《我国COVID-19诊断预测模型的一点注记》

  • 来源专题:新发突发疾病(新型冠状病毒肺炎)
  • 编译者: 蒋君
  • 发布时间:2020-04-05
  • 重要性:预测我国确诊的COVID-19患者及流行趋势。它可能会给公众一些科学信息,以缓解对这种流行病的恐惧。目的:2019年12月武汉市爆发新型冠状病毒肺炎。我们的目的是用一个数学模型来预测未来确诊病人的数量,以缓解紧急情况下的焦虑。设计:根据世界卫生组织网站的所有诊断数字,结合传染病传播方式,对数学模型进行拟合,预测未来疫情发展趋势。背景:我们的模型是基于中国的疫情,可以为其他国家的疾病预测提供参考意义,为相关卫生部门的预防和干预提供线索。参与者:在本次回顾性研究中,纳入了从中国报告的2020年1月21日至2月10日的所有诊断数字,并从世卫组织网站下载。主要结果和测量方法:我们建立了一个简单而准确的公式来预测第二天的诊断数:N(i/N(i-1)=[(N(i-1)/N(i-2))]^α,其中Ni是到第i天为止诊断的总患者,α在2月10日估计为0.904。结果:基于该模型,疾病感染率呈指数下降趋势,感染者的总数是有限的,因此,这种疾病的影响有限。然而,新的诊断将持续到3月。结论及相关性:通过建立模型,可以更好地预测我国的疫情趋势。

  • 原文来源:;https://www.medrxiv.org/content/10.1101/2020.02.19.20025262v2.full.pdf
相关报告
  • 《中国COVID-19的流行预测模型及软件评估干预措施》

    • 来源专题:生物安全知识资源中心 | 领域情报网
    • 编译者:hujm
    • 发布时间:2020-03-12
    •     美国的研究人员在medRxiv预印版平台发表论文“An epidemiological forecast model and software assessing interventions on COVID-19 epidemic in China”。文章作者开发了一个健康信息学工具包,使公共卫生工作者能够利用中国疾控中心的公开数据及时分析和评估新型冠状病毒(COVID-19)感染的时间进程动态。该工具包建立在分层流行病学模型的基础上,在这个模型中,由一个马尔可夫SIR传染病过程控制的潜在感染动力学发出两个观察到的每日确诊和康复病例比例的时间序列。作者在研究中扩展了SIR模型,以结合各种类型的时变隔离协议,包括政府级的宏观隔离政策和社区级的具体检查措施。文章针对漏报的确诊病例制定了校准程序。该工具包提供在线和离线两种形式的兴趣点预测,包括每日确诊比例变小时间、每日确诊比例小于每日康复比例的时间,以及疫情的结束时间。文章作者向公众提供了R软件,并举例说明了该软件的使用示例。此外,文章讨论了该新型流行病学模型的一些可能扩展。     *注,本文为预印本论文手稿,是未经同行评审的初步报告,其观点仅供科研同行交流,并不是结论性内容,请使用者谨慎使用。
  • 《一种新的基于人工智能的COVID-19诊断方法》

    • 来源专题:生物安全知识资源中心 | 领域情报网
    • 编译者:hujm
    • 发布时间:2020-05-07
    • 谢菲尔德大学在medRxiv预印本平台发表论文“A novel specific artificial intelligence-based method to identify COVID-19 cases using simple blood exams”。 文章开发了一种机器学习分类策略,旨在通过大批量的简单血液检测样本进行初筛,快速判定可能为阳性的样本。随后,阳性样本可进行进一步的高敏感性测试(CT、特异性抗体检测)。该AI模型平均特异性为85.98% [95%CI: 84.94 -86.84],阴性预测值(NPV)为94.92% [95%CI: 94.37% -95.37%]。在敏感性方面,该模型平均达到70.25% [95%CI: 66.57% -73.12%],阳性预测值( PPV)为44.96% [95%CI: 43.15% -46.87%]。接收器工作特性(ROC)的曲线下面积(AUC)为 86.78% [95%CI: 85.65% –87.90%]。该模型能够较准确地预测急救室中的阴性和阳性病例,在病人分流中发挥重要作用。该人工智能模型名为ER-CoV,所有代码都可以在https://github.com/soares-f/ER-CoV上找到。 *注,本文为预印本论文手稿,是未经同行评审的初步报告,其观点仅供科研同行交流,并不是结论性内容,请使用者谨慎使用。