二次疫情到來的預測模型

龍杰 鄧浩 陳加英

西華大學 機械工程學院，四川 成都

摘 要 通過建立幾個數學模型，評估第二次疫情高峰到來的隱患大小，并給出合理的復工復產時間點以及討論哪些參數是最重要的，而這些參數如果不準確，會對防疫工作和疾病傳播的過程帶來怎樣的影響。最后，結合對無癥狀感染者的預測模型，然后再引入SIR模型對日治愈率和日接觸率進行分析，推出被傳染比例的影響因素，再通過相應措施來降低被傳染的概率，從而來對重大賽事能否重啟進行合理評估。

關鍵詞 SEIR倉室模型 再生數的閾值 網絡流動結構 SIR模型

中圖分類號：R-3 文獻標識碼：A 文章編號：1007-0745（2020）02-0028-07

1 問題重述

問題一：建立數學模型，選擇三個國家進行研究，評估它們出[1]現第二次高峰的風險大小，并給出復工復產的政策性建議，以避免第二次高峰的出現;

問題二：建立合理的數學模型并討論哪些參數是最重要的，而這些參數如果不準確，會對防疫工作和疾病流行的過程帶來怎樣的影響;

問題三：我國的無癥狀感染者的數量持續降低，但是并未清零，也有一些無癥狀感染者未被發現，請結合第一階段的模型，充分考慮我國的疫情現狀，評估重啟大型體育賽事（比如中超足球聯賽或者 CBA 籃球聯賽）的可能性，并給出分階段（無觀眾賽事、部分觀眾賽事、全部觀眾但要求戴口罩賽事、全面放開賽事）重啟的時間表;

問題四：為了能夠順利重啟一些大型體育賽事，給有關部門寫一份有關于疫情防控的備忘錄。

2 問題分析

2.1 問題1分析

2.1.1 總體分析

首先問題1是一個非常值得深度關注的問題，因為“二次高峰”的影響力或許會遠超第一次疫情爆發所帶來的影響并可能會隨著病毒的變異以及各類指標的失效而更難以控制[2]這樣顯然是對整個國家乃至全球都是相當不利的，因此需要給定一個閾值，針對不同的國家來評估其“二次高峰”的風險大小，結合各個國家的醫療水平以及社會形勢然后做出相應的措施以及復工復產規劃來避免二次高峰的到來。

2.1.2 影響因素分析與聯系

在第一次疫情得到有效緩解后，各個國家各個地區便會陸續開展復工復產。因此隨著人流量的逐步上升，個體的日平均接觸率也會有所上升，各地區的無癥狀感[3]染者此時便會穿插在人群中，感染率不由的有所增長，而此時隔離率卻并沒有迅速跟進，病人的恢復率也沒有大幅度上升。這些因素與第“二次高峰”到來的隱患大小密切相關。雖然此時醫療條件相比于疫情初期會有很大提升，但是如果未能正確把控復工復產的時間，那么第二次高峰的到來或許是必然的。因此在上一階段模型的分析基礎上，需要著重考慮在疫情期間各國人流量的移入移出，然后做出相應的措施。

2.2 問題2的分析

2.2.1 總體分析

建立了加入個人防護因素的SEIR模型，對基本再生數、潛伏期時間、代間隔等幾個重要的參數進行變量控制，討論出最重要的參數以及會對防疫工作和疾病流行的過程帶來怎樣的影響。

2.2.2 影響因素分析與聯系

通過建立模型考慮重要的參數，對防疫工作和疾病流行的過程給出了具體的預測，對后面的疫情防控工作起了重要的預防工作。

2.3 問題3的分析

當前我國疫情還存在無癥狀感染者，這些無癥狀感染者的存在嚴重影響了我們的生活，使得整個社會的管控不確定性越來越大，并且這個因素不僅僅會造成感染人數急劇增加和疫情的二次爆發，也影響著一些重大賽事是否能重啟。重啟的時間，重啟后怎么制定觀眾的觀看方式等等，因此引入SIR模型來對被傳染率的影響因素進行研究，從而可以分析得出重啟重大賽事的時間和防護措施。

無癥狀感染者的概念：根據國家衛生健康委發布的《新型冠狀病毒肺炎防控方案（第六版）》，無癥狀感染者是指無相關臨床癥狀（如發熱、咳嗽、咽痛等可自我感知或可臨床識別的癥狀與體征），呼吸道等標本新冠病毒病原學（通常指核酸檢測）或血清特異性免疫球蛋白M（IgM）抗體檢測陽性者。無癥狀感染者不是確診病例，因此不算新增感染病人。2020年3月4日國家衛生健康委公布的第七版中，對這一規定沒有[4]改變（參考于百度百科）。

3 模型假設

（1）假設地區和國家的總人口數不變。

（2）將境外輸入病例作為該國家的初始患病人數。

（3）與感染者密切接觸的人群若被感染則其定位為易感染內（Sk）或者潛伏內（Ek）。

（4）復工之前本國人口流動為0。

（5）新冠肺炎對不同年齡組的感染率略有不同，對健康人的感染率一樣。

（6）處于潛伏期的患者在一定時間后會出現患病特征成為患病者。

（7）SI服從均值的指數分布。

（8）人群中所有人都有被感染的概率，康復人群不會再被感染。

（9）真實的感染者=感染者I-假陽性患者I2+假陰性患者I1。

（10）假設假陰性率為36%（數據根據日本醫生上昌広所說，在所有被檢測的患者中，真實的新冠病毒感染者占20%，而檢測的靈敏度為70%，特異度為90%所計算出來）。

（11）潛伏期患者與以表現出癥狀的的傳染能力是相同的。

（12）隔離的患者都是住院患者。

（13）假設武漢的患者人數接觸率的額影響曲線等于中國的患者接觸率的影響。

（14）附件中所給的數據真實有效。

（15）不會出現超級感染者，如果出現，會被第一時間隔離，不會造成大范圍傳播。

（16）新型肺炎病毒在此階段不會出現變異。

（17）確診者被完全完全隔離，不再具有傳染性。

（18）境外輸入病歷已基本得到控制，不再是影響我國疫情的主要因素。

4 定義與符號說明

5 模型的建立與求解

5.1 問題一的模型建立

從新冠病毒疫情爆發開始，世界全球各個國家都陸續在積極整合疫情實時大數據報告，主要針對了各國疫情的新增趨勢、確診疑似趨勢、累計死亡和治愈人數、治愈率和死亡率、境外輸入輸出比例和累計趨勢等。我們主要收集了我國和美國還有意大利的各項數據，并且進行了數據整理與選擇。由于我國是首先發現該病例，因此我們以我國為中心，并考慮境外輸入輸出的影響來研究各國的疫情的發展趨勢。我們從微信公眾號青檸疫服上收集到[5]了我國境外輸入新增趨勢和境外輸入累計趨勢（參考微信程公眾號青檸疫服）。為了估計各個國家的初期患病人數，我們從“世界人口網”（https：//www.renkou.org.cn/）上收集了三個國家截止到2020年4月11日的總人口數量（見表格一所示）。

依據目前疫情的發展情況，以及各國政府采取的控制措施，我們建立了一個SEIR倉室模型。針對于各個國家的隔離措施，如果有近似k比率與感染者接觸的人被隔離了且被感染，則其自動轉為Ek，反之不變。對于被隔離的個體，如果被感染則會以A*B*O的速度被送到Ek內，如果沒有被感染則會以A*（1-B）*O的速度轉移到Sk內。同時感染者從被確診（確診速率E1參數估計為0.133）到恢復到健康水平，其恢復率為F3（參數估計為0.1022），考慮到遷入遷出其SEIR具體模型如下所示：

其中下標i可取值分別為1、2、3分別代表中國、美國、意大利。人口的流動用表示，其中j表示人的狀態（分別包含易感染者、潛伏期者、有感染癥狀者和無癥狀感染者）。由于疫情從1月28日在中國發生，并在之后的一段時間內美國和意大利并沒有報告病例數。所以我們只考慮我國人口的境外輸入量和輸出量（參考微信程公眾號青檸疫服），則表示人口從我國流向第i個國家。我國在3月28日正式宣布封國，因此，可以假設在3月28日以后沒有人口流動了。此時=0。考慮到復工復產時人口重新開始流動了。此時有境外的輸入輸[6]出比例又呈上升趨勢，大約有700人出入中國，其中黑龍江、上海等地所占比例最大，大約占了52%。由此根據人口的流動趨勢和分布可以計算出函數矩陣，這里矩陣表示人口流動的鄰接矩陣，一共分為三段（1月28-3月28）。由我國的遷入遷出趨勢圖，以及人口數量表可以計算出不同國家的控制數，并假設在中間階段人口沒有流動，取值為0。

根據所給模型，利用再生矩陣的方法，我們可以計算出控制措施實施過程中再生數的取值。其公式如下：Rc=[（BAp（1-k））/（E1+g+F1） ...+（BA（1-p）（1-k）τ）/F2...+（BAω（1-k））/C]S（0）

5.2 模型一的求解

其中S（0）表示易感染者的初值，然而考慮到前期社會整體對這種新型病毒的認識不足（此時重視程度較低）， 再加上醫療資源緊張， 因此導致前期我國的報告病例數相對較低， 而其它國家疫情暴發比我國晚， 報告病例數據相比我國較為模糊。因此，我們基于除我國外的其他國家的累計病例數（參考微信程公眾號青檸疫服）， 采用最小二乘法來估計系統參數。由于大部分國家的報告病例數基本都是從2月 15 日開始，并且前幾天的數據也不太準確， 所以我們采用從2月15 日至 4 月 30 日 的數據進行參數估計。我們將數據分為三個階段以期評估各國逐步加強的控制措施的影響， 第一階段為 2 月 15日至 3 月 5 日， 第二階段為 3 月 6 日至 4 月 12 日，第三階段為 4 月 13日至 4 月30日。首先，根據所建模型我們先分析第一階段包含數據的所有參數。為了考慮各地不斷加強的控制措施對疫情的影響， 而控制措施的影響主要體現在接觸數A和隔離率k的變化， 假設各國家間的參數A和k的取值不同，固定其他參數不變， 分別利用這三段數據重新估計每個國家的參數A和k. 模擬的起始時間 為 2 月 15 日， 我國的模型初值見表2 ， 其他國家易感者的初值假設為當地總人口數， 其余初值為 0 （見表3）. 具體參數估計值和三個時間段期間的控制再生數的估計值見表2和3， 利用Matlab仿真軟件進行模型擬合。表3中的數字下標1、2、3分別代表3個不同的階段。

在疫情初期，由于需要花大量的時間在病毒的研究上，因此統計出來的病例數是明顯低于實際的病例數的。并且由于我國是第一個發現病例的國家，因此從其它國家的病例數來估計我國的實際病例數也是很重要的[7]，根據模型可以知道在我國在3月28日封國以后，我國疫情已經得到了較好的控制。根據估計的參數值，我們得到了中國、意大利、美國三個國家的三個階段的再生數（表三）[8]。從表中可以看出，在全球疫情初期美國的再生數為5.15，明顯大于我國和意大利，因此美國的疫情惡化趨勢有著很大的潛伏性。而我國的再生數較小，一方面由于一部分病例流入了其它的國家（占很小的比例），另一方面可能為核酸檢測試劑并沒有完全檢查出所有的病例（與社區宣傳效果、檢查范圍等因素密切相關）[9]。而對于之后的階段，我國再生數已經有了明顯的下降，意大利也是如此，但是美國還在上升（由于各國的疫情防治的重視程度不同以及醫療體系的因素）。對于再生數小于1表明：目前新發感染率比較低，疫情已經得到了有效的控制。

5.3 問題二的模型建立

SEIR模型，將人群分為：（如圖4）

基礎的SEIR模型沒有考慮到防控隔離、假陽性、假陰性對防疫工作和疾病流行過程的影響，因此在原有的基礎上新增了幾類人群，如圖4所示。

在疫情初期，基本再生數R0的均值由公式⑧和第一階段計算所得指數增長K指，計算的出初期的基本再生數均值為3.4，即為在初期指數增長階段，一個典型的患者可以傳染大約3.4個人。

疫情爆發期由建立的模型可得，基本再生數R0=2.8，即為一個典型的新冠患者可以傳染2.8個易感人，代間隔均值約為5.0d。

5.4 問題三的模型建立

結合一階段問題2對無癥狀感染者預測的模型來分析無癥狀感染者的人數的范圍。由第一階段的模型可知，無癥狀感染者的人數在四月份基本得到控制，現在每日新增人數基本控制在個位數，整體疫情基本得到控制[10]。

當病毒高度適應人群后，無癥狀感染者是否更難發現，是否會造成疫情的二次爆發這些種種的問題都值得去勘測。為了更好預估賽事重啟時間，我們決定研究被傳染比例的重要影響因素，如何來降低被傳染的比例是最賽事能否重啟的重[11]要參考。以CBA籃球聯賽是否能重啟為例，如果要重啟該賽事，我們需要對有足夠的應對能力來降低感染者的日接觸率，足夠的醫療能力來提高日治愈率，只有這樣，才能為重啟賽事提供切實可行的保障。由此我們引入SIR模型[12]。

6 結果分析

6.1 問題一的結果以及模型檢驗

為了研究復工對各個國家的疫情的影響，我們基于我國在疫情期間的流動網絡結構和流動量的模擬模型，并且考慮了不同的復工時間以及控制強度的影響分別采用第一階段和第二階段的人均接觸數A和隔離率k在模擬時只考慮其它國家對我國的境外輸入量得到，在復工時間分為3個時間段，分別為2月3日、3月15日、4月3日對各個國家疫情的影響用Matlab軟件進行預測分析[13]。

可得，在前兩個時間段內復工的話，只有我國的疫情擴大趨勢沒有過大的增幅，其它兩個國家都有明顯的上升，因此如果控制措施不嚴格的話[14]，病情將會在20天內再次爆發。對于在最后一個時間段內復工的話，我國和意大利的疫情并不會嚴重化，但是對于美國來講，這段時間復工仍然是非常的不樂觀。

因此由于各個國家從2月15日才相繼給出疫情發展情況（我國較為提前），為了不斷加強防控措施的有效性，我們分階段的給出了三個國家的控制再生數。并有數據分析，模型仿真可以知道，在前兩個時間點里開展復工復業的話，再生數除了我國在第二個階段比較低以外，其它國家都比較大。有很大的傳播風險，然而對于第三個時間點即4月3日復工，我國和意大利的再生數均小于1，則新發感染率明顯降低。因此模型仿真完畢，與實際情況近似相符[15]。

6.2 問題二的結果及模型分析

哪些參數是最重要的：

時間段不變，根據各個參數的變化值，控制變量法可以得出最重要的參數有：基本再生數、感染規模加倍時間、個人防護。

對防疫工作和疾病流行程度帶來了什么影響：

假陰性率為36%（數據根據日本醫生上昌広所說，在所有被檢測的患者中，真實的新冠病毒感染者占20%，而檢測的靈敏度為70%，特異度為90%所計算出來），這部分假陰性患者不能被檢測計檢測出來，所以可能會造成的危害較大。個人防護和隔離措施一定要做好。

假陽性率雖然也是檢測計的故障，容易造成感染患者統計數據上的夸大，但是假陽性的危害沒有假陰性的危害嚴重。

時刻關注潛伏期時間，有特殊患者的潛伏期時間超過了14天。對于無癥狀患者的分布要時刻采取注意。

6.3 問題三的結果

由于每只球隊都會有自己的主場地，并且現在每個地方的疫情情況不太一樣，有感染率相對高一些的地方，這個時候就需要每個地方的球隊董事會根據當地情況來設置一個閾值k0，當計算所得的值高于這個閾值時，就可以考慮開賽。由問題一的模型我們可知，我國疫情可能在二次爆發，這個時間段應該尤為注意防護措施。滿足什么條件時能不帶口罩呢？一是在無人員聚集的地方可以不帶口罩，二是在通風條件良好地方可以不帶口罩。顯然，對于CBA的舉報地就不滿足第一點，如果由模型3評估可以重啟賽事時，那么每個觀眾席之間的距離需要間隔一米以上。僅僅如此還不夠，也需要滿足良好的通風條件以及相應的應急措施。由此我們可以制定出CBA賽事的重啟時間表。

6.4 問題四的結果

給國家安全局的備忘錄：6月初就可以舉行賽事了，但是有幾點必須要注意的事項：限制現場觀眾的人數（根據場地限制，以及該地區近段時間的疫情控制情況而定）;觀眾于觀眾之間的位置距離要設計>1.5米;在進場處進行溫度檢測，溫度超過37.2攝氏度請移步網上觀看;現場設置醫護人員，處理應對緊急狀況;賽前對于運動員的身體狀況一定要反復檢查，確保不能有一點疏漏，舉行賽事時不可避免的時隊員與隊員之間的接觸。[16]

7 模型評價與推廣

7.1 模型的優點

（1）在建模過程中，模型一巧妙的運用SEIR模型，結合人口流動矩陣，評估了二次疫情高峰的隱患大小。

（2）模型二引入了個人防護因素的SEIR模型更加貼近實情，考慮了基本再生數、潛伏期時間、代間隔幾個重要的參數。

（3）模型三建立SIR模型，引入了被傳染率，較準確的評估出重大賽事的重啟時間。

（4）各個模型之間緊密聯系，和真實情況較為貼近，仿真結果進行了多次測量更具有可行性。

（5）將國內外的疫情情況相結合，使得防疫指標更具有普遍性。

7.2 模型的缺點

（1）模型一的評估結果，主要是以我國為中心，而沒有特別注重其他國家之間的相互的影響。

（2）模型二的參數考慮涉及不全面，數據不是特別準確。

（3）模型三僅僅是從理論進行分析，沒有進行仿真實驗，結果與實際可能存在偶然性誤差。

（4）關于潛伏期患者和無癥狀患者的數據難以獲得，因此模型具有一定的局限性。

7.3 模型的改進

（1）對各問題的模型進行優化，使得擬合精度更高。

（2）對于模型二多考慮一些參數。

（3）對模型三進行Matlab仿真，使得結論更加準確。

（4）整合各個國家幾個月以來的人口流動，多去查閱國外的疫情數據以及國家間的人群流動數據再與國內疫情展趨勢相聯系，使得評估指標適用性更強。

參考文獻：

[1] 唐博，Bragazzi N L，Li Q等.新型冠狀病毒傳播風險的最新估計（2019-nCoV）[J].Infect Dis Model，2020（05）：248-255.

[2] 唐乙，王新，李奇，等.估計2019-新冠病毒傳播風險及其對公眾的影響，健康干預[J].J Comput數學，2020（09）：462.

[3] 中華人民共和國國家衛生健康委員會.疫情通報.

[4] 基于多源數據分析，隔離病例和疑似病例的演變決定了2019- ncov疫情的最終趨勢.數學Biosci，2013，246： 105-112.

[5] 馬之恩，周義倉.傳染病動力學的數學建模與研究[M].北京：科學出版社，2004.

[6] 湖北省衛生健康委員會.武漢：單日樣本檢測能力從200份提升至2000份.

[7] 世界衛生組織（WHO）關于《國際衛生條例》會議的聲明（2005）關于新冠病毒（2019-nCoV）爆發的緊急委員會.

[8] 世界衛生組織（WHO）.冠狀病毒.

[9] 嚴閱，陳瑜，劉可伋等.基于一類時滯動力學系統對新型冠狀病毒肺炎疫情的建模和預測[J].中國科學：數學，2020，50：385-392.

[10] 世界衛生組織（WHO）.情況報告.

[11] 嚴閱，陳瑜，劉可伋等.基于一類時滯動力學系統對新型冠狀病毒肺炎疫情的建模和預測[J].中國科學：數學，2020，50：385-392.

[12] 同[9].

[13] 肖艷，Tang S吳.傳染病暴發中的媒介沖擊轉換面[J].科學代表，2015（05）：78-38.

[14] 唐波，王曉，李琪等.2019-新型冠狀病毒傳播風險的估計及其對公共衛生干預的啟示[D].綜合數學學報，2020（09）：462.

[15] 唐波，Bragazzi N L，Li Q等.新型冠狀病毒（2019-nCoV）傳播風險的最新估計[J].傳染病模型，2020（05）：248-255.

[16] 湖北省衛生健康委員會.2020年2月12日湖北省新冠肺炎疫情情況.