Optimized numerical solutions of SIRDVW multiage model controlling SARS-CoV-2 vaccine roll out: an application to the Italian scenario
在SARS-CoV-2大流行的背景下,数学建模在预测、模拟情景和评估预防性政治、社会和药物措施的影响方面发挥了重要作用。最优控制理论可以成为一个有用的工具,它以坚实的数学基础为基础,以尽可能快地消除大流行病的方向规划疫苗接种运动。这项工作的目的是探索规划疫苗接种活动的最佳优先顺序,以实现特定目标,如在固定时间内减少各年龄段的感染、死亡和住院人数。为此,我们引入了一个年龄分层的类SIR流行病房室模型,该模型建立在一个抽象框架中,用于模拟两剂疫苗接种活动,并与COVID 19疾病的描述一起构思。总的来说,我们正式的最优控制框架,采用该模型作为状态问题,通过采取行动的疫苗剂量的管理。一个广泛的运动的数值测试,在意大利的情况下,并校准现有的数据从Dipartimento di Protezione Civile Italiana,表明所提出的框架可以是一个有价值的工具,以支持规划的疫苗接种活动,最大限度地减少特定的目标。
2022-10-31 math.OC q-bio.PE
On Control of Epidemics with Application to COVID-19
在撰写本报告时,由严重急性呼吸系统综合征冠状病毒2型(SARS-CoV-2)引起的COVID-19大流行已导致全球超过3200万例感染病例和100多万例死亡。鉴于疫情仍在威胁健康和安全,了解COVID-19的传播过程并了解如何控制它是当务之急。基于这一动机,本文考虑了一个基于SIRD的离散时间随机流行病模型,该模型具有两个不确定性:未发现或无症状感染者的不确定率和控制的不确定有效率.我们的目的是在控制理论框架下研究传染病控制政策对不确定模型的影响。首先,我们提供了封闭形式的解决方案,在修改后的SIRD为基础的模型,如感染病例,易感病例,康复病例,死亡病例的状态。然后,相应的期望状态和技术下限和上界,以及提供这些状态。随后,我们考虑了两个流行病控制问题:一个是几乎必然流行病控制问题,另一个是平均流行病控制问题。在定义了这两个问题之后,我们的主要结果是关于一类线性控制策略的一组充分条件,该线性控制策略确保流行病是“良好控制的”;即,感染病例数和死亡病例数一致上界,且感染病例数渐近收敛于零。我们使用美国历史COVID-19传染数据进行的数值研究表明,与持续的大流行情况相比,我们极具吸引力的简单模型和控制框架可以提供合理的疫情控制性能。
2020-11-02 cs.SY eess.SY math.OC
A Parametrized Nonlinear Predictive Control Strategy for Relaxing COVID-19 Social Distancing Measures in Brazil
在本文中,我们制定了一个非线性模型预测控制(NMPC)来计划适当的社交距离措施(和放松),以减轻COVID-19大流行的影响,考虑到巴西的传染发展。NMPC策略是根据适应性数据驱动的易感-感染-死亡-死亡(SIRD)传染模型设计的,该模型考虑了社交距离的影响。此外,适应SIRD模型包括随时间变化的自回归传染参数,动态收敛,根据流行病的阶段。这个新的模型是通过一个三层的程序,分析回归,最小二乘优化运行和自回归模型拟合确定。数据驱动的模型进行了验证,并充分描述了传染曲线在大的预测范围。在该模型中,控制输入被定义为社会距离准则的非参数化值,其直接影响SARS-CoV-2病毒的传播和感染率。NMPC策略生成逐段的恒定隔离指导方针,这些指导方针可以随着每周的过去而放松/加强。该方法的实现是通过搜索机制来进行的,因为控制是非参数化的,因此存在有限数量的可能的控制序列。模拟文章显示,以说明所提出的闭环NMPC策略,这是能够减少感染的数量,并逐步放松社交距离的措施所获得的结果。在“开环”/无控制条件下,死亡人数仍然可以减少高达30%。该预测预测了2020年9月2日的感染高峰,如果没有制定协调的卫生政策,可能导致超过150万人死亡。该框架是巴西可能的公共卫生政策的指导方针。
2020-07-19 math.OC physics.soc-ph q-bio.PE
Optimal Control Concerns Regarding the COVID-19 (SARS-CoV-2) Pandemic in Bahia and Santa Catarina, Brazil
COVID-19疫情是21世纪最严重的健康危机。SARS-CoV-2病毒于2020年3月左右抵达巴西,其社会和经济反弹是灾难性的。在本文中,它是如何模型预测控制(MPC)可以用来规划适当的社会距离政策,以减轻流行病的影响,在巴伊亚和圣卡塔琳娜州,两个国家的不同地区,文化和人口统计在巴西。此外,这两种状态的易感-感染-患病-死亡(SIRD)模型的参数识别使用的优化程序。对该过程的控制输入是传递给群体的社会隔离准则。设计了两种MPC策略:a)集中式MPC,协调两个状态的单个控制策略;和b)分散式策略,针对每个状态求解一个优化。仿真结果表明,这两种控制策略的说明和比较。该框架是处理这种流行病现象的指导方针。
2020-06-25 math.OC physics.soc-ph q-bio.PE
Mathematical Analysis of a Fractional COVID-19 Model Applied to Wuhan, Spain and Portugal
我们对最近的分数阶COVID-19模型进行了定性分析。首先,我们证明了该模型在数学和生物学上都是适定性的。然后,我们证明了无病平衡点的全局稳定性。最后,进行了一些数值模拟,以确保无病平衡点的稳定性和收敛性。
2021-06-27 math.DS q-bio.PE
Non-parametric model-based estimation of the effective reproduction number for SARS-CoV-2
病毒爆发,例如当前的COVID-19大流行,通常通过常微分方程(ODE)系统的房室模型来描述。这些ODE模型的参数值通常是未知的,需要根据可访问的数据进行估计。为了描述具有强烈变化情况的现实流行病情景,需要假设这些模型参数是时间依赖的。虽然对于时间常数参数的典型情况的参数估计不会造成更大的问题,但是时间相关参数的确定,例如~房室模型的转换速率仍然是众所周知的困难,特别是因为这些时间相关参数的函数类是未知的。在这项工作中,我们提出了一种新的方法,利用增广卡尔曼平滑结合期望最大化算法,同时估计所有的时间依赖性参数的SIRD房室模型。这种方法只需要发病率数据,但没有先验知识的模型参数或任何进一步的假设的函数类的时间依赖性。与其他方法的时间依赖的再生数的估计相比,不需要对参数化的序列间隔分布的假设。通过这种方法,我们能够充分描述德国的COVID-19数据,并给出基于非参数模型的有效繁殖数量的时间过程估计。
2021-11-18 physics.data-an q-bio.PE
SEI1I2HRSVM model applied to the coronavirus pandemic (COVID-19) in Paraguay
在本文中,提出了一个数学模型来研究当前巴拉圭的冠状病毒爆发(SARS-CoV-2),描述了感染动力学中的多个传播路径,包括易感者、暴露者、感染者、住院者、免疫力丧失者和康复者,以及病毒在环境中的作用和COVID-19或其他原因造成的死亡。为了反映政府和人群采取的控制措施的影响,该模型采用了随流行病学状况和环境条件而变化的可变传播率。该模型进行了验证,并展示了其应用与公开的数据。
2020-06-01 q-bio.PE
Fractional model of COVID-19 applied to Galicia, Spain and Portugal
提出了COVID-19疾病传播的分数房室数学模型。特别关注的是超级传播者个体的可传播性。数值模拟加利西亚,西班牙和葡萄牙的数据。对于每个区域,Caputo导数的阶数取不同的值,即不接近1,显示考虑分数模型的相关性。
2021-01-04 q-bio.PE
Likelihood-Free Dynamical Survival Analysis Applied to the COVID-19 Epidemic in Ohio
动态生存分析(DSA)是一个基于平均场动态的流行病建模框架,适用于个人(代理)水平的感染和恢复历史。最近,DSA已被证明是一个有效的工具,在分析复杂的非马尔可夫流行病的过程,否则难以处理使用标准方法。DSA的优点之一是它以简单但不显式的形式表示典型的流行病数据,其中涉及某些微分方程的解。在这项工作中,我们描述了一个复杂的非马尔可夫DSA模型可以应用到一个特定的数据集的帮助下,适当的数值和统计方案。这些想法是用俄亥俄州COVID-19疫情的数据例子来说明的。
2022-07-31 math.AP math.DS physics.soc-ph
A new logistic growth model applied to COVID-19 fatality data
背景资料:最近的研究表明,只要有效的控制干预措施到位,新型冠状病毒病(COVID-19)的时间增长就遵循次指数幂律缩放。考虑到这一点,我们提出了一个新的唯象逻辑模型,非常适合这种幂律的流行病增长。研究方法:我们使用简单的缩放参数,已知的边界条件,并与来自比利时,中国,丹麦和德国的四个国家的可用数据进行比较,在第一波大流行期间(可以说)采取了有效的遏制措施,实证开发了逻辑增长模型。一个非线性最小二乘最小化算法被用来映射的参数空间,并作出最佳的预测。结果如下:与其他逻辑增长模型不同,我们提出的模型被证明是一致的不完整的流行病增长曲线的峰值高度,峰值位置和累积饱和值的准确预测。我们进一步表明,当遏制和封锁策略不像2020年第一波感染那样严格时,幂律增长模型也相当有效。根据该协议,该模型用于预测南非第三波COVID-19死亡人数,目前正在进行中。结论:我们预计,我们提出的模型将有助于对其他地区COVID-19引起的感染/死亡以及其他传染病爆发病例进行类似的预测,特别是当观察到幂律缩放时。
2021-11-20 q-bio.PE
Estimating, Monitoring, and Forecasting the Covid-19 Epidemics: A Spatio-Temporal Approach Applied to NYC Data
我们提出了一个SEIR类型的元种群模型来模拟和监测COVID-19疫情的演变。基本模型由七个部分组成,即易感(S)、暴露(E)、三个感染类别、恢复(R)和死亡(D)。我们在m个不同的空间位置为n个年龄和性别组定义这些隔间。因此,对于每个年龄组,性别和地点,所产生的模型具有所有流行病学类。它们之间的混合是通过依赖于时间的感染率矩阵来完成的。该模型使用纽约市及其行政区每日新增感染的曲线进行校准,包括人口普查数据,以及每个年龄段的感染,住院和死亡比例。我们最终得到了一个模型,该模型与报告的曲线相匹配,并准确预测了不同地区和年龄段的感染信息。
2020-11-17 physics.soc-ph q-bio.PE
How relevant is the decision of containment measures against COVID-19 applied ahead of time?
截至2020年4月30日,新型冠状病毒爆发的累计确诊感染人数为以下国家:比利时,巴西,英国(英国)和美利坚合众国(美国)。在新感染者发病率较低的最初阶段之后,观察到确诊病例数量呈幂律增长。对于每个国家,获得不同的增长指数。对于比利时、英国和美国这些感染人数众多的国家,在幂律增长之后,当接近饱和时会获得明显的行为。巴西仍处于权力法律制度之下。这些数据和预测的更新证实了最近关于病毒的幂律增长及其在世界各地一些国家之间的强距离相关性的结果。此外,我们表明,及时采取行动是卫生组织在抗击COVID-19(由最近发现的冠状病毒引起的传染病)的斗争中最相关的非药物武器之一。我们研究了在不同的三天,即4月16日(早期)、4月30日(当前)和5月14日(晚期)应用时,改变社交距离和每日检测次数以识别感染的无症状个体如何干扰COVID-19确诊病例的数量。结果表明,遏制行动是必要的,以平坦的曲线,并应尽快实施。
2020-05-04 physics.soc-ph q-bio.PE
Preventing epidemics by wearing masks: An application to COVID-19
这项工作的目标是考虑广泛使用口罩作为Covid-19大流行的非药物控制策略。一个SEIR模型,将人口分为戴口罩和不戴口罩的个体。在用下一代方法计算基本再生数后,得到了判断何时仅使用口罩就能预防流行病的标准和人群中用于预防疾病的口罩使用者的临界百分比。然后将结果应用于来自美国,巴西和意大利的真实世界数据。
2020-09-08 q-bio.PE
Parameter estimation in dynamical systems via Statistical Learning: a reinterpretation of Approximate Bayesian Computation applied to COVID-19 spread
提出了一种基于统计学习技术的动态系统鲁棒参数估计方法,该方法的目的是估计出一组与动态系统相适应的参数,以获得关于其轨迹定性行为的鲁棒证据.该方法是相当通用和灵活的,因为它不依赖于任何特定的动力系统的属性,并代表了近似贝叶斯计算方法通过统计学习的镜头重新解释。该方法特别适用于流行病学房室模型中的参数估计,以获得疾病演变的定性性质。我们将其应用于美国COVID-19传播的模拟和真实数据,以定性评估其随时间的演变,显示如何评估为减缓传播而实施的措施的有效性以及疾病当前和未来演变的一些定性特征。
2021-02-25 q-bio.PE stat.ME stat.ML
An Epidemic Model SIPHERD and its application for prediction of the spread of COVID-19 infection for India and USA
Vellore Institute of Technology(维洛尔理工学院);Visvesvaraya National Institute of Technology(维斯瓦萨瓦亚国家理工学院)
本研究提出考虑三类感染携带者、传播率与封控社交疏离相关、检测率与日检测量相关的SIPHERD流行病模型,经德韩疫情验证后用于预测印美不同封控检测条件下的新冠传播。
2020-05-11 q-bio.PE
Ending the COVID-19 epidemic in the United Kingdom
社交距离和封锁是英国政府用于遏制和控制COVID-19疫情的两种主要非药物干预措施;这些措施正在全国范围内统一应用,尽管Ferguson等人的帝国理工学院报告的结果显示,感染的影响随着年龄的增长而急剧增加。本文发展了一个变种的主力SIR模型的流行病,人口被分为若干年龄组。这使我们能够了解依赖年龄的控制措施对这一流行病的影响,并探索可能的退出战略。
2020-04-26 q-bio.PE
A predictive model for Covid-19 spread applied to eight US states
提出了一个用于预测新冠病毒传播的房室流行病模型。它认为:检测到和未检测到的受感染人群、医疗隔离和社会隔离、隔离释放,以及可能的再感染。模型中的系数通过拟合美国八个州的经验数据进行评估:亚利桑那州,加利福尼亚州,佛罗里达州,伊利诺伊州,路易斯安那州,新泽西州,纽约州和德克萨斯州。这些州加起来占美国人口的43%;其中一些州似乎很好地处理了最初的疫情,而另一些州似乎是新兴的热点。新冠肺炎疫情在各州的演变情况相当相似:接触率和康复率的变化保持在5%以下;然而,毫不奇怪,死亡率、再感染率、居家效应和隔离释放率的变化更大。结果显示,在首次发现之前,疫情可能已经在几个州进行,加利福尼亚州可能已经看到了不止一次的大流行流入。我们根据目前情况作出的预测显示,新型冠状病毒将成为地方性疾病,蔓延时间超过两年。如果各州完全放松居家令,大多数州可能会在2021年经历第二个高峰。如果封锁措施一直保持不变,在大多数开放的州,迄今为止的新冠肺炎死亡人数可能会大大降低。此外,我们的模型预测,将接触率降低10%,或将检测增加约15%,或将封锁依从性提高一倍(从目前的$\sim$ 15%提高到$\sim$ 30%),将在一年内根除德克萨斯州的感染。将我们的拟合扩展到美国所有州,我们预测到2020年11月1日,总感染人数约为1100万(包括未检测到的),累计确诊病例为800万,累计死亡人数为63万。
2020-07-09 physics.soc-ph q-bio.PE
The SHIR Model: Realistic Fits to COVID-19 Case Numbers
我们考虑一个全球(独立于地点)流行病增长模型,该模型概括了SIR模型,以适应COVID-19流行病的重要特征,特别是实施流行病减少措施。这种“SHIR”模型被应用于COVID-19数据,并显示出作为一种简单、易于处理的形式主义的希望,其参数很少,可用于对大流行病例数进行建模。作为一个例子,我们表明,来自15个中欧和西欧国家的每日新冠肺炎病例的平均时间依赖性与模型的分析,无参数预测非常一致
2020-07-28 physics.soc-ph q-bio.PE
Time-dependent and time-independent SIR models applied to the COVID-19 outbreak in Argentina, Brazil, Colombia, Mexico and South Africa
我们考虑SIR流行病学模型应用于COVID-19的演化,有两种方法。首先,我们拟合了一个全球SIR模型,该模型具有时间延迟,并且在整个疫情期间参数不变,包括传染率。竞争措施反映在有效减少的易感人群$N_{eff}$上。在第二种方法中,我们考虑了一个时间依赖的传染率,反映了竞争措施,无论是通过一步一步的拟合过程,或通过以下指数衰减。在最后一个模型中,人口被认为是国家$N$的人口。在微分方程的线性区域中,当总人口$N$较大时,预测与$N$无关。我们应用这些方法来研究阿根廷、巴西、哥伦比亚、墨西哥和南非的大流行的传播,这些国家尚未达到感染高峰。在所有这些情况下,我们提供的再生率和回收率的估计。考虑到采取了合理的措施,使得再生因子$R_0$呈指数下降,因此,随时间变化的传染率的情景是乐观的。报告了回收率$γ$的测量值,发现该参数在不同国家具有普遍性。我们讨论了全局SIR与有效布居$N_{eff}$的对应关系以及时间局部SIR的演化。
2020-06-22 physics.soc-ph q-bio.PE
Strong correlations between power-law growth of COVID-19 in four continents and the inefficiency of soft quarantine strategies
在这项工作中,我们分析了截至2020年3月27日,来自亚洲,欧洲,北美和南美国家的COVID-19确诊感染病例的累积数量的增长。我们的研究结果表明:(i)所有国家都观察到幂律增长;(ii)通过使用距离相关性,国家之间的幂律曲线在统计上高度相关,表明这种曲线在世界各地的普遍性;(iii)软隔离策略对平坦化增长曲线是无效的。此外,我们提出了一个模型和策略,使政府达到平坦的幂律曲线。我们发现,除了个人的社会距离,众所周知的相关性,在一个大的日常率识别和隔离感染者的策略可以帮助扁平化的幂律。这些基本上就是大韩民国所采用的战略。不同国家的幂律曲线之间的高度相关性强烈表明政府遏制措施可以在全球范围内成功应用。这些措施必须是严厉的,并尽快实施。
2020-04-08 math.DS physics.bio-ph physics.soc-ph
Understanding infection progression under strong control measures through universal COVID-19 growth signatures
据报道,COVID-19确诊病例数出现了广泛的增长特征,在三种不同的动态机制(指数、超线性和次线性)之间出现了急剧转变。通过分析和数值分析,开发了一种新的框架,利用这些签名中的信息。众所周知的物理学的方法,其中一个寻找共同的动力学特征,独立于其他因素的差异。这些特征和相关的标度律被用作一种强大的工具,用于精确定位分析推导有效的区域,深入了解疾病进展的定性变化,并推断关键的感染参数。对经验观察到的COVID-19增长模式进行联合分析和数值分析的开发框架可以从根本上理解强有力控制措施下的感染进展,适用于COVID-19和其他传染病的爆发。
2021-03-24 physics.soc-ph q-bio.PE
PECAIQR: A Model for Infectious Disease Applied to the Covid-19 Epidemic
新型冠状病毒肺炎(COVID-19,即2019冠状病毒病)疫情表明,有必要改进现代多元时间序列预测模型。目前对未来每日死亡的预测,特别是医院资源使用的预测,置信区间太宽,令人无法接受。政策制定者和医院需要准确的预测,以便在通过立法和分配资源方面做出明智的决定。我们使用美国县级每日死亡数据和人口统计数据来预测未来的死亡人数。我们将SIR流行病学模型扩展到一个新的模型,我们称之为PECAIQR模型。它增加了几个新的变量和参数,天真的SIR模型,考虑到在美国实施的部分recrutining的后果。我们用数值积分将数据拟合到模型参数。由于参数空间中的拟合退化和参数的非常数性质,我们开发了几种方法来优化我们的拟合,例如在数据尾部进行训练和在特定政策制度上进行训练。我们使用交叉验证来调整县级的超参数,并为未来的每日死亡人数生成CDF。对于截至5月25日的训练数据进行的预测,我们在14天的预测中始终获得了0.096的平均弹球损失分数。最后,我们提出了从我们的模型的效用的可能途径的例子。我们在过去的各个1个月窗口中生成更长的时间范围预测,预测各县需要多少医疗资源,如呼吸机和ICU病床,并评估我们的模型在其他国家的有效性。
2020-06-17 cs.LG physics.soc-ph q-bio.PE
COVID-19: A model for studying the evolution of contamination in Brazil
在本文中,我们介绍了一个流行病学模型的调查所造成的病毒流行病的传播。该模型特别适用于COVID-19,即由SARS-Cov-2病毒(又名“新型冠状病毒”)引起的疾病。SIR(Susceptible-Infectious-Adverted)模型被用来作为研究流行病演化的基础.尽管如此,我们已经修改了一些模型假设,以获得一个估计的污染免费高估的预测。这种扩展的模型,然后应用到最近在巴西的流行病的进展的情况下。在这方面,可以获得与当前数据提供的显著接近的传染病数量的演变。因此,我们评估了疾病传播的未来可能情况。关于人群易感性,我们考虑了不同的社会行为对隔离措施和预防措施的反应,以避免传染。我们的结论是,未来的情况下,流行病在很大程度上取决于社会行为采取的日期,以及对传染病控制措施。这些措施的范围很可能在未来几个月内造成数千、数百万或数千万的污染。
2020-04-08 physics.soc-ph q-bio.PE
Optimized lockdown strategies for curbing the spread of COVID-19: A South African case study
为遏制COVID-19的蔓延,全球多个政府已实施不同程度的严格封锁。封锁级别通常在疾病传播时增加,在疾病消退时减少。预测控制方法用于制定优化的封锁策略,以遏制COVID-19的传播。然后将这些策略应用于南非的数据。南非的案例值得关注,因为南非政府定义了五个不同的封锁级别,作为一个离散的控制输入。先前开发了COVID-19在南非传播的流行病学模型,并与混合模型预测控制器结合使用,以优化不同政策情景下的封锁管理。考虑的情景包括如何将曲线拉平至医疗系统可以应对的水平,如何平衡生活和生计,以及人口遵守封锁措施对COVID-19传播的影响。本文的主要目的是显示最佳的锁定水平应给予的政策,是在地方,由闭环反馈控制器。
2020-11-13 physics.soc-ph q-bio.PE
Bi-stability of SUDR+K model of epidemics and test kits applied to COVID-19
受世界各国政府对COVID-19的各种反应的启发,我们在这里开发了一个依赖疾病检测的流行病传播的玩具模型。我们的模型,我们称之为SUDR+K,基于通常的SIR模型,但它将感染个体的总比例分为两个部分:未检测到的部分和通过测试检测到的部分。此外,我们假设可用的测试从流行病开始以恒定的速度增加,但被消耗以检测感染的个体。引人注目的是,我们发现一个双稳态行为之间的阶段与一个巨大的分数感染和一个阶段与一个非常小的分数。我们表明,这两种制度之间的分离是由测试的速度和感染传播的速度在给定的时间之间的匹配。我们还表明,两个阶段的存在并不依赖于数学选择的形式的术语描述率未被发现的个人进行测试和检测。现有的研究表明,在流行病进入大规模流行阶段之前,积极的早期检测活动有可能使流行病得到控制,即使检测率发生很小的变化,也可能使整个流行病的规模增加或减少不同数量级。为了将现实模型真正应用于正在进行的流行病,我们很乐意与现场流行病学家合作,以开发测试过程的定量模型。
2020-04-24 cond-mat.stat-mech nlin.AO physics.soc-ph
COVIDHunter: An Accurate, Flexible, and Environment-Aware Open-Source COVID-19 Outbreak Simulation Model
ETH Zurich(苏黎世联邦理工学院)
背景资料:及早发现和隔离COVID-19患者对于成功实施缓解策略并最终遏制疾病传播至关重要。由于每个国家每天进行的COVID-19检测数量有限,模拟COVID-19传播以及每种缓解策略的潜在影响目前仍然是管理医疗系统和指导政策制定者的最有效方法之一。研究方法:我们引入COVIDHunter,这是一个灵活而准确的COVID-19疫情模拟模型,可评估适用于某个地区的当前缓解措施,并就即将实施的缓解措施的强度提供建议。COVIDHunter的关键思想是通过模拟受感染者造成的新感染的平均数量来量化COVID-19在地理区域的传播,同时考虑外部因素的影响,例如环境条件(例如,气候、温度、湿度)和缓解措施。结果如下:COVIDHunter以瑞士为例,估计如果政策制定者将缓解措施放宽50%,持续30天,那么医院床位的每日容量需求和每日死亡人数平均将成倍增加5.1倍,这些人可能会在一段时间内占用ICU床位和呼吸机。与现有模型不同,COVIDHunter模型可以准确监测和预测每日因COVID-19导致的病例、住院和死亡人数。我们的模型是灵活的配置和简单的修改,在不同的环境条件和缓解措施下模拟不同的场景。可用性:我们在https://github.com/CMU- SAFARI/COVIDHunter上发布了COVIDHunter实现的源代码,并展示了如何为任何场景灵活配置我们的模型,并轻松地将其扩展…
2022-06-08 cs.LG cs.SI q-bio.PE
The impact of undetected cases on tracking epidemics: the case of COVID-19
用于跟踪传染病演变的关键指标之一是繁殖数。这一数量通常是使用已确认的病例数计算的,但忽略了可能有更多的人被感染(例如,渐近)。我们提出了一个统计程序,以量化的影响,未检测到的传染病病例的有效繁殖数的确定。我们的方法是随机的,数据驱动的,不依赖于任何分隔模型。它被应用于8个不同国家和所有意大利地区的COVID-19病例,表明未被发现的病例的影响导致有效繁殖数量的估计值比仅报告病例获得的估计值大2到10倍。我们的研究结果敦促谨慎决定何时以及如何根据繁殖数量的值放松遏制措施。
2020-05-13 q-bio.PE q-bio.QM stat.AP