一种传染病再生模型构建方法技术

本发明专利技术提供了一种传染病再生模型构建方法，属于传染病预测技术领域，该传染病再生模型构建方法包括以下步骤：选取传染病暴发地点，收集传染病病例数据；依据所述收集传染病病例数据，设定或计算R0所需的新发传染病病例的代际时间分布；根据新发传染病病例的代际时间分布计算R0；绘制代际时间分布图；依据所述收集传染病病例数据，设定或计算R

【技术实现步骤摘要】
一种传染病再生模型构建方法


[0001]本专利技术属于传染病预测
，具体而言，涉及一种传染病再生模型构建方法。

技术介绍

[0002]公开号为CN111739657A的中国专利技术专利(申请号：CN202010695650.8)提供一种基于知识图谱的流行病感染者预测方法及系统，利用知识图谱技术，构建流行病学患者个人知识图谱和流行病学传播知识图谱，通过融合流行病学患者个人知识图谱和流行病学传播知识图谱，全面梳理流行病的传播关系和路径，从而针对性预测疑似患者，同时，本方法及系统可以生成流行病学调查报告，以支持流行病学调查工作。
[0003]由于在疾控部门对传染病疫情现场处置中，需要在短时间内对疫情态势进行研判，制定科学防控措施，现场处置工作时间紧和任务重，而疾控工作人员，特别在基层，很少具备数学专业基础和数学模型建模经历，但对于疫情研判所需的专业指标计算具有较大需求；上述专利技术中不能对传染病的再生情况进行快速高效计算，造成整个模型的搭建效率和准确度的降低。

技术实现思路

[0004]有鉴于此，本专利技术提供一种传染病再生模型构建方法，能够解决不能对传染病的再生情况进行快速高效计算，造成模型的搭建效率和准确度的降低的问题。
[0005]本专利技术是这样实现的：
[0006]本专利技术提供一种传染病再生模型构建方法，其中，包括以下步骤：
[0007]S10：选取传染病暴发地点，收集传染病病例数据；
[0008]S20：依据所述收集传染病病例数据，计算基本再生系数R0和有效再生系数R
t
；
[0009]S30：依据所述基本再生系数R0和所述有效再生系数R
t
构建传染病再生模型。
[0010]基本再生数R0的定义是：没有干预的情况下,当所有人均为易感者时,平均一个患者可以传染的人数，有效再生系数R
t
的定义是：t时刻平均一个发病的病例能够导致的新发病例数。
[0011]在上述技术方案的基础上，本专利技术的一种传染病再生模型构建方法还可以做如下改进:
[0012]其中，所述传染病病例数据至少包括日期、每日新发病例数、每日输入病例数。
[0013]其中，所述S20中计算基本再生系数R0具体步骤如下：
[0014]S21：设定或计算R0所需的新发传染病例的代际时间分布；
[0015]S22：根据新发传染病例的代表时间分布计算R0；
[0016]S23：绘制代际时间分布图；
[0017]进一步的，所述S21具体步骤如下：
[0018]S210：根据现场传染病数据判断是否出现代际时间；
[0019]S211：若无代际时间，则设定代际时间分布，设定遵循具有三个参数的分布；
[0020]S212：若出现代际时间，则使用传染病数据表示代际时间分布，使用向量表示。
[0021]进一步的，所述S22的具体步骤为:
[0022]利用每日新病例数N＝{N0，N1，
…
，N
T
}，其中N0为开始暴发时的种子病例初始数量，T为观测的最后一天，N
i
由前k天生成的病例混合组成，其中k是代际时间的最大值，将这些病例表示为X
ij
，是指第i天出现的、由第j天出现症状的人所感染的病例数；假设在第j天有症状的感染者产生的感染者数量遵循泊松分布，参数为R0、N
j
；此外，X
j
＝{X
j,j+1
,X
j,j+2
,
…
,X
j,j+k+1
}，为被X个体感染的病例的向量，遵循参数为p、k和X的多项式分布，此处p即为代际时间分布的概率向量；假设存在输入性病例，用Y＝{Y1,...,Y
T
}表示，根据以上数值，得到如下，
[0023][0024]其中，和Γ(x)是伽玛函数，使用最大似然法计算得到R0的估计值。
[0025]进一步的，所述S23的具体操作步骤为：
[0026]利用par函数设定绘图所需参数，包括线条颜色类型及宽度、坐标轴标题缩放倍数等。
[0027]其中，所述S20中计算有效再生系数R
t
具体步骤如下：
[0028]S24：设定或计算R
t
所需的新发传染病的代际时间分布；
[0029]S25：根据新发病例的代际时间分布计算R
t
；
[0030]S26：绘制流向曲线图；
[0031]进一步的，所述S24的具体步骤如下：
[0032]S240：根据现场传染病数据判断是否出现代际时间；
[0033]S241：若无代际时间，则设定代际时间分布，指定代际时间的均值和标准差；
[0034]S242：若出现代际时间则直接根据传染病数据样本，利用马尔科夫链蒙特卡罗方法对数据样本进行重抽样。
[0035]进一步的，所述S25的具体步骤如下：
[0036]在贝叶斯框架内，对于给定的代际时间分布，使用成对的病例估算得到流行病在预设时间段中的R
t
；病例t
i
被病例t
j
感染的相对可能性p
ij
用代际时间分布w来表示，病例i被病例j感染的相对似然是病例i被病例j感染的似然，通过病例i被任何其他病例k感染的似然进行标准化：
[0037]p
ij
＝w(t
i
‑
t
j
)/∑
i≠k
w(t
i
‑
t
k
)
[0038]病例j的有效再生数是所有病例i的总和，由病例i被病例j感染的相对似然加权：R
j
＝∑
i
p
ij
。
[0039]进一步的，所述S26的具体步骤如下：
[0040]使用plot函数进行图形绘制。
[0041]与现有技术相比较，本专利技术提供的一种传染病再生模型构建方法的有益效果是：
计算所得的基本再生系数R0和有效再生系数R
t
可以为疫情发展趋势和防控措施效果的研判提供参考依据；通过观察R0与R
t
之间的差值，能较为直观地表现出疫情发生地的防控措施力度和成效。本专利技术可解决疾控现场调查人员不具备数学专业基础、无数学建模经历和无专业统计软件时却需要进行指标计算的技术难题。
附图说明
[0042]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0043]图1为一种传染病再生模型构建方法的步骤流程图；
[0044]图2为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种传染病再生模型构建方法，其特征在于，包括以下步骤：S10：选取传染病暴发地点，收集传染病病例数据；S20：依据所述收集传染病病例数据，计算基本再生系数R0和有效再生系数R
t
；S30：依据所述基本再生系数R0和所述有效再生系数R
t
构建传染病再生模型。2.根据权利要求1所述的一种传染病再生模型构建方法，其特征在于，所述传染病病例数据至少包括日期、每日新发病例数、每日输入病例数。3.根据权利要求1所述的一种传染病再生模型构建方法，其特征在于，所述S20中计算基本再生系数R0具体步骤如下：S21：设定或计算R0所需的新发传染病例的代际时间分布；S22：根据新发传染病例的代表时间分布计算R0；S23：绘制代际时间分布图。4.根据权利要求3所述的一种传染病再生模型构建方法，其特征在于，所述S21具体步骤如下：S210：根据现场传染病数据判断是否出现代际时间；S211：若无代际时间，则设定代际时间分布，设定遵循具有三个参数的分布；S212：若出现代际时间，则使用传染病数据表示代际时间分布，使用向量表示。5.根据权利要求3所述的一种传染病再生模型构建方法，其特征在于，所述S22的具体步骤为:利用每日新病例数N＝{N0，N1，
…
，N
T
}，其中N0为开始暴发时的种子病例初始数量，T为观测的最后一天，N
i
由前k天生成的病例混合组成，其中k是代际时间的最大值，将这些病例表示为X
ij
，是指第i天出现的、由第j天出现症状的人所感染的病例数；假设在第j天有症状的感染者产生的感染者数量遵循泊松分布，参数为R0、N
j
；此外，X
j
＝{X
j,j+1
,X
j,j+2
,
…
,X
j,j+k+1
}，为被X个体感染的病例的向量，遵循参数为p、k和X的多项式分布，此处p即为代际时间分布的概率向量；假设存在输入性病例，用Y＝{Y1,...,Y
T
}表示，根据以上数...

【专利技术属性】
技术研发人员：王晓雯，邱箫仪，韩瑜，牛瑾，周晓芳，
申请(专利权)人：王晓雯，
类型：发明
国别省市：