《3月16日_中国29个省和世界其他地区COVID-19暴发的广义logistic增长模型》

  • 来源专题:COVID-19科研动态监测
  • 编译者: zhangmin
  • 发布时间:2020-03-18
  • 1.时间:2020年3月16日

    2.机构或团队:南方科技大学、苏黎世联邦理工学院、法国Gavekal智能软件、瑞士苏黎世大学

    3. 事件概要:

    medRxiv预印版于3月16日发表了南方科技大学等发表的论文“Generalized logistic growth modeling of the COVID-19 outbreak in 29 provinces in China and in the rest of the world”,研究人员使用现象学模型剖析了COVID-19在中国的发展以及严格的控制措施在总体水平和每个省内的影响。研究人员利用来自中国的经验来分析日本、韩国、伊朗、意大利和欧洲的校准结果,并对未来情况进行预测。

    研究人员对中国暴发的四个阶段进行了定量记录,并对各省的不同情况进行了详细分析。研究人员根据中国的经验,确定了日本的高风险,截至3月25日,估计其确诊病例总数为1574例(95% CI: [880, 2372]),到6月为5669例(95% CI: [988, 11340])。对于韩国,研究人员预计感染病例的数量将在20天内接近峰值7928例(95% CI: [6341,9754])。研究人员估计在积极的情况下有0.15%(95%CI:[0.03%,0.30%])的意大利人口受到感染。研究人员预计欧洲在10天之内会有114867人被感染这种消极但很可能的情况,相当于0.015%的欧洲人口。

    研究人员指出,中国实施的严格遏制措施非常有效,各省之间存在一些指导性差异。对其他国家来说,在未来几个月里看到疫情的持续几乎是不可避免的。日本和意大利情况严重,预计疫情短期内不会结束。即将于2020年7月在东京举行的夏季奥运会存在重大风险。伊朗的局势高度不确定,未来前景不明朗,而韩国的疫情即将结束。欧洲和美国都处于疫情的早期阶段,如果不采取认真措施,将对世界健康和经济造成重大风险。

    *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/10.1101/2020.03.11.20034363v1

  • 原文来源:https://www.medrxiv.org/content/10.1101/2020.03.11.20034363v1
相关报告
  • 《中国29个省和世界其他地区COVID-19暴发的广义logistic增长模型》

    • 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:2020-03-27
    • medRxiv预印版于3月16日发表了南方科技大学等发表的论文“Generalized logistic growth modeling of the COVID-19 outbreak in 29 provinces in China and in the rest of the world”,研究人员使用现象学模型剖析了COVID-19在中国的发展以及严格的控制措施在总体水平和每个省内的影响。研究人员利用来自中国的经验来分析日本、韩国、伊朗、意大利和欧洲的校准结果,并对未来情况进行预测。 研究人员对中国暴发的四个阶段进行了定量记录,并对各省的不同情况进行了详细分析。研究人员根据中国的经验,确定了日本的高风险,截至3月25日,估计其确诊病例总数为1574例(95% CI: [880, 2372]),到6月为5669例(95% CI: [988, 11340])。对于韩国,研究人员预计感染病例的数量将在20天内接近峰值7928例(95% CI: [6341,9754])。研究人员估计在积极的情况下有0.15%(95%CI:[0.03%,0.30%])的意大利人口受到感染。研究人员预计欧洲在10天之内会有114867人被感染这种消极但很可能的情况,相当于0.015%的欧洲人口。 中国实施的严格遏制措施非常有效,各省之间存在一些指导性差异。对其他国家来说,在未来几个月里看到疫情的持续几乎是不可避免的。日本和意大利情况严重,预计疫情短期内不会结束。即将于2020年7月在东京举行的夏季奥运会存在重大风险。伊朗的局势高度不确定,未来前景不明朗,而韩国的疫情即将结束。欧洲和美国都处于疫情的早期阶段,如果不采取认真措施,将对世界健康和经济造成重大风险。 *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。
  • 《3月16日_基于中国COVID-19数据的各种流行模型的合理评价》

    • 来源专题:COVID-19科研动态监测
    • 编译者:zhangmin
    • 发布时间:2020-03-18
    • 1.时间:2020年3月16日 2.机构或团队:清华大学周培元应用数学研究中心、北京工业大学、闽江学院、苏黎世联邦理工学院 3. 事件概要: medRxiv预印版于3月16日发表了清华大学等发表的论文“Rational evaluation of various epidemic models based on the COVID-19 data of China”。该文以2020年春季全国7个省市公开发布的COVID-19数据为基础,对文献中广泛使用的8个经验函数、4种统计推断方法和5个动态模型的预测能力进行了系统研究。强调了在模型的复杂性和准确性、过拟合和欠拟合以及模型的鲁棒性和敏感性之间取得良好平衡的重要性。研究人员进一步引入Akaike信息准则、均方根误差和稳健性指数来量化这三种黄金方法,并对各种流行模型/方法进行评价。通过大量的仿真,发现拐点在预测中对数据集大小的选择起着至关重要的作用。在拐点之前,这里所考虑的模型都不能做出可靠的预测。研究人员进一步注意到Logistic函数稳定地低估了最终的流行规模,而Gomertz函数在所有情况下都做了高估。由于序贯贝叶斯方法和随时间改变的再生数随疫情发展的非恒定性,因此研究人员建议特别在流行病的晚期使用它们。对于拐点,指数增长方法从低估到高估的过渡行为可能对构建更可靠的预测有用。对于基于ODE的动力学模型,SEIR-QD和SEIR-PO模型在COVID-19流行病上通常表现出比SIR、SEIR和SEIR-AHQ模型更好的性能。 *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/10.1101/2020.03.12.20034595v1