引 言即世界卫生组织总干事谭德塞在31日新闻发布会上的发言整理：
在过去的几周中，我们目睹了一种未知病原体的出现，它随即恶化为史无前例的疫情暴发，同时也得到了史无前例的应对。
正如我从北京返回后反复说的：我们应该对中国政府表示赞扬，因为中国政府为遏制疫情采取了超常规的有力措施，虽然会有一些经济损失和负面的社会影响。
如果不是因为中国政府的努力，如果没有他们保护本国人民及全世界人民的进展，我们现在会在中国境外看到更多的病例——甚至死亡。
中国发现疫情、分离病毒、测序基因组并与WHO和全世界共享的速度，令人印象深刻，言不尽意。
中国对疫情公开透明和支持其他国家所做的承诺，也是如此。
实际上，中国在很多方面为应对疫情提供了新的标准。这不是夸张。
我还要向成千上万勇敢的医护人员和所有一线工作者表达深切的敬意和感谢，正值春节，他们24小时*7天不间断地治疗疾病、挽救生命，让暴发的疫情可控。
摘 要：
“13精”对具有潜伏期的传染病理论框架（Susceptible-Exposed but not Infectious-infectious-Removed，SEIR）进行离散化建模，采用近期新增确诊病例数据，基于数据拟合进行参数校准，以期为大家展示传染病传播的一般规律。
模拟结果显示，疫情大概率将会在2月2日-7日期间见峰，也就是大家所说的拐点。我们的研究部分支持了张伯礼院士、CDC高福院士和CDC曾光首科在接受采访时所表达的观点。上海医疗救治专家组组长张文宏认为新型肺炎防控前景可能性有三种，本文倾向于第一种。
另外，老百姓们在今年这个春节的普遍的以家庭为单位的“自我隔离”无疑将极大地抑制疫情的发展速度。
从累积确诊病例发展状况来看，相比基本情景，R0下降到R01的时间延长1日可能会使得病例人数增加18%，缩短1日则可能使得病例人数下降16%。这提醒我们一定要多居家，少出门。我们的研究支持了各地陆续出台的延长假期政策。
需要指出的是，疫情感染人数模拟是非常复杂的工作，有很多假设，比如假设所有人都是易感体，假设潜伏期均为10天，假设基本再生数均为固定值等等，这些假设如果与实际不符或者相差很大都会影响模型的结果。
闻玉梅院士在上海1月30日举行的新闻发布会上表示：“最多还有20天到一个月，我们会看到一个拐点”。本文估计的拐点可能要比这更早一些，这应该是与我们的假设有关。
如果我们发现现实与假设差距较大，进而影响到结果时，我们将根据实时数据调整我们的模型，并及时向大家作报告。
正文：
今年伊始，武汉新型冠状病毒疫情变化牵动着亿万国人的心。春节期间，“13精”将保险人“抗击疫情，共渡难关”的信息进行及时发布，让我们深刻地感受着国人万众一心的刚强意志、举国体制优势的坚定信心。截止31日24时，国家卫健委公布新增确诊病例2102例，新增死亡病例46例，新增治愈出院病例72例，新增疑似病例5019例；
累计报告确诊病例11791例（原确诊病例核减4例），累计死亡病例259例，累计治愈出院病例243例，共有疑似病例17988例。其中，27日新增确诊病例明显上升；28日累积确诊病例已经超过03年“非典”确诊病例人数（5327人）；29日至31日，新增确诊病例再次反弹，又创新高。看到新增确诊病例的数据变化，难免让大家心生一丝恐惧与不安。
黑天走路时，多大的坑，只要能看到，都不会跌倒；多小的坑，只要没看到，也可能会摔跤。恐惧主要来自于对传染病传播规律的不了解。同时，大家也往往忽视了“疫情防控”效果呈现具有一定滞后性的特点。对此，“13精”在Phenyo and Finkenst（2006）和张振荣（2019）文献基础上，对具有潜伏期的传染病理论框架（Susceptible-Exposed but not Infectious-infectious-Removed，SEIR）进行离散化建模，采用近期新增确诊病例数据，基于数据拟合进行参数校准，以期为大家展示传染病传播的一般规律。为便于计算及离散化，我们将SEIR模型进行了简化假设：（b）在无防控措施的情况下，基本再生数（R0）保持不变。其中，R0指的是在其潜伏期+发病传染期期间，一个病例平均可传染他人的预期数量；C(t)表示第t期新增的发病人数（疫情公布后，即为新增确诊病例），I(t)表示第t期累积的发病人数（累积确诊病例），T1表示从病毒首次进入人体到疫情确诊的天数，T1=T0+dT1, dT1>0；T2表示疫情防控加强的初始时刻，此时再生数（R0）开始迅速下降，T2=T1+4,之所以相差4天，是考虑从国家卫健委开始公布疫情病例到武汉“封城”的时差。考虑到春运返程因素，为合理地刻画再生数（R0）在防控阶段的变化，我们将其分解为两个时间区间: T2到T3、T3到T4。其中T2-3期间下降迅速，由R0迅速下降到R01；T3-4期间下降速度有所减缓，由R01持续下降到R02。不失一般性，假设前一区间的天数为5天，后一区间的天数为8天，即T3=T2+5, T4=T3+8。有关R01具体的不同取值，恰是反映“举国之力”的管控力度，后续我们将通过情景模型重点论述。E(t+1)=E(t)-C(t)+B(t) (2)B(t+1)=[E(t)+(1-pho)╳I(t+1)╳I(t<=T1)]╳R(t) /T0 (4)其中，I(t<=T1)为示性函数，当t<=T1时取值为1，反之为0;pho为死亡率；R(t)是有关R0、R01、R02与T3、T4相关的减函数，即R(t)=f(R0, R01, R02, T3, T4)。国家卫健委主任马晓伟在国办新闻发布会上指出，新冠状病毒潜伏期大约10天左右。据此我们假设平均潜伏期T0=10。
有关各个时期的关系，除了dT1外，我们在上面论述时已经陈述清楚；初始时期，即外界病毒进入人类时，由于还处于潜伏期，此时I(1)=0, C(1)=0, B(1)=0；那么，E(1)的初始值到底设定多少合适？我们需要根据实际病例进展加以校准。除dT1和E(1)外，最关键的基本再生数R0的确定就显得至关重要。根据Natsuko（2019）的推断，以及目前最新确诊病例上升趋势，我们暂且假设R0为3.3。
实际上，有关R01参数的取值，是疫情控制的关键，也是我们“举国之力”疫情防控的着力点，后续将分不同情景给出。不失一般性，暂时假设R01为1.5；R02取值为0。
针对dT1和E(1)，分别指的是从初始发病到确认病例的天数，以及外界生物携带病毒感染人类的初始数量，我们将基于疫情公布后近12日的实际新增确诊病例数据，采用数据拟合进行上述两个参数的校准，最终结果近似为：dT1=7,E(1)=70。需要说明的是，以上结论是基于有限的数据和理想的模型得到的，不代表真实情况，请各位小伙伴主要关注传染病防控的传播路径。（1）基本情景模拟结果（R0=3.3, R01=1.5）图2.1（上图）给出了自1月20日以来离散化SEIR模型对每日确诊病例的模拟结果。其中，柱状图为1月20日-31日的实际确诊人数。根据模拟结果显示，大概率疫情将会在2月2日-7日期间见峰。值得关注的是，在1月20日-26日期间，模拟结果均高于实际确诊人数，主要考虑到在初期确诊过程周期较长（床位不够，试剂盒不够等等），甚至最早时期各个省份都无法单独确诊病例（需送北京确诊）；随着省级确诊手段的普及，27日新增确诊人数出现激增现象。此后4日实际新增确诊病例与模拟结果基本吻合。图2.1（下图）给出了R(t)的变化趋势。该趋势是我们选取了两段抛物线曲线进行拟合确定。T2-T3期间，R(t)由3.3迅速下降到1.5，随着疫情防控加强，传染再生数急速下降；T3-T4期间，R(t)由1.5持续下降到0.1。该区间使用时间相对更长，调控幅度相对更小，应该说这与实际防控趋势是相符合的。
R01的不同取值，可以刻画疫情防控的力度。在农历大年初一，中央开了有关疫情防控的不寻常的会议。R01的选取显然需要充分考虑中国共产党领导下“集中力量办大事”的体制优势。（2）R01不同情景下的模拟结果（R0=3.3, R01=1.5 vs 1.0 vs 0.5）图2.2给出了不同R01取值情景下新增确诊病例与R(t)的走势状况。在其他参数均不变的前提下，我们将R01的取值依次调整为1.0、0.5，这表明疫情防控的力度进一步加强。
从三种不同情景下新增确诊变量的走势状况来看，防控力度的加强对于“见峰”后期疫情发展状况影响很大。从图2.3中的累积确诊病例发展状况来看，相比R01=1.5的情景，后两种情景累积确诊病例人数可以下降22%、40%；
但对于“见峰”前期的疫情发展影响相对较小。这也表明，“见峰”前期的新增病例主要是在疫情确诊前（20日前）处于潜伏期的群体逐渐确诊的过程。即使我们防控力度再大，对于前期潜伏期病例影响甚微。
正值春节期间，相信我们每个人都按耐住了“走亲访友”的冲动，都在“居家隔离”。
那么，“多居家”到底会对疫情防控起到多大作用呢？接下来，我们将使用离散型SEIR模型进行模拟计算。
在基本情景中，我们假设T3-T2期间为5天。如果你一直待在家里不出门，降低处于潜伏期感染者感染他人的机会，则显然会缩短R0下降到R01的时间；反之，R0下降到R01的时间可能会延长。
（3）T3-T2期间天数不同情景下的模拟结果（R0=3.3,R01=1.5,T3-T2=5 vs 6 vs 4）图2.4给出了不同T3-T2期间天数取值情景下新增确诊病例与R(t)的走势状况。
在其他参数均不变的前提下，如果我们“总出门”，可能会推迟疫情见峰的时间和提高峰值病例数量；
反之，如果我们“多居家”，将有助于缩短疫情见峰时间，并降低峰值病例数量。
从图2.5中的累积确诊病例发展状况来看，相比基本情景，
R0下降到R01的时间如果延长一天，将使得累积确诊病例人数增加18%；
R0下降到R01的时间如果缩短一天，将使得累积确诊病例人数下降16%。
（4）R0不同取值的敏感性测试（R0=3.3,E(1)=70;R0=3.8, E(1)=38; R0=2.8, E(1)=140;）接下来，我们将针对R0的不同取值进行敏感性测试。考虑到实际确诊数据的拟合性，当R0选择不同取值时，E(1)会随着相关变动。从图2.6来看，参数的不同取值，对于“见峰”时点和峰值的影响程度不大。
值得一提的是，上述敏感性分析并不是说R0取值对传染病传播影响不大。在上述敏感性分析中，由于我们并不清楚初始E(1)的信息，从数据拟合的角度出发，当R0取值变化时，E(1)会相应反向变化。为了更为直观地，看R0单一变化对传染病传播的影响，我们在图2.7中控制E(1)保持不变。可以清晰地看出，基础再生数对新增确认病例的影响差异。
结 语：
目前，全球共有11946例确诊病例，其中11821例在中国，接近全世界所有报告病例的99%。259人在这次疫情中丧生，他们都在中国。
我们必须记住，这些是人，不是数字
我们一起身处其中，我们只能一起阻止它
这一次疫情
把全国14亿人的心
都连在了一起
在国家危难之下
大量的医学专家奔赴武汉和守护家园
拯救患者于水火之中
他们是真正的英雄！
此刻需要事实，而不是恐惧
此刻需要科学，而不是谣言
此刻需要团结，而不是羞辱
▼更多精彩推荐，请关注我们▼
13个精算师
雪球、头条号、微博：13个精算师
邮箱：thirteenactuary@163.com