「传染病」清华大学公共安全综合应急团队境外新冠肺炎疫情发展趋势分析( 二 )
本文插图
2020年3月21日法国疫情趋势分析图
法国抗疫措施较为严格 , 有望能将累计确诊病例数控制在45000到65000之间 。
5、德国疫情趋势分析
3月5日-19日 , 德国新增和累计确诊病例数在峰值为3月27日的预测曲线附近波动 。
本文插图
2020年3月21日德国疫情趋势分析图
3月20日-21日 , 德国新增病例出现较大幅度上升 , 新增病例数和累计病例数超出了预测曲线 , 说明德国在加大力度确诊 , 加大力度减小存量 , 这些措施有利于未来疫情控制 。 需要观察后面两天数据后再做新的预测曲线 。
6、西班牙疫情趋势分析
3月5日-16日 , 西班牙新增和累计确诊病例数在峰值为3月27日的预测曲线附近波动;3月17日-21日新增和累计确诊病例数在峰值为3月25日的预测曲线附近波动 。
本文插图
2020年3月21日西班牙疫情趋势分析图
在西班牙抗疫力度只增不减的前提下 , 西班牙疫情趋势预测如下:
截止到4月10日 , 累计确诊病例数在100000-330000之间 。 图中曲线暗示 , 目前西班牙可能由于医疗资源不足 , 目前西班牙实际确诊曲线与预测曲线略为偏低 , 这种情形可能会造成实际上疫情峰值日期后延 。
延伸阅读
清华大学公共安全研究院综合应急研究团队关于预测模型的说明
2019-nCov实证数据同化SARS案例模型的采用以下策略和假设:
1):假设当前新型冠状病毒的有效再生指数变化规律与2003年SARS大致相似 。
2):疫情控制措施能够维持当前力度只增不减 , 直至每日新增确诊病例数是每日新增确诊病例峰值数的1/10 , 可假设新增案例数曲线大体是一个单峰形状 。
3):假设不同的峰值日期 , 用实证数据同化方法结合SARS数据特征可以构建不同峰值日期对应的疫情预测曲线 , 通过观察实证数据与哪个预测曲线更匹配判断拐点可能出现的日期 。
4):此模型实际上是一个统计学模型 , 基于SARS案例模型构建 , 和动力学模型区别较大 。
5):关于拐点的说明:疫情预测中 , 新增确诊案例峰值(即累计确诊案例数的拐点 , 简称拐点)出现时间十分重要 , 这个峰值出现越早 , 说明疫情控制越好 , 总确诊案例数越低;这个日子每拖后一天 , 总确诊案例数会增加不少 。 新增确诊案例数峰值出现也意味着累计确诊案例数曲线出现拐点 。 不同模型对拐点预测结果有差异 , 主要原因是假设条件不同 , 借鉴意义不同 。
6):疫情预测压力大 , 请大家在关注拐点预测结果的同时 , 更多地关注当数据偏离预测曲线时 , 警示信号所预示的问题 , 及时找到漏洞 , 分析原因 , 调整对策 , 更好地部署抗疫工作 。 这也是我们团队做此次预测的重要目的 。
数据来源:世界卫生组织公开数据
研究单位:清华大学公共安全研究院综合应急组
北京辰安科技股份有限公司中央研究院
本文作者:袁宏永 , 梁漫春* , 黄全义 , 苏国锋 , 陈涛, 陈建国 , 孙占辉 , 黎岢 , 秦泽生 , 杨思航 , 邓李政 , 于淼淼 , 程明 , 李开远 , 刘罡 , 肖鑫鑫 , 李文章
作者简介:袁宏永 , 清华大学公共安全研究院副院长 , 研究员 , 长江学者;苏国锋 , 清华大学公共安全研究院院长助理 , 研究员;梁漫春 , 清华大学公共安全研究院 , 副研究员(通讯作者:lmc@tsinghua.edu.cn);陈涛 , 清华大学公共安全研究院 , 副研究员;陈建国 , 清华大学公共安全研究院 , 副研究员;黄全义 , 清华大学公共安全研究院总工程师 , 研究员;孙占辉 , 清华大学公共安全研究院 , 副研究员 。
推荐阅读
- 「传染病」张文宏:疫情期间如果发烧了,有两件事情特别重要
- 传染病@以公开透明让“隐形人”现身
- 『传染病』科普在线 | 预防春夏常见六大传染病,这些措施要做好!
- 『传染病』实时|全球确诊超百万 美确诊236339例全球最多 意累计治愈人数平稳增加
- 『传染病』4月1日:新增境外输入35例、无症状感染者55例
- [传染病]官方紧急提醒!最近出门,建议带上这三个“码”!
- 【传染病】抗疫利器 金旅推出“康达”智能防疫工作站
- 【传染病】儿童青少年新冠肺炎疫情期间近视预防指引
- 传染病@新冠检测试剂强势“出海”我国21家生产企业紧急驰援全球
- 传染病:中国加强医疗物资出口管理:需要取得我国注册证书
