3月6日_基于数据驱动的SEIQR模型分析社会距离和中心封锁对中国大陆COVID-19传染的影响
1.时间：2020年3月6日
2.机构或团队：苏州大学第一附属医院，苏州大学
3.事件概要：
苏州大学第一附属医院心内科和苏州大学智能结构与系统研究所的科研人员在MedRxiv预印本平台发表题为“The impact of social distancing and epicenter lockdown on the COVID-19 epidemic in mainland China: A data-driven SEIQR model study”的文章。
文章提出了基于数据驱动的易感-暴露-传染-隔离-恢复（susceptible-exposed-infectious-quarantine-recovered，SEIQR）模型，通过社会距离和中心封锁的干预来模拟疫情。将人口迁移数据与官方报告数据相结合，以此估计模型参数，然后通过估算每日感染率和每日易感人群规模，计算每日输出感染人数。截至2020年1月1日，潜在感染者的估计初始人数为380.1（95％-CI：379.8?381.0）。经过30天的社会距离，武汉和湖北的再生数从2.2（95％-CI：1.4?3.9）减少到1.58（95％-CI：1.34?2.07），其他省份的再生数从2.56（95％-CI：2.43?2.63）减少到1.65（95％-CI：1.56?1.76）。研究发现，对社会距离的早期干预可以显著地限制COVID-19在中国大陆的传播。截至2020年2月23日，感染人数最多可减少98.9％，死亡人数最多可减少99.3％。但是，较早的中心封锁将部分抵消这一有利影响，因为这会导致原地恶化，从而使疫情中心城市的改善不堪重负。为了将传染病的规模和死亡人数减至最小，首先在疫情中心城市逐步实施社会距离，然后在省内逐步实施，最后在全国范围内实施社会距离，这是切实可行且具有成本效益的。
*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。
4.附件：
原文链接：https://www.medrxiv.org/content/10.1101/2020.03.04.20031187v1
