基于真實世界數(shù)據(jù)的修正SEIR 模型應(yīng)用于疫情防控研究

楊利超，曾華堂，胡夢之，伍麗群，田倩男，韋亮州，朱紀明，3*，梁萬年，3*

1．100084 北京市，清華大學(xué)萬科公共衛(wèi)生與健康學(xué)院

2．518028 深圳市，深圳市衛(wèi)生健康發(fā)展研究和數(shù)據(jù)管理中心

3．100084 北京市，清華大學(xué)健康中國研究院

2021 年11 月全球受到奧密克戎的影響，新型冠狀病毒感染（COVID-19）疫情進入第四波流行高峰。奧密克戎具有傳染性強、傳播速度快、隱匿性高、人群普遍易感等特點，給我國疫情防控帶來了更大的壓力和挑戰(zhàn)［1］。深圳市作為我國重要口岸和國內(nèi)外交通樞紐，人口結(jié)構(gòu)復(fù)雜，人員跨區(qū)域流動性大、口岸數(shù)量多，面臨的疫情形勢更為嚴峻。因此，如何為深圳市疫情防控工作提供具有應(yīng)用價值的政策參考和建議，是緩解防控壓力的重要途徑。

近年來，易感-暴露-感染-康復(fù)（SEIR）等經(jīng)典傳染病研究模型在COVID-19 的預(yù)測和評估中得到了廣泛應(yīng)用。陳佳麗等［2］在SEIR 基礎(chǔ)上，增加癥狀前感染者、隔離措施及疫苗接種等要素，建立SVEPIUHDR模型，預(yù)測英、美兩國在疫苗不同接種率下每日新增病例數(shù)的變化。于振華等［3］提出SLEIR 模型，將疫情中采取保護措施的人群加入模型，并對印度3—5 月的COVID-19 疫情進行預(yù)測。周潛等［4］基于SIR-MCMC方法，通過觀測湖北省的COVID-19 疫情數(shù)據(jù)，從基礎(chǔ)再生數(shù)、疫苗介入等方面對疫情發(fā)展和防控措施進行評估。然而，奧密克戎與前期流行的新型冠狀病毒變異株在流行病學(xué)特征方面存在較大差異——例如，其傳播能力是德爾塔變異株的2 倍，奧密克戎BA.2 比奧密克戎BA.1 的傳染性又增加了30%［5］。同時，早期研究建立的疫情傳播動力學(xué)模型對潛伏期組別的定義范圍較廣，導(dǎo)致無法及時判斷疫情隱匿性傳播的時間和范圍。因此，需要構(gòu)建更有針對性的傳播模型才能對深圳市COVID-19 疫情的發(fā)展趨勢做出更為精準判斷。

此外，在預(yù)測和評估疫情發(fā)展的基礎(chǔ)上，學(xué)術(shù)界開始逐步借助SEIR 模型研究人工干預(yù)措施對遏制疫情傳播的作用。肖燕妮等［6］基于SEIR 模型，構(gòu)建了新的演化方程，探究干預(yù)措施的實施、民眾行為的變化、疫苗接種率和時效性、外界誘因及病毒傳播強度等因素同疫情反復(fù)的關(guān)系。唐三一等［7］將動力學(xué)模型與少量實時數(shù)據(jù)結(jié)合，不僅對疫情風(fēng)險展開了分析，還對防控策略的有效性和時效性進行了評估。但是，多數(shù)側(cè)重于回顧性研究，忽略了SEIR 模型在早期預(yù)警、政策支持及在真實世界中引導(dǎo)防控措施調(diào)整及醫(yī)療資源分配等方面的重要作用。

鑒于先前研究，本文構(gòu)建了修正的SEIR 模型:（1）通過對奧密克戎流行病學(xué)特征的深入分析，引入了攜帶者組別；（2）根據(jù)深圳市干預(yù)措施、干預(yù)程度和時間變化，將被隔離者精細劃分為三類：密接者（Q1）、次密接者（Q3）及入深隔離者（Q2）；（3）基于真實世界數(shù)據(jù)，運用Python 進行仿真模擬。本研究得到的部分預(yù)測數(shù)據(jù)不僅實現(xiàn)了早期預(yù)警，還能為深圳市后續(xù)的防控政策調(diào)整和醫(yī)療資源配置提供決策支持。

1 資料與方法

1.1 數(shù)據(jù)來源與假設(shè)

本文真實疫情數(shù)據(jù)部分來源于深圳市衛(wèi)生健康委員會官方網(wǎng)站（http://wjw.sz.gov.cn/）和國家衛(wèi)生健康委員會（http://www.nhc.gov.cn/）疫情通報數(shù)據(jù)，還有部分來自產(chǎn)業(yè)報告［8］、新聞［9-11］、百度實時數(shù)據(jù)［12］等公開數(shù)據(jù)。數(shù)據(jù)得到了相關(guān)專家和一線工作人員的認可。

本研究中修正SEIR 模型的基本假設(shè)是：

（1）不考慮人群的變化，包括出生、死亡、流動，即此地區(qū)是一個封閉的環(huán)境，總?cè)巳菏且粋€常數(shù)，不發(fā)生變化；任何時刻的人類人群總數(shù)不變：S（t）+A（t+R（t）+D（t）+Q1（t）+Q2（t）+Q3（t）=17 560 100。

（2）考慮到在疫情期間進入深圳的流動人口，需要根據(jù)深圳的疫情防控政策要求進行一定時間的集中隔離，于是，本文稱之為入深隔離人員。入深隔離人員基本由國內(nèi)中高風(fēng)險地區(qū)入深人員、境外輸入人員和香港入深人員組成，根據(jù)獲得的相關(guān)數(shù)據(jù)可知，入深隔離人員數(shù)量每日基本維持在900 左右，于是設(shè)置L1=900。

（3）假設(shè)全民篩查最終可篩選出全部本地陽性患者（不一定即刻篩出，但按照中國的嚴格措施，陽性患者不會被漏掉）。

（4）假設(shè)不存在COVID-19 治愈特效藥。

（5）為簡化模型，暫且不考慮康復(fù)者復(fù)陽情況。

1.2 修正SEIR 模型

SEIR模型是傳染病研究中一種經(jīng)典的動力學(xué)模型，最早由KERMACK 等［13］于1927 年提出，模型簡潔，參數(shù)較少，可被廣泛地研究和使用。SEIR 模型假設(shè)在一個復(fù)雜網(wǎng)絡(luò)群體中所有個體可以大致分為有限的幾種狀態(tài)，研究者可根據(jù)流行病發(fā)展和研究階段的需要，組合使用這些狀態(tài)以表現(xiàn)不同狀態(tài)之間的轉(zhuǎn)換順序和流行病所處的階段。經(jīng)典的SEIR 模型將人群分為易感者（susceptible，S）、暴露者（exposed，E）、感染者（infected，I）和康復(fù)者（recovered，R）。本文針對深圳市當(dāng)前的疫情防控政策在傳統(tǒng)的SEIR 模型上引入政策性組別密接者（Q1）、次密接者（Q3）、入深隔離者（Q2）和攜帶者（A）做了如下兩點改進：

（1）傳統(tǒng)的SEIR 模型中 E 指接觸過感染者但不具傳染性的人群組別。但是，奧密克戎變異株具有1～3 d的潛伏期，且傳染性強，因此，傳統(tǒng)的SEIR 模型不再適用于由奧密克戎變異株引起的傳播。于是，本研究引入攜帶者群組A 代替了傳統(tǒng)SEIR 模型中暴露者群組E的人群組別狀態(tài)，并將該組別人群定義為已經(jīng)攜帶奧密克戎病毒，但在被確診為陽性前，一直隱匿在本地疫情傳播鏈條中。

（2）深圳市針對COVID-19 疫情采取的防控策略主要包括以下幾種手段：對中高風(fēng)險地區(qū)、境外以及香港入深人員的閉環(huán)管理；全民核酸篩查；集中隔離感染者的密接者和次密接者；定點醫(yī)院救治感染者。因此，本模型中引入入深隔離者（Q2）和中高風(fēng)險地區(qū)、境外以及香港入深人員的閉環(huán)管理策略。攜帶者群組A 影響全民核酸篩查的時間長度和頻率。人群組別新增密接者（Q1）和次密接者（Q3）影響集中隔離感染者的密接者和次密接者策略的實施。此外，有癥狀和無癥狀的感染者均會被立即送往定點醫(yī)院進行隔離治療，故本研究中的修正SEIR 模型將兩者均歸為感染者組別。具體的人群轉(zhuǎn)化關(guān)系如圖1 所示，其中黑色箭頭表示各個人群組別間的狀態(tài)間轉(zhuǎn)化關(guān)系。

圖1 修正的SEIR 傳染病動力學(xué)模型Figure 1 Modified SEIR model

用于奧密克戎疫情防控的修正SEIR 動力學(xué)方程構(gòu)建如下：

1.3 模型參數(shù)處理、賦值和擬合檢驗

根據(jù)文獻［14］，本研究假設(shè)病毒攜帶者和感染者具備相同的傳播能力，故引入?yún)?shù)θ1（圖1）。采取閉環(huán)管理的入深隔離人員對本地疫情的影響很低，故設(shè)置θ2表示誘發(fā)本地疫情的感染者與所有篩選出的總感染者的比值（圖1）。奧密克戎的潛伏期一般在2～3 d［15］，本文設(shè)定其被檢測出陽性的時間均值為3 d，根據(jù)文獻［15］可設(shè)定ε=1/3。

同理，根據(jù)文獻［16］的相關(guān)研究，已知深圳市對于密接人員采取14 d 集中隔離，故設(shè)定λ1=1/14，對于次密接人員采取7 d 集中隔離，故設(shè)定λ3=1/7。文獻［17］研究了武漢疫情2020-01-23—02-12 的情景，由于武漢疫情涉及的新型冠狀病毒潛伏期較長，早期的人工干預(yù)措施力度較低且疫苗的覆蓋范圍有限，導(dǎo)致接觸感染概率β被高估，于是本研究以深圳市2022-02-18—28 的數(shù)據(jù)作為訓(xùn)練集來訓(xùn)練新模型，將接觸感染概率β從2.05×10-9調(diào)整為 1×10-9。并且基于當(dāng)前更多的原始數(shù)據(jù)對參數(shù)qs、δ1和δ3進行擬合優(yōu)化，從而提高模型預(yù)測的準確性。

對于參數(shù)qs、δ1、δ3的設(shè)定，本文采用啟發(fā)式算法［18］。由于參數(shù)qs表示入深隔離者在隔離的單位時間內(nèi)篩查出感染者的概率，參數(shù)δ1表示密接者群體中單位時間里與感染個體接觸并被傳染的概率，參數(shù)δ3表示次密接者群體中單位時間里與感染個體接觸并被傳染的概率。故qs、δ1和δ3∈［0，1］。本文對該范圍進行隨機采樣，其中，設(shè)置qs的數(shù)量級為1×10-3，δ1和δ3的粒度為1×10-5。把qs、δ1和δ3的采樣過程進行迭代，設(shè)置迭代次數(shù)為10 000 次，并將其不同的樣本帶入修正SEIR 動力學(xué)方程中進行求解，以均方根誤差（root mean squared error，RMSE）最小為約束原則與真實數(shù)據(jù)進行比對，優(yōu)化得到該粒度下的最優(yōu)解參數(shù)。

其中，RMSE1和RMSE2分別為現(xiàn)存感染者和現(xiàn)存密接者的均方根誤差。w1和w2分別是現(xiàn)存感染者和現(xiàn)存密接者RMSE 的權(quán)重，用于加速搜索最優(yōu)解，可以在搜索過程中根據(jù)擬合的需求進行調(diào)整，本文將其均設(shè)置為1。

涉及的其他相關(guān)參數(shù)p1、p3、qi均通過真實數(shù)據(jù)計算可得。為了精簡說明，本文以隔離易感者為密接者的轉(zhuǎn)換率qi計算公式為例闡述［見式（3）］：

p1=平均新增密接者人數(shù)/［第t 日易感者人數(shù)×（θ1×第t 日攜帶者人數(shù)+θ1×θ2×感染者人數(shù)）］ 式（3）

其中，θ1表示每個攜帶奧密克戎病毒的人在人工干預(yù)下，平均可傳染1.5 個人［19］。此外，本文設(shè)置的感染者不僅包含社會面新增的感染者，還包含入深隔離人群中新增的感染者。根據(jù)數(shù)據(jù)搜索和統(tǒng)計分析［20］發(fā)現(xiàn)，本研究中設(shè)置的感染者群組中接近2/3 的新增感染均來自入深隔離過程中增加的感染者，且該部分感染者均采取閉環(huán)管理措施，外溢概率很小，因此設(shè)置引起本地疫情的關(guān)聯(lián)參數(shù)θ2=0.316。

本文模型中的感染者I 為截至t 日現(xiàn)存感染者人數(shù)，則其定義為：

I（t）=第t 日新增感染人數(shù)-第（t-1）日新增康復(fù)人數(shù)+第（t-1）日現(xiàn)有感染者人數(shù) 式（4）

類似的變量還有Q1、Q2和 Q3。

上述修正的SEIR 模型參數(shù)值和含義如表1 所示，參數(shù)值的來源在表中列出。

表1 修正SEIR 動力學(xué)模型參數(shù)表Table 1 The parameter table of modified SEIR model

為了檢驗此模型與現(xiàn)實數(shù)據(jù)的擬合程度，本文使用深圳市2022-02-18—28 現(xiàn)存感染者和現(xiàn)存密接者等相關(guān)數(shù)據(jù)對模型參數(shù)進行擬合,并且獲得了相關(guān)參數(shù)的初始擬合值和95%CI。將模型預(yù)測的2023-03-01—04 現(xiàn)存感染者和現(xiàn)存密接者數(shù)量與后續(xù)報告數(shù)據(jù)做對比，發(fā)現(xiàn)均在其置信區(qū)間內(nèi)（圖2 和圖3），研究結(jié)果初步證明該修正SEIR 動力學(xué)模型對疫情走勢的評估是可靠的。但據(jù)表2 可知，深圳在3 月4 日和3 月12 日適時修改并提前采取了新的干預(yù)措施，使得修正SEIR 模型和3月4 日之前實際數(shù)據(jù)比對更具有準確性和時效性。后續(xù)收緊的防控政策明顯表明2022-03-05—19 的預(yù)測值高于實際數(shù)據(jù)值，疫情防控效果明顯。因此，本文將不再展示3 月4 日后的實際數(shù)據(jù)值。

表2 深圳市2022-02-18—03-20 疫情防控措施演進總結(jié)Table 2 The summary of epidemic prevention and control measures in Shenzhen，from February 18 to March 20，2022

圖2 每日現(xiàn)存感染者預(yù)測（RMSE1=106.36）Figure 2 Daily prediction of existing infections

圖3 每日現(xiàn)存密接者預(yù)測（RMSE2=1 167.95）Figure 3 Daily prediction of existing close contacts

2 結(jié)果與討論

本文以深圳市真實疫情數(shù)據(jù)為基礎(chǔ)構(gòu)建修正的SEIR 模型，使用Python 軟件模擬深圳市COVID-19 疫情發(fā)展趨勢，深圳市分析結(jié)果為當(dāng)?shù)匾咔榉揽卣哒{(diào)整和醫(yī)療資源配置提供了決策支持。本文的分析方法同樣適用于其他國家和地區(qū)，可以為COVID-19 或類似傳染病防控提供啟發(fā)借鑒。

本研究中的結(jié)論主要從以下3 個方面進行展示：對疫情發(fā)展趨勢的早期預(yù)警、為相關(guān)防控措施調(diào)整和醫(yī)療資源優(yōu)化配置提供決策支持。

2.1 深圳市COVID-19 疫情的早期預(yù)警

隨著奧密克戎變異株在全球的廣泛傳播，深圳市作為國內(nèi)外交通的重要樞紐，面臨了較大的疫情防控壓力。本文根據(jù)2022-02-18—28 的深圳市衛(wèi)生健康委員會公布的實時數(shù)據(jù)開展基于奧密克戎修正SEIR 動力學(xué)模型的仿真校正，預(yù)測至3 月19 日的感染者、密接者、本土新增感染者、次密接者、入深隔離者的變化情況，助力疫情的早期預(yù)警。

按照模型預(yù)測，如果繼續(xù)執(zhí)行3 月3 日前的疫情防控措施，深圳感染者人數(shù)在3月19日之前將呈線性增長，并在3 月19 日增長至約1 800 人（圖4），密接者增長至30 000 人（圖5）。模型預(yù)測形勢嚴峻，警示作用明顯：（1）感染者對醫(yī)院床位沖擊嚴重，醫(yī)療資源擠兌現(xiàn)象發(fā)生的風(fēng)險上升；（2）隔離房間可能迅速出現(xiàn)短缺。

圖4 每日現(xiàn)存感染者預(yù)測驗證Figure 4 Validation of daily prediction of existing infections

圖5 每日現(xiàn)存密接者預(yù)測驗證Figure 5 Validation of daily prediction of existing close contacts

根據(jù)早期預(yù)警，深圳可以及時調(diào)整COVID-19 備用床位、隔離房間等資源的配置（見3.3 部分），做好準備，亦可同時有針對性地調(diào)整疫情防控措施。本文根據(jù)時間線梳理了深圳市疫情防控措施的演進（表2），疫情防控措施的調(diào)整預(yù)防了早期預(yù)警中不利情形的發(fā)生。

近年來，國內(nèi)醫(yī)務(wù)工作者越來越重視協(xié)同護理對老年冠心病患者疾病認知程度的影響，但相關(guān)問題研究很少。有研究表明，目前對老年人疾病患者造成嚴重影響的關(guān)鍵因素不僅在于經(jīng)濟方面,也在于家庭對老年疾病患者重視低下,更多缺乏家庭與醫(yī)院相互交流、溝通與協(xié)作[13]。協(xié)同護理給予老年冠心病患者、家屬及護工提供冠心病相關(guān)的疾病知識和護理知識,同時使家屬和護工了解老年冠心病患者真實所需,進而幫助老年冠心病患者提高護理質(zhì)量。Craig等[14]采用定性分析的研究方法，研究協(xié)同護理模式對于醫(yī)療保健服務(wù)領(lǐng)域的重要性。

2.2 SEIR 動力學(xué)模型在深圳市疫情防控措施調(diào)整中的決策支持

通過在研究中引入攜帶者組群，本研究得出了本地新增感染者的預(yù)測曲線（圖6）。根據(jù)篩查經(jīng)驗可知，攜帶者大概會在3 d 內(nèi)通過核酸檢測被排查出陽性，因此本文將預(yù)測的第（n-3）日的攜帶者數(shù)據(jù)轉(zhuǎn)換為第n日的本地新增感染者預(yù)測數(shù)據(jù)，通過與實際公布的本地新增感染者數(shù)據(jù)對比分析總結(jié)出可用于指導(dǎo)全民核酸篩查的力度。

圖6 每日本地新增感染者預(yù)測Figure 6 Daily prediction of new local infections

通過圖6 可知，在2022-02-18—03-03 期間深圳每日本土新增感染者數(shù)據(jù)明顯高于模型預(yù)測數(shù)據(jù)。通過對比分析得出以下結(jié)論：當(dāng)篩查出的本土新增感染者數(shù)據(jù)高于模型預(yù)測值時，則表明前一階段的全民篩查工作成效明顯，如維持當(dāng)前篩查力度，將會篩查出更多的感染者，避免疫情的進一步擴散，每日本土新增感染者數(shù)量將呈緩慢下降趨勢。但深圳市在2022-03-04—11 調(diào)整了密接和次密接的人工干預(yù)措施和核酸篩查力度。于是衛(wèi)生健康委員會的官方通報數(shù)據(jù)顯示，2022-03-04—11期間篩查出的本土新增感染者數(shù)量出現(xiàn)明顯下降，與模型預(yù)測的趨勢相悖，表明深圳市本輪疫情拐點未出現(xiàn)，社區(qū)內(nèi)隱匿性傳播依然存在并呈擴散趨勢，全市面臨疫情反彈的概率較高，增加當(dāng)前的核酸篩查力度迫在眉睫。隨著疫情發(fā)展，官方通報的數(shù)據(jù)也驗證了本研究得出的結(jié)論。本輪疫情在2022-03-12 出現(xiàn)首次反彈，本土新增感染者高達66 例——這說明前幾日的“樂觀”數(shù)據(jù)（例如，3 月8 日新增感染者僅6 例）并非源于疫情得到有效控制，而是因為漏篩。有鑒于此，2022-03-12凌晨全市“10+1”區(qū)全面升級疫情管控的通告發(fā)出后，2022-03-13 晚，深圳市新型冠狀病毒肺炎疫情防控指揮部再發(fā)通告，要求全市在2022-03-14—20 間按下“暫停鍵”，同時開展3 輪全員核酸檢測。官方數(shù)據(jù)顯示深圳市在結(jié)束為期一周的“慢生活”模式后，疫情傳播勢頭得到了全方位的遏制，向好發(fā)展態(tài)勢清晰。

2.3 醫(yī)院床位數(shù)和隔離房間等醫(yī)療資源需求分析

《新型冠狀病毒肺炎診療方案（試行第八版）》診療方案建議對感染者采取住院集中治療的方式。同時根據(jù)1991 年頒布的《中華人民共和國傳染病防治法實施辦法》和2020 年國家衛(wèi)生健康委員會印發(fā)的《重癥醫(yī)學(xué)科建設(shè)管理指南（試行）》可知，感染者需采用一人一床的管理方案。因此，根據(jù)圖7 橫向分析可知，預(yù)測的床位數(shù)略高于實際需求的床位數(shù)，在合理范圍內(nèi)保證了感染者一人一床的需求。在2022-03-03 左右，實際所需床位數(shù)開始高于預(yù)測所需的床位數(shù)，平均每天的增長幅度高達7.8%，2022-03-19 床位數(shù)需求將增長至125%。建議相關(guān)部門應(yīng)提前采取措施，搭建方艙醫(yī)院、調(diào)配相關(guān)醫(yī)生和護士、按需存儲防護服、呼吸機和口罩等醫(yī)療資源。

圖7 每日需要的床位數(shù)預(yù)測Figure 7 Daily prediction of required hospital beds

根據(jù)深圳市隔離防控策略，本研究預(yù)測了2022-03-01—03-19 隔離房間的使用情況。同床位數(shù)相比，隔離房間的短缺更為緊迫。圖8A 預(yù)測了每日隔離的次密接者所需隔離房間的情況，圖8B 預(yù)測了每日隔離入深人員、密接者和次密接者所需總隔離房間的情況。基于現(xiàn)有隔離措施，隔離房間需求將迅速（3 月10 日）突破30 000 間的閾值，在3 月19 日更是達到42 000 間。決策者要主動調(diào)整或被迫改變隔離措施，例如適當(dāng)減少密接者的隔離天數(shù)，或者次密接者由集中隔離改為居家隔離，從而釋放出更多隔離房間。如果從3 月9 日改變次密接者的隔離政策，模型預(yù)測最多可釋放5.9%的隔離房間供密接者和入深隔離者應(yīng)急使用，但縮短次密接者的隔離時間將為“內(nèi)防反彈”帶來較大的隱患。但如果不調(diào)整次密接隔離政策，將直接影響密接者和入深隔離者的集中隔離，從而為“外防輸入”帶來更大的困難。依照模型推算，相關(guān)部門需要在此時收緊入深策略，降低入深人員數(shù)量，同時開始準備備用隔離場地。

圖8 每日所需的隔離房間數(shù)預(yù)測Figure 8 Daily prediction of demand of isolation rooms

2.4 SEIR 動力學(xué)模型的局限性

首先，SEIR 模型存在固有缺陷。動力學(xué)模型的數(shù)學(xué)假設(shè)非常嚴格，現(xiàn)實世界比抽象的模型總是更復(fù)雜，模型只能考慮重要的傳染病流行規(guī)律，無法充分考慮各種防控措施、防控措施的動態(tài)變化及執(zhí)行效果對疫情演進的影響，對現(xiàn)實世界疫情的預(yù)測能力有其固有的局限性。據(jù)表2 可知，深圳市在2022-03-04 和2022-03-12，均適時修改并提前采取了新的干預(yù)措施，根據(jù)后續(xù)的深圳市疫情發(fā)展情況觀察到新修訂的干預(yù)措施取得了明顯的疫情防控成果，表明本研究提出的修正SEIR 模型在預(yù)警、政策調(diào)整以及醫(yī)療資源配置方面具有良好的理論建議指導(dǎo)。但是也暴露出修正SEIR 模型時效性較短和后續(xù)準確性不高等特點，因此，動態(tài)實時的修正SEIR 模型將是未來的重要研究方向。

3 結(jié)語

本文基于奧密克戎的傳播特征、疫情環(huán)境特點和干預(yù)政策，構(gòu)建了符合深圳市實際傳播規(guī)律的修正SEIR模型，模擬了2022-02-18—02-28 的疫情狀況，預(yù)測了2022-03-01—19 的疫情發(fā)展趨勢，通過觀察S、A、I、R、Q1、Q2、Q3的變化情況，研判是否需要調(diào)整防控政策以及幫助合理配置醫(yī)療資源。本研究表明，人工干預(yù)措施會改變疫情的發(fā)展趨勢，加入干預(yù)措施越多越能降低疫情的影響程度，因此政府應(yīng)號召社會及群眾及時做好各類防范措施。本研究通過預(yù)測還發(fā)現(xiàn)，人工干預(yù)介入時間的不同也會影響疫情的走向，因此，在疫情發(fā)酵前通過預(yù)測數(shù)據(jù)，可以為人工干預(yù)措施的實施爭取準備時間，減慢疫情發(fā)展速度，降低相關(guān)影響。

作者貢獻：楊利超負責(zé)選題、構(gòu)建模型、計算機代碼實現(xiàn)算法、原稿寫作；楊利超、胡夢之負責(zé)構(gòu)建模型、清洗保留研究數(shù)據(jù)、修改原稿；田倩男、韋亮州負責(zé)調(diào)查開展、數(shù)據(jù)收集；曾華堂、伍麗群負責(zé)提供研究數(shù)據(jù)和驗證研究結(jié)果；朱紀明、梁萬年對選題進行指導(dǎo)，對文章涉及觀點及立論依據(jù)進行審閱和修訂，對文章整體負責(zé)；所有作者確認了論文的最終稿。