新型冠状病毒的疫情评估与预测报告

是新朋友吗？记得先点蓝字关注我哦～

自2019年12月于湖北省武汉市发现多起病毒性肺炎病例以来，该病毒迅速在武汉、湖北乃至全国、世界范围进行扩散，引起国家高度戒备，采取了一系列措施对疫情进行防控。

目前，新型冠状病毒肺炎疫情依旧严峻，截至1月31日0时，全国确诊病例人数已达9692例，比前一日新增1982例（来源：新浪新闻）。

针对这一疫情，北京航空航天大学计算机学院智慧城市（BIGSCity）课题组和经管学院数据智能（DIG）课题组联合发布《新型冠状病毒的疫情评估与预测报告》。

在线系统访问地址：http://www.ncov-report.com/

该报告使用公开数据进行建模，从基本传染数R0（衡量病毒传播力的一个定量指标）、未来3日确诊人数和疫情缓解指数三个方面展开疫情分析：

1	估算R0，通过R0的变化趋势分析疫情发展趋势；
2	使用SEIR模型预测未来3日确诊人数，并预测疫情发展的拐点和峰值；
3	计算疫情缓解指数，分析疫情较前一个时期的缓解情况。

根据建模结果，报告获得如下主要结论：

主要结论

无论从全国还是地方来看，目前nCov病毒的危险程度还比较高。全国范围的当日R0系数为3.1，近7日平均的R0系数在2.6左右浮动正负0.4，一些主要城市要更高。近期看全国范围R0还处在上升趋势。

长期来看，主要城市疫情较之前有轻度缓解，全国疫情较前一日有较明显缓解，全国疫情拐点预计会在5天以后到达，峰值预计会在48日后到达。

截至2020年1月30日24时，全国疫情建模分析与预测汇总如下：

表1  全国疫情分析预测表

进一步来看详细内容。

注：篇幅有限，仅展示报告中全国评估和预测，各城市部分请见报告原文。

全国疫情评估预测

分别从基本传染数分析、新增确诊数量预测和疫情缓解与趋势分析三个方面展开。

01

基本传染数R0分析

主要结论

无论从全国还是地方来看，目前nCov病毒的危险程度还比较高。全国范围的当日R0系数为3.1，近7日平均的R0系数在2.6左右浮动正负0.4，一些主要城市要更高。

近期看全国范围R0总体上还处在缓慢上升趋势，但也有部分城市的R0开始有下降势头，这表明了我们目前仍然需要继续在全国范围内加强管控，部分地区已出现成效，控制病毒的进一步传播。

R0概况：过去7日全国与主要城市的R0估算见表。

表2  24-30日R0变化表

注：表中的“/”值表示算法中数据不足以在计算中得到R0。

1月30日内地各省份新增病例与主要城市R0情况见图。

图1  30日各省新增病例与R0情况

注：省份颜色表示新增病例数量；城市圆圈大小表示R0情况

R0趋势：过去7日全国R0变化见图，均值为2.6，斜率0.13，整体处于上升趋势。

图2  全国R0值变化趋势图

02

新增确诊数量预测分析

基于过去7天的历史数据得到对未来三日全国总体确诊数据如下所示。

考虑到不断加强的防疫措施，真实确诊数据会预计低于预测数据的最低置信区间。

对1月31日全国各城市的新增确诊病例数预测如下

图3  各城市次日新增确诊数预测（对数坐标系）

03

疫情缓解与趋势分析

主要结论

疫情拐点分析：

模型预计疫情拐点将在5天后到达。

疫情峰值估计：

模型预计疫情峰值预计将在48天后到达。

疫情缓解指数：

模型估计2020年1月30日的疫情的缓解指数为 25.48%，表明模型估计疫情在全国范围内有好转趋势。

图4  全国缓解指数变化图

表3  近5日全国与主要城市缓解指数变化表

注：表中的“/”值表示算法中数据不足以在计算中得到缓解指数。

各主要城市基本传染系数与传染估算的具体内容，请访问系统网址或点击阅读原文查看报告。

数据来源

报告采用的疫情数据来自中华人民共和国国家卫生健康委员会公布的确诊2019-nCov病例数据，时间范围从2020年1月15日0时到2020年1月30日24时。本报告使用的城市初易感人群数据来自2017《中国城市统计年鉴》中的“全市年末户籍人口信息”。报告数据来源全部为公开数据，其目的是为疫情防控和分析提供参考。

模型方法

 再生系数计算

基于最大似然概率，利用实时的监测数据来对R0进行估计。

报告中作出假设：每一个感染个体的继发感染人数是遵循期望值为R0的泊松分布。

假设N0是最初感染人数，这些人中的每一个都是根据均值为R0的泊松分布来生成其他病例，Nt为在每一个间隔间产生的新感染人数，Ni表示第i天总的新增感染数，Xii表示第j天由Ni产生的新增病例。

通过对Xii求和得到泊松分布：

其中，

最终得到目标函数为：

其中，

 传播过程建模与预测

SEIR是流行病学研究中广泛使用的传染病传播模型，报告中使用该模型对新冠病毒的传播进行建模。

SEIR模型由Susceptible（易感）、Exposed（暴露）、Infected（感染）和Removed（出院）四部分人群组成。在每日模型迭代中，各部分更新关系如下：

β: 有效接触率

k: 暴露到感染发生率

γ: 康复率

对于待研究城市，通过最小二乘法拟合累计确诊人数曲线，可得到模型参数。完成参数估计，可使用模型对未来3天的确诊人数进行预测，并通过对预测值进行泊松分布采样获得预测确诊人数值得95%置信区间。

免责声明

报告中的分析和预测结果基于2020年1月30日24时前的相关数据，仅代表根据该日期前的疫情控制情况，预测结果仅供参考。考虑到防控措施的不断加强，模型的预测结果可能会高估真实疫情。

本报告基于公开疫情数据，通过公开论文中的传染病模型得到。报告结论仅作为研究参考，非官方结论。发布者不对报告结果和结论的准确性负责。

报告作者：BIGCity课题组，DIG课题组

编辑：北北

END

课题组负责人

王静远    智慧城市（BIGSCity）课题组 北京航空航天大学 计算机学院   副教授 个人主页

吴俊杰    数据智能（DIG）课题组 北京航空航天大学 经济管理学院   副院长，教授 个人主页

 欢迎您的关注！