loonta 图文档案

历史文章静态保全 · 纯阅读,无注册、登录与评论

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

2020-02-20

流感-肺炎 / 高峰拐点趋势

【科学预测】各地疫情结束时间表!

原创 戴庆祝 aliren区块链联盟 2020-02-18

2月10日,我们率先通过大数据建模,对疫情做了详细和全面的测算,并预测了部分地区疫情结束的时间。文章发出后两天,钟南山院士对疫情结束时间也做了与我们相似的预测。由于受到了大量的关注和普遍的欢迎,随着时间的推移和数据的更新,我们决定进一步更新预测结果,希望给到大家更加准确的时间表。


数据告诉我们传染性有多强

这次的疫情让我们领教了一个病毒的传染性能达到什么程度。我们一次又一次地低估了这种新型冠状病毒的传染能力。先是认为不传人,后来承认有限人传人,再后来钟南山院士一锤定音,确实人传人。这还没完,我们先是以为口腔、鼻孔会传染,后来发现眼睛也可以传染,然后又发现溶胶也可以传染,也就是空气也可能传染,即便天天躲在家里足不出户,也未必安全。

 

那么,究竟这次的病毒传染性有多厉害?在传染学上有一个极为重要的指标,专门用来衡量一个病毒的传染性强弱,这个指标就是R0(ReproductionNumber),即病毒再生繁殖数。

 

是指平均一个感染者会再传染几个人。例如一位感染者,在社会上流动了7天,这7天当中他密切接触了30个人,并将其中的3个人感染了,那么这个病毒的R0=3。

 

不同的病毒,R0值越高,说明病毒传染能力越强,疫情越严重,控制难度越大。

 

当病毒的R0>1的时候,意味着一个感染者会传染超过一个人,病毒呈扩散态势;

当病毒的R0=1的时候,意味着一个感染者会传染一个人,病毒将持续传播;

当病毒的R0<1的时候,意味着一个感染者会传染少于一个人,疫情将逐渐消退;

 

此外,同一种病毒的R0也不是一成不变。因为,在传染疫情爆发初期,由于确诊人数少,不论是政府还是医院,往往都不会立刻引起重视,在这个阶段不会有管控措施,病毒更容易传播,这个阶段R0就会较高,这个阶段就是病毒的爆发扩散期。

 

当确诊人数到了一定的数量,会引起医疗机构、政府等部门的重视,于是出台各种管控措施,例如此次疫情爆发后在全国采取的大面积交通隔断、社区封闭措施。有效的防护隔离措施一旦落实,病毒的传染机会将大幅减少,病毒的R0值也会随之下降。当R0值降低到1以下的时候,疫情就处于被控制的状态,新增感染人数和新增确诊人数会越来越少,直至最后R0为0,疫情得到彻底控制。

 

2003年,SARS肆虐,其强大的传染性和较高的死亡率让人闻之色变。据专家测算,在无防疫措施的自然传播状态下,SARS的R0=2.6,即平均一个感染者会制造2.6个新的感染者,10个人感染后会再制造26个感染者。正是因为这种指数级的裂变能力,让SARS在三四个月的时间内从1个感染者,最后扩散成了8000多个感染者,人数规模翻了8000多倍。

 

为了计算此次新型冠状病毒的R0,我搜集了全国各地许多数据,去伪存真,反复计算,最终测定此次新型冠状病毒的R0的范围应为3.7~4.3。

 

假设我们取范围的中间值,那么该病毒的R0=4,也就是平均一个感染者会制造4个新的感染者,其裂变速度远远超过SARS。在传染病学中,这么高的R0也是十分罕见的。

 

此次疫情爆发后,全国各地采取的防疫措施远比SARS时期严格,从这个角度也可以从侧面验证此次疫情的传染性更强,

 

即便这样,随着严格的防疫措施在全国各地被贯彻执行,此次新型冠状病毒的R0值已经大幅降低,除武汉外,全国各地疫情都得到了不同程度的控制。


 

各地防疫效果如何

本文对全国及部分代表性省市的数据进行分析,评价各地区防疫效果优劣,预测各地区疫情结束时间。这些地区包括:武汉市、湖北省(除武汉)、全国(除湖北)、上海市、浙江省、江苏省、安徽省、四川省、重庆市。本文未涉及的省市,我们将陆续补上,便于大家掌握自己所在省市的防疫效果和疫情结束时间表。

 

武汉市:R0终于降到1以下

武汉市每日新增确诊人数呈胶着状态,一直处于高位震荡。虽然封城了,虽然大家都做了很多防疫措施,但武汉之前最大的问题是许多感染者未能及时收治。随着新的领导班子到位,采取不漏一户,不漏一人的政策,武汉的防疫形势已经出现可喜的变化。武汉每日新增确诊人数,已经迎来了拐点,武汉的R0终于从2月10日时的2.3降到1以下,2月17日武汉R0=0.83。 

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

湖北(除武汉):新增确诊连续下降

湖北(除武汉)的严重程度仅次于武汉,甚至部分城市情况比武汉更为严重。但是随着国家出台政策,16省对口支援湖北各市,湖北除了武汉以外的城市,新增确诊人数实现了快速下降。2月17日湖北(除武汉)的R0=0.35,较一周前大幅下降。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

上海市:R0有所反弹

在2月10号的时候,上海的数据表现全国最好,当时上海的R0=0.46,然而一周后,全国几乎所有地方的R0都显著下降,唯独上海的R0不降反升。2月17日上海市的R0=0.57,返程大军、复工潮,已经让上海的疫情出现了少许的反弹,继续严防死守,才能守住胜利果实。 

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

浙江省:表现突出

2月10日统计的时候,浙江省的R0=0.52,在全国表现突出,仅仅略高于上海市。到2月17日,浙江省的R0又有了大幅下降,R0=0.18,这是一个极低的值。不过取得这样的成绩,同严格的复工限制有一定的关系。复工潮即将来临,届时恐会略有反弹。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

江苏省:显著改善

江苏省的R0从2月10日时的0.82,已经下降为2月17日的0.54。江苏各地政府加强防疫力度的效果显现。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 


安徽省:迅速扭转局势

2月10日,安徽省的R0=0.98,接近于1,这意味着当时疫情处于未被控制的状态,还在继续蔓延。到了2月17日,得益于安徽各地,尤其是蚌埠市等地采取封闭小区等强力管控措施,安徽省的R0=0.24,出现大幅下降。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

江西省:基本得到控制

江西省每日新增快速下降,在2月17日,江西省的R0=0.27。可以看出,只要是坚持严防死守的省份,如果不是劳动力输入地区,普遍疫情控制效果很好,R0值多在0.4以下。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

湖南省:表现突出

湖南省近期疫情控制效果非常好,新增确诊人数迅速下降,在2月17日,湖南省的R0=0.18。希望突出的表现能够保持下去。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

四川省:基本可控

2月10日,四川省的R0=0.81,到了2月17日,四川省的R0下降为0.53,疫情进一步得到控制,不过作为人口输出大省,这个R0相对仍然偏高。 

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

重庆市:基本可控

2月17日,重庆市的R0=0.45,每日新增持续下降,疫情基本可控。不过,重庆作为大量人口的返程目的地,复工潮期间疫情可能会出现一些反弹,不能掉以轻心。 

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

全国(除湖北):基本得到控制

除湖北省以外,就全国其他地方总体而言,目前疫情防控效果进一步提升,2月10日,全国(除湖北)R0=0.69,到了2月17日,全国(除湖北)R0=0.36。从数据表现来看,经过一周的时间,全国(除湖北)的疫情得到了很好的控制,新增确诊迅速下降,可以说疫情已经基本得到控制。 

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

   

 

 

各地疫情结束时间表

根据各地公布的数据,我们使用数据建模的方法,对每个地区疫情结束的时间表做出预测。随着过去的一周内,各地政府普遍加大防疫力度,此次疫情结束时间的预测结果普遍较上次提前。不过,当前的预测,最大的挑战是复工潮当中的反弹是否能得到有效控制。这取决于政府的管控力度,上班一族的自我防护做得如何。

 

此次的预测模型,尽可能考虑了多种因素,力图做到理论与实践相结合、数学模型与防疫政策相结合。

 

武汉市:预计疫情4月结束

随着新的领导班子到岗,武汉市明显加大了感染人员的收治力度,其效果也反映到了近一周的数据上。新增确诊人数已经连续出现了下降。武汉市的R0也历史性的降到了1以下。按照目前的趋势,武汉的疫情预计4月份可以基本结束。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

湖北(除武汉):预计疫情3月20日结束

    由于16省对口支援,湖北(除武汉)新增确诊人数迅速下降,湖北(除武汉)的疫情预计3月中旬基本结束。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

上海市:预计疫情3月5日结束

    上海的每日新增确诊人数已经连续多日个位数,不过大量人员返程和复工,让上海的R0有所回升。不过根据数据测算,上海市的疫情预计在3月5日就会基本结束。 

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

浙江省:预计疫情2月29日结束

    浙江省每日新增已经连续输入低于5,根据模型预测,浙江省的疫情将在2月29日基本结束。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

江苏省:预计疫情3月5日结束

    根据测算,江苏省的疫情预计3月5日左右基本结束。   

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

安徽省:预计疫情2月29日结束

安徽省是过去一周当中进步最大的省份之一,R0从2月10日的0.98降为2月17日的0.24。如果能保持现在的状态,加上基本不存在跨省的返程大军,预计安徽省的疫情将率先在2月29日左右基本结束。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

江西省:预计疫情2月29日结束

    由于良好的数据表现,加上不存在大规模的跨省返程,预测江西省将同浙江省和安徽省一起,率先在2月29日左右基本结束疫情。 

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

湖南省:预计疫情2月29日结束

湖南省本周数据表现出色,按照模型预测,加上湖南省也是人口净输出省份,预计湖南省的疫情将在2月29号率先结束。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

四川省:预计疫情3月5日结束

    四川省的数据表现不如浙江湖南安徽等省份,根据模型测算,四川省的疫情将在3月5日左右基本结束,这个时间同江苏省差不多。 

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

重庆市:预计疫情3月5日结束

重庆市的数据表现略好于四川省,2月17日测算的R0为0.45。不过,重庆将迎来较大规模的返程大军,因此测算重庆市的疫情结束时间同四川省相近,也是3月5日左右。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

全国(除湖北):预计疫情3月10日结束

除湖北省以外,全国其他地区总体疫情控制情况良好,根据模型测算,全国(除湖北)的疫情将在3月10日基本结束。 

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

 

各地复工建议

截止到2月17日,我们计算出这些地区的R0及每日新增确诊人数。并通过构建模型预测各地区疫情基本结束的时间表。根据时间表,我们给出复工时间建议,如下表所示:

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

 

 

疫情反弹的风险

虽然,过去一周,全国各地区的R0普遍显著下降,上海市仍然成为为数不多的R0上升的地区。这主要是因为大量的人员返程,以及上海在全国较早复工。其他地区也将陆续面临同样的问题,因此一方面目前全国防疫形势已经大为好转,另一方面潜在风险也值得警惕,风险包括:

 

聚集办公

复工后,人员聚集办公,部分地区存在疫情反弹的风险。

 

大规模返程

大规模人员返程会导致全国感染人员大规模迁徙和重新分配,对于经济发达的人口输入省份,会形成大的挑战。

 

国外疫情扩散

因为新型冠状病毒超强的传染能力,国外很多地区已经确诊不少病例,这些国家和地区能否有效管控是一个很大的问题。如果不能,此次疫情或许会在国外某些地区大规模爆发,那样会形成反向传播,感染人员输入中国。


    按照模型的测算,预计全国各地的疫情将从2月底开始陆续结束,到3月中旬,除了湖北和武汉,全国其他地区的疫情都将基本结束。

在本文中,我们预测了长江流域各省份的疫情结束时间表,接下来我们将预测其他地区,希望我们的工作能给大家带来些许的帮助。

数据来源:本文数据均来自于官方公布,由戴思颖搜集整理。

来源:https://mp.weixin.qq.com/s?__biz=MzU4NTczOTA5OA==&mid=2247484164&idx=1&sn=a54cfd028442c5d3b6a30713a4aa7c29&chksm=fd84bd31caf334271a06b3455e9cb820b471a840cc89a1a1711933550751ed6ee74e3d9939fe&mpshare=1&scene=23&srcid=&sharer_sharetime=1582068577663&sharer_shareid=a6e00c1fe0ffd3b0904ff6342e2ed238#rd

====================

大数据能预测疫情何时结束吗?来看看专家的回应

2020-02-20 13:01 环球时报 

标签:NCP_社会  身份证 陈希  大数据  AI

【环球时报记者赵觉珵】编者按:19日,《工业和信息化部办公厅关于运用新一代信息技术支撑服务疫情防控和复工复产工作的通知》发布,支持运用互联网、大数据、云计算、人工智能等新技术服务疫情监测分析、病毒溯源、患者追踪、人员流动和社区管理,对疫情开展科学精准防控。

新冠肺炎疫情防控期间,大数据不仅助力政府在公共卫生管理领域科学决策、资源优化配置,也能让公众及时了解疫情发展情况,积极科学防疫。那以大数据为代表的新技术,能预测抗疫之战的时间表吗?

15连降折射哪些信号

国家卫生健康委新闻发言人、宣传司副司长米锋19日表示,除湖北以外,全国新增确诊病例总数已连续15天下降,新增死亡病例数一直保持在较低水平。

2月18日,湖北除武汉以外地区新增治愈出院病例已连续4天大于新增确诊病例;同时2月13日至今新增确诊病例数呈显著下降,累计确诊病例数增幅趋于平缓。

那专家是如何看待这些数据的呢?耶鲁大学全球健康政策与经济学助理教授、美国中国卫生政策与管理学会会长陈希19日对《环球时报》记者表示,目前湖北以外的情况比较乐观,但还不能掉以轻心。有分析认为,目前还存在一个隐形的上升点,仍然需要根据复工进度再观察几日。

陈希表示,不过讨论湖北、尤其是武汉拐点仍然有些早。第一,钟南山院士18日坦承武汉人传人的现象还未彻底根除,严格封闭小区的策略刚刚得以最严格的实施,还需要观察数日;第二,目前虽然湖北和武汉每日新增确诊和疑似病例都在下降,但新增占用的医疗设施和资源仍然大于治愈患者后新释放出的医疗设施和资源,也就是说医疗资源的紧张仍然在加剧,医务人员还在打攻坚战。

陈希分析称,其他几个数据也需要重视。第一,19日累计确诊病例数环比增长大约还在2.4%左右,这一数字需要降得更低,最好趋近于0。

第二,目前从绝对数量上看,每日新增疑似量还较多,需要再连续下降方才可以判断是转折点的信号。

第三,疑似病例在累计确诊病例的比例,如果能从目前下降到5%以下,才可以认为疫情比较稳定了。

大数据在抗疫中发挥哪些作用

近来,全国手机用户陆续收到来自国内三大运营商中国电信、中国移动和中国联通发来的短信,提示可以免费提供本人到访地短信查询服务。据工业与信息化部介绍,目前我国手机用户均可通过以上短信方式查询本人前14天内到过的、停留4小时以上的到访地,可查询到具体地市。

这一功能虽然看似简单,背后却隐藏着一个覆盖数亿人群的大数据网络。据工信部信息通信管理局局长韩夏介绍,工信部已组织行业专家开展大数据咨询,紧急建立疫情电信大数据分析模型,组织基础电信企业大数据统计全国特别是武汉和湖北等地区的人员流动情况,助力各地联防联控部门精准施策。

“现有的公众通信网每日产生的电信数据约数千亿条,在人员流动性高的情况下,数据量会更大。”中国信息通信研究院院长刘多在日前工信部举行的发布会上表示,通过电信大数据,可以统计分析人员动态流动情况,分析预测确诊、疑似患者及密切接触人员等重点人群的动态流动情况,为疫情防控提供精细化数据支持。

工信部透露,疫情发生以来,工信部连续向有关部门和地方推送流动人员态势分析等。利用这些数据,地方联防联控机制相关部门比对当地旅游、出行等数据,可以摸排出重点人员,为基层防控筛查提供精细化数据支持。

据韩夏介绍,对全国用户流动情况进行的分析可对疫情防控起到支撑作用,比如有助于对人员返程、企业复工复产、地区物资资源等进行分析和判断。随着节后返程高峰,工信部还启动了对重点城市的人员流动分析,为诸多大城市的疫情防控工作提供参考。

此前,国家卫生健康委高级别专家组成员李兰娟院士在接受媒体采访时曾提到,专家正利用大数据技术梳理感染者的生活轨迹,追踪人群接触史,锁定感染源及密切接触人群,为疫情防控提供宝贵信息。

在疫情防控中,来自大数据的分析也成为市民及时了解信息的重要渠道。2月8日,国务院办公厅电子政务办公室、国家卫生健康委员会与中国电子科技集团有限公司共同推出了“密切接触者测量仪”(公众版)。在国家卫生健康委员会、交通运输部、铁路总公司和民航局等多家部委的数据资源支持下,市民在该平台输入姓名和身份证号码,就能知道自己是不是密切接触者。

在浙江,该省正在省内全面推行“健康码”。通过支付宝平台,浙江居民就可以申报个人健康信息,后台大数据会对申报人在一段时间内,是否到过疫情严重地区等风险进行多方面分析审核,并自动生成个人专属的二维码。如果是绿色二维码,则可以在各个场合凭借此码顺利通行,但如果红色或黄色二维码,则证明存在风险,需要集中或居家隔离。

大数据的应用往往是和人工智能、云计算等其他科技结合,才能在防控疫情中发挥最大作用。据阿里巴巴方面近日透露,其旗下的达摩院联合阿里云针对新冠肺炎临床诊断研发了一套全新AI诊断技术,这一技术正是基于大量的患者CT影像大数据而开发的。

疫情感染人数正在攀升,围绕新型冠状病毒感染的病原学、流行病学、发病机制、疾病防治等研究迫在眉睫,正在与时间竞速赛跑,需要强大的计算力作为科技支撑。据《环球时报》记者了解,中科曙光等中国超算企业共同向相关科研机构免费提供超100PFlops算力的强大计算资源,助力新型冠状病毒肺炎防治的科研攻坚。同时,曙光还将为疫情数据的实时监测和态势分析提供数据平台与技术支撑。此外,依托中科院北京基因组研究所建设的国家基因组科学数据中心,1月22日即发布了2019新型冠状病毒资源库,助力科研人员利用这一资源库,开展新型冠状病毒基因组变异分析,该数据中心计算资源由中科曙光提供。

能否预测疫情走势

除了在日常防控疫情方面起到的作用,公众对于何时出现拐点,疫情何时能过去,普通人的生活何时能恢复正常等问题的答案充满期待。大数据能在预测疫情走势方面发挥什么样的作用呢?

根据目前公开报道,备受关注的大数据分析预测系统主要是由中科院计算所团队和清华AI团队研发的。中国科学院计算技术研究所大数据研究院院长王元卓不久前撰文介绍,大数据的两个主要作用就是感知现在和预测未来。他们通过“中科天玑”疫情数据分析系列系统,融合所采集的开源网络数据,通过智能模型的学习,来预测疫情走势。

根据国家公布的疫

情数据,清华AI团队构建了动力学模型来预测全国新冠肺炎疫情的扩散情况及其高峰期。

一位不具名的互联网专家19日接受《环球时报》记者采访时表示,相比17年前的非典,互联网尤其是大数据的作用,在本次战疫的过程中尤为明显,但大数据收集、应用需注意保护个人隐私。早在本月9日,中央网信办公开发布《关于做好个人信息保护利用大数据支撑联防联控工作的通知》,明确为疫情防控、疾病防治收集的个人信息,不得用于其他用途。任何单位和个人未经被收集者同意,不得公开姓名、年龄、身份证号码等个人信息。

上述专家提醒称,由于此次疫情,不少部门和机构收集了大量数据用于分析使用,但配套的安全防护并不一定完善,应该严格防止因受黑客攻击而出现信息泄露。同时,管理部门在数据使用过程中也要避免数据泄露。

==============

面向新冠疫情的数据可视化分析与模拟预测

导言 

2019年在武汉爆发的新型冠状病毒肺炎(国家卫健委简称NCP)传播迅猛,已被世界卫生组织(WHO)定为“国际关注的突发公共卫生事件”。对疫情的控制,自1月24日武汉宣布封城之后,各个省市也陆续通过启动重大突发公共卫生事件一级响应来控制人口流动;同时,各省市医疗队伍驰援武汉,武汉的防控措施也急速加强;但全国疫情,特别是湖北省的状况依然让人揪心。公众非常关心疫情的发展趋势,期待“拐点”的出现;疫情防控部门希望不断总结经验教训,评估现有措施的有效性。该疫情的发展成为了涉及到我国政治经济民生的一件大事。

此次病毒的传播到底如何从武汉向外传播?不同省市疫情的发展呈现怎样的差别?封城、社区化隔离等一系列措施对减缓疾病传播起到了多大的作用;更为重要的是,拐点何时出现?

我们的报告首先从已有数据的可视化来展示疫情传播特点,然后通过建立传染病动力学模型,评估疫情防控措施,提出建议并预警,同时预测疫情疾病走势,给疫情防控决策和大众行为作为参考。

1. 疫情传播可视化总览

通过热度图的方式,我们使用国家及各省市地区卫健委公布的地级市每日确诊数据[1],在图1.1中重现了NCP疫情的传播。容易发现,疫情的传播主要以武汉为中心向周围扩散,通过人口流动将病情传播至中心城市,北京、上海、广州等地,成为二级传播中心。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图1.1. 各省市疫情传播热度图( 1月21日至2月9日)我们对全国、湖北及湖北以外的省市的新增感染人数可视化,容易发现,湖北以外各省,在1月31日前新增仍在不断增长,然后增速放缓,从2月4日开始有下降的趋势。而湖北省的新增人数仍没有明显的下降趋势,加上检测的瓶颈,报告的数据可能和实际的情况相比存在较大的噪声,疫情防控形势依然严峻。即使是湖北之外的其它省市,情况也各不相同,有些省市的情况亦不容小视,后面会展开分析。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图1.2. 湖北及湖北以外省市新增确诊人数的变化(1月24日至2月9日)

2. 疫情传播特点分析

人口流动与疫情的不同阶段

人口流动是疫情发展第一阶段输入型传染的主要因素,为了具体描述其影响,我们使用百度迁移所提供的人口流动数据[2],通过可视化春运期间从武汉流向全国各省市的人口规模(不包含港澳台数据)和全国感染病毒人数的分布,直观地观察两者间的联系。

疫情由湖北武汉华南海鲜市场开始传播,逐渐蔓延至全国。中国大陆各省份的颜色,反映了该省的确诊人数及来自武汉市的输入人流量。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图2.1. (左) 由武汉市流向各省市的输入人流量,(中) 1月31日各省市确诊感染总人数,(右) 2月9日各省市确诊感染总人数通过对比图2.1(左)和图2.1(中),我们可以看到,在疫情初期,各省市感染总人数与春运期间由武汉市的输入人流量呈现强相关性;需要指出的是,武汉1月24日封城,考虑平均潜伏期7天,1月31日湖北外省市的确诊人群应该基本为输入型感染。但随着时间的推移,确诊人数分布图则发生了一定的变化(2.1(右))。我们推断,武汉封城之后,二次传染所造成的病毒传播越来越占主导地位,和各省市的人口密度,以及管控措施等密切相关。

各省市传播差异

为了更具体分析各省市之间的疫情传播差异,首先,我们针对湖北以外的省市,以从武汉输入人流规模为基准,与当地截止到2月9日的确诊人数进行对比。见图2.2:

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图2.2. 湖北以外省市的武汉人口流入规模(相对值)与其确诊感染人数从图2.2可以发现,各省市的武汉输入人流量规模与其确诊人数之间存在正相关,如图2.1(中)一样,验证了人口流动是疫情初期传播的主要原因之一。然而,有些异常值出现,代表了疫情传播比较特殊的几个省份。

为了更好地观察这些差异,我们对确诊人数做数据归一化,将每个省市确诊总人数分别除以武汉输入人数规模和该省市总人口,得到两个曲线,见图2.3:

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图2.3.截止2月9日,各省市确诊人数分别除以武汉输入人数规模以及该省市总人口数对于单人感染率较高的省市(图2.3 蓝色曲线),如浙江省、北京市、上海市、广东省,虽然确诊人数不是最多,但是发病率却相对较高,原因是这些省市都属于商务旅游集中、人流密集、流动性大的城市,因此造成传染性高于其他地区。有些省份公布了二次传播人数,黑龙江省的二次传染比例最高,有报道表示,至2月6日,黑龙江发生48起聚集性疫情传播,共导致发病193例。

二次传播在疫情传播第二阶段中占主导地位,对于目前聚集性传播的高发地区,采用更严格的隔离措施避免疫情的爆发型增长,是行之有效的方法。但后续疫情传播的走向具体如何,哪些因素更为关键,我们接下来采用传染病传播模型来做数字模拟和分析。

3. 疫情传播模拟

基础的SEIR模型

1月31日,国际知名医学期刊《柳叶刀》发表了中国香港科学家的工作[3]。在该文中,作者采用了传染病动力学中经典的SEIR模型来进行模拟。该模型将人群分为易感人群(Susceptible)、已被感染但无症状处于潜伏期的人群(Exposed)、已表现出症状但未被隔离的患病人群(Infectious)、康复人群(Recovered)四类(模型把死亡人数也归到R中)。并假设他们之间按一定概率转移。其状态转移图如下:

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图3.1.SEIR传染病动力模型该模型所涉及的参数主要为:可再生数R0、平均潜伏期时间DE和平均收治时间DI。其中,后两种参数均可直接从官方发布中获得,而R0,即一名被感染者平均每天传染到的人数,其值较难估计。文章使用了2019年12月31日至2020年1月28日的感染人数数据,并根据境外(除香港)受感染人数及国际航班从武汉出境人数反推得R0为2.68,采用如上模型推算出截止1月25日,武汉地区受感染人数约为75815人,预测疫情的拐点将在五月到来,并得出封城手段的采取对加快疫情缓解的作用不显著的判断。我们的观察是,该项工作的模型与参数选取存在不合理性,主要是:

  1. 境外确诊数据样本量较小,且使用飞机这一交通工具的人群在总人口中并非均匀分布,据此假设

    泊松过程

    来估计R0偏差较大;

  2. 考虑到政府防控措施的实施与升级,R0的取值不应设为定值。尽管论文中假设戴口罩可以使R0减半并进行了一定的讨论,但这样的设置依然较为粗糙。

  3. 封城作为非常严厉的防控手段执行得非常彻底,必须在

    参数

    设置中有效的反映。

  4. 社区隔离措施作为后来使用的控疫手段也必须考虑。

最后一点(社区隔离)在现有的SEIR模型中无法模拟,为此,我们引入C-SEIR模型。

C-SEIR模型及模拟分析

C-SEIR模型[4]相比于SEIR模型主要有以下两点改进:

  1. 考虑政府的隔离措施,将人群进一步划分出隔离患者和未隔离患者,隔离患者不具备传播能力;

  2. 考虑政府措施的加强和群众防护意识上升,病毒的基本可再生系数(R0)应该随时间变化而不是一个固定值,因此通过真实数据拟合出病毒的传染率曲线代替R0。

针对第一点,C-SEIR在SEIR的四类人群基础上增加了两类新的人群:被隔离疑似感染人群(P),已确诊并被隔离的患病人群(Q)。注意在P类中的人包括新冠状病毒的患者,也包括了症状相似但未感染新型肺炎的人群,可以假设这一部分人群不具备向外传染病毒的能力,即病毒的传染能力只与I和E有关。同时,在考虑湖北省之外的省市时还需要考虑来自武汉的人群输入。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图3.2. C-SEIR传染病动力模型对于第二点,首先定义病毒的传染率函数β(t)为每日新增的被传染人数ΔE除以未被收治的患病人数I,考虑到新冠病毒在潜伏期可能也有一定的传染能力,可以写成公式为:

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)

其中k取0.1,表示潜伏期传染能力是表现症状时的0.1倍。为了确定β(t)的具体形式,我们首先使用卫健委公布的每日确诊人数以及估算的潜伏期时长反推每日的潜伏期人数和感染人数来计算β(t)的估计值,再选取函数对数据进行拟合。

为了估计β(t),需要计算每天的感染人数E和发病人数I。由于只能获得新增确诊人数的数据,所以需要以此为基础,对E和I进行估计。我们按照论文[4]中的方法,假定病毒的传代期和收治期和SARS相近,分别为9天和3天,也就是说,可以大致认为,第t天感染的人会在第t+6天发病,第t+9天被收治。由此即可估计:t ~ t+9期间的总收治人数等于第t天的总感染人数,t ~ t+3期间的总收治人数等于第t天的总发病人数,从而计算出β(t)公式中的各项,进而估计出β(t)。

在大部分传染病的传播过程中,传染率β(t)会随时间指数衰减。我们使用指数函数,拟合逐日估计的β(t)散点值。以北京市为例,拟合结果如下:

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图3.3. 北京市的感染率变化拟合曲线可见,指数衰减的假设基本符合实际情况,能较好地描绘传染率的变化。我们将全国各地的曲线画在一张图上,到2月7日24时,累积感染人数超过200的各省份的拟合结果如图所示:大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图3.4. 疫情相对严重的省市的感染率变化曲线 从图中可以看出,各省病毒传染率的下降均非常快,反映了控疫措施的成效。其中,黑龙江与湖北两省的曲线离群,黑龙江的感染率收敛值偏高,而湖北的感染率下降速率偏慢。黑龙江的情况可参考前面的分析;湖北作为疫情源头,其感染率下降速度反映了该地区医疗资源的制约,控疫任务的艰巨性。

C-SEIR模型中的其他参数依赖于病毒的特性,如潜伏期长度、病程、死亡率、治愈率,还依赖于政府措施的实施情况,如隔离人员的数量、发病到确诊所用的时间。我们使用与论文[4]类似的方法进行模型参数的确定,对湖北省确诊人数变化的数据进行拟合,并预测其未来的发展,如图3.5所示。
大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图3.5. C-SEIR模型预测曲线(基于湖北省确诊数据拟合)这里,我们作出了两条不同的预测曲线(蓝色/绿色),其中实线为当天确诊人数,虚线为累计确诊人数。从图中可以看出,尽管两种参数选择在前期都与实际确诊人数(米黄色点)近似曲线吻合,并且拐点时间的预测非常接近,但是最终累计感染人数的预测相差非常大。这反映了一个事实:在发病初期尝试对疫情走向进行预测往往十分不准确,不能因为模型的预测而过分乐观或恐慌。

考虑到各地疫情的新增确诊人数慢慢出现了拐点,我们也以北京市为例对新增确诊人数进行了拟合,如图3.6所示,采用了乐观(绿色)和保守(蓝线)两组参数来预测。首先新增确诊人数波动较大,因为考虑到上报的延迟可能导致新增确诊病例出现聚集,平均来看可以看到新增确诊病例确实有下降趋势。值得注意的是,新增病例出现拐点并不意味着疫情会马上消退,累计确诊依然会保持增长趋势,疫情的真正缓和由新增确诊的长尾来决定。随着生产活动的逐渐恢复,广大民众应该依然保持防护意识,不能掉以轻心。
大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图3.6. C-SEIR模型预测曲线(据北京市新增确诊拟合)同β一样,模型中的其它参数也可能在不停地变化,并且极易受到突发事件的影响。鉴于以上因素,利用该模型预测疫情峰值的具体日期只有参考价值。但是,通过半定量地分析具体参数,依然能够为今后政府的防控和个人行为提供参考。

首先我们考察隔离措施的持续对疫情变化的影响。图3.7对比了当确诊人数达到峰值后,是否立即取消对密切接触者的隔离对疫情的变化的不同效果。从图中可以看出,如果立即取消隔离,会大大降低疫情缓解的速度,甚至出现第二个峰值,因此,保持高压防控不动摇,是接下来疫情防控的重中之重。
大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图3.7. C-SEIR模型预测对比:当疫情达到拐点后是否取消隔离其次,每日新增被感染者中,已经被隔离者所占的比例也具有重要的意义。我们动态地调整该值,如图3.8所示。从该图中我们看出,尽管对疫情峰值时间的影响并不显著,但隔离比例降低会使得累积患病的人数成倍的增长。因此,为了更快控制疫情,我们需要保持积极响应与配合各种有效的隔离措施。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图3.8. C-SEIR模型预测对比:已隔离人员占患病者的不同比例最后,我们试图复盘武汉封城这一控疫措施的有效性。我们利用该模型分析了武汉采取封城措施的时间点对疫情变化的影响,参见图3.9。从中不难看出,在采取隔离等办法的情形下,封城的提前或推迟不会对疫情拐点的到来时刻产生大的影响,但却会造成感染确诊人数的大幅度变化。考虑到现实生活中有限的医疗资源,尽早地实施封城的措施是很有必要的。

大数据分析疫情趋势系列文章:【科学预测】各地疫情结束时间表!(大数据建模R0值指标)图3.9. C-SEIR模型预测对比:在不同时间点实施封城手段的疫情的影响今天的《Science》报道[5]引用了柳叶刀的论文[3],针对武汉封城的有效性提出质疑,所说的原因是武汉封城只将对其它城市的扩散延后2.9天。我们认为这不是正确的推理。首先,从我们的模型预测,封城并不改变峰值的时间,而是感染人数的总量,另外,不封城将造成对全国乃至全球更多的感染人群输出,会更快更强的加大病毒的传播。

4. 总结

我们基于现有公布的数据,借助于传染病动力学模型,得到下列结论:

  1. 武汉的封城举措,对于降低病毒感染人数具有重要的意义;

  2. 自政府采取相关防疫措施以来,全国各省市的病毒传染率均得到了较好的控制;

  3. 对疑似感染者的隔离观察是疫情防控的重要手段;

  4. 即使部分地区疫情似乎出现了拐点,但控疫思维和手段不可松懈,要避免二次高峰。

我们的模型验证了隔离的重要性,但如何有效的隔离是一个需要进一步探讨的问题。严格来讲,隔离只是针对疑似感染人群。所以,如果检测设备足够灵敏便捷,人们的自我检测与隔离的意识足够强,理论上来讲,社会的工作和生活秩序可以基本恢复正常而不会影响疫情的变化。从公共管理来讲,如何进一步提高公共卫生水平,加强基础设施建设;如何针对公共交通和重点公共场所做有效的疏导,都值得相关政府部门提前筹划。

疫情不同于病情,不仅关乎人们的身体健康,更是涉及到政治、经济、文化、教育,以及人们的心理健康与生活质量等各个方面。疫情防控手段与社会各要素之间的平衡关系恐怕需要一个更复杂的计算模型来评测;如何在有效控疫与全社会利益之间找到一个平衡点,是一个更大的课题。

由于篇幅有限,更多的数据和可视化会持续在 链接

引用:

[1] 2019新型冠状病毒(2019-nCoV)疫情状况的时间序列数据仓库 链接

[2] 百度地图慧眼-百度迁移 链接

[3] Joseph T Wu, Kathy Leung, Gabriel M Leung. Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modelling study. The Lancet (online first), January 31, 2020.

[4] Zhang J , Lou J , Ma Z , et al. A compartmental model for the analysis of SARS transmission patterns and outbreak control measures in China. Applied Mathematics and Computation, 2005, 162(2):909-924.

[5] Jon Cohen, Scientists are racing to model the next moves of a coronavirus that's still hard to predict. Science, Feb. 7, 2020