《2月13日_基于统计学的冠状病毒2019-nCoV在中国大陆传播的预测》

  • 来源专题:COVID-19科研动态监测
  • 编译者: xuwenwhlib
  • 发布时间:2020-02-14
  • 信息名称:基于统计学的冠状病毒2019-nCoV在中国大陆传播的预测

    1.时间:2020年2月13日

    2.机构或团队:乌克兰国家科学院,乌克兰国立技术大学

    3.事件概要:

    乌克兰国家科学院的科研人员在medRxiv预印版平台发表论文“Statistics based predictions of coronavirus 2019-nCoV spreading in mainland China”,其利用统计学来预测冠状病毒2019-nCoV在中国大陆传播的流行特征。

    文章提到该研究的背景:由于感染的高传播率和大量死亡人数,冠状病毒2019-nCoV引起的流行病爆发引起了研究的极大兴趣,尚未对该现象进行详细的科学分析,但公众已经对该流行病的持续时间、预期的患者人数和死亡等问题感兴趣。对于长时间的预测,需要复杂的数学模型,这些模型需要付出很多努力才能进行未知参数的识别和计算,在该文章中,作者提供了一些初步估算。该文章的研究目的:由于可靠的长期数据仅适用于中国大陆,因此科研人员仅预测该地区的流行特征。科研人员估算一些流行病的特征,并给出受害人数、受感染者和移居者与时间之间最可靠的依赖关系。文章中所用方法:在这项研究中,科研人员将已知的SIR模型用于流行病的动力学,线性方程式的已知精确解和用于儿童疾病调查的先前开发的统计方法,这种方法在1988-1989年在切尔诺夫策(乌克兰)用到过。得到结果如下:利用统计方法确定了SIR模型参数的最佳值,可以预测感染、易感和迁离者的数量与时间的关系。最后科研人员得出结论:使用简单的数学模型可以预测中国大陆冠状病毒2019-nCoV引起的流行特征,进一步的研究应集中在使用最新数据和更复杂的数学模型来更新预测上。

    4.附件:

    原文链接:

    https://www.medrxiv.org/content/10.1101/2020.02.12.20021931v1.full.pdf

  • 原文来源:https://www.medrxiv.org/content/10.1101/2020.02.12.20021931v1.full.pdf
相关报告
  • 《2月13日_中国30个省份的新型冠状病毒2019-nCoV实时传播与天气变量的关联》

    • 来源专题:COVID-19科研动态监测
    • 编译者:xuwenwhlib
    • 发布时间:2020-02-15
    • 2月13日_中国30个省份的新型冠状病毒2019-nCoV实时传播与天气变量的关联 1.时间:2020年2月13日 2.机构或团队:伊斯坦布尔 Gelisim大学 3.事件概要: 2月13日,伊斯坦布尔 Gelisim大学通过SSRN发表《柳叶刀》预印本论文“Nowcasting and Forecasting the Spreading of Novel Coronavirus 2019-nCoV and Its Association with Weather Variables in 30 Chinese Provinces: A Case Study”,预测了环境对新型冠状病毒传播的影响。 该研究根据约翰霍普金斯大学从世界卫生组织、中国疾病预防控制中心和欧洲疾病预防控制中心收集的2020年1月22日到2月4日的2019-nCoV数据集,包括全球所有受感染地区的确诊病例、死亡病例和康复病例数。全球预报系统(GFS)网站服务的计量数据由国家环境预测中心(NCEP)产生。该网站提供了从一个月前到未来三天的几个计量数据的时间序列数据。使用Brown, Holt, Simple, Auto Regressive Integrated Moving Average (ARIMA)等几种预测模型进行时间序列预测。 结果发现,通过研究天气条件对冠状病毒传播的影响,发现天气对中国大部分省份都有很强的影响。没有一个天气变量会影响所有省份,各个省份之间的影响变量有所不同。发现短波辐射和温度是影响最大的变量。另一方面,该研究预测了到2020年9月1日的确诊、死亡和康复病例的数量。发现确诊和死亡病例的数量比康复病例的增长快。根据天气状况,一个省到另一个省的增长率不同,一些省的增长呈线性增长,而有些省则呈指数增长。 *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://papers.ssrn.com/sol3/papers.cfm?abstract_id=3537084
  • 《2月4日_加拿大团队基于机器学习的基因组分析,表明2019-nCoV与蝙蝠冠状病毒之间的联系》

    • 来源专题:COVID-19科研动态监测
    • 编译者:xuwenwhlib
    • 发布时间:2020-02-12
    • 2月4日_加拿大团队基于机器学习的基因组分析,表明2019-nCoV与蝙蝠冠状病毒之间的联系 1.时间:2020年2月4日 2.机构或团队:加拿大西安大略大学、滑铁卢大学 3.事件概要: 截至2020年2月3日,2019年新型冠状病毒(2019- nCoV)已传播至27个国家,死亡362人,确诊病例超过17000例。很多研究将2019-nCoV与之前的SARS冠状病毒相比。2002年11月至2003年7月,全球确诊SARS病例8098例,死亡率为9.6%,死亡774例。仅中国大陆就有349人死亡,5327人确诊。尽管截至2月3日,此次2019-nCoV疫情的死亡率为2.2%,但仅仅几周内(2019年12月8日至2020年2月3日)确诊17000例病例令人震惊。考虑到相对较长的潜伏期,病例报告可能仍不准确。此次疫情暴发需要对病毒基因组序列进行快速阐明和分析,以便及时制定治疗计划。 文章中使用ML DSP和MLDSP-GUI对2019-nCoV进行分类,是一种使用机器学习(ML)和数字信号处理(DSP)进行基因组分析的无比对方法。利用二维数字表示(混沌博弈表示)将基因组序列映射到各自的基因组信号(离散数字序列)中。应用离散傅里叶变换对基因组信号进行幅度谱计算。利用皮尔森相关系数计算对距离矩阵。从距离矩阵构造特征向量,作为有监督机器学习算法的输入。采用10倍交叉检验法计算平均分类准确率得分。利用训练的分类器模型预测了29个2019-nCoV序列标签。该分类策略使用了5000多个基因组数据,并在领域到物种分类层次上测试了关联性。文中使用MLDSP-GUI进行的基于机器学习的无比对分析结果中,证实了之前蝙蝠起源的假设,并将2019-nCoV归类为Betacoronavirus内的Sarbecovirus。 *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.biorxiv.org/content/10.1101/2020.02.03.932350v1