基于传播动力学模型的新型冠状病毒感染情况及流行趋势预测分析——以深圳市龙岗区为例

doi:10.3969/j.issn.1672-2302.2023.06.008

摘要/Abstract

摘要：

目的对新型冠状病毒（简称新冠病毒）感染疫情流行态势进行预测分析，为完善新冠病毒感染疫情防控措施提供参考依据。方法收集深圳市龙岗区2022年12月报告的每日新冠病毒感染病例数据，采用综合考虑疫苗接种、年龄构成的多组传播动力学模型进行模拟，估算感染率及感染高峰时间，预测龙岗区未来新冠病毒感染疫情流行趋势。结果多组传播动力学模型计算结果及曲线拟合结果显示，模型与实际数据拟合效果较好（R²=0.916，P<0.001）。预测结果显示本起疫情有效再生数（effective reproduction number, R_eff）为7.13，人群累计感染率为95.46%，日感染高峰值为24.57万例，74.95%的人群感染后出现症状，日发病高峰值为15.82万例；龙岗区11个街道的人群感染率均已超过90%，其中南湾街道的R_eff最高（10.20），其次是平湖街道（9.60）。结论多组传播动力学模型可以较好地拟合与预测龙岗区新冠病毒的感染情况及感染高峰时间，为疫情防控决策的制定提供参考依据。

关键词: 新型冠状病毒感染, 动力学模型, 感染率, 流行态势

Abstract:

Objective To predict and analyze the epidemic situation of COVID-19 for reference to improve the prevention and control measures for this pandemic. Methods Daily data of COVID-19 reported in Longgang District of Shenzhen City in December 2022 were collected. A multi-group transmission dynamics model with comprehensive consideration of the vaccination and age composition was used to establish a simulation model to estimate the infection rate, peak time of infection and following trend of the pandemic in Longgang District. Results The calculation results and curve fitting results of multiple transmission dynamic models showed that the model fitted the actual data well (R²=0.916, P<0.001). The prediction results revealed that the effective regeneration number (R_eff) was 7.13 for this pandemic, and the cumulative infection rate was 95.46% for the population. The daily peak infection was 245 700 cases, and 74.95% of the population exhibited symptoms after infection. The daily peak incidence was 158 200 cases. The infection rate of the population in all 11 communities in Longgang District exceeded 90%, and the highest R_eff (10.20) was seen in Nanwan community, followed by Pinghu community (9.60). Conclusion The multiple group transmission dynamics model can better fit and predict the infection status and peak time of COVID-19 in Longgang District, which can provide a reference for the decision-making in prevention and control of COVID-19 pandemic.

Key words: COVID-19, Dynamics model, Infection rate, Epidemic trend

中图分类号:

R511，R181

俞国龙, 陈思婷, 刘峰, 林海端, 叶碧莉, 谢显清, 金玉娟. 基于传播动力学模型的新型冠状病毒感染情况及流行趋势预测分析——以深圳市龙岗区为例[J]. 热带病与寄生虫学, 2023, 21(6): 338-343.

YU Guolong, CHEN Siting, LIU Feng, LIN Haiduan, YE Bili, XIE Xianqing, JIN Yujuan. Predicting the infection status and epidemic trend of SARS-CoV-2 using transmission dynamics model based on Longgang District of Shenzhen City[J]. Journal of Tropical Diseases and Parasitology, 2023, 21(6): 338-343.

图/表 8

表1

表2

表3

图1

图2

图3

表4

表5

参考文献 22

[1]	仲音. 坚定不移落实“外防输入、内防反弹”总策略[N]. 人民日报,2022-11-14(4).
[2]	卓家同. 我国坚持新冠肺炎疫情防控“动态清零”不动摇的原因与成效[J]. 上海预防医学, 2022, 34(12):1257-1260.
[3]	牛伟坤, 柴嵘. 奥密克戎变异出强致病力毒株可能性小——接种疫苗是获得抗体的最佳方式[N]. 北京日报,2022-12-21(5).
[4]	新华社. 持续提高防控科学精准水平——国务院联防联控机制新闻发布会解读“新十条”看点[EB/OL]. [2023-03-18]. http://www.gov.cn/zhengce/2022-12/08/content_5730631.htm.
[5]	Guo YC, Zhao ZY, Yang ST, et al. Feasibility of emulating Singapore’s experience during the Omicron wave in China[J]. J Infect, 2023, 86(3):256-308.
[6]	Zhao QL, Yang M, Wang Y, et al. Effectiveness of interventions to control transmission of reemergent cases of COVID-19 - Jilin Province,China,2020[J]. China CDC Wkly, 2020, 2(34):651-654.
[7]	胡艺, 赵杰, 乐佳徐, 等. 2021年初石家庄市新型冠状病毒肺炎暴发流行趋势分析[J]. 上海预防医学, 2021, 33(4):287-290.
[8]	Guo X, Zhao Z, Yang S, et al. The discrete update epidemics: demography, vaccination and transmission with a tensorized update approach[J]. Infect, 2023, 86:256-308.
[9]	Mistry D, Litvinova M, Pastore Y Piontti A, et al. Inferring high-resolution human mixing patterns for disease modeling[J]. Nat Commun, 2021, 12(1):323. doi: 10.1038/s41467-020-20544-y pmid: 33436609
[10]	Brandal LT, MacDonald E, Veneti L, et al. Outbreak caused by the SARS-CoV-2 Omicron variant in Norway,November to December 2021[J]. Eur Commun Dis Bull, 2021, 26(50):2101147.
[11]	中华人民共和国国家卫生健康委员会. 新型冠状病毒感染诊疗方案(试行第十版)[J]. 中国合理用药探索, 2023, 20(1):1-11.
[12]	陈曦, 张义成, 张洁, 等. 新型冠状病毒感染者不同时期的排毒特征[J]. 中国热带医学, 2023, 23(3):310-313. doi: 10.13604/j.cnki.46-1064/r.2023.03.18
[13]	Chen TM, Rui J, Wang QP, et al. A mathematical model for simulating the phase-based transmissibility of a novel coronavirus[J]. Infect Dis Poverty, 2020, 9(1):24. doi: 10.1186/s40249-020-00640-3
[14]	陈田木, 赵泽宇, 芮佳, 等. 厦门市新型冠状病毒肺炎人群传播能力计算与防控措施效果的模拟评估[J]. 厦门大学学报(自然科学版), 2020, 59(3):298-303.
[15]	Chen SL, Liu RC, Chen FM, et al. Dynamic modelling of strategies for the control of acute haemorrhagic conjunctivitis outbreaks in schools in Changsha,China (2004-2015)[J]. Epidemiol Infect,2017, 145(2):368-378. doi: 10.1017/S0950268816002338 URL
[16]	Liu Y, Rocklöv J. The effective reproductive number of the Omicron variant of SARS-CoV-2 is several times relative to Delta[J]. J Travel Med, 2022, 29(3):taac037. doi: 10.1093/jtm/taac037 URL
[17]	李文艳, 杜志成, 王莹, 等. 新型冠状病毒Delta变异株引起的广州市荔湾区本土疫情流行特征分析[J]. 中华流行病学杂志, 2021, 42(10):1763-1768.
[18]	王莹, 尤心怡, 王奕婧, 等. 中国新型冠状病毒肺炎疫情基本再生数评估[J]. 中华流行病学杂志, 2020, 41(4):476-479.
[19]	吴斯旻. 新冠病毒致病力、传染力变异如何应对梁万年:最核心是布局好监测网络[N]. 第一财经日报,2023-02-24(A07).
[20]	中国疾病预防控制中心. 全国新型冠状病毒感染疫情情况[EB/OL]. [2023-03-18]. https://www.chinacdc.cn/jkzt/crb/zl/szkb_11803/jszl_13141/202303/t20230318_264368.html.
[21]	张智州, 路华敏. 新型冠状病毒肺炎患者康复后血清抗体水平检测结果分析[J]. 医学理论与实践, 2021, 34(14):2496-2498.
[22]	艾静文, 张昊澄, 王钰琛, 等. 国外新冠医疗防疫体系建设策略研究及启示:以新加坡、英国为例[J]. 复旦学报(医学版), 2023, 50(1):8-14,25.

年龄（岁）	未接种人数	接种但尚未完成接种人数	完成基础免疫但未完成加强免疫人数	完成加强免疫人数
0~2	139 445	0	0	0
3~6	0	5 120	205 784	0
7~11	0	0	217 334	0
12~14	0	0	93 649	0
15~17	0	0	73 377	0
18~59	0	0	412 543	2 620 464
60~69	8 833	4 461	1 764	136 509
70~79	0	114	6 641	35 884
≥ 80	3 731	2 402	1 947	6 397

年龄（岁）	0~2	3~6	7~11	12~14	15~17	18~59	60~69	70~79	≥80
0~2	0.139 5	0.308 6	0.322 1	0.209 2	0.246 5	5.082 9	0.343 9	0.158 3	0.073 9
3~6	0.136 2	5.009 1	0.345 3	0.221 5	0.265 3	5.203 3	0.333 7	0.169 1	0.075 8
7~11	0.129 6	0.313 2	7.564 2	3.258 3	0.530 2	5.414 8	0.323 5	0.187 1	0.081 2
12~14	0.115 6	0.277 1	4.599 5	3.533 3	2.986 3	5.776 5	0.307 2	0.202 4	0.084 7
15~17	0.107 7	0.261 2	0.598 5	2.481 1	5.096 0	7.959 4	0.302 6	0.204 6	0.091 2
18~59	0.143 9	0.331 1	0.389 4	0.301 7	0.514 5	10.182 9	0.580 4	0.238 9	0.103 3
60~69	0.125 7	0.278 6	0.299 3	0.208 4	0.260 6	6.847 9	1.230 0	0.311 1	0.205 3
70~79	0.094 8	0.228 6	0.280 6	0.220 1	0.283 4	4.697 3	0.453 9	0.785 5	0.250 7
≥ 80	0.086 3	0.200 8	0.239 1	0.183 7	0.256 7	4.005 2	0.556 4	0.453 4	0.619 1

参数	定义	单位	取值	参数来源
ω	潜伏期系数	d^-1	1/3	文献[10-11]
ω'	潜隐期系数	d^-1	1/3	文献[12]
ω''	症状前到出现症状时间系数	d^-1	1/2	文献[5,8]
k	无症状感染者相对传染性系数	1	1	文献[5,8]
k'	症状前感染相对传染性系数	1	1	文献[5,8]
p	无症状感染者比例	1	-	文献[5,8]
γ	有症状感染者移出率系数	d^-1	1/5	文献[5,8]
γ'	无症状感染者移出率系数	d^-1	1/7	文献[5,8]

街道	曲线拟合R²	曲线拟合P值	R_eff
平湖	0.867	<0.001	9.60
布吉	0.932	<0.001	6.73
吉华	0.868	<0.001	7.98
南湾	0.856	<0.001	10.20
坂田	0.885	<0.001	6.50
横岗	0.878	<0.001	6.44
园山	0.848	<0.001	6.32
龙岗	0.859	<0.001	7.23
龙城	0.918	<0.001	7.87
宝龙	0.829	<0.001	7.78
坪地	0.910	<0.001	5.53

地区	累计感染数（万例）	累计感染率（%）	累计发病数（万例）	累计罹患率（%）	持续时间（日）	感染高峰值（万例）	发病高峰值（万例）	感染高峰日	发病高峰日
平湖	38.79	97.84	29.15	73.43	113	3.21	1.95	2023/1/3	2023/1/7
布吉	41.97	94.13	31.43	70.37	136	2.36	1.56	2023/1/7	2023/1/12
吉华	22.78	95.70	17.08	71.59	120	1.52	0.97	2023/1/6	2023/1/10
南湾	41.06	98.85	30.46	73.25	108	3.47	2.06	2022/12/27	2022/12/31
坂田	51.03	95.16	38.43	71.57	144	2.98	1.99	2023/1/14	2023/1/18
横岗	26.97	94.84	20.26	71.10	144	1.49	1.01	2023/1/21	2023/1/25
园山	23.75	96.06	17.87	72.09	135	1.27	0.88	2023/1/15	2023/1/19
龙岗	33.50	95.38	25.07	71.30	135	2.05	1.35	2023/1/13	2023/1/17
龙城	47.21	95.15	35.30	71.06	135	3.08	1.97	2023/1/11	2023/1/15
宝龙	31.72	96.82	23.79	72.49	121	2.13	1.38	2023/1/6	2023/1/10
坪地	20.81	95.23	15.68	71.60	152	1.01	0.70	2023/1/27	2023/1/31
合计	379.59	95.46	284.52	71.55	159	24.57	15.82	2023/1/10	2023/1/14