一年前的此刻,武汉封城已有一个月,而新冠疫情的蔓延态势仍在不断升级。科学家们除了要解析病毒演化传播、分析病例样本、研发疫苗等,也在关注一件事——建立疫情预测模型。
当时,包括钟南山院士在内的多名专家的观点是:
对病毒在人群中传播的智能预测模型构建与验证是当前的工作重点。
三个月后,兰州大学西部生态安全省部共建协同创新中心正式对外发布「
全球 COVID-19 疫情预测系统」。
作为世界首个全球疫情预测系统,「全球 COVID-19 疫情预测系统」自 2020 年 5 月上线运行以来,已实现对 190 余个国家新增确诊病例的预测。
据《光明日报》最新报道:
近日,钟南山院士在 “广州实验室科技助力基层疫情防控万里行”启动仪式上,对这一系统表示肯定,他称赞:“他们一些预测的模型还是相当可靠的。”
首个全球疫情预测系统建立「全球 COVID-19 疫情预测系统」的官网页面主要涵盖了三部分预测:
- 全球每月预测概况:按月分析全球各地区疫情蔓延情况,列出每月预测新增病例数前 10 位国家。
- 突发新冠疫情预测:预测疫情态势将出现突出变化的城市,如 2020 年 8 月 2 日预测香港本轮疫情有望在 8 月底得到控制。
- 新冠疫情二次爆发预警:根据温度等气象要素的季节性变化、游行抗议和城市解封等大规模聚集性活动,预测全球各地疫情二次暴发。
这一模型的相关研究成果 2020 年 5 月 18 日由中国科学院主办的自然科学综合性期刊 Science Bulletin 接收,2020 年 8 月 2 日正式发表,题为 Global prediction system for COVID-19 pandemic(新冠疫情全球预测系统)。
论文介绍,现代流行病学反应的一个重要特点是利用所有可用数据提供实时反应信息。理论上,通过引入最新的疫情数据来提高先前流行病学模型的可信度是可行的。
实际上,新冠疫情的发生具有时空异质性,也就是说,可能与不同地区的气象条件和地方政府实施的干预措施有关。因此研究团队认为,有必要建立一个将天气预报和气候分析作为自变量的流行病预警系统,以提高预测的整体精度。
▲ 该系统预测的美国本月及本季疫情情况
研究团队的做法是,将疫情预测模型与全球真实疫情数据相结合,综合考虑环境因素(温度、湿度)的影响以及控制措施的实施情况,从而建立了一个自己的全球预测系统。
基于 SIR 和 SEIR 模型论文显示:
该预测系统是一个改进的 SIR 模型。
SIR 模型,即 Susceptible Infected Recovered Model,即一种传染病模型中最经典的模型,其中 S 表示易感者,I 表示感染者,R 表示移出者(主要指被隔离或因病愈而具有免疫力的人)。
具体来讲,研究团队的 SIR 模型包含了真实的全球疫情数据、气象因素和量化的隔离措施。
在该模型中,假设疫情期间该地区的总人口数(N = S + I + R)保持不变,病毒仅通过人与人之间的感染传播,个体之间的免疫力无差异。