (15)所示。
L*(t)η1+H*(t)η2=V*(t)γ2 (14)
L*(t)+H*(t)+V*(t)=1 (15)
其中,L*(t)为目标传染病模型达到稳定时的第一风险易患病人 群比例,H*(t)为目标传染病模型达到稳定时的第二风险易患病人群 比例,H*(t)为目标传染病模型达到稳定时的接种人群比例,η1为第 一获得免疫参数,η2为第二获得免疫参数,γ2为丧失免疫参数。
易患病人群关系表示的是第二风险易患病人群占第二风险易患病人 群与第一风险易患病人群之和的比例,即如公式(16)所示。
其中,σ为第二风险易患病人群占比,H(t)为第二风险易患病人 群比例,L(t)为第一风险易患病人群比例。
举例而言,获取如公式(14)和公式(15)所示的目标方程组,并 获取如公式(16)所示的易患病人群关系。
在步骤S620中,基于目标方程组以及易患病人群关系,确定接种人 群比例与第一获得免疫参数、第二获得免疫参数、丧失免疫参数以及高 风险易患病人群占比之间的平衡关系。
基于此,根据公式(14)、公式(15)以及公式(16)可以得到如 公式(9)所示的平衡关系。
举例而言,获取目标方程组如公式(14)以及公式(15)所示,根 据公式(14)可以得到V*(t)与L*(t)、H*(t)、η1、η2以及γ2之 间的关系,如公式(17)所示。
其中,V*(t)为目标传染病模型达到稳定时的接种人群比例,L* (t)为目标传染病模型达到稳定时的第一风险易患病人群比例,H*(t) 目标传染病模型达到稳定是的第二风险易患病人群比例,η1第一获得 免疫参数,η2第二获得免疫参数,γ2为免疫丧失参数。
根据公式(15)可以得到V*(t)与L*(t)以及H*(t)之间的关 系,如公式(18)所示。
V*=1-L*(t)-H*(t) (18)
其中,V*(t)为目标传染病模型达到稳定是的接种人群比例,L* (t)为目标传染病模型达到稳定时的第一风险易患病人群比例,H*(t) 目标传染病模型达到稳定是的第二风险易患病人群比例。
基于此,由于公式(17)与公式(18)表示的都是V*(t),因此, 根据公式(17)、公式(18)以及公式(16)可以得到如公式(9)所示 的平衡关系。
在本示例性实施例中,根据目标方程组以及易患病人群关系得到的 平衡关系,使得后续确定的接种比例为达到群体免疫条件的最低第一风 险接种比例,提供了与实际接种比例进行比较的衡量标准,加快了达到 群体免疫条件的速度。
在可选的实施例中,图7示出了疫苗接种比例的计算方法中确定接 种计算关系的流程示意图,如图7所示,该方法至少包括以下步骤:在 步骤S710中,根据目标传染病模型确定第一风险易患病人群比例、第二 风险易患病人群比例、康复人群比例、接种人群比例之间的人群关系。
其中,可以通过目标传染病模型确定出第一风险易患病人群比例、 第二风险易患病人群比例、康复人群比例以及接种人群比例之间的人群 关系。
举例而言,如图2所示,目标传染病模型将总人群划分为五类不同 疾病状态人群,分别为第一风险易患病人群、第二风险易患病人群比例、 康复人群、感染人群以及接种人群。基于此,可以确定如公式(19)所 示的模型人群关系。
L(t)+H(t)+Y(t)+V(t)+R(t)=1 (19)
其中,L(t)为某一时刻的第一风险易患病人群比例,H(t)为某 一时刻的第二风险易患病人群比例,Y(t)为某一时刻感染人群比例, V(t)为某一时刻接种人群比例,R(t)为某一时刻康复人群比例。
因为,感染人群比例较低,所以可以根据公式(19)得到如公式 (20)所示的人群关系。
L(t)+R(t)≈1-V(t)-H(t) (20)
其中,L(t)为某一时刻的第一风险易患病人群比例,H(t)为某 一时刻的第二风险易患病人群比例,Y(t)为某一时刻感染人群比例, V(t)为某一时刻接种人群比例,R(t)为某一时刻康复人群比例。
在步骤S720中,基于人群关系以及模型计算关系得到接种人群比 例与第一获得免疫参数、第二获得免疫参数、丧失免疫参数以及第二风 险易患病人群占比之间的人群免疫微分关系。
其中,人群免疫微分关系指的是接种人群比例与第一获得免疫参数、 第二获得免疫参数、丧失免疫参数以及第二风险易患病人群占比之间的 微分计算关系。
举例而言,模型计算关系如公式(5)所示,因为在模型计算关系 中存在第一风险易患病人群比例与第二风险易患病人群比例之和,所以 利用公式(20)以及模型计算关系可以得到如公式(21)所示的人群免 疫微分关系。
其中,V(t)为接种人群比例,η1为第一获得免疫参数,η2为第二 获得免疫参数,γ2为免疫丧失参数。
在步骤S730中,对人群免疫微分关系进行计算得到目标免疫关系, 并基于目标免疫关系以及免疫计算关系确定预设时间内达到群体免疫条 件的针对于第一风险易患病人群的第一风险接种比例与接种参数之间的 接种计算关系。
其中,对人群免疫微分关系进行相应的计算可以得到目标免疫关系, 并利用目标免疫关系以及免疫计算关系得到接种计算关系,并且,接种 计算关系中的接种参数包括基本再生数、疫苗免疫周期以及疫苗有效性。
举例而言,获取的人群免疫微分关系如公式(21)所示,对公式 (21)进行解微分计算可以得到公式(22)。
其中,V(t)为接种人群比例,η1为第一获得免疫参数,η2为第二 获得免疫参数,γ2为免疫丧失参数,σ为第二风险易患病人群占比。
基于如公式(11)以及公式(12)所示的第一免疫获取关系和第二 免疫获取关系,对公式(22)中相应的部分进行替换得到公式(23)。
其中,V(t)为接种人群比例,α1为第一风险易患病人群的接种 比例,ε1为第一疫苗有效性,α2为第二风险易患病人群的接种比例, ε2为第二疫苗有效性,σ为第一风险易患病人群占比,γ2为免疫丧失 参数。
由于开始T时间内疫苗第一风险接种比例的计算公式如公式(8) 所示,因此,将公式(23)代入公式(8)即可以得出的达到群体免疫 条件的最低第一风险接种比例与接种参数之间的接种计算关系,如公式 (24)所示。
其中,L(t)为第一风险易患病人群比例,H(t)为第二风险易患 病人群比例,V(t)为接种人群比例,R(t)为康复人群比例,α1为 第一风险易患病人群的接种比例,ε1为第一疫苗有效性,α2为第二风 险易患病人群的接种比例,ε2为第二疫苗有效性,σ为第二风险易患病人群占比,γ2为免疫丧失参数。
在本示例性实施例中,基于免疫计算关系以及目标免疫关系得到满 足群体免疫条件的接种计算关系,并且接种计算关系表示的是最低第一 风险接种比例与接种参数之间的关系,基于此,在计算满足群体免疫条 件的第一风险接种比例的过程中引入了接种参数,完善了影响第一风险 接种比例的因素,提高了满足群体免疫条件的最低风险接种比例计算结 果的准确性。
在可选的实施例中,图8示出了疫苗接种比例的计算方法中确定人 群关系的流程示意图,如图8所示,不同疾病状态人群包括感染人群, 该方法至少包括以下步骤:在步骤S810中,根据目标传染病模型确定 第一风险易患病人群比例、第二风险易患病传染病人群比例、康复人群 比例、接种人群比例以及感染人群比例之间的模型人群关系;其中,感 染人群比例为感染人群占不同疾病状态人群的比例。
其中,在目标传染病模型中将总人群划分为了五类不同疾病状态人 群,分别为第一风险易患病人群、第二风险易患病人群、康复人群、接 种人群以及感染人群,基于此,可以得到如公式(19)所示的第一风险 易患病人群比例、第二风险患病人群比例、康复人群比例、接种人群比 例以及感染人群比例之间的模型人群关系。
举例而言,因为目标传染病模型将总人群划分为了五类不同疾病状 态人群,因此可以得到如公式(19)所示的模型人群关系。
在步骤S820中,获取与目标传染病模型对应的感染阈值,当感染 人群比例小于或等于感染阈值时,在模型人群关系中忽略感染人群比例, 确定第二风险易患病人群比例、第一风险易患病人群比例康复人群比例 以及接种人群比例之间的人群关系。
其中,感染阈值指的判定感染人群与总人群的比值在计算过程中是 否可以忽略的值,例如感染阈值可以设置为0.0005。
具体地,当感染人群比例小于或等于感染阈值时,可以将模型人群 关系中的感染人群比例的值忽略不计,并得到如公式(20)所示的人群 关系。
举例而言,感染人群比例为0.0001,且与目标传染病模型对应的感 染阈值为0.0005,显然,此时感染人群比例小于感染阈值,则将公式 (19)中的感染人群比例忽略不计得到公式(20)所示的人群关系。
在本示例性实施例中,当感染比例小于感染阈值时,忽略感染人群 比例得到人群关系有助于引入接种参数,进而得到第一风险接种比例与 接种参数之间的接种计算关系,完善了影响第一风险接种比例的因素, 进而提高后续计算第一风险接种比例的精确度。
在可选的实施例中,对人群免疫微分关系进行计算得到目标免疫关 系,包括:基于第一免疫获取关系以及第二免疫获取关系,对人群免疫 微分关系进行计算得到接种人群比例与第二风险易患病人群占比、第一 疫苗有效性、第二疫苗有效性、丧失免疫参数、第一接种比例以及第二 接种比例之间的目标免疫关系。
其中,人群免疫微分关系如公式(21)所示,对公式(21)进行解 微分计算可以得到公式(22),并且在公式(22)中包括与第一风险易 患病人群对应的第一获取免疫参数和与第二风险易患病人群对应的第二 获取免疫参数,而基于如公式(11)所示的第一免疫获取关系和公式 (12)所示的第二免疫获取关系,将公式(11)以及公式(12)代入公 式(22)可以得到如公式(23)所示的目标免疫关系。
举例而言,公式(21)为人群免疫微分关系,对公式(21)进行解 微分计算可以得到如公式(22)所示的计算关系,并且公式(10)以及 公式(11)表示的是公式(22)中第一免疫获取参数和第二免疫获取参 数的计算关系,因此,利用公式(10)以及公式(11)对公式(22)进 行计算可以得到如公式(23)所示的目标免疫关系。
在本示例性实施例中,基于第一免疫获取关系和第二免疫获取关系, 对人群免疫微分关系进行计算,有助于完善影响低风险接种比例的因素, 进而提高了后续确定接种计算关系的准确度,进而提高计算出的达到群 体免疫条件的疫苗最小低风险接种比例的准确度。
本公开还提出了另一种疫苗接种比例的计算方法。图9示出了疫苗 接种比例的计算方法的流程示意图,如图9所示,疫苗接种比例的计算 方法至少包括以下步骤:
步骤S910.根据目标传染病模型确定第二风险易患病人群占比与第 二风险易患病人群之间的第一近似关系;其中,目标传染病模型为用于 指示传染病不同疾病状态人群之间的转换关系,不同疾病状态人群至少 包括不同风险的易患病人群。
在本示例性实施例中,目标传染病模型与计算第一风险接种比例时, 所创建的目标传染病模型一致,因此,不同疾病状态人群也与计算第一 风险接种比例时的不同疾病状态人群一致,具体地,可以如图3所示, 其中,H(t)为即某一时刻第二风险易患病人群比例,L(t)为某一时 刻第一风险易患病人群比例,第二风险易患病人群占为第二风险易患病 人群占第二风险易患病人群和第一风险易患病人群总和的比例。
基于此,第一近似关系即为第二风险易患病人群占比与第二风险易 患病人群之间的近似关系,第二风险接种比例为满足于群体免疫条件的 第二风险人群的最低接种比例。
举例而言,根据如图3所示的目标传染病模型,可以得到如公式 (25)所示的第一近似关系。
其中,L(t)为图3中某一时刻第一风险易患病人群比例,H(t) 为图3中某一时刻第二风险易患病人群比例,Y(t)为图3中某一时刻 感染人群比例,R(t)为图3中某一时刻康复人群比例,V(t)为图3 中某一时刻接种人群比例。
由于目标传染病模型是对上述五种不同疾病状态人群的分类,因此, H(t)+L(t)+Y(t)+R(t)+V(t)=1,而在实际中,由于第一风险患病 人群和第二风险患病人群在上述五种不同疾病状态人群中占比较少,所 以H(t)+L(t)可以近似等于H(t)+L(t)+Y(t)+R(t)+V(t)。
步骤S920.基于第一近似关系,计算在预定时间内达到群体免疫的 针对于第二风险易患病人群的疫苗的第二风险接种比例。
其中,根据第一近似关系可以计算出预设时间内达到群体免疫的针 对于第二风险易患病人群的第二风险接种比例。
举例而言,基于第一近似关系,第二风险接种比例的推导过程如公 式(26)所示。
其中,α2为第二风险易患病人群的接种比例,T为预设时间。
在一些实施例中,在计算出第二风险接种比例之后,可以将与第二 风险接种比例对应的图形显示在终端上,与第二风险接种比例对应的图 形指的是以接种参数为自变量,以根据接种参数计算出的第二风险接种 比例为应变量得出的图形。具体地,该图形可以是第二风险接种比例与 疫苗有效性之间的二维图形,可以是第二风险接种比例与基本再生数之 间的二维图形,可以是第二风险接种比例与疫苗免疫周期之间的二维图 形,还可以是第二风险接种比例与基本再生数以及疫苗免疫周期之间的 三维图形,还可以第二风险接种比例与基本再生数以及疫苗有效性之间 的三维图形,还可以是第二风险接种比例与疫苗有效性以及疫苗免疫周 期之间的三维图形,本示例性实施例对此不做特殊限定。
在可选的实施例中,图10示出了确定第一近似关系的流程示意图, 如图10所示,不同疾病人群包括接种疫苗人群、第一风险易患病人群、 第二风险易患病人群以及康复人群,该方法至少包括以下步骤:在步骤 S1010中,根据目标传染病模型确定第二风险易患病人群与易患病总人 群之间的第二风险易患病人群占比,并根据目标传染病模型确定第一风 险易患病人群、第二风险易患病人群、接种疫苗人群以及康复人群之间 的人群关系。
其中,由于目标传染并模型为不同疾病状态人群之间的模型,因此, 可以通过目标传染病模型得到第二风险易患病人群占比以及人群关系。
举例而言,通过如图3所示的目标传染病模型,可以得到如公式(16)所示的第二风险易患病人群占比以及如公式(19)所示的人群关 系。
在步骤S1020中,基于第二风险易患病人群占比以及人群关系,确 定第二风险易患病占比与第二风险易患病人群之间的第一近似关系。
其中,根据第二风险易患病人群占比以及人群关系,可以确定出第 一近似关系。
举例而言,基于公式(16)以及公式(19)可以得出如公式(25) 所示的第一近似关系。
在本公开的示例性实施例提供的方法及装置中,第二风险接种比例 是基于第一近似得出的,并且第一近似关系为第二风险易患人群占比与 第二风险易患病人群比例之间的关系,提高了计算出的第二风险接种比 例的精确度,提供了计算接种比例的第二个维度,进而提高了疫苗接种 比例计算的效率。
本公开还提出了另一种疫苗接种比例的计算方法。图11示出了疫 苗接种比例的计算方法的流程示意图,如图11所示,疫苗接种比例的 计算方法至少包括以下步骤:
步骤S1110.获取接种参数,其中,接种参数包括疫苗有效性、疫苗 免疫周期和传染病的基本再生数。
在本示例性实施例中,获取的接种参数与计算第一风险接种比例所 获取的接种参数相同。
举例而言,疫苗为治疗新型冠状病毒的疫苗,因此,疫苗有效性指 的是治疗新型冠状病毒的疫苗在实际情况下预防新型冠状病毒的效率, 疫苗免疫周期指的是新型冠状病毒在注射进入人体后,产生对应的抗体 到抗体消失所经历的时间,例如可以是1年,基本再生数指的是一个感 染新型冠状病毒的感染者在患病周期内(例如可以是6个月)可以传染 的人数,例如可以是110人。
在步骤S1120.基于接种参数和第二接种计算关系,计算在预设时间 内达到群体免疫的针对于第一风险易患病人群、第二风险易患病人群以 及康复人群的疫苗的总体待接种比例;其中,第二接种计算关系至少部 分基于目标传染病模型和群体免疫条件确定,目标传染病模型用于指示 传染病的不同疾病状态人群之间的转换关系,不同疾病状态人群至少包 括不同风险的易患病人群。
其中,群体免疫条件与计算第一风险接种比例时用到的群体免疫条 件一致,总体待接种比例指的是达到群体免疫时所有需要被接种疫苗的 人群,即达到群体免疫时,第一风险易患病人群、第二风险易患病人群 以及康复人群需要被接种的比例。
举例而言,如公式(27)示出了总体待接种比例。
其中,L(t)为第一风险易患病人群,R(t)为康复人群,H(t)第二风险 易患病人群,α1为第一风险易患病人群和康复人群每个周期接种疫苗的 比例,α2为第二风险易患病人群每个周期接种疫苗的比例,ε1针对与第 一风险易患病人群的疫苗有效性,γ2为接种人群转化为第二风险易患病 人群的免疫丧失率,R0为传染病的基本再生数。
在一些实施例中,在计算出总体待接种比例之后,可以将与总体待 接种比例对应的图形显示在终端上,与总体待接种比例对应的图形指的 是以接种参数为自变量,以根据接种参数计算出的总体待接种比例为应 变量得出的图形。具体地,该图形可以是总体待接种比例与疫苗有效性 之间的二维图形,可以是总体待接种比例与基本再生数之间的二维图形, 可以是总体待接种比例与疫苗免疫周期之间的二维图形,还可以是总体 待接种比例与基本再生数以及疫苗免疫周期之间的三维图形,还可以总 体待接种比例与基本再生数以及疫苗有效性之间的三维图形,还可以是 总体待接种比例与疫苗有效性以及疫苗免疫周期之间的三维图形,本示 例性实施例对此不做特殊限定
在可选的实施例中,如图12示出计算总体待接种比例的流程示意图 如图12所示,在步骤S1210中,根据目标传染病模型确定预设时间内接 种人群比例与第一风险易患病人群比例、第二风险易患病人群比例以及 康复人群比例之间的模型计算关系;其中,接种人群比例、第二风险易 患病人群比例、第一风险易患病人群比例以及康复人群比例分别为接种 疫苗人群、第二风险易患病人群、第一风险易患病人群以及康复人群占 所述不同疾病状态人群的比例。
其中,模型计算计算关系为第一风险易患病人群比例、第二风险易 患病人群比例以及康复人群比例之间的关系。
举例而言,根据如图3所示的目标传染病模型可以得到如公式(5) 所示的模型计算关系。
在步骤S1220中,获取第一风险易患病人群的第一接种比例与第一 疫苗有效性以及第一获得免疫参数之间的第一免疫获取关系,并获取第 二风险易患病人群的第二接种比例与第二疫苗有效性以及第二获取免疫 参数之间的第二免疫获取关系;其中,第一获取免疫参数和第二获取免 疫参数分别为第一风险易患病人群和第二风险易患病人群接种疫苗的比 例。
其中,第一疫苗有效性和第二疫苗有效性分别表示的是疫苗对第一 风险易患病人群和第二风险易患病人群的效果。
举例而言,可以获取如公式(11)所示的第一免疫获取关系,还可 以获取如公式(12)所示的第二免疫获取关系。
在步骤S1230中,根据目标传染病模型确定第二风险易患病人群占 比与第二风险易患病人群以及传染病的基本再生数之间的第二近似关系, 并基于模型计算关系、第一免疫获取关系、第二免疫获取关系以及第二 近似关系,计算在预设时间内达到群体免疫的针对于第一风险易患病人 群、第二风险易患病人群以及康复人群的所述疫苗的总体待接种比例。
其中,第二近似关系指的是第二风险易患病人群与传染病的基本再 生数之间的近似关系,基于第二近似关系、第一免疫获取关系、第二免 疫获取关系以及模型计算关系,可以得到总体待接种比例。
举例而言,第二近似关系如公式(28)所示。
H(t)≈σ/R0 (28)
其中,H(t)为第二风险易患病人群比例,σ为第二风险易患病人 群占比,R0为传染病的基本再生数。
然后将公式(11)、公式(12)、公式(28)以及公式(5)代入公 式(27)的等号左边,可以得到如公式(27)等号右边的结果。
在本公开的示例性实施例提供的方法及装置中,一方面,第二接种 计算关系是基于指示不同疾病状态人群的目标传染病模型以及群体免疫 条件得出的,疫苗的总体待接种比例为基于接种参数和第二接种计算关 系得出的,确保计算出的疫苗的总体待接种比例为达到群体免疫条件的 最低接种比例,完善了影响第二接种计算关系的因素,提高了第二接种 计算关系的准确定,进而提高了疫苗的总体待接种比例的准确度;另一 方面,计算得出的为疫苗的总体待接种比例,提供了第三个可以计算出 的疫苗的接种比例的维度,使得疫苗的接种比例计算更加精细化,进而 提高了达到群体免疫条件的效率。
下面结合一应用场景对本公开实施例中疫苗接种比例的计算方法做 出详细说明。
图13示出了在应用场景下疫苗接种比例的计算方法的流程示意图, 传染病为新型冠状病毒肺炎,如图13所示,其中,步骤S1310为确定 与新型冠状病毒肺炎对应的目标传染病模型,并根据目标传染病模型得 到模型计算关系,步骤S1320为根据步骤S1310中的目标传染病模型确 定模型人群关系,并根据模型人群关系得到人群关系,步骤S1030确定 高风险易患病人群占比与高风险易患病人群比例之间的近似关系,步骤 S1340为根据步骤S1310中得到的模型计算关系、步骤S1320中得到的 人群关系以及步骤S1330中确定的近似关系得到人群免疫微分关系,步 骤S1350为对人群免疫微分关系进行计算得到目标免疫关系的过程。
步骤S1360为确定目标方程组,并根据目标方程组以及易患病人群 关系得到平衡关系的过程,步骤S1370为基于平衡关系、群体免疫关系、 倒数关系、第一免疫获取关系以及第二免疫获取关系得到免疫计算关系 的过程,步骤S1380为根据步骤S1350得到的目标免疫关系以及步骤 S1370中得到的免疫计算关系得到新型冠状病毒达到群体免疫条件的接 种计算关系。
基于此,步骤S1390为获取新型冠状病毒的接种参数,并根据接种 计算关系对接种参数进行计算得到低风险接种比例的过程。具体的,在 计算低风险接种比例的过程中,可以设置α2高风险易患病人群接种比 例为1,α1低风险易患病人群接种比例小于1,疫苗对不同疾病状态人 群的有效性一致,即第一疫苗有效性与第二疫苗有效性相等,基本再生数为2.5,高风险易患病人群占比为0.01,预设时间为12个月。
除此之外,步骤S1391为根据近似关系确定高风险接种比例的过程, 具体的,在计算过程中设置α2高风险易患病人群接种比例为1,疫苗 对不同疾病状态人群的有效性一致,即第一疫苗有效性与第二疫苗有效 性相等,基本再生数为2.5,高风险易患病人群占比为0.01,预设时间 为12个月。
若A国海关人员需要确定是否可以放行B国籍C某进入A国,需 要输入B国所使用的治疗新型冠状病毒肺炎的疫苗的接种参数,若根 据接种参数计算出的最低风险接种比例为78%,并且B国目前低风险 易患病人群的接种比例大于或等于78%时,才可以将C某放行进入A 国。
在本应用场景中,一方面,接种计算关系是基于指示不同疾病状态 人群的目标传染病模型以及群体免疫条件得出的,疫苗的低风险接种比 例为基于接种参数和接种计算关系得出的,确保计算出的疫苗的接种比 例为达到群体免疫条件的最低接种比例,完善了影响接种计算关系的因 素,提高了接种计算关系的准确定,进而提高了疫苗的低风险接种比例 的准确度;另一方面,计算得出的为疫苗的低风险接种比例,使得计算 出的疫苗的接种比例更加精细化,进而提高了达到群体免疫条件的效率。
此外,在本公开的示例性实施例中,还提供一种疫苗接种比例的计 算装置。图14示出了疫苗接种比例的计算装置的结构示意图,如图14 所示,疫苗接种比例的计算装置1400可以包括:接种参数获取模块 1410、和接种比例计算模块1420。其中:
接种参数获取模块1410,被配置为获取疫苗的接种参数,其中,所 述接种参数包括疫苗有效性、疫苗免疫周期和传染病的基本再生数;接 种比例计算模块1420,被配置为接种比例计算模块,被配置为基于所述 接种参数和第一接种计算关系,计算在预设时间内达到群体免疫的针对 于第一风险易患病人群的所述疫苗的第一风险接种比例;其中,所述第 一接种计算关系至少部分基于目标传染病模型和群体免疫条件确定,所 述目标传染病模型用于指示所述传染病的不同疾病状态人群之间的转换 关系,所述不同疾病状态人群至少把包括不同风险的易患病人群。
在本公开的示例性实施例中,还提供了另一种疫苗接种比例的计算 装置。图15示出了疫苗接种比例的计算装置的结构示意图,如图15所 示,疫苗接种比例的计算装置1500可以包括:近似关系确定模块1510、 和第二风险接种比例计算模块1520。其中:
疫苗接种比例的计算装置1500,被配置为根据目标传染病模型确定 第二风险易患病人群占比与第二风险易患病人群之间的第一近似关系; 其中,所述目标传染病模型为用于指示所述传染病不同疾病状态人群之 间的转换关系,所述不同疾病状态人群至少包括不同风险的易患病人群; 第二风险接种比例计算模块1520,被配置为基于所述第一近似关系,计 算在预定时间内达到群体免疫的针对于所述第二风险易患病人群的所述 疫苗的第二风险接种比例。
在本公开的示例性实施例中,还提供了另一种疫苗接种比例的计算 装置。图16示出了疫苗接种比例的计算装置的结构示意图,如图16所 示,疫苗接种比例的计算装置1600可以包括:获取模块1610、和总体 待接种比例计算模块1620。其中:
获取模块1610,被配置为获取接种参数,其中,所述接种参数包括 疫苗有效性、疫苗免疫周期和传染病的基本再生数;总体待接种比例计 算模块1620,被配置为基于所述接种参数和第二接种计算关系,计算在 预设时间内达到群体免疫的针对于第一风险易患病人群、第二风险易患 病人群以及康复人群的所述疫苗的总体待接种比例;其中,所述第二接 种计算关系至少部分基于目标传染病模型和群体免疫条件确定,所述目 标传染病模型用于指示所述传染病的不同疾病状态人群之间的转换关系, 所述不同疾病状态人群至少包括不同风险的易患病人群。
上述疫苗接种比例的计算装置1400、装置1500以及装置1600的 具体细节已经在对应的疫苗接种比例的计算方法中进行了详细的描述, 因此此处不再赘述。
应当注意,尽管在上文详细描述中提及疫苗接种比例的计算装置 1400、装置1500以及装置1600的若干模块或者单元,但是这种划分并 非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多 模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之, 上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方 法的电子设备。
下面参照图17来描述根据本发明的这种实施例的电子设备1700。 图17显示的电子设备1700仅仅是一个示例,不应对本发明实施例的功 能和使用范围带来任何限制。
如图17所示,电子设备1700以通用计算设备的形式表现。电子设 备1700的组件可以包括但不限于:上述至少一个处理单元1710、上述 至少一个存储单元1720、连接不同系统组件(包括存储单元1720和处 理单元1710)的总线1730、显示单元1740。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处 理单元1710执行,使得所述处理单元1710执行本说明书上述“示例性 方法”部分中描述的根据本发明各种示例性实施例的步骤。
存储单元1720可以包括易失性存储单元形式的可读介质,例如随 机存取存储单元(RAM)1721和/或高速缓存存储单元1722,还可以进 一步包括只读存储单元(ROM)1723。
存储单元1720还可以包括具有一组(至少一个)程序模块1725的 程序/使用工具1724,这样的程序模块1725包括但不限于:操作系统、 一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每 一个或某种组合中可能包含网络环境的现实。
总线1730可以为表示几类总线结构中的一种或多种,包括存储单 元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者 使用多种总线结构中的任意总线结构的局域总线。
电子设备1700也可以与一个或多个外部设备1770(例如键盘、指 向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子 设备1700交互的设备通信,和/或与使得该电子设备1700能与一个或 多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等) 通信。这种通信可以通过输入/输出(I/O)接口1750进行。并且,电子 设备1700还可以通过网络适配器1760与一个或者多个网络(例如局域 网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图 所示,网络适配器1760通过总线1730与电子设备1700的其它模块通 信。应当明白,尽管图中未示出,可以结合电子设备1700使用其它硬 件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单 元、外部磁盘驱动阵列、RAI系统、磁带驱动器以及数据备份存储系统 等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述 的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方 式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式 体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD- ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计 算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执 行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质, 其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施 例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程 序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所 述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各 种示例性实施例的步骤。
参考图18所示,描述了根据本发明的实施例的用于实现上述方法 的程序产品1800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包 括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明 的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存 储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或 者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质 可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不 限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者 任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括: 具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM 或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、 磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的 数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多 种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可 读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可 以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与 其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不 限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明 操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸 如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或 类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部 分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算 设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器 上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种 类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设 备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通 过因特网连接)。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想 到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者 适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理 并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明 书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指 出。
Claims (17)
1.一种疫苗接种比例的计算方法,其特征在于,所述方法包括:
获取疫苗的接种参数,其中,所述接种参数包括疫苗有效性、疫苗免疫周期和传染病的基本再生数;
基于所述接种参数和第一接种计算关系,计算在预设时间内达到群体免疫的针对于第一风险易患病人群的所述疫苗的第一风险接种比例;其中,所述接种计算关系至少部分基于目标传染病模型和群体免疫条件确定,所述目标传染病模型用于指示所述传染病的不同疾病状态人群之间的转换关系,所述不同疾病状态人群至少包括不同风险的易患病人群。
2.根据权利要求1所述的疫苗接种比例的计算方法,其特征在于,所述不同疾病状态人群还包括接种疫苗人群、第二风险易患病人群以及康复人群,所述第一风险小于所述第二风险;所述接种计算关系基于模型计算关系以及免疫计算关系得到;
所述基于所述接种参数和第一接种计算关系,计算在预设时间内达到群体免疫的针对于第一风险易患病人群的所述疫苗的第一风险接种比例,包括:
根据所述目标传染病模型确定预设时间内接种人群比例与第一风险易患病人群比例、第二风险易患病人群比例以及康复人群比例之间的所述模型计算关系,并获取与所述群体免疫条件对应的所述免疫计算关系;其中,所述接种人群比例、所述第二风险易患病人群比例、所述第一风险易患病人群比例以及所述康复人群比例分别为所述接种疫苗人群、所述第二风险易患病人群、所述第一风险易患病人群以及所述康复人群占所述不同疾病状态人群的比例;
根据所述模型计算关系以及所述免疫计算关系计算在预设时间内达到所述群体免疫条件的针对于所述第一风险易患病人群的第一风险接种比例与所述接种参数之间的第一接种计算关系,并基于所述第一接种计算关系计算得到与所述疫苗的所述接种参数对应的所述疫苗的所述第一风险接种比例。
3.根据权利要求2所述的疫苗接种比例的计算方法,其特征在于,所述根据所述目标传染病模型确定预设时间内接种人群比例与第一风险易患病人群比例、第二风险易患病人群比例以及康复人群比例之间的所述模型计算关系,包括:
根据所述目标传染病模型确定第一风险易患病人群比例与接种人群比例之间的第一接种关系,并确定与所述第一接种关系对应的第一获得免疫参数;
根据所述目标传染病模型确定第二风险易患病人群比例与所述接种人群比例之间的第二接种关系,并确定与所述第二接种关系对应的第二获得免疫参数;
根据所述目标传染病模型确定所述接种人群比例与易患病人群比例之间的丧失免疫关系,并确定与所述丧失免疫关系对应的丧失免疫参数;其中,所述易患病人群比例由所述第一风险易患病人群比例和所述第二风险易患病人群比例组成;
根据所述目标传染病模型确定所述康复人群比例与所述接种人群比例之间的第三接种关系,并确定与所述第三接种关系对应的所述第一获得免疫参数;
基于所述第一接种关系、所述第一获得免疫参数、所述第二接种关系、所述第二获得免疫参数、所述丧失免疫关系、所述丧失免疫参数以及所述第三接种关系,确定所述接种人群比例与所述第二风险易患病人群比例、所述第一风险易患病人群比例以及所述康复人群比例之间的所述模型计算关系。
4.根据权利要求3所述的疫苗接种比例计算方法,其特征在于,所述获取与所述群体免疫条件对应的所述免疫计算关系,包括:
确定所述接种人群比例与所述第一获得免疫参数、所述第二获得免疫参数、所述丧失免疫参数以及所述第二风险易患病人群占比之间的平衡关系,并获取与所述群体免疫条件对应的所述接种人群比例与基本再生数之间的群体免疫关系;其中,所述第二风险易患病人群占比为所述第二风险易患病人群占与所述易患病人群比例对应的易患病人群的比例;
获取与所述丧失免疫参数与疫苗免疫周期之间的倒数关系,并获取所述第一风险易患病人群的第一接种比例与第一疫苗有效性以及所述第一获得免疫参数之间的第一免疫获取关系;
获取所述第二风险易患病人群的第二接种比例与第二疫苗有效性以及所述第二获取免疫参数之间的第二免疫获取关系;
基于所述平衡关系、所述群体免疫关系、所述倒数关系、所述第一免疫获取关系以及所述第二免疫获取关系,得到所述第一接种比例、所述第一疫苗有效性、所述第二接种比例、所述第二疫苗有效性、所述第二风险易患病人群占比、所述基本再生数以及所述疫苗免疫周期之间的免疫计算关系。
5.根据权利要求4所述的疫苗接种比例的计算方法,其特征在于,所述确定所述接种人群比例与所述第一获得免疫参数、所述第二获得免疫参数、所述丧失免疫参数以及所述第二风险易患病人群占比之间的平衡关系,包括:
构建使得所述目标传染病模型达到稳定的目标方程组,并获取所述第二风险易患病人群占比与所述第二风险易患病人群比例以及所述第一风险易患病人群比例之间的易患病人群关系;
基于所述目标方程组以及所述易患病人群关系,确定所述接种人群比例与所述第一获得免疫参数、所述第二获得免疫参数、所述丧失免疫参数以及所述第二风险易患病人群占比之间的平衡关系。
6.根据权利要求4所述的疫苗接种比例的计算关系,其特征在于,所述根据所述模型计算关系以及所述免疫计算关系计算在预设时间内达到所述群体免疫条件的针对于所述第一风险易患病人群的第一风险接种比例与所述接种参数之间的第一接种计算关系,包括:
根据所述目标传染病模型确定所述第一风险易患病人群比例、所述第二风险易患病人群比例、所述康复人群比例、所述接种人群比例之间的人群关系;
基于所述人群关系以及所述模型计算关系得到所述接种人群比例与所述第一获得免疫参数、所述第二获得免疫参数、所述丧失免疫参数以及所述第二风险易患病人群占比之间的人群免疫微分关系;
对所述人群免疫微分关系进行计算得到目标免疫关系,并基于所述目标免疫关系以及所述免疫计算关系确定预设时间内达到所述群体免疫条件的针对于所述第一风险易患病人群的第一风险接种比例与接种参数之间的第一接种计算关系。
7.根据权利要求6所述的疫苗接种比例的计算方法,其特征在于,所述不同疾病状态人群包括感染人群;
所述根据所述目标传染病模型确定所述第一风险易患病人群比例、所述第二风险易患病人群比例、所述康复人群比例、所述接种人群比例之间的人群关系,包括:
根据所述目标传染病模型确定所述第一风险易患病人群比例、所述第二风险易患病人群比例、所述康复人群比例、所述接种人群比例以及所述感染人群比例之间的模型人群关系;其中,所述感染人群比例为所述感染人群占所述不同疾病状态人群的比例;
获取与所述目标传染病模型对应的感染阈值,当所述感染人群比例小于或等于所述感染阈值时,在所述模型人群关系中忽略所述感染人群比例,确定所述第二风险易患病人群比例、所述第一风险易患病人群比例、所述接种人群比例以及所述康复人群比例之间的所述人群关系。
8.根据权利要求6所述的疫苗接种比例的计算关系,其特征在于,所述对所述人群免疫微分关系进行计算得到目标免疫关系,包括:
基于所述第一免疫获取关系以及所述第二免疫获取关系,对所述人群免疫微分关系进行计算得到所述接种人群比例与所述第二风险易患病人群占比、所述第一疫苗有效性、所述第二疫苗有效性、所述丧失免疫参数、所述第一接种比例以及所述第二接种比例之间的目标免疫关系。
9.一种疫苗接种比例的计算方法,其特征在于,所述方法包括:
根据目标传染病模型确定第二风险易患病人群占比与第二风险易患病人群之间的第一近似关系;其中,所述目标传染病模型为用于指示所述传染病不同疾病状态人群之间的转换关系,所述不同疾病状态人群至少包括不同风险的易患病人群;
基于所述第一近似关系,计算在预定时间内达到群体免疫的针对于所述第二风险易患病人群的所述疫苗的第二风险接种比例。
10.根据权利要求9所述的疫苗接种比例的计算方法,其特征在于,所述不同疾病人群包括接种疫苗人群、第一风险易患病人群、第二风险易患病人群以及康复人群;
所述根据目标传染病模型确定第二风险易患病人群占比与第二风险易患病人群之间的第一近似关系,包括:
根据目标传染病模型确定所述第二风险易患病人群与易患病总人群之间的第二风险易患病人群占比,并根据所述目标传染病模型确定所述第一风险易患病人群、所述第二风险易患病人群、所述接种疫苗人群以及所述康复人群之间的人群关系;
基于所述第二风险易患病人群占比以及所述人群关系,确定所述第二风险易患病占比与所述第二风险易患病人群之间的第一近似关系。
11.一种疫苗接种比例的计算方法,其特征在于,所述方法包括:
获取接种参数,其中,所述接种参数包括疫苗有效性、疫苗免疫周期和传染病的基本再生数;
基于所述接种参数和第二接种计算关系,计算在预设时间内达到群体免疫的针对于第一风险易患病人群、第二风险易患病人群以及康复人群的所述疫苗的总体待接种比例;其中,所述第二接种计算关系至少部分基于目标传染病模型和群体免疫条件确定,所述目标传染病模型用于指示所述传染病的不同疾病状态人群之间的转换关系,所述不同疾病状态人群至少包括不同风险的易患病人群。
12.根据权利要求11所述的疫苗接种比例的计算方法,其特征在于,所述基于所述接种参数和第二接种计算关系,计算在预设时间内达到群体免疫的针对于第一风险易患病人群、第二风险易患病人群以及康复人群的所述疫苗的总体待接种比例,包括:
根据所述目标传染病模型确定预设时间内接种人群比例与第一风险易患病人群比例、第二风险易患病人群比例以及康复人群比例之间的模型计算关系;其中,所述接种人群比例、所述第二风险易患病人群比例、所述第一风险易患病人群比例以及所述康复人群比例分别为所述接种疫苗人群、所述第二风险易患病人群、所述第一风险易患病人群以及所述康复人群占所述不同疾病状态人群的比例;
获取所述第一风险易患病人群的第一接种比例与第一疫苗有效性以及第一获得免疫参数之间的第一免疫获取关系,并获取所述第二风险易患病人群的第二接种比例与第二疫苗有效性以及第二获取免疫参数之间的第二免疫获取关系;其中,所述第一获取免疫参数和所述第二获取免疫参数分别为所述第一风险易患病人群和所述第二风险易患病人群接种疫苗的比例;
根据所述目标传染病模型确定第二风险易患病人群占比与所述第二风险易患病人群以及所述传染病的所述基本再生数之间的第二近似关系,并基于所述模型计算关系、所述第一免疫获取关系、所述第二免疫获取关系以及所述第二近似关系,计算在预设时间内达到群体免疫的针对于所述第一风险易患病人群、所述第二风险易患病人群以及所述康复人群的所述疫苗的总体待接种比例。
13.一种疫苗接种比例的计算装置,其特征在于,包括:
接种参数获取模块,被配置为获取疫苗的接种参数,其中,所述接种参数包括疫苗有效性、疫苗免疫周期和传染病的基本再生数;
接种比例计算模块,被配置为基于所述接种参数和第一接种计算关系,计算在预设时间内达到群体免疫的针对于第一风险易患病人群的所述疫苗的第一风险接种比例;其中,所述第一接种计算关系至少部分基于目标传染病模型和群体免疫条件确定,所述目标传染病模型用于指示所述传染病的不同疾病状态人群之间的转换关系,所述不同疾病状态人群至少把包括不同风险的易患病人群。
14.一种疫苗接种比例的计算装置,其特征在于,包括:
近似关系确定模块,被配置为根据目标传染病模型确定第二风险易患病人群占比与第二风险易患病人群之间的第一近似关系;其中,所述目标传染病模型为用于指示所述传染病不同疾病状态人群之间的转换关系,所述不同疾病状态人群至少包括不同风险的易患病人群;
第二风险接种比例计算模块,被配置为基于所述第一近似关系,计算在预定时间内达到群体免疫的针对于所述第二风险易患病人群的所述疫苗的第二风险接种比例。
15.一种疫苗接种比例的计算装置,其特征在于,包括:
获取模块,被配置为获取接种参数,其中,所述接种参数包括疫苗有效性、疫苗免疫周期和传染病的基本再生数;
总体待接种比例计算模块,被配置为基于所述接种参数和第二接种计算关系,计算在预设时间内达到群体免疫的针对于第一风险易患病人群、第二风险易患病人群以及康复人群的所述疫苗的总体待接种比例;其中,所述第二接种计算关系至少部分基于目标传染病模型和群体免疫条件确定,所述目标传染病模型用于指示所述传染病的不同疾病状态人群之间的转换关系,所述不同疾病状态人群至少包括不同风险的易患病人群。
16.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器被配置为经由执行所述可执行指令来执行权利要求1-12中的任意一项所述的疫苗接种比例的计算方法。
17.一种计算机可读存储介质,其上存储计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-12中的任意一项所述的疫苗接种比例的计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110793552.2A CN113539494B (zh) | 2021-07-14 | 2021-07-14 | 疫苗接种比例的计算方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110793552.2A CN113539494B (zh) | 2021-07-14 | 2021-07-14 | 疫苗接种比例的计算方法及装置、存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113539494A true CN113539494A (zh) | 2021-10-22 |
CN113539494B CN113539494B (zh) | 2024-04-30 |
Family
ID=78098983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110793552.2A Active CN113539494B (zh) | 2021-07-14 | 2021-07-14 | 疫苗接种比例的计算方法及装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113539494B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004038508A (ja) * | 2002-07-02 | 2004-02-05 | Hirato Koji | 予防接種指標算定装置、予防接種指標算定プログラム及び予防接種指標算定方法 |
US20060218010A1 (en) * | 2004-10-18 | 2006-09-28 | Bioveris Corporation | Systems and methods for obtaining, storing, processing and utilizing immunologic information of individuals and populations |
KR101921270B1 (ko) * | 2017-10-27 | 2018-11-22 | (주)루나유엑스 | 질병관리 시스템 |
CN111430041A (zh) * | 2020-03-26 | 2020-07-17 | 北京懿医云科技有限公司 | 传染病疫情预测方法及装置、存储介质、电子设备 |
CN111739605A (zh) * | 2020-06-18 | 2020-10-02 | 卫宁健康科技集团股份有限公司 | 一种疫苗接种的管理方法、装置、设备及存储介质 |
CN112184062A (zh) * | 2020-10-23 | 2021-01-05 | 陈永阳 | 一种量化甄别评估预防接种薄弱区风险的方法 |
US20210050116A1 (en) * | 2019-07-23 | 2021-02-18 | The Broad Institute, Inc. | Health data aggregation and outbreak modeling |
CN113113147A (zh) * | 2021-04-28 | 2021-07-13 | 哈尔滨工业大学 | 基于人群异质性的具有优先级的乙肝疫苗分配方法 |
-
2021
- 2021-07-14 CN CN202110793552.2A patent/CN113539494B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004038508A (ja) * | 2002-07-02 | 2004-02-05 | Hirato Koji | 予防接種指標算定装置、予防接種指標算定プログラム及び予防接種指標算定方法 |
US20060218010A1 (en) * | 2004-10-18 | 2006-09-28 | Bioveris Corporation | Systems and methods for obtaining, storing, processing and utilizing immunologic information of individuals and populations |
KR101921270B1 (ko) * | 2017-10-27 | 2018-11-22 | (주)루나유엑스 | 질병관리 시스템 |
US20210050116A1 (en) * | 2019-07-23 | 2021-02-18 | The Broad Institute, Inc. | Health data aggregation and outbreak modeling |
CN111430041A (zh) * | 2020-03-26 | 2020-07-17 | 北京懿医云科技有限公司 | 传染病疫情预测方法及装置、存储介质、电子设备 |
CN111739605A (zh) * | 2020-06-18 | 2020-10-02 | 卫宁健康科技集团股份有限公司 | 一种疫苗接种的管理方法、装置、设备及存储介质 |
CN112184062A (zh) * | 2020-10-23 | 2021-01-05 | 陈永阳 | 一种量化甄别评估预防接种薄弱区风险的方法 |
CN113113147A (zh) * | 2021-04-28 | 2021-07-13 | 哈尔滨工业大学 | 基于人群异质性的具有优先级的乙肝疫苗分配方法 |
Non-Patent Citations (7)
Title |
---|
刘肖凡;吴晔;许小可;: "媒体在流行病暴发事件中的干预作用:基于传染病模型理论和新型冠状病毒疫情案例的分析", 全球传媒学刊, no. 01 * |
张丽娟;袁兆龙;任晴晴;王福昌;: "一类带有疫苗注射和常比率输入的传染病模型系统分析", 数学的实践与认识, no. 02 * |
李恒;魏巍;: "混合接种作用下具有非线性传染力的SISV模型", 长春工业大学学报(自然科学版), no. 02 * |
汤瑞瑞;张菊平;: "带有自愿接种博弈的SIV性传染病模型的建立与分析", 中北大学学报(自然科学版), no. 06 * |
王娟;何俊杰;李学志;: "一类具有接种疫苗的年龄结构传染病模型分析", 系统科学与数学, no. 11 * |
陈田木;刘如春;张锡兴;黄渊秀;杨洋;胡国清;: "长沙市甲型H1N1流感流行干预措施效果的数学模拟", 中国卫生统计, no. 02 * |
马霞;周义仓;: "具有年龄阶段的离散SCIRS模型在我国流脑中的应用", 工程数学学报, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN113539494B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018166115A1 (zh) | 客服问答数据的处理方法、电子装置及计算机可读存储介质 | |
CN113539512B (zh) | 传染病传播趋势的预测方法及装置、存储介质、电子设备 | |
JP2012208924A5 (zh) | ||
Adimy et al. | Traveling waves of a differential-difference diffusive Kermack-McKendrick epidemic model with age-structured protection phase | |
Griffin | Is a reproduction number of one a threshold for Plasmodium falciparum malaria elimination? | |
Paredes et al. | Underdetected dispersal and extensive local transmission drove the 2022 mpox epidemic | |
CN116778527A (zh) | 人体模型构建方法、装置、设备及存储介质 | |
CN113539494A (zh) | 疫苗接种比例的计算方法及装置、存储介质、电子设备 | |
Kavya et al. | Mathematical modeling to investigate the influence of vaccination and booster doses on the spread of Omicron | |
Böttcher et al. | Decisive conditions for strategic vaccination against SARS-CoV-2 | |
WO2021051763A1 (zh) | 术语匹配方法、装置、终端和计算机可读存储介质 | |
CN110826397B (zh) | 一种基于高阶低秩多模态注意力机制的视频描述方法 | |
CN113409951A (zh) | 疫苗接种比例的计算方法及装置、存储介质、电子设备 | |
WO2023116744A1 (zh) | 图像处理方法、装置、设备及介质 | |
CN110321799A (zh) | 一种基于sbr和平均类间距离的场景数选择方法 | |
JP2023053572A (ja) | 人流管理システム及び人流管理方法 | |
Qu et al. | Dynamical analysis of a diffusive malaria model with fixed latent period in the human and vector populations | |
Bouchnita et al. | Omicron scenario projections for the Austin-Round Rock MSA | |
CN107153949B (zh) | 一种聊天群信息管理方法 | |
CN116070104B (zh) | 一种实时监测康复行为的方法及可穿戴设备 | |
Zhou et al. | Training backpropagation neural network in MapReduce | |
Mak et al. | Age at first episode of venereal syphilis in an aboriginal population: an application of survival analysis | |
Rossetto | The AesthEt (h) ics of the Fragment. Jewish Memories and Co-Creative Mapping Practices | |
KR102502958B1 (ko) | 이미지를 이용해 오디오를 전송하는 방법 및 장치 | |
Supriatna et al. | Dengue transmission model with age-dependent survival rates in the presence of wolbachia infection |
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 |