COVID-19疫情时滞模型构建与确诊病例驱动的追踪隔离措施分析

发布时间：2023-04-29 05:56

　　新型冠状病毒肺炎(COVID-19)疫情自暴发以来,众多研究者基于公开的疫情数据和经典的SEIR模型研究了疫情的发展趋势、传播风险等,为早期COVID-19疫情预测预警提供了重要的决策依据.本论文首先讨论在突发性传染病疫情发展期间,传染病数学模型是如何助力疫情防控的,能在公共卫生重大突发事件中发挥什么样的重要作用.然后集中介绍如何建立数学模型来刻画COVID-19疫情期间密切跟踪隔离措施的实施以及措施强度的变化,重点讨论有症状感染者和确诊病例驱动的追踪隔离措施在建模上的异同,最后得到确诊病例驱动的COVID-19时滞非自治传染病模型.主要结论揭示了确诊滞后不仅能有效延迟感染者类峰值到来的时间,而且使得其出现多峰,甚至最终感染规模可能增大的现象,但是我国强有力的综合防控策略能够有效减缓确诊滞后带来的不利影响.这为分析复杂疫情数据提供了新的重要的模型参考.

【文章页数】：13 页

【文章目录】：
1 数学模型是如何助力突发性传染病防控的
    1.1 SIR模型与历史上重大突发性传染病
    1.2 21世纪发生的几次重大突发性传染病及其防控策略
    1.3 数学模型是如何助力突发性传染病防控的
2 COVID-19疫情模型构建:追踪隔离措施的数学刻画
    经典的SEIR模型
    非自治的SEIR模型
    跟踪隔离措施的数学模型刻画
3 确诊病例驱动的跟踪隔离措施分析及时滞的影响
4 主要结论和模型发展



本文编号：3805304