使用SEIR simulator分析广东疫情发展情况
[初看此文可以先去看下软件的使用说明介绍,里面包含软件的基础模型说明以及使用说明书]
广东省人口1.13亿，疫情主要分布在广州及深圳两大城市，且疫情人数相对于湖北武汉等地来说比较少，且没有发生医疗资源严重紧缺的情况，检测资源丰富，检测及时性强，也没有数据瞒报的动因。因此可以认为其数据相对准确及稳定。由于检测资源充足，加上民众对于疫情反应敏感，因此可以人为一旦发病症状，随即被检测收治隔离，医护人员的自我保护意识和措施增强了，因此可以认为患者在发病期的感染率很小，感染主要是在潜伏期内造成的。
一. 目前状况
根据新浪疫情地图的实时数据（其数据来自政府官方）如图：
表格数据如下：
|
日期 |
1-19 |
1-20 |
1-21 |
1-22 |
1-23 |
1-24 |
1-25 |
1-26 |
1-27 |
1-28 |
1-29 |
1-30 |
1-31 |
|
确诊人数 |
1 |
14 |
26 |
32 |
53 |
78 |
98 |
146 |
188 |
241 |
311 |
393 |
520 |
|
治愈人数 |
0 |
0 |
0 |
0 |
2 |
2 |
2 |
2 |
4 |
5 |
6 |
9 |
11 |
|
死亡人数 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
日期 |
2-1 |
2-2 |
2-3 |
2-4 |
2-5 |
2-6 |
2-7 |
2-8 |
2-9 |
2-10 |
2-11 |
2-12 |
2-13 |
|
确诊人数 |
604 |
683 |
797 |
870 |
944 |
1018 |
1075 |
1120 |
1151 |
1177 |
1219 |
1241 |
1261 |
|
治愈人数 |
14 |
15 |
21 |
32 |
49 |
69 |
97 |
125 |
143 |
181 |
241 |
284 |
332 |
|
死亡人数 |
0 |
0 |
0 |
0 |
0 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
二. 仿真参数设置
人群参数设置：
Ø 总人数/易感人数：初始总人数可设为广东省人数1.13亿（医学统计为人群普遍易感）。该参数对于目前传染人数来说由于足够大，该参数对于模型推演影响微小
Ø 潜伏人数：根据钟南山团队论文Clinical characteristics of 2019 novel coronavirus infection in China中，新冠肺炎潜伏期中位数为3天，我们把初始人群参数中的潜伏人数取自后移3天，即1.22日的确诊人数32。
Ø 确感人数/治愈人数/死亡人数：可直接取自官方数据，1月19日分别为1，0，0
人群参数设置完成后需要点击重置按钮更新初参数。（原因是该软件的逻辑连续过程处理，方便灵活的参数设置情况）。
为方便比对，可导入IHD的文本数据（I确诊、H治愈、D死亡，txt文本每行包含这三个数据即可导入软件，也可联系作者获取python脚本来自动抓数据保存）。对于仿真功能来说，这不是必要的
文本文件格式示例
自然传播参数设置：
Ø 感染率（λ）：每个携带者或染病者日均感染人数；可用R0/平均潜伏天数来设置。根据初期R0=3，平均潜伏天数为3（见潜伏人数设置中），可填入参数1。【该参数可使用扫描功能选定一个最优值】
Ø 发病率（σ）/潜伏天数：感染病毒后发病的概率，在一个稳定的潜伏发病移除的进程中，发病率与潜伏天数成反比。
Ø 移除率（γ）：发病后处理结束（包括自愈和死亡）的人数与发病人数的比例，取数据同日（治愈+死亡）/确诊的值，广东省的平均值为0.06；【该参数可以使用扫描功能选定一个最优值】
Ø 移除率中的自/治愈比例（α）：自/治愈人数占移除总人数的比例，即死亡人数/移除总人数；可根据官方数据中的治愈率和死亡率计算给出：α=由治愈率/（治愈率+死亡率）的值，广东省的平均值为0.007； 【该参数可以使用扫描功能扫描死亡率选定一个最优值】
Ø 移除率中的死亡比例（β）：死亡人数占移除总人数的比例，即死亡人数/确诊总人数；β=1-α；【该参数可以使用扫描功能扫描死亡率选定一个最优值】
Ø 抗体失效率（μ）：自愈或治愈后的人群再次受到感染的比例。如果有抗体不再被感染，则置μ=0；
三. SIER仿真
1、 初期无干预参数自由传播。（假设到1.23武汉封城行为后其它省份才进入人为干预期）
把仿真天数设为4，点击推演
在有导入比较数据的情况下，可以看到同是确感人数I，曲线发展偏差严重。（可以勾选‘仿真数据范围’更加方便的查看细节）此时可以点击回退按钮，尝试把感染率降低。大约把感染率调到0.5，对应广东省的R0=1.5人/携带者。
2、 有干预的传播仿真
继续以相同的感染率及其它参数推演下去，可以看到曲线背离严重。
此时，可以加入人为干预参数来控制模型数据的发展。
勾选隔离强度，并修改强度K1的值，尝试下发现把隔离强度设为0.45的时候，曲线拟合得比较好（仿真8天）
依次尝试下分别使用0.75仿真4天，0.85仿真4天，0.9仿真10天。根据超出日期的模型数据来预测。上面的隔离度参数反映了政府或者民众自身的隔离手段意识的提升。
仔细观察，其实还有治愈人数量偏离比较多（可能有个体未就医轻症自愈未进入统计的），当然，我们还可以通过调整移除率来拟合。（实际上移除率变化应该不会太大，除非医疗资源由紧缺变为充足或者医疗手段有较大的提升）。
为了使得模型的发展与数据更吻合，可以使用参数扫描功能。
3、 高度自由的参数扫描功能
右侧依次为扫描参数设置区，扫描信息添加区，历史参数纪录区
Ø 扫描变量的设置：选择感染率，移除率或者死亡率（目前仅支持这三参数扫描），并设置好相关参数的范围及次数间隔
Ø 误差权重计算设置：由于官方发布的数据中包含确诊人数，治愈人数及死亡人数，因此可以设置相关数据的误差计算权重。
Delta = 确诊误差*确诊权重+治愈误差*治愈权重+死亡误差*死亡权重+（确诊递差*确诊权重+治愈递差*治愈权重+死亡递差*死亡权重）*导数权重
递差的作用是把曲线的发展趋势作为误差代入控制项。
权重参数的设置原则：确信度高及重要的把权重设高一些。
因此，由于医疗资源充足，把确诊权重设1，治愈权重设1，死亡权重（确信度最高）设10，实际上因为广东死亡人数很少，发展到现在（2月14日）为2，对于模型拟合来说偶然性过大，可以把死亡权重设0.5。此处也不扫描死亡率参数。由于数据量偏小，因此趋势更重要。我们把一次导数的权重设为15
扫描天数参数，设置的是把推演多少天的数据作为误差的计算。此处为了对比前面，可把天数设5。
最终参数扫描的结果如下：
可以看到，相对于手动模式，参数扫描比较好的照应了治愈人数线与死亡人数线，在确诊人数线上的差别为（1385-1261）/1261=0.09，治愈人数线差为（328-332）/332=0.01 。
感染率等参数的变化是：
|
日期 |
感染率 |
移除率 |
死亡率 |
R0 |
对应控制度 |
|
1.19-1.23 |
0.421 |
0.067 |
0 |
1.26 |
0 |
|
1.24-1.28 |
0.316 |
0.033 |
0 |
0.95 |
0.249406 |
|
1.28-2.5 |
0.178 |
0 |
0.1 |
0.53 |
0.577197 |
|
2.5-2.13 |
0.044 |
0.033 |
0.1 |
0.13 |
0.895487 |
上面可以看到移除率跟死亡率比较低相对比较稳定，而感染率逐渐降低，表明政府的控制力度及民众的意识在提升。
（以上软件仅为一个模拟推演工具，具体结果与相关参数设置相关，使用该软件得出的结果与本作者无关）
附以潜伏0-14中间值7天为潜伏期，同时以3天为单位来拟合参数的结果
|
日期 |
感染率 |
移除率 |
死亡率 |
R0 |
对应控制度 |
|
1.19-1.23 |
0.489 |
0.067 |
0 |
1.47 |
0 |
|
1.24-1.27 |
0.227 |
0.01 |
0 |
0.68 |
0.460808 |
|
1.28-1.30 |
0.27 |
0.01 |
0 |
0.81 |
0.35867 |
|
1.31-2.2 |
0.01 |
0.01 |
0 |
0.03 |
0.976247 |
|
2.3-2.5 |
0.097 |
0.01 |
0 |
0.29 |
0.769596 |
|
2.6-2.13 |
0.01 |
0.043 |
0 |
0.03 |
0.976247 |
同时以2.13日的参数继续推演，未来三天的IHD数据如下：
|
|
2.14 |
2.15 |
2.16 |
|
确诊 |
1332 |
1348.7 |
1356 |
|
治愈 |
383 |
439.4 |
496 |
|
死亡 |
3.9 |
3.9 |
3.9 |
- 上一篇：使用SEIR simulator分析全国非湖北疫情数据发展情况 [2020-02-16]
- 下一篇：一款基于K-SEIR数学模型的疫情发展模拟免费软件（K-SEIR SimulatorV1.0）发布 [2020-02-10]
