[发明专利]一种传染病的流行趋势预判方法及系统

说明书

本发明公开了一种传染病的流行趋势预判方法及系统，包括：根据t时刻到t+i+1时刻的现存病例数和康复病例数，以及中间t+i时刻的病例数和康复病例数得到瞬时传染速率和瞬时恢复速率；根据瞬时传染速率和瞬时恢复速率计算瞬时再生数；根据瞬时再生数、累计病例数和累计死亡病例数采用构建的广义生长预测模型预测流行周期内各时间节点的发病例数和死亡病例数；根据各时间节点的发病例数和死亡病例数计算流行周期内新增病例数的增长速度，以此得到流行趋势。保证流行动力预测的准确性与时效性，保证流行趋势曲线预测的准确性，从而实现在有效的时间节点采取防控措施以抑制疫情。

技术领域

本发明涉及传染病学技术领域，特别是涉及一种传染病的流行趋势预判方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

传染病的开始、爆发和控制过程，均遵循相应的客观规律，对其演变过程进行科学的预测，是决策部门正确判断形势、做出恰当反应的重要环节。对传染病的流行动力评估、流行/死亡规模及疫情趋势预估研判方案中，目前大多采用各种舱室模型、网络动力学模型及现象模型等，然而，实践证明，上述模型的准确性及可信度均欠佳；原因是：

其一，上述预测模型所必须的传染病学先验参数往往主要靠人为假定，并且基于多种假设条件将参数设定为常数，而由于很多传染病为缺少前例的新发突发传染病，人为设定假设条件、设定参数，如引入季节因素、环境条件、区域条件、人口流动等假设条件，会存在人为假设的条件或人为设定的参数与时间传染病的流行演变趋势不符，可能会导致构建的预测模型与实际传染病的流行演变趋势不符，最终导致预测模型的可靠性和准确性较差，若在预测期内引入无关假设条件，易导致对流行趋势曲线预测不准确、传染病持续流行时间的预测不准确、流行周期阶段划分不准确、防控措施采取的时间节点预判不准确等问题。

其二，各种模型往往过于追求理论上的复杂性和完美性，而忽略了其所需数据信息的可及性；其三，流行动力学参数的分析，如基础再生数R₀、周期、流行/死亡规模等，均受数据的实时动态调控的影响，而现有模型忽略疾病传染过程中的动态信息变化，则无法保证预测准确性且存在预测的滞后性，不利于早期预判，限制模型在实际应用过程中的准确度和应用范围。

发明内容

为了解决上述问题，本发明提出了一种传染病的流行趋势预判方法及系统，通过实际的病例数据，基于实时数据驱动的SIR模型实时估计流行动力参数，同时基于该流行动力学参数构建预测模型，保证流行动力预测的准确性与时效性，保证流行趋势曲线预测的准确性，从而实现在有效的时间节点采取防控措施以抑制疫情。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种传染病的流行趋势预判方法，包括：

根据t时刻到t+i+1时刻的现存病例数和康复病例数，以及中间t+i时刻的病例数和康复病例数得到瞬时传染速率和瞬时恢复速率；

根据瞬时传染速率和瞬时恢复速率计算瞬时再生数；

根据瞬时再生数、累计病例数和累计死亡病例数采用构建的广义生长预测模型预测流行周期内各时间节点的发病例数和死亡病例数；

根据各时间节点的发病例数和死亡病例数计算流行周期内新增病例数的增长速度，以此得到流行趋势。

第二方面，本发明提供一种传染病的流行趋势预判系统，包括：

第一计算模块，用于根据t时刻到t+i+1时刻的现存病例数和康复病例数，以及中间t+i时刻的病例数和康复病例数得到瞬时传染速率和瞬时恢复速率；

第二计算模块，用于根据瞬时传染速率和瞬时恢复速率计算瞬时再生数；