Please wait a minute...
浙江大学学报（医学版）
浙江大学学报（医学版）  2021, Vol. 50 Issue (1): 68-73    DOI: 10.3724/zdxbyxb-2021-0043
2019冠状病毒病     
利用人口流动数据以及两阶段模型预测2019冠状病毒病流行趋势
叶元庆1,2,3(),雷浩1,2,陈辰1,2,胡可嘉1,2,徐小林1,2,袁长征1,2,曹淑殷1,2,王思思1,2,王思聪1,2,李舒1,2,应智峻1,2,贾君麟1,2,王秦川2,4,Sten H.VERMUND5,许正平6,7,*(),吴息凤1,2,3
1. 浙江大学医学院附属第二医院生物统计、生物信息学和大数据中心，浙江 杭州 310009
2. 浙江大学医学院公共卫生学院大数据健康科学系，浙江 杭州 310058
3. 浙江大学健康医疗大数据国家研究院，浙江 杭州 310058
4. 浙江大学医学院附属邵逸夫医院肿瘤外科，浙江 杭州 310016
5. 美国耶鲁大学耶鲁公共卫生学院，康涅狄格州 纽黑文市 06520
6. 浙江大学医学院环境医学研究所，浙江 杭州 310058
7. 浙江大学感染性疾病诊治协同创新中心，浙江 杭州 310003
Predicting COVID-19 epidemiological trend by applying population mobility data in two-stage modeling
YE Yuanqing1,2,3(),LEI Hao1,2,CHEN Chen1,2,HU Kejia1,2,XU Xiaolin1,2,YUAN Changzheng1,2,CAO Shuyin1,2,WANG Sisi1,2,WANG Sicong1,2,LI Shu1,2,YING Zhijun1,2,JIA Junlin1,2,WANG Qinchuan2,4,Sten H. VERMUND5,XU Zhengping6,7,*(),WU Xifeng1,2,3
1. Center for Biostatistics，Bioinformatics and Big Data，the Second Affiliated Hospital，Zhejiang University School of Medicine，Hangzhou 310009，China;
2. Department of Big Data in Health Science，School of Public Health，Zhejiang University School of Medicine，Hangzhou 310058，China;
3. National Institute for Data Science in Health and Medicine，Zhejiang University，Hangzhou 310058，China;
4. Department of Surgical Oncology，Sir Run Run Shaw Hospital，Zhejiang University School of Medicine，Hangzhou 310016，China;
5. Yale School of Public Health，Yale University，New Haven 06520，Connecticut，USA;
6. Institute of Environmental Medicine，Zhejiang University School of Medicine，Hangzhou 310058，China;
7. Collaborative Innovation Center for Diagnosis and Treatment of Infectious Diseases，Zhejiang University，Hangzhou 310003，China
 全文: PDF(2767 KB)   HTML( 11 )
摘要：

目的：基于人口流动和疫情防控措施信息构建数学模型，预测2019冠状病毒病（COVID-19）疫情的发展趋势。 方法：获取截至2020年2月8日浙江省乐清市151例确诊病例的患病过程以及乐清和武汉之间的人口流动等信息，采用两阶段的方法构建数学模型，将人口流动数据与确诊病例症状开始时间以及输入性病例和本地病例的传播动力学特征整合起来，模拟并预测乐清的COVID-19疫情发展趋势。 结果：在疫情初期，每日从武汉来的输入性病例数（症状出现日）与当日、 6?d前和 9?d前从武汉到乐清的旅客数量成正相关。利用根据武汉到乐清的旅客数量估计的输入性病例数以及易感-暴露-感染-恢复模型预测乐清最终的病例数为170例。如果根据每日报告的输入性病例数来预测，预计最终病例数为165例。截至2020年4月27日，乐清实际监测到的病例数为170例，这两个预测值与实际值均接近。 结论：本研究建立的两阶段预测模型能够对COVID-19的流行趋势做出准确预测。

关键词： 2019冠状病毒病；中国;  输入病例;  本地病例;  易感-暴露-感染-恢复模型;  预测    
Abstract:

Objective:To predict the epidemiological trend of coronavirus disease 2019 (COVID-19) by mathematical modeling based on the population mobility and the epidemic prevention and control measures. Methods: As of February 8，2020，the information of 151 confirmed cases in Yueqing，Zhejiang province were obtained，including patients’ infection process，population mobility between Yueqing and Wuhan，etc. To simulate and predict the development trend of COVID-19 in Yueqing, the study established two-stage mathematical models，integrating the population mobility data with the date of symptom appearance of confirmed cases and the transmission dynamics of imported and local cases. Results: It was found that in the early stage of the pandemic，the number of daily imported cases from Wuhan (using the date of symptom appearance) was positively associated with the number of population travelling from Wuhan to Yueqing on the same day and 6 and 9 days before that. The study predicted that the final outbreak size in Yueqing would be 170 according to the number of imported cases estimated by consulting the population number travelling from Wuhan to Yueqing and the susceptible-exposed-infectious-recovered (SEIR) model; while the number would be 165 if using the reported daily number of imported cases. These estimates were close to the 170，the actual monitoring number of cases in Yueqing as of April 27，2020. Conclusion: The two-stage modeling approach used in this study can accurately predict COVID-19 epidemiological trend.

Key words: Coronavirus disease 2019； China    Imported cases    Indigenous cases    Susceptible-exposed-infectious-recovered model    Prediction
收稿日期: 2020-10-19 出版日期: 2021-05-16
CLC:  R181.2  
基金资助: 浙江大学新型冠状病毒（2019-nCoV）肺炎应急科研专项（2020XGZX003）；浙江省创新团队（2019R01007）；浙江省重点实验室（2020E10004）；浙江省自然科学基金（LEZ20H260002）
通讯作者: 许正平     E-mail: yuanqing99@zju.edu.cn;zpxu@zju.edu.cn
作者简介: 叶元庆，研究员，博士生导师，主要从事遗传流行病学研究；E-mail：yuanqing99@zju.edu.cn；https://orcid.org/0000-0001-5708-8961. 雷浩，讲师，主要从事传染病流行病学研究；E-mail：leolei@zju.edu.cn；https://orcid.org/0000-0002-1850-7040
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章　　
叶元庆
雷浩
陈辰
胡可嘉
徐小林
袁长征
曹淑殷
王思思
王思聪
李舒
应智峻
贾君麟
王秦川
Sten H.VERMUND
许正平
吴息凤

引用本文:

叶元庆,雷浩,陈辰,胡可嘉,徐小林,袁长征,曹淑殷,王思思,王思聪,李舒,应智峻,贾君麟,王秦川,Sten H.VERMUND,许正平,吴息凤. 利用人口流动数据以及两阶段模型预测2019冠状病毒病流行趋势[J]. 浙江大学学报（医学版）, 2021, 50(1): 68-73.

YE Yuanqing,LEI Hao,CHEN Chen,HU Kejia,XU Xiaolin,YUAN Changzheng,CAO Shuyin,WANG Sisi,WANG Sicong,LI Shu,YING Zhijun,JIA Junlin,WANG Qinchuan,Sten H. VERMUND,XU Zhengping,WU Xifeng. Predicting COVID-19 epidemiological trend by applying population mobility data in two-stage modeling. J Zhejiang Univ (Med Sci), 2021, 50(1): 68-73.

链接本文:

http://www.zjujournals.com/med/CN/10.3724/zdxbyxb-2021-0043    或    http://www.zjujournals.com/med/CN/Y2021/V50/I1/68

f ( t ) = γ 0 + γ t + ∑ i = 0 10 α i w t ? i + ∑ i = 0 10 β i w t ? i × t (1)
  
w t ? i = ε 2 w t ? i ' / ε 1 (2)
  
S ( t + 1 ) = S ( t ) ? β ( t ) [ I ( t ) + E ( t ) + I i n ( t ) ] S ( t ) N (3)
  
E ( t + 1 ) = E ( t ) + β ( t ) [ I ( t ) + E ( t ) + I i n ( t ) ] S ( t ) N ? E ( t ) k
  
I ( t + 1 ) = I ( t ) + E ( t ) k ? I ( t ) D + k (5)
  
R ( t + 1 ) = R ( t ) + I ( t ) D + k (6)
  
f ( t ) = ? 0.13 ?t ? 0.41 ? w t + 0.10 w t × t + 0.13 w ( t ? 6 ) + 0.01 w ( t ? 6 ) × t ? 1.96 w ( t ? 9 ) + 0.08 w ( t ? 9 ) × t + 4.33 (7)
  
图 1  2020年1月8日至2月8日乐清市每日2019冠状病毒病输入病例数及本地病例数
图 2  模型预测2020年1月8日至2月8日乐清市每日2019冠状病毒病输入病例数
图 3  模拟和实际报道乐清每日新增和累计确诊2019冠状病毒病病例数 A、B：基于公预测的每日输入病例数预测；C、D：基于每日实际输入病例数预测.平滑后的本地病例指根据平滑而得到的.
1 WU J T, LEUNG K, LEUNG G M . Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan，China:a modelling study[J]. Lancet, 2020, 395(10225): 689-697.
doi: 10.1016/S0140-6736（20）30260-9
2 READ J M，BRIDGEN J R，CUMMINGS D A，et al. Novel coronavirus 2019-nCoV: early estimation of epidemiological parameters and epidemic predictions[J/OL]. medRxiv，2020. DOI: 10.1101/2020.01. 23.20018549 .
3 AI S，ZHU G，TIAN F，et al. Population movement，city closure and spatial transmission of the 2019-nCoV infection in China[J/OL]. medRxiv，2020. DOI: 10.1101/2020.02.04.20020339 .
4 ZHANG C, CHEN C, SHEN W, et al. Impact of population movement on the spread of 2019-nCoV in China[J]. Emerg Microbes Infect, 2020, 9(1): 988-990.
doi: 10.1080/22221751.2020.1760143
5 LI Q, GUAN X, WU P, et al. Early transmission dynamics in Wuhan，China，of novel coronavirus–infected pneumonia[J]. N Engl J Med, 2020, 382(13): 1199-1207.
doi: 10.1056/NEJMoa2001316
6 SONG X, LIU X, WANG C . The role of telemedicine during the COVID-19 epidemic in China—experience from Shandong province[J]. Crit Care, 2020, 24(1): 178.
doi: 10.1186/s13054-020-02884-9
7 WADHERA R K, WADHERA P, GABA P, et al. Variation in COVID-19 hospitalizations and deaths across New York city boroughs[J]. JAMA, 2020, 323(21): 2192.
doi: 10.1001/jama.2020.7197
8 CAO Z，ZHANG Q，LU X，et al. Incorporating human movement data to improve epidemiological estimates for 2019-nCoV[J/OL]. medRxiv，2020.DOI: 10.1101/2020.02.07.20021071 .
9 DU Z，WANG L，CAUCHEMEZ S，et al. Risk for transportation of 2019 novel coronavirus （COVID-19） from Wuhan to cities in China[J]. medRxiv，2020. DOI:10.1101/2020.01.28.20019299 .
10 ZHAO H，MAN S，WANG B，et al. Epidemic size of novel coronavirus-infected pneumonia in the epicenter Wuhan: using data of five-countries’ evacuation action[J/OL]. medRxiv，2020. DOI: 10.1101/2020.02. 12.20022285 .
11 SANCHE S, LIN Y T, XU C, et al. High contagiousness and rapid spread of severe acute respiratory syndrome coronavirus 2[J]. Emerg Infect Dis, 2020, 26(7): 1470-1477.
doi: 10.3201/eid2607.200282
12 CHINAZZI M，DAVIS J T，GIOANNINI C，et al. Preliminary assessment of the international spreading risk associated with the 2019 novel coronavirus （2019-nCoV） outbreak in Wuhan city[R]. Boston: Northeastern University，2020 .
13 IMAI N，DORIGATTI I，CORI A，et al. Estimating the potential total number of novel Coronavirus cases in Wuhan City，China[R]. London: Imperial College London，2020 .
14 中国疾病预防控制中心新型冠状病毒肺炎应急响应机制流行病学组. 新型冠状病毒肺炎流行病学特征分析[J]. 中华流行病学杂志，2020，41（2）: 145–151.DOI:10.3760/cma.j.issn.0254-6450. 2020.02.003 .
[1] 董是,崔秩玮,潘潇雄,王建伟,高超. 基于系统动力学模型的 2019冠状病毒病早期防控机制研究[J]. 浙江大学学报（医学版）, 2021, 50(1): 41-51.
[2] 王思思,叶元庆,徐小林,王思聪,徐欣,袁长征,李舒,曹淑殷,李文渊,陈辰,胡可嘉,雷浩,朱慧,祝勇,吴息凤. 基于社会经济水平、人口流动和疫情防控措施评估我国主要城市应对 2019冠状病毒病的策略[J]. 浙江大学学报（医学版）, 2021, 50(1): 52-60.
[3] 王思聪,叶元庆,胡可嘉,雷浩,陈辰,徐小林,李文渊,袁长征,曹淑殷,王思思,李舒,贾君麟,王秦川,卞子龙,吴息凤. 基于人口流动数据研究武汉“封城”对中国 2019冠状病毒病疫情态势的影响[J]. 浙江大学学报（医学版）, 2021, 50(1): 61-67.
[4] 付媛媛,姜晶鑫,陈述政,邱福铭. T1期乳腺癌患者发生同侧腋窝淋巴结转移风险列线图的建立[J]. 浙江大学学报（医学版）, 2021, 50(1): 81-89.
[5] 朱慧琦,应可净. 组织因子与肿瘤患者静脉血栓栓塞[J]. 浙江大学学报（医学版）, 2020, 49(6): 772-778.
[6] 王晓波,张兆辉,吴章强,孙跃宗,章义利,龚鸣,季峰. 基于白蛋白胆红素指数的肝细胞癌根治性手术患者中期死亡风险预测模型评估[J]. 浙江大学学报（医学版）, 2020, 49(3): 375-382.
[7] 曹盛力,冯沛华,时朋朋. 修正SEIR传染病动力学模型应用于湖北省2019冠状病毒病(COVID-19)疫情预测和评估[J]. 浙江大学学报（医学版）, 2020, 49(2): 178-184.
[8] 张圣,胡振杰,叶璐,郑亚如. 决策树分析在急性心肌梗死事件预测中的应用[J]. 浙江大学学报（医学版）, 2019, 48(6): 594-602.
[9] 郭丹玲,胡红杰,赵振华,吕桑英,黄亚男,蒋汝红,蒲彩玲,倪虹霞. 心肌瘢痕对慢性心肌梗死后恶性室性心律失常发生的预测价值[J]. 浙江大学学报（医学版）, 2019, 48(5): 511-516.
[10] 楼叶琳,周一敏,鲁红,吕卫国. 宫颈锥切术后孕妇早产预测模型的建立[J]. 浙江大学学报（医学版）, 2018, 47(4): 351-356.
[11] 李晨,朱瑶,杨金华,徐东升,王建炳,陈坤,李其龙. 浙江省嘉善县三十年肺癌发病趋势研究[J]. 浙江大学学报（医学版）, 2018, 47(4): 367-373.
[12] 蒋曦依,李璐,唐慧娟,陈天辉. 结直肠癌高危人群多因素风险预测模型及评价[J]. 浙江大学学报（医学版）, 2018, 47(2): 194-200.
[13] 沈海燕 等. 血小板计数可预测英夫利昔单克隆抗体治疗活动性克罗恩病的疗效[J]. 浙江大学学报（医学版）, 2016, 45(1): 81-85.
[14] 卢汉体等. 基于支持向量机的浙江省流感样病例预警模型研究[J]. 浙江大学学报（医学版）, 2015, 44(6): 653-658.
[15] 何玲非, 赵贇, 王正平. 应用人工神经网络预测再次妊娠肝内胆汁淤积症孕妇发生羊水浑浊的风险[J]. 浙江大学学报（医学版）, 2015, 44(3): 264-268.